Inhalte
Gewinnung von Strukturinformationen aus semantisch heterogenen Gebäudeautomationsnetzen durch Mustererkennung mittels Künstlicher Intelligenz
Gewinnung von Strukturinformationen aus semantisch heterogenen Gebäudeautomationsnetzen durch Mustererkennung mittels Künstlicher Intelligenz
10.08.18.7-22.26
10.2022
10.2024
laufend
Die Mehrzahl der Gebäude werden unterhalb ihres Energieeffizienzpotenzials betrieben. Dies ist wegen des signifikanten Einflusses auf die Treibhausgasemissionen problematisch. Betreiber von Liegenschaften haben oftmals keinen Überblick über Energieflüsse und Betriebskenndaten in ihren Gebäuden und können somit keine geeigneten Lösungen zur Effizienzsteigerung oder Verlustminimierung entwickeln. Ein Grund hierfür sind fehlende Strukturinformationen und die heterogene Beschreibung von Datenpunkten innerhalb der technischen Gebäudeausrüstung (TGA) und der Gebäudeautomation (GA). Dadurch wird die Errichtung eines Technischen Monitoring (TMon) erschwert, welches als zentrale Informationsplattform des Anlagenbetriebs dienen kann. Der hohe Konfigurationsaufwand steht der breiten Verfügbarkeit dieser Anwendungen im Wege. In diesem Projekt wird eine Methodik für eine automatisierte Erkennung heterogener Kommunikationsprotokolle und deren Abbildung auf eine gemeinsame Struktur und Semantik entworfen. Dabei werden etablierte Technologien wie die Erkundung von GA-Netzwerken mit Entwicklungen aus dem Bereich Industrie 4.0 (I4.0) und Innovationen der künstlichen Intelligenz (KI) kombiniert. Ziel ist es, die heterogen vorliegende Struktur der Datenpunkte in Neubauten und bestehenden Gebäuden auf den Standard der I4.0-Verwaltungsschale zu mappen. Dadurch kann die Semantik der Datenpunkte durch bestehende Metainformationen, Verhaltensanalysen und KI-Algorithmen auf ein gemeinsames Vokabular abgebildet werden, um sie für die automatisierte Einbindung in Grafiken und Dashboards des TMon zur Verfügung zu stellen. Ein dedizierter und intuitiver Fragebogen über die installierte technische Ausrüstung grenzt vorab das mögliche Vokabular ein, um so Missklassifizierungen der Daten zu verhindern. Zudem wird untersucht, wie Dashboards des TMon automatisiert und passend zu den Bedürfnissen verschiedener Betreiber erstellt werden können, um diese optimal zu unterstützen.
Projektbeteiligte | |
---|---|
Antragsteller/in : |
Technische Hochschule Köln |
Federführende/r Forscher/in (alternativ Sprecher/in) : |
Technische Hochschule Köln Institut für Technische Gebäudeausrüstung/ Labor für Gebäudeautomation Projektleitung: Prof. Dr. Jochen Müller |
Fachbetreuer/in im BBSR : |
Andreas Windisch , WB 3 |
Eckdaten | |
---|---|
Schlagworte zum Projekt : | Technisches Monitoring, Künstliche Intelligenz, Gebäudeautomation, Digitale Zwillinge, Natural Language Processing, Kommunikationsprotokolle, Machine Learning, Energieeffizienz, Strukturinformationen, Reduzierung Engineeringaufwände |
Einordnung in Zukunft Bau : | Forschungsförderung, Energieeinsparung/ -gewinnung, KI/ Robotik/ 3D-Druck, Monitoring/ Gebäudeautomation, Gebäudetechnik, Robotik |
Forschungskategorie nach EU : | Grundlagenforschung |
Art des Unternehmens : | Einrichtung für Forschung und Wissensverbreitung |
Bundesförderung in EUR : | 310.434,48 |
Projektetage der Bauforschung | ||
---|---|---|
Projektvorstellung 1 | 15.03.2023 | |
Projektvorstellung 2 | 11.06.2024 | Mehr |