In einem neuen Forschungsprojekt wird untersucht, wie Künstliche Intelligenz (KI) und semantische Verfahren bei der Analyse von Gebäudedaten eingesetzt werden können um Anomalien und vermeidbare Betriebsfehler automatisch aufzudecken. Ziel ist es, bisher nicht genutztes Potential zur Energie- und CO2-Einsparung zu erschließen. Die Projektpartner ITC AG und EA Systems Dresden GmbH (EASD) forschen für das Projekt gemeinsam mit dem Fraunhofer Institut für Integrierte Schaltungen IIS, Institutsteil Entwicklung Adaptiver Systeme EAS (IIS/EAS).
Automatisches Monitoring von Gebäuden und Anlagen führt auch im Energiemanagement zur Ansammlung von stetig zunehmenden Mengen an Betriebsdaten. Dabei tritt immer häufiger der Fall ein, dass die automatisch erfassten Daten nur unzureichend überblickt und ausgewertet werden können. Das liegt an der großen Gesamtmenge der Daten, dem damit verbundenen Einarbeitungsaufwand und letztlich an der häufig fehlenden Expertise des Personals. Durch den Fachkräftemangel verschärft sich die Situation. Es steht immer weniger Personal zur Verfügung, das über das erforderliche Knowhow verfügt, aus den Daten die richtigen Konsequenzen für einen effizienten Gebäudebetrieb zu ziehen.
Um dieser Herausforderung zu begegnen und Anomalien sowie vermeidbare Betriebsfehler bereits bei der Analyse von Gebäudedaten automatisch aufzudecken, wurde das Forschungsprojekt „ee_check“ geschaffen. Das Ziel dieses Projektes ist es, den Personalaufwand und die Anforderungen für die fortlaufende Analyse von Betriebsdaten durch Automatisierung mittels KI-Methoden um ein Vielfaches zu reduzieren. Damit wird die aktuell höchste Hürde bei der Einführung von Energie-Effizienz-Analysen im Gebäudebetrieb überwunden und neues Einsparpotential bei Energieverbrauch und CO2-Emissionen erschlossen.
EASD, ITC und die Dresdner Niederlassung des Fraunhofer-Institutes IIS/EAS bündeln ihre Kompetenzen auf den Gebieten Digitalisierung und Energieeffizienz, um neue Wege für den Klimaschutz zu beschreiten und Lösungsansätze zu entwickeln.
Gefördert vom Bundesministerium für Bildung und Forschung. Förderkennzeichen: 01IS23010