Prompt Engineering für Energie-Analysen: Was LLMs über ENTSO-E-Daten lernen müssen
Du willst ENTSO-E-Daten von einem LLM auswerten lassen und fragst dich, wie du prompten musst. Hier bekommst du die konkreten Regeln — direkt, ohne Umschweife.
Ein LLM "kennt" keine Live-ENTSO-E-Werte — es kennt nur, was du ihm im Prompt mitgibst. Die ENTSO-E Transparency Platform liefert u. a. Last (Actual/Forecast Load), Erzeugung je Energieträger, Day-Ahead-Preise, grenzüberschreitende Flüsse und installierte Leistung. Damit das Modell korrekt rechnet, muss es vier Dinge aus deinem Prompt lernen: die Einheit (MW für Leistung, MWh für Arbeit, €/MWh für Preis), die Zeitauflösung (typisch 15 oder 60 Minuten), die Zeitzone (ENTSO-E liefert Zeitstempel oft in UTC, nicht in CET/CEST) und die Gebotszone (z. B. DE-LU). Fehlt eines davon, rät das Modell — und rät falsch.
1) Schema mitliefern: Nenne Spaltennamen, Einheit und Auflösung explizit statt sie das Modell erraten zu lassen. 2) Zeitzone hart festlegen: Schreib dazu, ob Zeitstempel UTC oder Lokalzeit sind, und ob Sommer-/Winterzeit (die doppelte/fehlende Stunde) auftaucht. 3) Rechenweg erzwingen: Verlange "zeig die Zwischenschritte" — MW mit MWh zu verwechseln ist der häufigste Fehler. 4) Keine Zahlen aus dem Gedächtnis: Weise das Modell an, nur mit den übergebenen Werten zu rechnen und Lücken als Lücke zu benennen. 5) Aggregation definieren: Sag, ob du Summe, Mittel oder Maximum über welchen Zeitraum willst — sonst mischt das Modell Leistungs- und Energiewerte.
Drei typische Fallen: Erstens die Einheiten — 15-Minuten-Leistungswerte (MW) darfst du nicht einfach aufsummieren, um Energie (MWh) zu erhalten; du musst mit der Intervalldauer gewichten (MW × 0,25 h). Zweitens die Zeitzone: Wer UTC-Stempel unbesehen als deutsche Uhrzeit liest, verschiebt die Lastspitze um ein bis zwei Stunden. Drittens Datenlücken und revidierte Werte — ENTSO-E veröffentlicht teils vorläufige und später korrigierte Reihen. Ein LLM glättet solche Lücken gern still weg; genau das musst du im Prompt verbieten.
Gib dem Modell einen klaren Kontextblock: Datenquelle (ENTSO-E Transparency Platform), Gebotszone, Zeitraum, Auflösung, Einheiten und Zeitzone. Dann die Aufgabe als eine präzise Frage — nicht "analysiere das", sondern z. B. "berechne die maximale Residuallast am 12.06. in der Gebotszone DE-LU und zeig den Rechenweg". Am Ende die Leitplanke: "Nutze ausschließlich die oben stehenden Werte. Nenne keine Zahl, die nicht in den Daten steht. Kennzeichne fehlende Intervalle." Dieser Dreiklang aus Kontext, präziser Frage und Anti-Halluzinations-Regel ist das Kernstück des Prompt Engineerings für Energiedaten.
Ein LLM ersetzt keine Rechen-Engine. Für exakte Bilanzen, Preiszeitreihen oder §-Berechnungen lässt du die Zahlen in Code (z. B. Python/pandas) rechnen und nutzt das Modell nur zum Formulieren, Strukturieren und Erklären. Verlangst du vom Modell selbst große Summen über tausende Intervalle, häufen sich Rundungs- und Übertragungsfehler. Faustregel: LLM für Sprache und Struktur, deterministischer Code für die Zahl. Jede vom Modell genannte Kennzahl solltest du gegen die Rohdaten gegenprüfen.