OctoAI - Die nächste Generation hochleistungsfähiger Edge AI für intelligente Gebäude

Gegenwärtig ist der Gebäudebestand in der EU nach wie vor energieintensiv und überwiegend ineffizient; er ist für 40 % des Endenergieverbrauchs und 36 % der CO2-Emissionen verantwortlich. Um den Anteil erneuerbarer Energie zu erhöhen und den Energieverbrauch zu reduzieren, müssen zukünftige Systeme ein hohes Maß an Flexibilität und Effizienz aufweisen. Dafür ist einerseits die systematische Einbettung von Cyber-Technologien notwendig, um die physischen Systeme zu überwachen, die Kommunikation zwischen verschiedenen Subsystemen zu ermöglichen. Andererseits werden innovative Energy Services wie Demand-Side Management oder modellprädiktive Regelung benötigt,um den Energieverbrauch von Gebäuden zu reduzieren und Gebäude zu aktiven, intelligenten Akteuren in übergeordnete Energiesysteme zu transformieren. Studien haben gezeigt, dass die Künstlichen Intelligenz (AI - Artificial Intelligence) das Rückgrat und der Enabler vieler Energy Services ist. Key Message 1: Anwendung der künstlichen Intelligenz sind das Rückgrat und Enabler vieler Energy Services. Innovative Energy Services bauen auf einer bidirektionalen Echtzeitinteraktion mit realen Gebäuden auf. Für die Erzeugung, Bereitstellung und Auswertung dieser großen Datenmengen werden innovative Lösungen benötigt. Internet of Things (IoT) Technologien sind das Rückgrat und ein Enabler dieser intelligenten Systeme. Computing paradigms Die derzeitige IoT-Implementierung hängt fast ausschließlich von der Cloud-Infrastruktur und Cloud-basierten Diensten ab. Cloud Computing bietet zahlreiche Vorteile wie Kosteneffizienz, hohe Verfügbarkeit, kostengünstige Software und erweiterte Sicherheit. Cloud-basierte Dienste weisen aber auch schwerwiegenden Nachteile auf: Zuverlässigkeit, Vertrauenswürdigkeit, oder Sicherheit und Datenschutz. Diese Nachteile ergeben sich u.a. daraus, dass der Data Provider (Endnutzer) und der Data Consumer (Cloud Provider) oft gegensätzlichen Interessen haben. Key Message 2: Cloud Computing hat im Bereich von Energy Services für intelligente Gebäude gravierende Schwachstellen im Bereich Verlässlichkeit, Vertrauenswürdigkeit, und Datenschutz/Sicherheit. Edge Computing ist eine alternative IoT-Implementierung und bezieht sich darauf, dass Berechnungen am Rande (Edge) von Netzwerken stattfinden; der "Rand" ist der Ort, an dem Endgeräte auf den Rest des Netzwerks zugreifen. Edge Computing erhöht die Verfügbarkeit, Zugänglichkeit und Zuverlässigkeit und verbessert die Latenzzeit für viele Dienste im Vergleich zu Cloud Computing Anwendungen. NutzerInnen sind meist Eigentümer der Endgeräte und haben vor Ort physischen Zugang, um diese zu kontrollieren. Dies stärkt auch das Vertrauen der NutzerInnen, da die Datenmigration für viele Anwendungsfälle optional wird, was wiederum zu einem geringeren Risiko von Datenschutzverletzungen führt Key Message 3: Edge Computing kann prinzipiell die Hauptprobleme und Einschränkungen von Cloud Computing überwinden. Edge-Geräte haben Einschränkungen beim Energieverbrauch und verfügen daher über begrenzte Rechenressourcen. Cloud-basierte Anwendungen der AI verbrauchen üblicherweise viel Energie und können auf ressourcenbeschränkten Geräten nicht (oder nur sehr eingeschränkt) eingesetzt werden. Eine zentrale Herausforderungen für Edge-Anwendungen im Bereich intelligenter Gebäude ist es, "AI an den Rand zu bringen". Key Message 4: Um das ganze Potential von Edge-Computing für intelligente Gebäude zu nutzen, muss "AI an den Rand" von Netzwerken gebrach werden.