Laat het inregelen van het binnenklimaat maar aan AI over

Met de komst van AI wordt het makkelijker om gebouwsystemen efficiënt en realtime aan te sturen.

Sensornetwerken

Omdat data de basis vormen voor AI, zullen gebouwen steeds meer informatie moeten genereren. Veel automatiseringssystemen leveren al informatie, maar in veel gevallen nog niet gedetailleerd genoeg of voldoende lokaal verzameld. Een belangrijke wens voor AI is dat de informatie echt uit alle haarvaten van het gebouw naar boven wordt gehaald.
Overigens is AI niet de enige aanjager voor deze ontwikkeling van het genereren en opslaan van steeds meer data. Ook de ontwikkeling om van een gebouw een digital twin te maken, ligt vrijwel naadloos in het verlengde van een besturing op basis van AI. Sommigen zullen zeggen dat het één niet zonder de ander kan. Met behulp van een digital twin bouwen we een digitaal model van een gebouw met al zijn technische installaties. Voor beide principes hebben we enorm veel data nodig; van het gebouw, van de technische onderdelen in een gebouw, maar ook van de prestaties van de installaties. Juist om de informatie over die prestaties in kaart te brengen, zijn sensoren onmisbaar.
Het implementeren en aanbrengen van sensoren is dus een belangrijke stap als gebouwbeheerders de voordelen van AI willen ervaren. Steeds meer technisch dienstverleners en systeem-integratoren spelen daarop in en ontwikkelen daarvoor diensten. Zo meldt Wago dat de Duitse automatiseringsspecialist mrm2 alweer enige tijd terug een eigen AI-systeem ontwikkelde, waarvoor Wago de controller PFC200 en de Edge Computer levert.
Zelf stelt mrm2 over dit systeem – dat ze Wickie M noemt, naar de slimme tekenfilmheld Wickie de Viking – dat de sensoren hét cruciale onderdeel zijn. Wickie M  zorgt voor intelligent energie- en klimaatbeheer in gebouwen doordat het overal zijn ‘ogen en oren’ open heeft staan en alle data registreert en opslaat die het systeem daarbij nodig heeft. Vervolgens komt de hardware van Wago aan de beurt. Met de krachtige algoritmen combineert Wickie M extreem snel en scherp wat het juiste antwoord, oftewel de juiste instelling, moet zijn voor een toekomstige situatie.
Technisch gezien bestaat het systeem uit een op codesys gebaseerd besturingsplatform en een bussysteem, zoals een KNX-systeem, dat Wicky M gebruikt als communicatie-interface tussen actuatoren en sensoren. De intelligentie van het systeem is gebaseerd op tijdreeksvoorspellingen met een neuraal netwerk. Vervolgens komen er machine learning-algoritmen aan te pas die de vastgelegde data in een database verzamelen en ordenen. In die database zullen de algoritmen patronen in de data herkennen en voortdurend de rekenmodellen actualiseren en voorspellingen genereren.

Uiteindelijk leert en weet het automatiserings­systeem beter dan wie ook hoe het de instellingen moet aanpassen

