{"id":26443,"date":"2024-04-12T10:48:51","date_gmt":"2024-04-12T08:48:51","guid":{"rendered":"https:\/\/www.sysbus.eu\/?p=26443"},"modified":"2024-04-03T10:56:58","modified_gmt":"2024-04-03T08:56:58","slug":"dank-kuenstlicher-intelligenz-und-machine-learning-den-energieverbrauch-von-gebaeuden-reduzieren","status":"publish","type":"post","link":"https:\/\/www.sysbus.eu\/?p=26443","title":{"rendered":"Dank K\u00fcnstlicher Intelligenz und Machine Learning den Energieverbrauch von Geb\u00e4uden reduzieren?"},"content":{"rendered":"\n<p>Autor\/Redakteur: <a href=\"https:\/\/buildings.honeywell.com\/de\/en\">Dani Stern, Senior Director, Gewerbeimmobilien bei Honeywell Building Automation<\/a>\/gg<\/p>\n\n\n\n<p>Gewerbliche Geb\u00e4ude geh\u00f6ren zu den gr\u00f6\u00dften Verursachern von Treibhausgasen (THG) weltweit, und ihr kollektiver Kohlenstoff-Fu\u00dfabdruck wird immer gr\u00f6\u00dfer. Nach Angaben des <a href=\"https:\/\/www.unep.org\/news-and-stories\/press-release\/co2-emissions-buildings-and-construction-hit-new-high-leaving-sector\">Umweltprogramms der Vereinten Nationen<\/a> sind Geb\u00e4ude f\u00fcr mehr als 34 Prozent des weltweiten Energieverbrauchs und etwa 37 Prozent der Kohlendioxidemissionen (CO2) verantwortlich. Die Verringerung der Kohlenstoffauswirkungen des Geb\u00e4udesektors ist entscheidend f\u00fcr das Erreichen der Klimaziele, die im Pariser Abkommen von 2016 festgelegt wurden.<\/p>\n\n\n\n<figure class=\"wp-block-image size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"683\" height=\"1024\" src=\"https:\/\/www.sysbus.eu\/wp-content\/uploads\/2024\/04\/Dani-Stern_Headshot-002-683x1024.webp\" alt=\"\" class=\"wp-image-26445\" srcset=\"https:\/\/www.sysbus.eu\/wp-content\/uploads\/2024\/04\/Dani-Stern_Headshot-002-683x1024.webp 683w, https:\/\/www.sysbus.eu\/wp-content\/uploads\/2024\/04\/Dani-Stern_Headshot-002-200x300.webp 200w, https:\/\/www.sysbus.eu\/wp-content\/uploads\/2024\/04\/Dani-Stern_Headshot-002-768x1152.webp 768w, https:\/\/www.sysbus.eu\/wp-content\/uploads\/2024\/04\/Dani-Stern_Headshot-002-1024x1536.webp 1024w, https:\/\/www.sysbus.eu\/wp-content\/uploads\/2024\/04\/Dani-Stern_Headshot-002-1365x2048.webp 1365w, https:\/\/www.sysbus.eu\/wp-content\/uploads\/2024\/04\/Dani-Stern_Headshot-002-1320x1980.webp 1320w, https:\/\/www.sysbus.eu\/wp-content\/uploads\/2024\/04\/Dani-Stern_Headshot-002-scaled.webp 1707w\" sizes=\"auto, (max-width: 683px) 100vw, 683px\" \/><figcaption class=\"wp-element-caption\">Quelle: Honeywell Building Automation<\/figcaption><\/figure>\n\n\n\n<!--more-->\n\n\n\n<p>Der <a href=\"https:\/\/www.unep.org\/resources\/publication\/2022-global-status-report-buildings-and-construction\">Globale Statusbericht 2022 der Vereinten Nationen f\u00fcr Geb\u00e4ude und Bauwesen<\/a> stellt fest, dass:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>W\u00e4hrend die Investitionen in die Energieeffizienz im Jahr 2021 um 16 Prozent stiegen, wurde dieser Anstieg durch eine noch nie dagewesene Ausweitung der Nutzfl\u00e4che ausgeglichen.<\/li>\n\n\n\n<li>Die CO2-Emissionen von Geb\u00e4uden 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 h\u00e4tten sinken m\u00fcssen.<\/li>\n\n\n\n<li>Der betriebliche Energiebedarf f\u00fcr Heizung, K\u00fchlung, Beleuchtung und Ger\u00e4te stieg ab 2019 um drei Prozent \u2013 eine Zahl, die aufgrund der verst\u00e4rkten Bem\u00fchungen zur Steigerung der Energieeffizienz ebenfalls sinken sollte.<\/li>\n<\/ul>\n\n\n\n<p>Doch es gibt L\u00f6sungen hierf\u00fcr. K\u00fcnstliche 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 Gewerbegeb\u00e4uden zu senken, und ihre F\u00e4higkeit, den Energieverbrauch zu optimieren, das hei\u00dft, die Energie genau dort einzusetzen, wo sie zu einem bestimmten Zeitpunkt ben\u00f6tigt wird, hat sich als entscheidender Vorteil erwiesen.