Page 40 - BACnet_Europe-Journal_43

Technology Technik

side controllers is hard-coded and cannot be lyse der Nutzungsmuster der vergangenen Tage ermöglicht es, Abweichungen von Normen und
influenced by the BMS. This ability to influence und Wochen ableiten lassen. Dieses zukunftsori- Abhängigkeiten zu erkennen. Beispielsweise las-
must be guaranteed, which means that all entierte Gebäudemanagement lässt sich in fast sen sich Sensordaten identischer Umwälzpum-
controllers and systems must be connected allen Bereichen der Gebäudetechnik anwenden. pen zusammenfassen. Weichen die Daten einer
to each other for communication purposes. Es verbessert die Energieeffizienz sowie Raum- bestimmten Pumpe oder Pumpengruppe von der
This requires a powerful and standardized nutzung und senkt Betriebskosten. Norm ab, kann ein Defekt vorliegen. In diesem
TCP/IP-based protocol, with BACnet/IP and Falle muss ein Techniker zur Überprüfung her-
BACnet/SC being particularly suitable options. All dies – und noch viel mehr – ist möglich, wenn angezogen werden.
Daten über Zustand und Beschaffenheit des
In addition, it must be taken into account that the Gebäudesystems intelligent ausgewertet wer- Beim „Beaufsichtigten Lernen“ kommen häufig
AI platform requires as much data as possible den. Dies erfordert eine umfangreiche Verarbei- neuronale Netze zum Einsatz. Sie bestehen aus
from a wide variety of sensors for effective tung großer Datenmengen, wobei viele Variab- Eingangs- und Ausgangsknoten sowie weite-
operation. Wiring the required number of sensors len berücksichtigt werden müssen. Künstliche ren Knoten in den Zwischenschichten. Zwischen
would be very complex and expensive, especially Intelligenz (KI) schafft die Grundlage für innova- den verschiedenen Knoten (Neuronen) beste-
in an existing building. Radio-based sensors are tive, maßgeschneiderte Lösungen, die sich her- hen mathematisch gewichtete Beziehungen. Um
a good solution here, ideally battery-free and vor- ragend für ein effizientes Gebäudemanage- diese Beziehungen zu optimieren, wird das neu-
maintenance-free energy harvesting sensors ment eignen. ronale Netz einer Trainingsphase mit bekann-
such as those with EnOcean technology. ten Ein- und Ausgangsmustern unterzogen. Im
„Gebäudeautomation“, „Smart Building“ Bereich der Gebäudeautomation kann ein neu-
All of this information can then be used to und „Cognitive Building” ronales Netz z.B. „lernen“, welche Stromver-
create cloud-based digital twins and further brauchsprofile verschiedene Geräte haben und
improve the monitoring of activities, the working Anfänglich war „Gebäudeautomation“ ver- welche Geräte wann aktiv sind. Diese Informa-
environment, augmented reality, productivity, gleichsweise „unintelligent“. Die Systeme waren tionen lassen sich zum Vermeiden von „Spit-
and the health and safety of building users. so programmiert, dass sie einfachen Regeln zen“ im Energieverbrauch von Gebäuden nut-
folgten, die eine schnelle Inbetriebnahme und zen, indem einige Geräte abgeschaltet und die
Conclusions später eine einfache Wartung ermöglichten. Betriebszeit an- derer verlängert wird.

