Cernion Energy Tools: Die Architektur hinter dem Agentic Asset-MDM

Ein tiefer Einblick in die Schichtenarchitektur, den Compliance-Referenzrahmen (EU AI Act, KRITIS) und die FAIR-Data-Konformität unserer quelloffenen Microservice-Plattform.

Die Transformation der Energiewirtschaft erfordert nicht nur neue Algorithmen, sondern ein radikal neues Datenfundament. Mit den Cernion Energy Tools haben wir eine quelloffene Microservice-Plattform geschaffen, die heterogene Energiedatenquellen (MaStR, ENTSO-E, SMARD) unter einem einheitlichen REST-API-Layer zusammenführt – explizit ausgerichtet auf die regulatorischen Anforderungen des deutschen und europäischen Energiesektors.

Unsere Plattform ist die technische Grundlage für Agentic Asset-MDM (Master Data Management).

Die Schichtenarchitektur

Die Plattform folgt einer 12-Factor-App-Methodik und gliedert sich in vier essenzielle Schichten:

  1. Execution Layer (v0.9): MCP-Zugriff, REST-Gateway, KI-Agent.
  2. Geo Layer (v0.10): OSM-basierte Netzinfrastrukturanalyse.
  3. Datapoint Layer (v0.11–v0.13): Verwaltete Datenpunkte, FAIR-Metadaten und Snapshots.
  4. Agent Layer (v0.14+): Autonome Validierungspipelines (in Entwicklung).

Methodische Schwerpunkte & Compliance

Um in kritischen Infrastrukturen (KRITIS) bei Netzbetreibern und Stadtwerken zu operieren, erfüllt die Cernion-Architektur höchste regulatorische Standards:

  • Kryptographische Datenprovenienz (EU AI Act Art. 12): Jeder Datenrefresh erzeugt einen SHA-256-Provenance-Hash über das kanonische Payload. Dieser Hash beweist kryptographisch, auf welchem exakten Datenstand ein nachgelagerter KI-Analyseprozess operiert hat.
  • Snapshot-Semantik (Konsistenz-Beweis): Ein zentrales Problem bei der Nutzung von Echtzeitdaten ist die temporale Inkonsistenz. Cernion adressiert dies durch Snapshot-Dokumente, die die Hashes aller beteiligten Datenpunkte versiegeln. Eine nachträgliche Drift-Detection (validateSnapshot) beweist: "Das Analyseergebnis basiert auf einem konsistenten Datenstand, der sich während der Analyse nicht verändert hat."
  • FAIR-Data-Konformität: Alle Datenpunkte werden mit maschinenlesbaren Metadaten nach dem OEMetadata v2.0-Standard annotiert. Die semantische Klassifikation erfolgt über ~150 kuratierte Mappings der Open Energy Ontology (OEO).
  • KRITIS-konformes Datenhaltungsmodell: Die Plattform persistiert keine Rohdaten. Nur Metadaten, Hashes und strukturelle Zusammenfassungen werden in der eingebetteten PouchDB-Datenbank (am Edge) gespeichert. Alle Rohdaten fließen ausschließlich durch den Arbeitsspeicher.
  • Edge Privacy / Prompt Scrubber: Vor der Weitergabe an externe Large Language Models (LLMs) sorgt ein feldgranulares Masking dafür, dass personenbezogene Daten oder hochsensible Infrastruktur-Details durch deterministische SHA-256-Pseudonyme ersetzt werden.

Mit dem Abschluss der Datapoint-Schicht (v0.13) ist der Grundstein gelegt. Der nächste Schritt (v0.14) ist der Einsatz autonomer Validierungsagenten, die auf diesen nachweislich konsistenten, FAIR-konformen und regulatorisch rückverfolgbaren Datenpunkten operieren.

← Zurück zur Timeline