Auf dem Weg zu intelligenten Bürogebäuden

Die Möglichkeit, Daten in einem Bürogebäude zu überwachen und Modelle zur Vorhersage von Ereignissen wie der Raumbelegung zu verwenden, trägt zum Verständnis und zur Transparenz der Prozesse des Energieverbrauchs des Gebäudes und des Gesamtverhaltens seiner Bewohner bei.

Die Herausforderung

Haben Sie schon einmal versehentlich das Licht im Schlafzimmer angelassen oder die Heizung angelassen, wenn Sie eine Woche lang verreisen? Die meisten von uns wissen, dass diese Energieverschwendung nicht nur für die Umwelt, sondern auch für Ihren Geldbeutel schädlich ist.

Im Vergleich zu der Energieverschwendung, die in gewerblichen Gebäuden, wie z.B. größeren Bürogebäuden, stattfindet, ist das Licht, das wir im Schlafzimmer vergessen haben, nichts. Bürogebäude werden oft sehr ineffizient betrieben, und es fehlt die Transparenz über die Nutzung der Räume im Gebäude. Das führt dazu, dass leere Räume beheizt und den ganzen Tag über beleuchtet werden.

Um diese Probleme anzugehen, haben wir uns vorgenommen, einen Prototyp zur Überwachung und Analyse von Daten in einem Büroraum am Flughafen München (MUC), Deutschland, zu bauen. Dieser Prototyp führte schließlich zur Gründung des ersten WATTx-Unternehmens Snuk.

Wir hatten Zugang zu 4000m2 Bürofläche am Flughafen, die sich auf zwei Stockwerke verteilen. Wir installierten über 200 Sensoren in 36 Räumen und zeichneten die Daten über einen Zeitraum von 3 Monaten auf. Die Sensoren zeichneten Temperatur, Feuchtigkeit, Blitz, Helligkeit und Bewegungsdaten auf.

Mit den vorliegenden Daten machte sich unser Data Science Team daran, sie zu untersuchen, Muster und Anomalien zu identifizieren, um den Nutzen und die Energieeinsparungen zu quantifizieren und Wege zu finden, wie sie zur Optimierung der Prozesse im Bürogebäude genutzt werden können.

Unsere Ergebnisse

Heizung

Wir nutzten die Daten von Temperatursensoren, um ungewöhnliche Muster zu finden, die auf Ineffizienzen der Heizsysteme des Gebäudes hinwiesen. Um diese Muster zu finden, verwendeten wir unüberwachte Techniken des maschinellen Lernens, um die täglichen Temperaturkurven in verschiedene Kategorien zu gruppieren und abnormales Verhalten zu erkennen. Unten sehen Sie drei Cluster von täglich gemittelten Temperaturkurven aus Räumen, die wir identifizieren konnten. Diese Räume waren tagsüber und nachts überhitzt und weisen auf eine suboptimale Nutzung des HVAC-Systems des Gebäudes hin, die zu Energieverschwendung führte. Die Optimierung des Heizverhaltens in diesen Räumen würde zu einer Reduzierung des Energieverbrauchs um bis zu 18% führen.

Bei der Untersuchung der Ursachen für diese abnormen Temperaturmuster konnten wir einige Räume identifizieren, in denen die Heizkörper im Sommer nachts tatsächlich in Betrieb waren. Das Kühlsystem musste dies während des Tages ausgleichen, wodurch die Energieverschwendung noch weiter zunahm.

Schließlich stellten wir durch Anwendung der Anomalieerkennung auf die Temperaturkurven fest, dass eine Steuereinheit des Kühlsystems defekt war.

Raumbelegung vs. Kühlung

Bewegungs- und Blitzsensoren geben Aufschluss darüber, wann ein Raum belegt ist und wie er genutzt wird. Durch die Analyse der Raumbelegung und den Vergleich dieser Daten mit der Lüftungsanlage des Gebäudes konnten wir Zeiträume erkennen, in denen die Räume über mehrere Wochen mit voller Intensität gekühlt wurden, ohne dass sich jemals eine Person im Raum befand.

Durch die Optimierung dieses Verhaltens kann der CO2-Ausstoß drastisch gesenkt werden, und die Einsparpotenziale beim Energieverbrauch für die Lüftungsanlagen können bis zu 30% betragen.

Raumbelegung vs. Beleuchtung

Während eines Arbeitstages kommt es vor, dass die Menschen zu vergesslich, gestresst oder abgelenkt sind, um das Licht beim Verlassen eines Raumes einzuschalten. Und so kommt es vor, dass das Licht in den Räumen angelassen wird, obwohl alle gegangen sind. Durch die Kombination der Daten von Bewegungs- und Helligkeitssensoren konnten wir automatisch Muster erkennen, in denen das Licht in unbewohnten Räumen, insbesondere während der Nacht, angelassen wurde.

Tatsächlich entfallen bis zu 75 % des Energieverbrauchs für die Beleuchtung auf Zeiten, in denen die Beleuchtung gar nicht benötigt wird. Auch dies sind nicht zu vernachlässigende Einsparpotenziale, insbesondere bei großen gewerblichen Gebäuden.

Auf dem Weg zu intelligenten Büros

Falls Sie sich über dieses Projekt unterhalten wollen, wenden Sie sich bitte an julius@wattx.io

Die mit einem System wie dem oben gezeigten aufgezeichneten Daten können zur Überwachung eines Bürogebäudes, zur Identifizierung ungewöhnlicher Muster und zur Erkennung von Anomalien verwendet werden. Diese Erkenntnisse können automatisiert und in Gebäudemanagementsysteme integriert werden, um auf anormale Ereignisse zu reagieren (z.B. Ausschalten der Lüftung, wenn ein Raum längere Zeit nicht benutzt wird).

Aber es gibt noch mehr. Wir können noch einen Schritt weiter gehen und diese Daten mit Techniken des maschinellen Lernens nutzen, um bestimmte Variablen vorherzusagen - und genau das haben wir getan. Wir haben uns daran gemacht, Modelle für maschinelles Lernen zu erstellen, um die Temperatur und die Raumbelegung in Büroräumen vorherzusagen. Unten sehen Sie beispielhafte Diagramme, die einige unserer Ergebnisse veranschaulichen, die tatsächliche und vorhergesagte Temperaturkurven (links) und tatsächliche und vorhergesagte Belegung (rechts) vergleichen.

Die Möglichkeit, Daten in einem Bürogebäude zu überwachen und Modelle zur Vorhersage von Ereignissen wie der Raumbelegung zu verwenden, trägt zum Verständnis und zur Transparenz der Prozesse des Energieverbrauchs des Gebäudes und des Gesamtverhaltens seiner Bewohner bei. Die durch diese Daten gewonnenen Erkenntnisse können genutzt werden, um suboptimalen Energieverbrauch zu erkennen und darauf zu reagieren. Darüber hinaus können maschinelle Lernmodelle dazu beitragen, die Effizienz von Bürogebäuden noch weiter zu steigern. Sowohl zum Nutzen der Umwelt als auch zu hohen Kosteneinsparungen.

Entdecken Sie unsere Angebote

Innovations-Workshops
Testen und überprüfen Sie Ihre Idee und lernen Sie unser Know-how in nutzerzentrierten Techniken und dem Aufbau moderner Geschäftsmodelle kennen.
Proof of concept
Validieren Sie Probleme und Ideen und sparen Sie sowohl Zeit als auch Kosten, bevor Sie sich in das Projekt vertiefen.
Company Building
Die Allianz zwischen Ihrer Industrie- und Fachkompetenz und unserem Know-how in modernen Technologien.
Interesse an unserem Ansatz?