Energiegebruik

Volgens mrm2 zorgt puur het gebruik van dit AI-systeem al voor 25 procent energiebesparing. Dit komt doordat de automatisering het klimaat, de zonwering en de verlichting uitsluitend nog op aanwezigheid en aantallen mensen inschakelt en regelt. De actuatoren worden alleen geactiveerd als dit volgens de voorspelling voor het gebruik van de kamer nodig is. Vervolgens zorgt synchronisatie met de daadwerkelijke aanwezigheid van mensen in de ruimte voor de optimalisatie.
Technisch dienstverlener Breijer – onderdeel van Facilicom Solutions – lanceerde nog niet zo lang geleden de bluebot, een zelflerend instrument met AI. Deze zorgt, net als Wicky M, dat gebouwbeheersystemen veel nauwkeuriger op actuele situaties worden afgestemd. Daarbij zijn eveneens een lager energiegebruik en een gezonder binnenklimaat, tegen minder hoge kosten, de belangrijkste voordelen. Op termijn maakt bluebot zelfs ‘predictive maintenance’ mogelijk, meldt Breijer, waarbij de intelligentie ervoor zorgt dat storingen en loze meldingen van installaties worden voorkomen.
Bluebot haalt data uit het gebouwbeheersysteem en eventuele andere relevante systemen in een gebouw. Vervolgens combineert bluebot al deze data in een digitale leeromgeving met grote hoeveelheden gegevens over bijvoorbeeld weersomstandigheden. Na de data-analyse voert bluebot automatisch verbeteringen door in het GBS, zo verklaart Breijer. Het komt erop neer dat bluebot het gebouw met behulp van machine- en ‘deep learning’ tot in detail leert kennen.
Dat is voor elke situatie weer anders, omdat elk gebouw anders is en op een eigen manier op veranderingen reageert. Dat kan zijn vanwege veranderende weeromstandigheden of de aanwezigheid van meer of minder personen. Na de analyse zal bluebot het gebouwbeheersysteem kunnen afstemmen op de specificaties van het gebouw en de actuele omstandigheden in de omgeving. Volgens Breijer is het unieke aan bluebot dat hij in te zetten is zonder dat een gebouweigenaar een nieuwe gebouwautomatisering hoeft te plaatsen of dat er andere grote aanpassingen aan het systeem en gebouw nodig zijn.

Volgens mrm2 zorgt puur het gebruik van dit AI-systeem al voor 25 procent energiebesparing.

Intelligentie toevoegen

Een andere aanbieder, ACS Buildings, biedt Climatics aan, een ict-gebaseerd hardware en softwaresysteem dat ook AI inzet voor optimalisaties. Ook bij hen is het belangrijke verkoopargument dat Climatics samenwerkt met bestaande systemen, zodat geen investeringen in nieuwe gebouwautomatisering noodzakelijk zijn. Climatics voegt intelligentie toe om de bestaande systemen slimmer te gebruiken. Volgens ACS maakt hun systeem een digitale kopie van de installatie, verzamelt het data en geeft real time (elke 10 seconden) waarden. De gebruiker van een gebouwautomatisering heeft daardoor veel meer grip op de installatie waarna het efficiënter regelen kan beginnen.
Voor dat efficiënter inregelen is vervolgens speciale software nodig. Software die kan regelen op basis van hoogfrequente data en daarmee een installatie veel zuiniger maakt, aldus ACS. Hoe meer data, hoe meer de gebouwbeheerder in staat is om vooruit te kijken, verliezen sneller op te merken en stabielere regelingen te maken. Het gaat om het slim inzetten van data in machine learning algoritmes, zo meldt ACS Buildings op haar website, waarna een installatie nog veel efficiënter kan functioneren. Uiteindelijk leidt dit ertoe dat een gebouw zichzelf ‘aanleert’ wat de beste instellingen zijn voor de verschillende installatie-onderdelen. Dit leidt tot een optimaal comfort zonder veel energie te verliezen. Extra energiebesparing tot wel 40 procent is volgens ACS Buildings mogelijk.

Ontwikkelingen

Siemens en ABB zijn ook actief met de mogelijkheden van Artificial Intelligence. Navraag bij deze marktpartijen in Nederland blijkt dat ze nog niet of nauwelijks praktijkvoorbeelden hebben waarin AI expliciet een actieve rol vervult. Internationaal zijn deze voorbeelden er wel, en daarom kunnen we er ook vanuit gaan dat deze technieken op relatief korte termijn in Nederlandse projecten zullen worden toegepast.
Zo meldt Siemens dat het in de VS al enige tijd een nieuw cloud- en AI-gebaseerd platform aanbiedt voor slimme gebouwen. Dit platform biedt gebouwmanagers en -eigenaren inzichten in gebouwen die ze nog nooit eerder zagen. Het platform heet Building X en is onderdeel van het Xcelerator-platform. De sleutel daarin is, zo schrijft Siemens, dat Building X gegevenssilo’s doorbreekt. Daarbij maakt het gebruik van een grote hoeveelheid gegevens waarmee ze organisaties helpen hun doelen op het gebied van duurzaamheid, productiviteit en welzijn te bereiken.
Voor de werking van het systeem ligt de sleutel bij het verzamelen en het juiste gebruik van gegevens. Slimme gebouwen creëren tegenwoordige massa’s gegevens. Elke seconde komen temperaturen, CO₂-concentraties, aan/uit-statussen en nog veel meer het systeem binnenrollen. Het probleem is dat data een rijke grondstof zijn, maar geen eindproduct. Een gebouwbeheerder kan al die gegevens niet zelf uitpluizen. Daarvoor zijn machines nodig, en dus is AI onmisbaar om dergelijke hoeveelheden gegevens te verwerken. In feite zijn grote hoeveelheden gegevens essentieel voor AI om goed te kunnen werken. Dus hoe meer hoe beter, wat Siemens betreft.

