Alaa Alsleman, Ingenieur für Energiesysteme in Berlin

Strom, Wärme und Mobilität als ein System gerechnet.

Ich modelliere und optimiere Energiesysteme mit Speicher, Sektorenkopplung und E-Mobilität und werte die Daten dazu aus, damit Sie mit Zahlen entscheiden statt mit Schätzungen.

Für Ingenieur- und Planungsbüros, Beratungen, Projektentwickler und Investoren. Als Projektpartner oder im Unterauftrag.

Projekt anfragen LinkedIn-Profil

Was ich in einem Quartier rechne. Wählen Sie einen Teil des Quartiers, um zu sehen, was ich dort modelliere.

Schematisches Quartier Windenergieanlage und PV-Freifläche, Elektrolyseur mit Wasserstofftank, Wohngebäude mit PV und Wärmepumpe, Wärmespeicher, Quartiersspeicher, Einfamilienhaus mit Wallbox, Ladepark mit PV-Carport und Netzanschluss. Darunter verlaufen Strom- und Nahwärmeleitungen. Stromleitung Nahwärme Wind PV-Freifläche Wasserstoff Wohngebäude mit PV und Wärmepumpe Wärmespeicher Quartiersspeicher Wallbox und V2H Ladepark mit PV-Carport Netz

Seitlich wischen, um die ganze Grafik zu sehen.

DarstellungQuartier, schematisch FarbenStrom Wärme Wasserstoff Mobilität Blatt2

Schwerpunkte

Fünf Themen, in denen ich rechne. Wählen Sie ein Thema, um zu sehen, was ich dort mache und wo ich es gelernt und angewandt habe.

Energiespeicher und Vermarktung

Wirtschaftlichkeit von Batteriespeichern an Wind- und PV-Parks und in Liegenschaften: Arbitrage, Primär- und Sekundärregelleistung und Verluste durch negative Strompreise, zusammengeführt in einem Business-Case.

  • Projektentwickler für Wind und PV, 2022–2024 Batteriespeicher-Business-Cases zur Vermarktung von Grünstrom
  • Speicherunternehmen, 2024–2025 Planung von Batteriespeicherlösungen
  • Bachelorarbeit, 2021 Speicher gegen Verluste durch negative Strompreise
  • Weiterbildung, 2023 Elektrochemische Speichertechnik, Technische Akademie Esslingen
050100150Strompreis in €/MWhBatterie: Laden und Entladenentladen0:006:0012:0018:00negative Preise
DarstellungArbitrage über einen Tag, schematisch

Sektorenkopplung und Energiekonzepte

Strom, Wärme und Wasserstoff für Liegenschaften und Quartiere. Bestandsaufnahme, Versorgungskonzept und Varianten, technisch, ökologisch und wirtschaftlich bewertet.

  • Projektentwickler für Wind und PV, 2022–2024 Wärmeversorgung aus erneuerbarem Strom, Wasserstoffkonzepte
  • Speicherunternehmen, 2024–2025 Energiekonzepte für Liegenschaften, PV-Dachanlagen
  • Ingenieurbüro, seit 2026 Betriebsmodelle für PV mit Speicher und Wärmepumpe
  • Schulung, 2023 Wasserstoff: Eigenschaften und Verfahren, mit Prüfung
Energiesystemgraph eines Quartiers Ein Strombus verbindet PV, Wind, Netz, Batteriespeicher und Strombedarf. Über Wandler hängen daran ein Mobilitätsbus mit E-Auto, ein Wasserstoffbus mit Speicher und ein Wärmebus mit Wärmespeicher und Wärmebedarf. Strombus Mobilität Wasserstoff Wärme PV-Anlage Windenergie Stromnetz Batteriespeicher Strombedarf LadepunktV2G Elektrolyseur Wärmepumpe E-Auto Fahrbedarf H₂-Speicher Wärmespeicher Wärmebedarf

Seitlich wischen, um die ganze Grafik zu sehen.

DarstellungEnergiesystemgraph ModellLineare Optimierung, LP / MILP Formeneckig Komponente, rund Speicher

Modellierung und Optimierung

Lineare und gemischt-ganzzahlige Optimierung (LP, MILP): Auslegung, Einsatzplanung, Kostenminimierung. Offen in Python, ergänzt um TOP-Energy und energyPRO.

