Dank Künstlicher Intelligenz und Machine Learning den Energieverbrauch von Gebäuden reduzieren?

Autor/Redakteur: Dani Stern, Senior Director, Gewerbeimmobilien bei Honeywell Building Automation/gg

Gewerbliche Gebäude gehören zu den größten Verursachern von Treibhausgasen (THG) weltweit, und ihr kollektiver Kohlenstoff-Fußabdruck wird immer größer. Nach Angaben des Umweltprogramms der Vereinten Nationen sind Gebäude für mehr als 34 Prozent des weltweiten Energieverbrauchs und etwa 37 Prozent der Kohlendioxidemissionen (CO2) verantwortlich. Die Verringerung der Kohlenstoffauswirkungen des Gebäudesektors ist entscheidend für das Erreichen der Klimaziele, die im Pariser Abkommen von 2016 festgelegt wurden.

Der Globale Statusbericht 2022 der Vereinten Nationen für Gebäude und Bauwesen stellt fest, dass:

• Während die Investitionen in die Energieeffizienz im Jahr 2021 um 16 Prozent stiegen, wurde dieser Anstieg durch eine noch nie dagewesene Ausweitung der Nutzfläche ausgeglichen.
• Die CO2-Emissionen von Gebäuden stiegen im Vergleich zu den Werten vor der Pandemie um zwei Prozent, und das in einem Zeitraum, in dem sie aufgrund der weit verbreiteten Umstellung auf Tele- und Hybridarbeit logischerweise hätten sinken müssen.
• Der betriebliche Energiebedarf für Heizung, Kühlung, Beleuchtung und Geräte stieg ab 2019 um drei Prozent – eine Zahl, die aufgrund der verstärkten Bemühungen zur Steigerung der Energieeffizienz ebenfalls sinken sollte.

Doch es gibt Lösungen hierfür. Künstliche Intelligenz (KI) und maschinelles Lernen (ML) haben ein erhebliches Potenzial gezeigt, um den Energieverbrauch und die damit verbundenen Kohlenstoffemissionen in der gesamten Gesellschaft zu senken. KI und maschinelles Lernen wurden bereits eingesetzt, um den Energieverbrauch in Gewerbegebäuden zu senken, und ihre Fähigkeit, den Energieverbrauch zu optimieren, das heißt, die Energie genau dort einzusetzen, wo sie zu einem bestimmten Zeitpunkt benötigt wird, hat sich als entscheidender Vorteil erwiesen.

KI und ML wenden Algorithmen an, die auf Daten zugreifen, diese aggregieren und analysieren, um bestimmte Ziele zu formulieren und zu erreichen – zum Beispiel die dynamische Anpassung des Raumklimas in einem Bürogebäude, um den Komfort und die Produktivität der Bewohner zu gewährleisten und gleichzeitig die effiziente Nutzung von Energie zu optimieren, um die Stromrechnung und den Kohlenstoffausstoß zu minimieren. Im Gegensatz zu menschlicher Intelligenz sind KI und ML in der Lage, große Datenmengen zu verarbeiten, unabhängig davon, wie viele Parameter sie umfassen oder wie häufig sie aktualisiert werden.

Gebäudeautomatisierungstechnologien können zur Steigerung der Energieeffizienz beitragen

Um das Potenzial von KI bei der Steuerung des Energieverbrauchs voll auszuschöpfen, sollten Gebäudemanager zunächst überlegen, wie sich KI am besten in ihre Abläufe integrieren lässt – zum Beispiel, indem sie die ideale Temperatur, Luftfeuchtigkeit und Raumnutzung auf der Grundlage der prognostizierten Belegung vorhersagen, während sie gleichzeitig die Energieeffizienz steigern und den Kohlenstoffausstoß verringern. Darüber hinaus kann KI den Energieverbrauch eines Gebäudes rund um die Uhr optimieren und sogar eine automatische Abschaltung bestimmter Systeme bei einem extremen Wetterereignis oder einer anderen wahrgenommenen Bedrohung auslösen.