De uitdaging is het feit dat data wel een rijke grondstof is, maar nog geen eindproduct.

Potentiële besparingen

Ook ABB Benelux meldt dat het nog niet met AI actief aanwezig is in ons land. In de VS echter bracht ABB al wel een persbericht uit dat het ABB Ability BE Sustainable lanceert. Dit is een systeem, ‘powered by BrainBox AI’, dat met geavanceerde technologie en SaaS elke bestaande HVAC-apparatuur verbetert en omvormt tot voorspellende en zelfaanpassende HVAC-systemen.
Efficiency AI, zoals ABB deze dienstverlening in de VS noemt, verbetert bestaande gebouwautomatiseringssystemen zonder dat aanpassingen of extra sensoren aan bestaande installaties nodig zijn. Met behulp van kunstmatige intelligentie en eigen algoritmen stuurt deze oplossing autonoom HVAC-systemen aan. Het systeem stuurt realtime een controller aan, waardoor de energie-efficiëntie toeneemt, de gebruiker geld bespaart en de CO₂-uitstoot afneemt.
Het bericht van ABB maakt melding van een reductie tot 40 procent in CO₂-uitstoot, 25 procent lagere energiekosten voor de HVAC-installatie en 50 procent langere levensduur en reductie van onderhoud bij HVAC-installaties. De technologie die ABB in de VS gebruikt, is afkomstig van BrainBox AI, een in 2017 opgericht bedrijf. BrainBox AI ontwikkelde, zoals ze zelf zegt, baanbrekende technologie waarin het AI gebruikt om HAVC-systemen van gebouwen slimmer, groener en efficiënter te maken. Daarbij werkt BrainBox AI samen met wereldwijde partners om vastgoedklanten in verschillende sectoren – kantoorgebouwen, hotels, commerciële winkels, supermarkten, luchthavens – te kunnen helpen.

‘Je kunt maar beter op tijd beginnen, ook al is het met kleine stapjes’

Beveiligingsinstallaties

Maar AI vervult niet alleen in klimaatsystemen of energie-installaties een voorname rol om tot meer efficiëntie te komen. Croonwolter & Dros past AI toe om beveiligingsinstallaties effectiever te maken. Kaartlezers, toegangspoortjes, irisscanners, inbraakalarmen, CCTV Security; het zijn stuk voor stuk systemen die waardevolle data opleveren waarmee AI-systemen wel raad weten.
Zo ontwikkelde Croonwolter & Dros Forensisch Video Search, een systeem dat slim, snel en gericht kan zoeken naar personen in videobeelden van beveiligingscamera’s. Met hulp van een slim algoritme krijg je in een paar muisklikken verdachte of vermiste personen in beeld. De basis van het systeem is het Detect&Track-algoritme van TNO, dat mensen op camerabeelden beschrijft en categoriseert op basis van bepaalde kenmerken, zoals kleding, lengte, schoenen, een bril of een tas. Daarmee kan het een database aanleggen van personen die door camera’s zijn gespot. Die database is vervolgens te gebruiken als een soort personenzoekmachine. Dat is wat de venture GBBS (Gebouwenbeheer- en beveiligingssystemen) van Croonwolter&dros doet met Forensisch Video Search, een commerciële toepassing van het algoritme.
Forensisch Video Search verbindt het TNO-algoritme met de opgeslagen videobeelden van gebruikers en koppelt er een eenvoudige gebruikersinterface aan. Met de snelgroeiende hoeveelheid videodata van beveiligingscamera’s moeten de politie, het Nederlands Forensisch Instituut en commerciële bedrijven steeds meer tijd steken in het doorzoeken van opgenomen videobeelden.
Het algoritme dat Croonwolter & Dros nu voor dit systeem gebruikt, valt onder de categorie deep learning. Een dergelijk algoritme zorgt ervoor dat computers patronen leren herkennen uit eindeloos veel voorbeelden. Volgens de technisch dienstverlener zijn de mogelijkheden die deep learning uiteindelijk biedt eindeloos; voor beveiliging, robotisering, maar dus ook voor gebouwautomatisering.