  • Forschungsinstitut, 2025 Energiesystemmodell und Visualisierung von Energiesystemgraphen
  • HTW Berlin, 2026 Optimierende Ladestrategie (LP) für SpiceEV
  • Eigenentwicklung, 2026 Hybridwechselrichter-Baustein für LP- und MILP-Modelle
  • Projektentwickler für Wind und PV, 2022–2024 Energiesystemmodellierung und Simulation von Varianten
Optimumzulässiger BereichSpeichergrößePV-LeistungPunkte: ganzzahlige Lösungen (MILP)Linien: gleiche Kosten
DarstellungLineare Optimierung, schematisch

E-Mobilität und Ladeinfrastruktur

Mobilitätsszenarien für Haushalte, Quartiere und Städte aus Mobilitätsstatistiken und Fahrzeugtypen. Daraus Ladepunkte, Energiebedarf und Ladezeitpunkte, dazu Vehicle-to-Home und Vehicle-to-Grid.

  • HTW Berlin, 2026 Ladestrategie mit Börsenpreisen, PV, Speicher und V2H
  • Werkzeuge SpiceEV, emobpy, lineare Optimierung
  • Studium Master mit Vertiefung E-Mobilität, Bachelor mit Vertiefung Verkehrsinfrastruktur
050100Ladeleistung im Quartier in kWNetzanschluss 60 kWungesteuertoptimiert12:0018:000:006:00
DarstellungGesteuertes Laden im Quartier, schematisch

Datenanalyse, Prognose und Sensitivität

Zeitreihen aufbereiten, prüfen und auswerten. Prognosen mit maschinellem Lernen und neuronalen Netzen. Szenario- und Sensitivitätsanalysen, damit klar ist, welche Annahme ein Ergebnis trägt.

  • Projektentwickler für Wind und PV, 2022–2024 Datenanalyse als Entscheidungsgrundlage, Datenvalidierung für Windertragsprognosen
  • Eigenentwicklung, 2026 Strompreisprognose für drei Tage mit Quantil-Gradient-Boosting
  • HTW Berlin, 2026 Modul Maschinelles Lernen: PV-Prognose mit neuronalem Netz
  • Forschungsinstitut, 2025 Zeitreihenaufbereitung und Szenarienanalyse
  • Eigene Werkzeuge Zeitreihen-Editor und Dash-App zur Auswertung von Lastgängen, PV und Speicherladezustand
005050100100Prognose gegen Messung, PV-Leistung in %MessungAbweichung ±10 %perfekte Prognose
DarstellungPrognosegüte, Beispieldaten

Daten, Prognose und Sensitivität

Ein Modell ist nur so gut wie seine Eingangsdaten und so ehrlich wie seine Sensitivitätsanalyse. Mein Ablauf: erst prognostizieren, dann optimieren.

  1. DatenZeitreihen aufbereiten und prüfen, mit eigenem Zeitreihen-Editor, Geodaten in QGIS
  2. PrognoseGradient Boosting, neuronale Netze, Quantile statt einer einzigen Zahl
  3. OptimierungLineare Optimierung (LP, MILP) über den ganzen Zeitraum
  4. EntscheidungKennzahlen, Plots und Sensitivitäten, ausgewertet mit eigener Dash-App

Strompreisprognose über drei Tage

Stündliche Preise in €/MWh. Links der Ist-Verlauf, rechts Median und Bandbreite der Prognose.

  • Ist-Preis
  • Prognose, Median
  • Bandbreite 10 bis 90 %

Schematische Darstellung mit synthetischen Daten, keine Projektergebnisse.

Was trägt den Business-Case eines Speichers?

Änderung des Kapitalwerts, wenn ein Parameter um 20 % sinkt oder steigt.

  • Parameter −20 %
  • Parameter +20 %

Schematische Darstellung mit Beispielwerten, keine Projektergebnisse.

Ausgewählte Projekte

Bachelorarbeit, Hochschule Karlsruhe, 2021

Speicher gegen Verluste durch negative Strompreise

Verluste durch die Stundenregel bei negativen Preisen für EEG-Parks bestimmt, Speichertechnologien bewertet und einen Batteriespeicher mit Strompreisprognose über 20 bis 30 Jahre modelliert.

Projektentwickler für Wind und PV, 2022–2024

Batteriespeicher für Regelleistung und Arbitrage

Primär- und Sekundärregelleistung sowie Arbitrage an Wind- und PV-Parks in einem gemeinsamen Business-Case zusammengeführt.

HTW Berlin, 2026

Ladestrategie mit linearer Optimierung für SpiceEV

Optimiert das Laden im Open-Source-Simulator SpiceEV über den ganzen Zeitraum, mit Börsenpreisen, PV, Speicher und Vehicle-to-Home. Übergeben an ein Forschungsinstitut.

Eigenentwicklung, 2026

Hybridwechselrichter-Baustein für LP- und MILP-Modelle

Wiederverwendbarer Baustein für DC-gekoppelte PV-Speichersysteme, mit dem ich Betriebsmodelle vom Balkonkraftwerk bis zur Dachanlage mit Wärmepumpe vergleiche.