Bevor KI und ML jedoch effektiv in die Steuerung eines bestehenden Gebäudes nachgerüstet werden können, besteht die Herausforderung darin, eine Reihe von Datenquellen erfolgreich zu verwalten und zu integrieren. Dazu gehören unterschiedliche Datenströme aus verschiedenen Systemen, die in einem einheitlichen Datenpool zusammengeführt werden müssen. Dies erfordert eine robuste, herstellerunabhängige Integrationsplattform, die jeden Datenstrom systematisch erkennen, in Betrieb nehmen und kennzeichnen kann – unter anderem von Building Management Systemen (BMS), von der Heiz-, Lüftungs- und Klimatechnologien (HLK), von Belegungssensoren, von Buchungs- und Raumnutzungs-, Überwachungs- und Zugangskontrollsystemen. So kann ein strukturiertes Schema erstellt werden, dass es den KI-Modellen ermöglicht, ihre Aufgaben zu erfüllen. Das ist ein komplexer Prozess, da die Systeme aus einer Kombination von traditionellen OT-Systemen (wie HLK) und IT-Systemen stammen, die oft mit der Cloud verbunden sind (wie Raumbuchungssysteme). Alle müssen in das Schema aufgenommen und genau gekennzeichnet werden.

Sobald dies geschehen ist, verlagert die Plattform die Verarbeitung in die Cloud, wo Mega-Computing-Fähigkeiten genutzt werden können, um die riesige Menge integrierter Daten zu verwalten und die leistungsstarken Analysemodelle der KI anzuwenden. Die Cybersicherheit spielt in diesem Prozess eine entscheidende Rolle, da sie den sicheren Umgang mit den Daten gewährleistet, insbesondere bei der Nutzung von Cloud-Infrastrukturen, um den Facility Managern mehr Sicherheit zu geben.

Individuelle Steuerung von verschiedenen Räumen

Mit der Plattform und den KI- und ML-Algorithmen kann ein BMS die An- oder Abwesenheit von Bewohnern in einem bestimmten Raum erkennen und entsprechend reagieren. Zum einen kann es den Betrieb der HLK – die im Durchschnitt 35 Prozent des Energieverbrauchs in Gewerbegebäuden ausmacht – in ungenutzten Räumen minimieren. Wenn eine einzelne Person oder auch eine große Gruppe von 20 Personen den Raum betritt, erkennen die Sensoren die veränderte Belegung und passen Heizung, Belüftung und andere Parameter an, um den Komfort und die Produktivität der Personen zu erhöhen. Solche KI-gesteuerten Prozesse können nicht nur dafür sorgen, dass der Raum bei Bedarf angenehm und gut belüftet ist, sondern auch dazu beitragen, den Energieverbrauch – und damit den Kohlendioxidausstoß und die Stromrechnungen – zu senken und sogar die Lebensdauer der Geräte zu verlängern. Dies ist besonders hilfreich im Zeitalter des hybriden Arbeitsplatzes, bei dem die Mitarbeiter einen Teil ihrer Zeit im Büro und einen Teil ihrer Zeit an anderen Orten verbringen. Da verschiedene Teams auf unterschiedliche Weise interagieren, lässt sich die Bürobelegung nur schwer vorhersagen, was eine Chance für KI-gestützte Modelle darstellt, die kontinuierlich und automatisch zur Optimierung des Raums beitragen.

Ein weiterer großer Energieverbraucher – die Beleuchtung – macht etwa 17 Prozent des Stromverbrauchs in gewerblichen Gebäuden in den USA aus. Um diesen Verbrauch zu senken, kann ein KI-gestütztes BMS so programmiert werden, dass es die Beleuchtung auf der Grundlage des verfügbaren Außenlichts anpasst und die Lichter ausschaltet, wenn keine menschliche Anwesenheit festgestellt wird. Durch die Anwendung von ML-Algorithmen kann es auch Belegungsmuster verfolgen und lernen, die künftige Nutzung vorauszusehen.

Vom Heizungsraum bis zur Vorstandsetage können KI- und ML-Technologien Unternehmen dabei helfen, ihre Nachhaltigkeitsziele zu erreichen und einzuhalten. Sie können Corporate Real Estate-Eigentümern und -Betreibern auch ein klareres Bild davon vermitteln, wie die Gebäudeleistung auf der Grundlage der Gesamtflächennutzung durch die Mieter zu optimieren ist – vor allem, wenn diese sich an die heutigen hybriden Arbeitszeiten anpassen – und ihnen dabei helfen, die Versorgungskosten und den CO2-Fußabdruck weiter zu senken, während sie gleichzeitig das Nutzererlebnis verbessern und dazu beitragen, eine nachhaltigere Zukunft für ihre Immobilien zu schaffen.