AI-based processes enable a broad range of Das „Intelligente Gebäude“ („Smart Building“) Eine weitere Form künstlicher Intelligenz stellen
applications in the field of building automation. baut typischerweise auf dieser klassischen Prozesse dar, die selbstständig bestimmen, wel-
The concrete benefits anticipated from AI-based Gebäudeautomation mit IT-basierten Manage- che Handlungen in einer gegebenen Situation
solutions should be clearly defined before mentsystemen auf. Diese bieten eine flexible angemessen sind. Sie ahmen menschliches Ver-
implementation, since this plays a determining role Programmierung unter Verwendung moder- halten nach, wobei verschiedene Lösungen aus-
in the choice of learning process and its modelling, ner IT-Sprachen und -Werkzeuge, eine einfache probiert werden, um in einer bisher unbekannten
as well as in the choice of AI platform and the type, Integration in andere IT-Systeme wie Arbeits- Situation den besten Lösungsansatz zu ermitteln
number and location of the energy harvesting platz- bzw. Raumreservierungssysteme oder und im Nachhinein Schlussfolgerun- gen zu zie-
sensors needed to supply the data inputs. Datenbanken sowie eine Datenvisualisierung für hen. Die Lernaufgabe wird umso herausfordern-
 Facility-Manager und „normale“ Benutzer. der, je später das Feedback erfolgt und je wei-
ter die Referenzereignisse zurückliegen. Dies gilt
Moderne Gebäudeautomationssysteme arbeiten Die zunehmende Einbindung sensorgenerier- für den Menschen ebenso wie für den Computer.
in der Regel „statisch“ – als Antwort auf feste ter Daten in die IT-basierte Steuerungsebene
Zeitprogramme oder einfache Steuerungspara- öffnet den Weg für fortschrittlichere Datenver- Das bekannteste Beispiel in dieser Kategorie
meter. So basiert die Raumtemperaturregelung arbeitungslösungen – wie z.B. KI-Tools. Dies ist „Verstärkungslernen“. Man denke zum Bei-
auf einer vorgegebenen Temperatur, die den wiederum schafft die Voraussetzung für die spiel an die Bestimmung der optimalen Start-
ganzen Tag über konstant bleibt. Die Beleuch- Implementierung jeder prognosegestützten und Stoppzeiten der Heizung, um bei der Öff-
tung wird manuell, mit Schaltern oder auf Basis Form von Gebäudemanagement. Die ausge- nung des Gebäudes eine möglichst angenehme
einfacher Präsenztaster betrieben. All das ist klügelte Verarbeitung sensorgenerierter Daten Temperatur zu gewährleisten. Auf der einfachs-
nicht wirklich „intelligent“. Die neue Perspek- macht das intelligente zu einem „kognitiven ten Ebene erhält der Lernalgorithmus den Wert
tive, die die KI der Gebäudeautomation eröff- Gebäude“. (Abb. 1) vom Raumtemperatursensor und kann auf den
nen kann, ist die autonome Analyse der Daten Heizkörperregler zugreifen. Durch einen Trial and
als Grundlage für einen optimierten Betrieb. So KI-Lernprozess Error-Prozess kann der Algorithmus die notwen-
lassen sich etwa die Heiz- und Kühldynamik von dige Vorlaufzeit ermitteln. Dieses einfache Bei-
Räumen, Wettervorhersagen oder erwartete Der erste Schritt in jedem KI-Prozess ist das Sys- spiel blendet jedoch die Tatsache aus, dass z.B.
Raumbelegung im Tagesverlauf in den Heizungs- temlernen. Dies kann drei Formen annehmen. die Aufheizgeschwindigkeit auch von der Außen-
U
betrieb miteinbeziehen. ƒ nbeaufsichtigtes Lernen temperatur abhängt. Deshalb muss der Mess-
B
ƒ eaufsichtigtes Lernen wert eines Außentemperatursensors ebenfalls
V
Ebenso können sich Reinigungspläne nicht nur ƒ erstärkendes Lernen Berücksichtigung finden. Anstatt eine vorein-
auf die aktuellen Ist-Werte bezüglich Nutzungs- gestellte Zieltemperatur zu erzeugen, kann der
intensität von Küchen, Kantinen und Toilet- „Unbeaufsichtigtes Lernen“ kommt zum Ein- Algorithmus im Tagesverlauf Auswertungen
ten und anderen Bereichen beziehen, sondern satz, wenn große Datenmengen verarbeitet und erhalten (gut / OK / kalt). Das Lernen erfolgt dann
auch auf Vorhersagen, die sich aus einer Ana- gruppiert werden müssen. Diese Gruppierung als Rückmeldung daraus.

40 BACnet Europe Journal 43 09/25