Eigenentwicklung, 2026

Mehrtägige Strompreisprognose

Day-Ahead-Preise für drei Tage in Stundenauflösung, als Bandbreite mit Quantil-Gradient-Boosting, geprüft mit Rolling-Origin-Backtesting.

HTW Berlin, Modul Maschinelles Lernen, 2026

Erst prognostizieren, dann optimieren

Ein neuronales Netz prognostiziert den PV-Ertrag des nächsten Tages, danach werden Haushaltslasten nach Prognose und Strompreis eingeplant.

Eigenentwicklung

Werkzeuge für Energie-Zeitreihen

Dash-App zur Auswertung von Lastgängen, PV und Speicherladezustand mit Kennzahlen und SVG-Export, dazu ein Editor, der Rohdaten bereinigt und Zeitstempel erzeugt.

Forschungsinstitut, 2025

Energiesystemgraphen und Geodaten für ein Stadtquartier

Feature zur Darstellung von Energiesystemgraphen entwickelt, Geodaten in QGIS aufbereitet und eine Vorstudie zu Klimaprognosen ausgewertet.

Porträt Alaa Alsleman

Werdegang

Ich bin Ingenieur für Energiesysteme. Seit 2022 plane und modelliere ich Energieversorgungen, zuerst bei einem Projektentwickler für Wind und PV, dann bei einem Speicherunternehmen, an einem Forschungsinstitut für erneuerbare Energien und heute in einem Ingenieurbüro in Berlin. Ich arbeite vor allem mit offenen Werkzeugen in Python und ergänze sie um die gängige kommerzielle Software.

Berufserfahrung

  1. seit 2026
    Ingenieurbüro, BerlinProjektingenieur. Energiesystemmodelle zur Bewertung von PV-Betriebsmodellen mit Speicher und Wärmepumpe.
  2. 2025
    Forschungsinstitut für erneuerbare Energien, BerlinStudentischer Mitarbeiter im Forschungsbereich Transformation von Energiesystemen. Energiesystemmodellierung, Szenarienanalyse, GIS, Zeitreihen.
  3. 2024–2025
    SpeicherunternehmenProjektingenieur Energiesysteme und Speicherlösungen, neben dem Master. Energiekonzepte für Liegenschaften, PV-Dachanlagen, Batteriespeicher.
  4. 2022–2024
    Projektentwickler für Wind und PV, KarlsruheProjektingenieur Energielösungen in der Abteilung Planung und Bau. Speicher-Business-Cases, Wärme- und Wasserstoffkonzepte, Energiesystemmodellierung, Datenanalyse.
  5. 2020
    Projektentwickler für Wind und PV, KarlsruhePraktikum Planung von Wind- und PV-Parks: Ertragsabschätzung, GIS-Analysen, Baukostenprognose.

Ausbildung

  1. seit 2024
    M.Sc. Regenerative Energien, HTW BerlinEnergiesystemmodellierung und Speicher auf Gebäude- und Quartiersebene, E-Mobilität, Optimierung, maschinelles Lernen.
  2. 2017–2021
    B.Eng. Bauingenieurwesen, Hochschule KarlsruheVertiefung Verkehrswesen und Infrastruktur, Schwerpunkt Energiewirtschaft. Bachelorarbeit zu Speichern bei negativen Strompreisen.

Weiterbildung

Elektrochemische Speichertechnik (TAE Esslingen, 2023), Wasserstoff: Eigenschaften und Verfahren (2023)

Werkzeuge

Modellierung
Lineare Optimierung (LP, MILP), SpiceEV, emobpy, pvlib
Planung
TOP-Energy, energyPRO, PV*SOL, windPRO
Daten
Python, pandas, scikit-learn, neuronale Netze, Dash, Plotly, PySide6, QGIS, Git, Linux

Sprachen

Deutsch verhandlungssicher, Arabisch Muttersprache, Englisch gut

Engagement

Stipendiat der Stiftung der Deutschen Wirtschaft seit 2017, Regionalgruppensprecher Berlin 2024–2026

So arbeiten wir zusammen

  1. Erstgespräch

    Fragestellung, Standort, vorhandene Daten. 30 Minuten, kostenfrei.

  2. Modell und Varianten

    Ich baue das Modell, rechne die Varianten und lege alle Annahmen und Sensitivitäten offen.

  3. Ergebnis

    Dokumentiertes Modell, aussagekräftige Plots und eine klare Empfehlung mit Zahlen.

Erzählen Sie mir von Ihrem Projekt.

Ich melde mich innerhalb von zwei Werktagen mit einer ersten Einschätzung.

Standort
Berlin
E-Mail
kontakt@alsleman.eu
LinkedIn
linkedin.com/in/alaa-alsleman
GitHub
github.com/Alaadin17