So werden Immobilien fit für die Digitalisierung

Trends in der Gebäudeautomation

Bauherren, Planer und Betreiber von Immobilien stehen im Zuge der Digitalisierung vor der großen Aufgabe, die Gebäudeautomation weiter voranzubringen. Denn neben der Integration der vielfältigen gebäudetechnischen Systeme verschiedener Hersteller aus Bestands- und Neuanlagen müssen zunehmend Schnittstellen für Fremdsysteme bereitgestellt werden. Hierzu gibt Iconag Handlungsempfehlungen, wie Immobilien fit für die Digitalisierung gemacht werden können.
Bild: ICONAG-Leittechnik GmbH

Ziele der Gebäudeautomation sind u.a. die Optimierung der Prozesse im Gebäudebetrieb, die Verbesserung der Energieeffizienz und die Nachhaltigkeit des Immobilienportfolios. Die Energiemanagement-Potenziale gemäß EN15232 betragen z.B. für Einkaufszentren 49 Prozent, für Bürogebäude 39 Prozent, für Schulen/Hochschulen 39 Prozent, für Hotels 25 Prozent und für Kliniken 18 Prozent. Zusätzlich spielt die Anpassung des Gebäudes auf neue Nutzungsszenarien wie flexible und virtuelle Teamarbeit in Büroimmobilien eine Rolle. Es besteht die Notwendigkeit, Digitalisierung zu betreiben, denn die Gebäudeautomation darf keine Insel bleiben. Zur Erreichung der Ziele sind die Daten daraus auch für andere Stellen und Systeme interessant: z.B. für die Kostenentwicklung und -abrechnung, Belegung der Räume oder die Steuerung des Reinigungsdienstleisters. Als wichtigste Trends in der Gebäudeautomation gelten die Erfüllung der weiter steigenden Anforderungen an die die Energieeffizienz und die IT-Sicherheit sowie die Erfassung, Speicherung und Auswertung von Prozessdaten aus dem Gebäude. Insbesondere Betreiber von Immobilienportfolios stehen vor dem Problem, die Datenstrukturen ihrer proprietären Systeme zu vereinheitlichen und interpretierbar zu machen. Dies ist zum einen wichtig für den effektiven Einsatz von Computer Aided Facility Management Systemen. Zum anderen für die Ertüchtigung zum Einsatz von KI im technischen Gebäude- und Energiemanagement. Bauherren, Planer und Betreiber von Immobilien stehen also vor wichtigen Herausforderungen.

Bild: ICONAG-Leittechnik GmbH

Datengetriebene Gebäudeautomation

Der Masterplan für die Digitalisierung im Bereich der technischen Gebäudeautomation besteht aus fünf Stufen:

  • 1. Grundlagen (Offenheit, IT-Vernetzung, Orga),
  • 2. Daten verstehen (Business Intelligence),
  • 3. Echtzeit-Empfehlungen,
  • 4. automatische Eingriffe,
  • 5. künstliche Intelligenz (AI/ML).

Zunächst müssen jedoch die Voraussetzungen geschaffen werden, um die Daten aus dem Gebäude zu verstehen und daraus eine Echtzeit-Empfehlung ableiten zu können. Dann besteht die Möglichkeit, automatisiert einzugreifen. Erst in der letzten Stufe sind die Bedingungen erfüllt, den Menschen durch Maschinen zu ersetzen und KI zum Einsatz zu bringen. Die Offenheit in Stufe 1 macht es möglich, dass unterschiedliche Geräte von verschiedenen Herstellern kompatibel werden. Dafür sind offene Kommunikationsprotokolle und Datenbanken notwendig. Für die herstellerneutrale Kommunikation zur Gebäudeautomation im Immobilienportfolio ist Bacnet als Standard eingeführt, alternativ wird auch OPC/UA eingesetzt, das verstärkt in der Industrie-Automation genutzt wird. Mit diesen Standards können die Anlagen im Gebäude sowie mehrere Gebäude miteinander vernetzt werden. Alle Sensoren werden erfasst, ausgewertet und es besteht ein Zugang zu allen Daten. An dieser Stelle erhält die IT-Sicherheit als nicht funktionale Anforderung eine immer größere Bedeutung. Eine unverschlüsselte Datenübertragung hat zur Folge, dass ein Zugriff von außen möglich ist. Eine verschlüsselte Kommunikation muss gewährleistet sein. Die Protokolle Bacnet, OPC/UA und KNX bieten alle entsprechende Sicherheitsmechanismen.

