Predictive Maintenance in der Wohnungswirtschaft

Predictive Maintenance kann Ausfallzeiten und Reparaturkosten in einer Wohnimmobilie minimieren und somit erhebliche Kosten sparen. So wird der tatsächliche Zustand der Immobilieninfrastruktur in den Überwachungsprozess mit einbezogen und frühzeitig Wartungs -oder Reparaturmaßnahmen geplant. Bei ForeSight wird dazu auf Künstliche Intelligenz zurückgegriffen, um mittels vorhandener Daten Störungen vorhersagen zu können. Eine Studie der Goethe Universität Frankfurt identifiziert potenzielle Hürden in der Adaption von Predictive Maintenance in der Wohnungswirtschaft und bietet dafür Lösungsansätze.
Predictive Maintenance in der Wohnungswirtschaft

Während Predictive Maintenance bereits in der Industrie allgegenwärtig ist, befindet sich die Wohnungswirtschaft noch am Anfang dieser Wartungsmethodik. Die Fortschritte in der Digitalisierung ermöglichen jedoch auch hier die Überprüfung des Systemzustands von kritischer Infrastruktur wie Heizungsanlagen, Aufzügen oder Küchengeräten und verfügen daher über das Potential effektiverer Wartungsmaßnahmen.

Die Goethe Universität Frankfurt hat im Rahmen von ForeSight das Thema Predictive Maintenance in der Wohnungswirtschaft in einer systematischen Studie erforscht, um mögliche Hürden in der Adaption von Predictive Maintenance auf die Wohnungsindustrie zu identifizieren und Lösungsansätze aufzubereiten. Ziel der Untersuchung waren Fehlervermeidung, Systemoptimierung, Produktivitätsverbesserung und ein besseres Informationsmanagement. Als Grundlage der Studie dienten sogenannte Smart Houses, welche aus Sensoren, Aktoren, Hardware und Software bestehen, die auf Komponenten der KI zurückgreifen können.

Smart Houses als Studiengrundlage

Smart Houses bestehen größtenteils aus standardisierten Produkten, die in großer Stückzahl hergestellt werden und oft nicht weiter anpassbar an einen zusätzlichen Nutzen sind. So hat beispielsweise eine Klimaanlage die Funktion einen Raum abzukühlen und für den Endanwender spielt es oft keine Rolle, welche Klimaanlage konkret benutzt wird, solange eine gewünschte Temperatur erreicht wird. Modifikationen an der Klimaanlage sind daher nicht notwendig oder möglich. Im Fokus steht das Wohlbefinden der Menschen in den Gebäuden, welches gerade bei Familien oder bei Besuch recht heterogen sein kann.

Allerdings stellen standardisierte Lösungen wie Klimaanlagen in der Regel keine Daten für externe Analysen zur Verfügung. Das nachträgliche Anbringen von Sensoren ist oft nur schwierig möglich, da Produkte in sich geschlossene Systeme darstellen. Zusätzlich kann ein Anbringen von Sensorik im Smart-Housing-Umfeld die Ästhetik von Wohnungen stören und damit der Akzeptanz schaden, daher können alternative Messmethodiken erforderlich sein. Statt die tatsächliche Kühlleistung mittels mehrerer Thermometer an der Klimaanlage zu erfassen, können Messwerte substituiert werden. So kann es für Predictive Maintenance schon ausreichen, dass nur ein einzelnes Raumthermometer in der Verbindung mit dem Stromverbrauch der Klimaanlage für die Erfassung des Systemzustands verwendet wird. Der Stromverbrauch kann entweder über einen intelligenten Zwischenstecker erfasst werden oder durch die sogenannte Energiedatendesaggregation. Diese ermöglicht es, aus dem Gesamtenergieverbrauch einer Wohnung, welcher bspw. durch einen Smart Meter erfasst wird, auf die Aktivität einzelner Verbraucher zurückzuschließen.

Predictive-Maintenance-Dashboard mit Warnmeldung am Leckagesensor SYR SafeT Connect.
Predictive-Maintenance-Dashboard mit Warnmeldung am Leckagesensor SYR SafeT Connect.

Kontextinformationen und Visualisierungen als Schlüssel

Zusätzlich ist es wichtig, dass im Wohnumfeld die Zustandsprognose nicht nur basierend auf Sensorwerten erfolgt, sondern auch der jeweilige Kontext miteinbezogen werden muss. Während im produzierenden Gewerbe oft standardisierte Prozesse überwacht werden, beeinflussen die Menschen im Smart-Housing-Umfeld maßgeblich die Messwerte. So können Urlaube, Geburtstagsfeiern oder Umzüge die Messwerte möglicherweise verzerren und sollten daher bei der Zustandsprognose berücksichtigt werden.

Um die Smart-Housing-Infrastruktur letztendlich strukturiert überblicken zu können und notwendige Predictive-Maintenance-Maßnahmen ergreifen zu können, bedarf es einer dezidierten Visualisierungsmöglichkeit, welche den Anforderungen möglicher Endnutzer gerecht wird. Die Studie gilt somit als Grundlage eines in ForeSight entwickelten Predicitve Maintenance Dashboards zur optimierten Zustandsüberwachung von Infrastruktur in Wohnumgebungen.

Weitere Beiträge

foresight

ForeSight Zwischenbilanz 02/2022

Im zweiten Quartal 2022 wurden insbesondere der ForeSight Dataspace und die Toolbox optimiert. Die Anbindung mehrerer Systeme, darunter auch des Konsortialpartners easierlife, in Testhaushalten des DFKI führte zu einer verbesserten Evaluation der IoT on Edge und – IoT Devices. Außerdem wurden die Sicherheitsanforderungen bei der Plattform-Authentifizierung sowie Nutzer- und Service-Autorisierungen angepasst. Im Semantic Building Labor wurden die zwei intelligenten Services „Notfallerkennung“ und „intelligenter Gebäudepförtner“ verbunden und damit ein neuer Use Case realisiert.

Semantic Building Labor

Semantic Building Labor: Neue Geräte, Konnektoren und technische Weiterentwicklungen

Im Rahmen des KI-Foschungsprojekts ForeSight stellt das Semantic Building Labor in Berlin eine herstellerneutrale Laborumgebung dar. Es bietet eine Reihe von Referenzgeräten aus dem Bereich Smart Home und Smartbuilding, die über SENSE-WoT beschrieben sind und nicht nur vor Ort, sondern aus der Ferne (Remote) zur Verfügung stehen. Die verfügbaren Geräte werden laufend ergänzt und semantische Beschreibungen sowie Konnektoren weiterentwickelt. Damit soll die Entwicklung intelligenter Services in einem heterogenen Umfeld mit lokalen und cloudbasierten Komponenten unterstützt werden.

Digitaler Zwilling

Die Rolle des digitalen Zwillings im ForeSight Dataspace

Nachhaltigkeit, Resilienz und Digitalisierung sind die drei Themen unserer Zeit und können – zusammen gedacht – erhebliche ökologische und ökonomische Vorteile für Wohngebäude schaffen. Als Zukunftsthemen erscheinen sie oft zu groß für ein einzelnes Unternehmen oder einen einzelnen Vermieter oder Hausbesitzer, daher ist es so wichtig, in einem Forschungsprojekt wie ForeSight die wesentlichen Punkte für eine gewerkeübergreifenden Ansatz aufzuzeigen. Der digitale Zwilling spielt bei diesen Themen eine Schlüsselrolle. Deswegen ist er zentraler Bestandteil des ForeSight-Datenraums.