Page 40 - BACnet_Europe-Journal_43
P. 40

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
   35   36   37   38   39   40   41   42   43   44   45