<\/p>\n\n\n\n<p>KI und ML wenden Algorithmen an, die auf Daten zugreifen, diese aggregieren und analysieren, um bestimmte Ziele zu formulieren und zu erreichen \u2013 zum Beispiel die dynamische Anpassung des Raumklimas in einem B\u00fcrogeb\u00e4ude, um den Komfort und die Produktivit\u00e4t der Bewohner zu gew\u00e4hrleisten und gleichzeitig die effiziente Nutzung von Energie zu optimieren, um die Stromrechnung und den Kohlenstoffaussto\u00df zu minimieren. Im Gegensatz zu menschlicher Intelligenz sind KI und ML in der Lage, gro\u00dfe Datenmengen zu verarbeiten, unabh\u00e4ngig davon, wie viele Parameter sie umfassen oder wie h\u00e4ufig sie aktualisiert werden.<\/p>\n\n\n\n<p><strong>Geb\u00e4udeautomatisierungstechnologien k\u00f6nnen zur Steigerung der Energieeffizienz beitragen<\/strong><\/p>\n\n\n\n<p>Um das Potenzial von KI bei der Steuerung des Energieverbrauchs voll auszusch\u00f6pfen, sollten Geb\u00e4udemanager zun\u00e4chst \u00fcberlegen, wie sich KI am besten in ihre Abl\u00e4ufe integrieren l\u00e4sst \u2013 zum Beispiel, indem sie die ideale Temperatur, Luftfeuchtigkeit und Raumnutzung auf der Grundlage der prognostizierten Belegung vorhersagen, w\u00e4hrend sie gleichzeitig die Energieeffizienz steigern und den Kohlenstoffaussto\u00df verringern. Dar\u00fcber hinaus kann KI den Energieverbrauch eines Geb\u00e4udes rund um die Uhr optimieren und sogar eine automatische Abschaltung bestimmter Systeme bei einem extremen Wetterereignis oder einer anderen wahrgenommenen Bedrohung ausl\u00f6sen.<\/p>\n\n\n\n<p>Bevor KI und ML jedoch effektiv in die Steuerung eines bestehenden Geb\u00e4udes nachger\u00fcstet werden k\u00f6nnen, besteht die Herausforderung darin, eine Reihe von Datenquellen erfolgreich zu verwalten und zu integrieren. Dazu geh\u00f6ren unterschiedliche Datenstr\u00f6me aus verschiedenen Systemen, die in einem einheitlichen Datenpool zusammengef\u00fchrt werden m\u00fcssen. Dies erfordert eine robuste, herstellerunabh\u00e4ngige Integrationsplattform, die jeden Datenstrom systematisch erkennen, in Betrieb nehmen und kennzeichnen kann &#8211; unter anderem von Building Management Systemen (BMS), von der Heiz-, L\u00fcftungs- und Klimatechnologien (HLK), von Belegungssensoren, von Buchungs- und Raumnutzungs-, \u00dcberwachungs- und Zugangskontrollsystemen. So kann ein strukturiertes Schema erstellt werden, dass es den KI-Modellen erm\u00f6glicht, ihre Aufgaben zu erf\u00fcllen. 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 m\u00fcssen in das Schema aufgenommen und genau gekennzeichnet werden.<\/p>\n\n\n\n<p>Sobald dies geschehen ist, verlagert die Plattform die Verarbeitung in die Cloud, wo Mega-Computing-F\u00e4higkeiten genutzt werden k\u00f6nnen, 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 gew\u00e4hrleistet, insbesondere bei der Nutzung von Cloud-Infrastrukturen, um den Facility Managern mehr Sicherheit zu geben.<\/p>\n\n\n\n<p><strong>Individuelle Steuerung von verschiedenen R\u00e4umen<\/strong><\/p>\n\n\n\n<p>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 \u2013 die im Durchschnitt <a href=\"https:\/\/www.energy.gov\/sites\/prod\/files\/2017\/03\/f34\/qtr-2015-chapter5.pdf\">35 Prozent des Energieverbrauchs<\/a> in Gewerbegeb\u00e4uden ausmacht \u2013 in ungenutzten R\u00e4umen minimieren. Wenn eine einzelne Person oder auch eine gro\u00dfe Gruppe von 20 Personen den Raum betritt, erkennen die Sensoren die ver\u00e4nderte Belegung und passen Heizung, Bel\u00fcftung und andere Parameter an, um den Komfort und die Produktivit\u00e4t der Personen zu erh\u00f6hen. Solche KI-gesteuerten Prozesse k\u00f6nnen nicht nur daf\u00fcr sorgen, dass der Raum bei Bedarf angenehm und gut bel\u00fcftet ist, sondern auch dazu beitragen, den Energieverbrauch \u2013 und damit den Kohlendioxidaussto\u00df und die Stromrechnungen \u2013 zu senken und sogar die Lebensdauer der Ger\u00e4te zu verl\u00e4ngern. Dies ist besonders hilfreich im Zeitalter des hybriden Arbeitsplatzes, bei dem die Mitarbeiter einen Teil ihrer Zeit im B\u00fcro und einen Teil ihrer Zeit an anderen Orten verbringen. Da verschiedene Teams auf unterschiedliche Weise interagieren, l\u00e4sst sich die B\u00fcrobelegung nur schwer vorhersagen, was eine Chance f\u00fcr KI-gest\u00fctzte Modelle darstellt, die kontinuierlich und automatisch zur Optimierung des Raums beitragen.