Der Regelungsansatz von Kieback& Peter ist datenbasiert und vorausschauend und unterscheidet sich damit von Verfahren, die auf eine physikalische Modellierung aufbauen. Durch diesen Ansatz werden die Set-up- und Betriebskosten gesenkt. Können historische Daten aus der Anlagentechnik bereitgestellt werden, ist eine unmittelbare Simulation des Gebäudes und eine schnelle Wirkbetriebsaufnahme möglich. Die Modelle des Spezialisten für Raum- und Gebäudeautomation aus Berlin nutzen maschinelle Verfahren zum Erlernen des Gebäude- und Anlagenverhaltens, zur Simulation und für die Prognosen. Ändern sich Rahmenbedingungen, trainiert sich das selbstlernende Modell automatisiert nach.
Komplexität in den Griff bekommen
Robuste, schnell lernende Modelle sind der Schlüssel, um ein datenbasiertes Abbild von Gebäuden zu erstellen und zukünftige Nutzungsänderungen automatisiert zu erfassen. Die Komplexität wird von der Künstlichen Intelligenz gemanagt, viel effizienter und performanter als das ein Mensch jemals könnte. Verfahren der Künstlichen Intelligenz haben daher im Gebäudemanagement eine große Zukunft. Sie werden Routineprozesse im Gebäudebetrieb automatisieren und insbesondere dort unterstützen, wo große Datenmengen von Menschen nicht mehr ausgewertet werden können.
Frage zum Artikel
