Energieoptimierung mittels künstlicher Intelligenz

Teil 1: Monitoring

Im ersten Schritt wird der Energieverbrauch in den verschiedenen Gebäuden genau überwacht. Hierbei kommen verschiedene, oft heterogene Gebäudeleitsysteme (GLS) zum Einsatz, die über die Jahre organisch gewachsen sind. Diese Systeme liefern uneinheitliche und oft unstrukturierte Daten, was die Konsistenz und Qualität der Daten beeinträchtigt. Das Monitoring dient dazu, eine klare Baseline des aktuellen Energieverbrauchs zu etablieren und Bereiche mit Verbesserungspotenzial zu identifizieren.

Teil 2: Optimierung mit Künstlicher Intelligenz

Das Herzstück des Projekts bildet die Optimierung des Energieverbrauchs durch KI, die in der Cloud ausgeführt wird. Hierbei arbeitet Eliona mit dem Partner Dabbel zusammen, der für jedes Gebäude einen Digital Twin erstellt. Dieser digitale Zwilling ermöglicht es, das Gebäude und seine Energieflüsse virtuell unter Berücksichtigung weiterer Daten (wie historische und aktuelle Wetterdaten, Personenzählung) zu modellieren und zu optimieren. Die KI von Dabbel analysiert die Daten, identifiziert ineffiziente Muster und berechnet optimierte Sollwerte, die zurück an die Gebäudeleitsysteme gesendet werden.

Datenpunkte und Skalierung

Ein zentrales technisches Problem ist die optimale Anzahl von Datenpunkten pro Gebäude. Während manche KI-Modelle bereits mit weniger als 1'000 Datenpunkten pro Industriegebäude effektiv arbeiten können, benötigen andere bis zu 15'000 Datenpunkte. Es wurde festgestellt, dass eine höhere Anzahl von Datenpunkten nicht zwangsläufig zu besseren Ergebnissen führt. Die Herausforderung liegt darin, ein Gleichgewicht zwischen Datenmenge und Ergebnisqualität zu finden.

Ein weiteres Problem stellt die Skalierung dar. Der geplante internationale Rollout sieht vor, das System auf über 100 Gebäude auszuweiten. Dabei variiert die Anzahl der Datenpunkte erheblich, was die Performance der Systeme beeinträchtigen kann. Es müssen Strategien entwickelt werden, um die Datenmenge effizient zu skalieren und die Performance zu optimieren.

Sicherheitsarchitektur

Die Sicherheitsanforderungen sind bei diesem Projekt besonders hoch, da es sich um ein Finanzinstitut handelt. Um die Sicherheitsintegration gemäss den strengen Richtlinien sicherzustellen wurde diesem Prozess genügend Zeit innerhalb des Projektes eingeräumt. Die Plattform basiert auf Container- bzw. Microservice-Technologie, wobei jeder Microservice in einem Container läuft, die per Kubernetes orchestriert werden. Dabei musste jeder Service individuell auf Sicherheitslücken überprüft werden.

Ein zentrales Thema ist das Store & Forward-Verfahren bei Verbindungsunterbrechungen, welches sicherstellt, dass keine Daten verloren gehen und alle Aktionen auf den Edge Nodes nachvollziehbar bleiben (Audit Trail). Jede Interaktion mit den Gebäuden muss die bestehenden Sicherheitsketten beibehalten, was zusätzliche technische und sicherheitstechnische Herausforderungen mit sich bringt.