Bild: ICONAG-Leittechnik GmbH

Daten und Schnittstellen

Ein wichtiger Punkt in Bezug auf die Zukunftssicherheit des technischen Gebäudemanagements ist die Interpretierbarkeit der Daten. An eine Digitalisierung der Prozesse und eine Verbesserung der Energieeffizienz nach ISO50001 ist nicht zu denken, wenn die Daten in einem proprietären Datenfriedhof liegen und/oder nicht interpretierbar sind. Wichtige Potenziale zur Kosten- und Ressourceneffizienz werden vergeudet. Daher ist ein einheitliches Kennzeichnungssystem nötig, das auch die Benennung der Datenpunkte für jede technische Funktion umfasst. Die Daten müssen verstanden werden, um sie interpretieren zu können. Darum müssen die Datenpunkte bereits in den Automationsstationen entsprechend benannt werden. Mit der Iconag-Software B-CON können auch Bestandsanlagen effektiv erschlossen werden, da falsch benannte Datenpunkt mit einem einheitlichen Kennzeichnungssystem angereichert werden kann. Erst mit diesem kann z.B. ein Mehrverbrauch im Energiemanagement liegenschaftsübergreifend und sicher erkannt werden. Das System zeigt online außerdem den Standort des Verbrauchs an, ermöglicht eine Analyse und das direkte Eingreifen, um künftig den Mehrverbrauch zu verhindern. Alle Betriebsdaten im System sollten über offene und dokumentierte Schnittstellen (API) für die Kopplung mit Drittsystemen bereitgestellt werden. Nur dann können ERP-Systeme zur Kostenverrechnung, Wartungsdienstleister, Help-Desk oder andere Systeme einfach an die Technik im Gebäudemanagement andocken. Auch immer mehr IoT Devices drängen ins Gebäude. IoT und die Fähigkeit, diese Informationen zu nutzen, muss die Gebäudeautomation der Zukunft leisten. Das wird an einfachen Einsatzmöglichkeiten deutlich: IoT Devices wie Mülleimer sparen Personal und Mülltüten, indem sie den Füllstand kontrollieren. Ebenso wie die Sensorik in Toiletten, die meldet, wann Seife oder Papier aufgefüllt werden müssen. Alle Informationen können über einfache API abgerufen und ausgewertet werden. Das spart letztlich nicht nur Raum und Energie, sondern optimiert auch den Einsatz von Personal.

Hürden für die Gebäudeautomation

Die Grundlagen für eine Gebäudeautomation werden bei Neubau oder Renovierung/Restrukturierung gelegt. Meist dauert es 20 bis zu 30 Jahre, bis die Technik angepasst oder modernisiert wird. Die größten Baustellen während der Betriebsphase liegen darin, dass ein Großteil der mit GA ausgestatteten Gebäude schlecht gemanagt wird, die Energie- und Ressourceneffizienz so auf der Strecke bleiben und die Wirtschaftlichkeit hinter den Potenzialen zurückbleibt. Während der Bauphase wird sehr häufig nicht überprüft, ob das Gebäude/die Gebäudeautomation wie spezifiziert funktioniert, weil das Inbetriebnahme-Management samt technischem Monitoring noch in den Kinderschuhen stecken. Während der Planungsphase zeigt sich, dass es nur wenige TGA-Planer gibt, die herstellerneutrale GA-Systeme planen, ausschreiben und umsetzen können. Daher entstehen immer noch neue, proprietäre Lösungen als Datensilos mit der Folge, dass das Gebäudemanagement nur sehr langsam digitalisierungs-ready wird. Mit dem Einsatz der B-CON-Software kann die erforderliche Technik in ältere Gebäude gebracht und Bestandssysteme in modernes Gebäudemanagement überführt und vernetzt werden. Die konsequente Umsetzung einer offenen Gebäudeautomation befähigt Betreiber von Immobilien zur kosten- und ressourceneffizienteren Bewirtschaftung. So können diese einen wesentlichen Beitrag zur Wirtschaftlichkeit und Verbesserung ihres CO2-Fußabdrucks leisten.

Das könnte Sie auch Interessieren

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.