Energiedaten-Desaggregation: Mehr Transparenz beim Energieverbrauch für Mietende und Wohnungswirtschaft
Im Zuge des Klimawandels wird es immer wichtiger, den globalen Energieverbrauch zu senken. Der durch Gebäude entstehende CO2-Ausstoß kann verringert werden, wenn das Potenzial von erneuerbaren Energien besser genutzt und der Energieverbrauch, beispielsweise in einem effizienten Energiemanagementsystem sichtbar wird. Gleichzeitig können die Energiekosten durch ein optimales Nutzungsverhalten gesenkt werden.
So haben Mietende Interesse daran, ihren individuellen CO2-Ausstoß zu verringern, indem große Haushaltsgeräte, z.B. Waschmaschinen oder Trockner nur dann eingeschaltet werden, wenn der lokale Strommix viel grünen Strom enthält, oder besonders viel des eigen produzierten PV-Stroms genutzt werden kann. Um eine Vorhersage über den Stromverbrauch treffen zu können, sind Energiedaten aller Verbraucher in einem Haushalt notwendig. Das sogenannte Submetering, also die verbrauchsabhängige Erfassung und Abrechnung der anteiligen Wärme-, Warmwasser- und Kaltwasserkosten in Gebäuden, macht die Installation von Sensoren an den verschiedenen Geräten notwendig. Diese benötigten Daten liegen aber nur in den seltensten Fällen vor, sodass aktuell oftmals keine Rückschlüsse auf den Verbrauch und somit keine Empfehlungen für ökologisches Verhalten gegeben werden können. Zudem hat dieser Vorgang intensive Kosten und Wartungsarbeiten zur Folge.
Keine Sensoren an einzelnen Geräten
Genau hier setzt ForeSight an. Mit Hilfe der Energiedaten-Desaggregation, auch genannt Non-intrusive Load Monitoring (NILM), kann nun der Energieverbrauch einzelner Geräte ohne das Anbringen von Sensorik bestimmt werden. Anhand aggregierter Smart-Meter-Daten kann das Verbrauchsverhalten nun bequem und effektiv als künftiger KI-Service auf der ForeSight-Plattform eingeschätzt werden und die Haushaltsgeräte, welche besonders viel Strom benötigen, zu dem idealen Zeitpunkt genutzt werden.
Dazu werden verschiedene Machine Learning Modelle erstellt, die den Energieverbrauch einzelner Geräte zuverlässig schätzen. Die durch das Smart Meter erfassten Daten werden dann an die ForeSight-Cloud-Plattform weitergeleitet und dort analysiert. Auf das Analyseergebnis können Mieter*innen beispielweise über eine App zugreifen und so ihr Verbrauchsverhalten anpassen. Mit der Grünstromvorhersage erkennen die Bewohner*innen beispielsweise, welche Zeitpunkte am ökologisch oder ökonomisch günstigsten sind, um energieintensivere Geräte anzuschalten. Durch die im Rahmen der ForeSight-Plattform entstehenden Smart Services können aber auch weitere Angebote und Dienstleistungen für Stromkunden und Unternehmen abgeleitet werden.
Vorteile für Mieter, Wohnungswirtschaft und Unternehmen
Die Energiedaten-Desaggregation hat gleich mehrere Vorteile. Für Mietende kann eine Energieverbrauchsanalyse zur Verfügung gestellt werden, die Information darüber bietet, welche Geräte im Haushalt am meisten Strom verbrauchen. Dies kann Energiekosten transparenter machen, etwa indem eine Übersicht über den Stromverbrauch einzelner Geräte bereitsteht, auch wenn keine speziellen Sensoren zur Verbrauchsmessung vorhanden sind. So können trotz fehlender Sensorik Handlungsempfehlungen ausgesprochen werden. Durch entsprechend informierte Änderungen im Nutzungsverhalten kann dies eine bessere Energieeffizienz gewährleisten und Kosten minimieren. Die dazu aus den Wohnumgebungen erforderlichen Daten werden in der GAIA-X-konformen ForeSight-Plattform sicher verwahrt. Damit Unternehmen auf diese Daten zugreifen können, müssten die Mietenden vorher ihr Einverständnis geben.
Durch die Desaggregation der Energieverbräuche können Wohnungsunternehmen Mieter*innen einen energieeffizienten Smart Service anbieten, indem sie Transparenz über Energieverbräuche und Handlungsempfehlungen für die Bewohner*innen aufzeigen. Auch im Hinblick auf CO2-Regulationen könnte NILM entscheidend sein.
Ansprechpartner
Oliver Hinz
Weitere Beiträge
Leitfaden: Vertrauenswürdige und ethisch vertretbare KI als Grundlage für deren Akzeptanz
Viele der aktuell existierenden Arbeiten im Bereich ethischer KI sind überwiegend konzeptionell und konzentrieren sich auf die Definition von abstrakten Prinzipien. Damit jedoch vertrauenswürdige KI- Anwendungen in der Praxis entstehen zu können, ist eine Überführung theoretischer Überlegungen in konkrete Handlungsempfehlungen und ein Neudenken des KI-Entwicklungsprozesses notwendig. Besonders relevant ist dies für Datenökosysteme, in denen der Mensch als Hauptnutzender der KI – Anwendung und Eigentümer der Daten auftritt. Im Rahmen von ForeSight wurde zu diesem Themenbereich unter der Leitung der GSW Sigmaringen in Zusammenarbeit mit Strategion und dem SIBIS Institut ein Leitfaden zur vertrauenswürdigen und ethisch vertretbaren KI als Grundlage für deren Akzeptanz veröffentlicht.
Drohnen im Kontext der Wohnungswirtschaft
Für Wohnungsunternehmen sind die Einsatzmöglichkeiten von Drohnen an verschiedene Anforderungen geknüpft. Ein Leitfaden der ForeSight Konsortialpartner GdW und GSW Sigmaringen beleuchtet die Rechtslage, effizienzsteigernde Maßnahmen bei verschiedenen Anwendungsfällen und den Einsatz von Künstlicher Intelligenz für Analyseverfahren. Ein Prüfschema unterstützt Wohnungsunternehmen bei der Auswahl geeigneter Partner für Drohnenflüge.
Akzeptanzstudie zu Drohneneinsatz im Wohnumfeld veröffentlicht
Im Rahmen von ForeSight wurde eine Akzeptanzuntersuchung von Drohnen-Einsätzen im Rahmen von Servicetätigkeiten in Future Living® Berlin durchgeführt. Das Ergebnis: 92 % der Mietenden bringt Verständnis für den Einsatz von Drohnen im Auftrag des Vermieters auf. Fast 60 % der Befragten bewerten den Drohnenflug auch dann als unkritisch, wenn diese nah an den eigenen Fenstern vorbeifliegt.
