Energieoptimierung mittels künstlicher Intelligenz

Teil 1: Monitoring

Im ersten Schritt wird der Energieverbrauch in den verschiedenen Gebäuden überwacht. Hierbei kommen verschiedene, oft heterogene Gebäudeleitsysteme (GLS) zum Einsatz, die über die Jahre organisch gewachsen sind. Diese Systeme liefern uneinheitliche und oft unstrukturierte Daten, was die Konsistenz und Qualität der Daten beeinträchtigt. Das Monitoring dient dazu, eine klare Baseline des aktuellen Energieverbrauchs zu etablieren und Bereiche mit Verbesserungspotenzial zu identifizieren.

Teil 2: Optimierung mit Künstlicher Intelligenz

Das Herzstück des Projekts bildet die Optimierung des Energieverbrauchs durch KI, die in der Cloud ausgeführt wird. Hierbei arbeitet Eliona mit dem Partner Dabbel zusammen, der für jedes Gebäude einen Digital Twin erstellt. Dieser digitale Zwilling ermöglicht es, das Gebäude und seine Energieflüsse virtuell unter Berücksichtigung weiterer Daten (wie historische und aktuelle Wetterdaten, Personenzählung) zu modellieren und zu optimieren. Die KI von Dabbel analysiert die Daten, identifiziert ineffiziente Muster und berechnet optimierte Sollwerte, die zurück an die Gebäudeleitsysteme gesendet werden.

Ein zentrales Element dieses Projekts ist die Harmonisierung der eingehenden Datenströme. Aufgrund der heterogenen Natur der bestehenden Gebäudeleitsysteme, die teilweise aus verschiedenen Versionen bestehen, ist die Datenqualität oft unstrukturiert. Eliona übernimmt die Aufgabe der Datenharmonisierung, indem es die Daten semantisch ordnet, taggt und übersetzt. Dies erfordert intensive Forschung im Bereich der Datenmodellierung und der Entwicklung eines ontologischen und semantischen Datenmodells.

Die Herausforderung besteht darin, dass die Gebäudeleitsysteme als geschlossene Systeme konzipiert sind und externe Eingriffe oft nicht zulassen. Um dennoch eine umfassende Datenintegration und -harmonisierung zu ermöglichen, musste Eliona innovative Ansätze entwickeln, um diese geschlossenen Systeme sicher anzubinden und die Daten zugänglich zu machen.

Datenpunkte und Skalierung

Ein zentrales technisches Problem ist die optimale Anzahl von Datenpunkten pro Gebäude. Während manche KI-Modelle bereits mit weniger als 1'000 Datenpunkten pro Industriegebäude effektiv arbeiten können, benötigen andere bis zu 15'000 Datenpunkte. Es wurde festgestellt, dass eine höhere Anzahl von Datenpunkten nicht zwangsläufig zu besseren Ergebnissen führt. Die Herausforderung liegt darin, ein Gleichgewicht zwischen Datenmenge und Ergebnisqualität zu finden.

Ein weiteres Problem stellt die Skalierung dar, wenn viele Gebäude eingebunden werden müssen. Dabei variiert die Anzahl der Datenpunkte erheblich, was die Performance der Systeme beeinträchtigen kann. Es müssen Strategien entwickelt werden, um die Datenmenge effizient zu skalieren und die Performance zu optimieren.

Sicherheitsarchitektur

Die Sicherheitsanforderungen sind bei diesem Projekt besonders hoch, da es sich um ein Finanzinstitut handelt. Für den Proof of Concept (PoC) wurde Eliona in der Kunden-Cloud installiert. Die Plattform basiert auf Container- bzw. Microservice-Technologie, wobei jeder Microservice in einem Container läuft, die per Kubernetes orchestriert werden. Dabei musste jeder Service individuell auf Sicherheitslücken überprüft werden.

Ein zentrales Thema ist das Store & Forward-Verfahren bei Verbindungsunterbrechungen, welches sicherstellt, dass keine Daten verloren gehen und alle Aktionen auf den Edge Nodes nachvollziehbar bleiben (Audit Trail). Jede Interaktion mit den Gebäuden muss die bestehenden Sicherheitsketten beibehalten, was zusätzliche technische und sicherheitstechnische Herausforderungen mit sich bringt.

Im ersten Schritt wurde ein Proof of Concept (PoC) durchgeführt, um die technischen Schnittstellen zu testen und die Funktionalität der Systeme zu beweisen. Der PoC zeigte, dass eine Energieeinsparung von bis zu 25% in einem einzelnen Gebäude möglich ist. Die endgültigen Resultate für die Summe der Gebäude werden im Oktober erwartet.

Langfristig plant das Institut, das System international auszurollen und ein Corporate-übergreifendes Monitoring einzuführen, um die Energieeffizienz in allen ihren Gebäuden zu optimieren.

In den ersten 3 Monaten im laufenden Betrieb (Mitte Mai bis Mitte Juli) konnten bereits Einsparungen von insgesamt 27% des Energieverbrauchs erzielt werden. Wir sind jetzt schon auf die energieintensiven Wintermonate gespannt und welche Resultate in dieser Jahreszeit erzielt werden können.

Anmerkung: Aus Compliance-Gründen dürfen wir den Namen des Kunden nicht nennen. Für weitere Informationen zum Projekt geben wir Ihnen gerne persönlich Auskunft.