Kruipen, lopen, rennen: AI aangedreven gebouwen

Het proces om de efficiëntie van gebouwen te maximaliseren verloopt stapsgewijs. Net zoals mensen eerst moeten leren kruipen en lopen voordat ze kunnen rennen, moeten gebouwbeheerders eerst relevante basisgegevens verzamelen over het energieverbruik van systemen zoals HVAC en verlichting. Zoals we allemaal weten: als u het niet kunt meten, kunt u het ook niet repareren.

Volgende stap is dat gebouwbeheerders de verzamelde gegevens kunnen gebruiken om stapsgewijs verbeteringen aan te brengen op het gebied van energie-efficiëntie, bedrijfsvoering en comfort.

'Lopen', in de context van gebouwbeheer, vindt plaats wanneer gegevens uit verschillende bronnen binnen een gebouw en zelfs over meerdere gebouwen worden geïntegreerd, geanalyseerd en er in realtime, autonoom op basis van AI, naar wordt gehandeld.

In mijn visie is de toekomst van gebouwen de volgende: duurzame, autonome gebouwen met lagere onderhoudskosten.

In sommige opzichten is die toekomst al aangebroken

Sensoren inzetten en verbinden

De grootste barrière voor meer duurzame en winstgevende gebouwen komt voort uit een gebrek aan gegevens over gebouwsystemen en -activiteiten. We moeten het verzamelen van gegevens oplossen, zowel in fase één als in fase twee, en dat doen we door sensoren in te zetten en aan te sluiten op het bestaande gebouwbeheersysteem op locatie.

HVAC-systemen verbruiken tot 70% van de jaarlijkse energie in gebouwen, en variabiliteit in factoren zoals luchtstroom, vochtigheid, druk en temperatuur beïnvloeden de prestaties van systemen. Sensoren die dit soort variabelen bijhouden creëren een schat aan informatie die door AI-algoritmen kan worden gebruikt om een efficiëntieniveau te bereiken dat anders niet mogelijk zou zijn. Op dezelfde manier kunnen bezettings- en bewegingssensoren realtime gegevens genereren over het gebruik van een gebouw, die kunnen worden gebruikt om de efficiëntie te verbeteren.

Het verzamelen van gegevens is essentieel en het samenvoegen van gegevens uit meerdere bronnen – zoals gebouwautomatisering en gebouwbeheersystemen – vergroot uw mogelijkheden om de winstgevendheid en efficiëntie binnen één gebouw te verbeteren en ook tussen meerdere gebouwen in een portefeuille. Omdat gebouwen verantwoordelijk zijn voor 40% van het totale energieverbruik wereldwijd, heeft het terugdringen van het energieverbruik in deze sector gevolgen voor het wereldwijde klimaat.
Analytics op basis van AI kan ook helpen de uitvaltijd van het systeem te verminderen en de efficiëntie te verbeteren door afwijkend gedrag in systeemcomponenten zoals kleppen te detecteren en een onderhoudswaarschuwing te activeren.

Omdat het onderhoud en de hertraining van Building X algoritmen automatisch plaatsvinden, blijven de modellen hun nauwkeurigheid behouden terwijl de omstandigheden en de bijbehorende gegevens veranderen. Wij geloven dat de beste AI diegene is die op de achtergrond werkt en klanten in staat stelt zich op hun bedrijf te richten.

We hebben algoritmes ingebouwd in Building X waarmee u een bepaald optimalisatieniveau kunt bereiken voor een tiental verschillende aspecten van duurzaamheid, verschillende aspecten van energieverbruik en verschillende aspecten van beveiliging en bedrijfsvoering. Het is een reis, en we zijn nog maar net aan die reis begonnen.

Toekomstige mogelijkheden met autonoom gedrag

In het licht van de noodzaak om slimme infrastructuur en automatiseringsoplossingen op te schalen naar gebouwen waar deze nog ontbreken, hebben we Siemens Xcelerator. Building X maakt deel uit van dit open digitale bedrijfsplatform waarmee klanten hun digitale transformatie eenvoudiger, sneller en op schaal kunnen versnellen. Siemens Xcelerator is onze uitnodiging aan partners, klanten en ontwikkelaars om samen te werken – en om AI industrieel te maken. En naarmate er meer sensoren worden ingezet en AI krachtiger wordt, zien we nog meer mogelijkheden om gebouwbeheer duurzamer, productiever en winstgevender te maken.

Op dit moment kan AI proactief storingen opsporen voordat ze optreden, maar in de toekomst kan het worden geconfigureerd om acties te ondernemen, zoals het triggeren van een werkorder op basis van de gegevens die het verzamelt. Het zou ook het gebruik van ruimtes kunnen optimaliseren om energiezuinigheid te bevorderen door werklocaties voor werknemers in een gebouw voor te stellen, zodat ze geconcentreerd zijn in een centrale ruimte die afhankelijk van het seizoen wordt verwarmd of gekoeld.

Hoewel AI autonomer wordt, zal het nog steeds worden geleid door de parameters die gebouwbeheerders voor het systeem definiëren. De algoritmes kunnen bijvoorbeeld de snelheid van de luchtverversing aanpassen om de gezondheid van de bewoners te beschermen tijdens het koude en griepseizoen, of een gebouweigenaar kan het systeem de opdracht geven om de HVAC-componenten te optimaliseren om de levensduur van het systeem te verlengen.

De derde fase is autonoom gedrag, waarbij dit alles voortdurend uit zichzelf gebeurt. We hebben nog een lange weg te gaan om meer mogelijkheden toe te voegen en elk afzonderlijk gebouw te optimaliseren. De potentiële voordelen – voor de resultaten van organisaties en voor het milieu dat we allemaal delen – zijn immens.

Rahul Chillar is Senior Vice President en hoofd van Building X bij Siemens Smart Infrastructure