<\/p>\n\n\n\n<p>Ein weiterer gro\u00dfer Energieverbraucher \u2013 die Beleuchtung \u2013 macht etwa <a href=\"https:\/\/www.energystar.gov\/buildings\/save-energy-commercial-buildings\/ways-save\/upgrade-lighting\">17 Prozent des Stromverbrauchs<\/a> in gewerblichen Geb\u00e4uden in den USA aus. Um diesen Verbrauch zu senken, kann ein KI-gest\u00fctztes BMS so programmiert werden, dass es die Beleuchtung auf der Grundlage des verf\u00fcgbaren Au\u00dfenlichts 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 k\u00fcnftige Nutzung vorauszusehen.<\/p>\n\n\n\n<p>Vom Heizungsraum bis zur Vorstandsetage k\u00f6nnen KI- und ML-Technologien Unternehmen dabei helfen, ihre Nachhaltigkeitsziele zu erreichen und einzuhalten. Sie k\u00f6nnen Corporate Real Estate-Eigent\u00fcmern und -Betreibern auch ein klareres Bild davon vermitteln, wie die Geb\u00e4udeleistung auf der Grundlage der Gesamtfl\u00e4chennutzung durch die Mieter zu optimieren ist \u2013 vor allem, wenn diese sich an die heutigen hybriden Arbeitszeiten anpassen \u2013 und ihnen dabei helfen, die Versorgungskosten und den CO2-Fu\u00dfabdruck weiter zu senken, w\u00e4hrend sie gleichzeitig das Nutzererlebnis verbessern und dazu beitragen, eine nachhaltigere Zukunft f\u00fcr ihre Immobilien zu schaffen.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Gewerbliche Geb\u00e4ude geh\u00f6ren zu den gr\u00f6\u00dften Verursachern von Treibhausgasen (THG) weltweit, und ihr kollektiver Kohlenstoff-Fu\u00dfabdruck wird immer gr\u00f6\u00dfer. Nach Angaben des Umweltprogramms der Vereinten Nationen sind Geb\u00e4ude f\u00fcr mehr als 34 Prozent des weltweiten Energieverbrauchs und etwa 37 Prozent der Kohlendioxidemissionen (CO2) verantwortlich. Die Verringerung der Kohlenstoffauswirkungen des Geb\u00e4udesektors ist entscheidend f\u00fcr das Erreichen der Klimaziele, die im Pariser Abkommen von 2016 festgelegt wurden.<\/p>\n","protected":false},"author":81,"featured_media":26445,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"colormag_page_container_layout":"default_layout","colormag_page_sidebar_layout":"default_layout","footnotes":""},"categories":[8,10036],"tags":[2206,5731,18050,18049,10986],"class_list":["post-26443","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-artikel","category-kuenstliche-intelligenz","tag-automatisierung","tag-energieverbrauch","tag-gebaeude","tag-honeywell-building-automation","tag-ml"],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/26443","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/users\/81"}],"replies":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=26443"}],"version-history":[{"count":1,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/26443\/revisions"}],"predecessor-version":[{"id":26447,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/posts\/26443\/revisions\/26447"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=\/wp\/v2\/media\/26445"}],"wp:attachment":[{"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=26443"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=26443"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.sysbus.eu\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=26443"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}