Hoe meer data, hoe meer de gebouwbeheerder in staat is om vooruit te kijken.

Is de sector er klaar voor?

Nu steeds meer leveranciers en fabrikanten met AI-gedreven systemen op de markt komen, kunnen of moeten we ons ook afvragen of de installatiebranche daar klaar voor is. De grote, technisch dienstverleners en adviesbureaus zijn dat ongetwijfeld. Dat blijkt ook wel uit het feit dat technisch dienstverleners en system integrators zelf ook ontwikkelaar en aanjager zijn van deze technieken.
Maar hoe denken al die mkb-bedrijven erover, die eveneens talloze gebouwen en objecten in beheer hebben? Om erachter te komen of de AI-technologie ook voor kleine en middelgrote installateurs een interessante markt vormt, voerden Hogeschool Utrecht en de Nederlandse Organisatie voor Wetenschappelijk Onderzoek het onderzoeksproject ‘AI en AR in de installatiebranche’ (Kiem.K20.01.077) uit. Het doel was om te zien of het mkb in de installatiebranche gereed is om met opkomende technologieën, zoals AI, maar ook machine learning of Augmented Reality, aan de slag te gaan.
Volgens dr.ir. Emelieke Huisman, een van de onderzoekers van Hogeschool Utrecht die aan dit project meewerkte, is dat beeld wisselend. ‘We zien veel kansen, omdat die technologieën ervoor zorgen dat bedrijven hun werk slimmer en effectiever kunnen doen. Zeker in tijden waarin bijna iedereen te kampen heeft met personeelstekorten biedt dat veel voordelen. Tegelijk vergt het een flinke investering in nieuwe kennis, en daar moeten de bedrijven geld en tijd voor vrijmaken. Ook dat is lastig in deze drukke tijden. Uit ons onderzoek komen dan ook verschillende randvoorwaarden en aanbevelingen naar voren voor bedrijven die willen aanhaken.’

Kleine stappen

‘Enkele randvoorwaarden zijn onder meer het zorgen voor bewustwording, start met het digitaliseren van de processen in je eigen organisatie en stel een visie- en beleidsplan op waarin je de nieuwe technologieën een plek geeft. Vervolgens zouden mkb-bedrijven de samenwerking met andere partijen moeten zoeken, hun personeel nieuwe vaardigheden moeten bijbrengen en een korte- en langetermijnplanning maken.’
Volgens Huisman is er een aantal ‘take aways’ die essentieel zijn, zoals ‘kijk eerst naar het laaghangend fruit’. ‘Vind bijvoorbeeld gelijkgezinde bedrijven of partners in jouw werkveld. Probeer ook jonge mensen binnen te halen die intrinsiek geïnteresseerd zijn in deze ontwikkelingen en kijk daarvoor buiten je eigen scope. Studenten zijn de ambassadeurs van deze technieken en nemen kennis en vaardigheden mee. Daarom kunnen stageopdrachten en afstudeerders een belangrijke aanzet geven. Zo start je met het borgen van kennis die voor deze markt nodig is.’
‘Begin klein en bouw het dan verder uit. Ook uit onze eerdere ervaringen met de implementatie van eHealth weten we dat deze nieuwe ontwikkelingen in het begin als spannend worden ervaren. Dus er is tijd nodig. Daarom kun je maar beter op tijd beginnen, ook al is het met kleine stapjes.’

Tekst: Rob van Mil
Fotografie: iStock