Forestil dig to fuldstændigt ens huse. Både på tegninger og set ved selvsyn er de identiske. Samme tag, vinduer, isolering og murværk. Men varme- og energiforbruget er fuldstændigt forskelligt.
“Vi har ofte set eksempler fra det virkelig liv, hvor energiforbruget var tre-fire gange højere i to tilsyneladende ens bygninger,” fortæller Henrik Madsen. Den kunstige intelligens kan se det, som øjet ikke kan, og være en detektiv til at finde de helt oplagte steder til energioptimering. Mange bygninger har allerede en række måleinstrumenter installeret. Det vil sige, at der er data at fodre den kunstige intelligens med.
Han er professor og sektionsleder på DTU Compute og har været med til at udvikle løsninger til energioptimering i bygninger med kunstig intelligens. Han kalder kunstig intelligens for en teknologi, der kan give “røntgensyn” på bygningerne.
Hvis en virksomhed i dag opdager et varmespild eller bare gerne vil energioptimere deres bygninger, vil de fleste opleve, at der skal en fysisk gennemgang af boligen til, for at finde årsagerne til energispildet.
Kræver at data fra virksomhedens målepunkter som temperatur og strømforbrug indsamles og systematiseres. Brugen af kunstig intelligens kræver særlige kompetencer, som ikke alle virksomheder har. Barrieren for at komme i gang med at udnytte data kan altså være høj.
“Den kunstige intelligens sammenholder al data fra bygningen og kan derfor se igennem de fysiske rammer. Derfor kan den på baggrund af f.eks. målinger af energiforbrug sammenholdt med udetemperaturen, vindhastigheden med mere opdage problemer med f.eks. isolation og vinduer,” siger Henrik Madsen og fortsætter:
“Det betyder, at man med den kunstige intelligens kan udpege de dårligste bygninger eller dårlige områder af bygninger og på den måde målrette sin renoveringsindsats, så man får mest muligt for pengene. At gennemisolere to på papiret ens huse kan vise sig helt unødvendigt.”
Han ønsker ikke at sætte tal på, hvor stort et besparelsespotentiale, der er i energioptimering af bygninger ved hjælp af kunstig intelligens. Men opvarmning af bygninger udgør i dag 40 pct. af energiforbruget på globalt plan, og derfor er der særligt i gamle bygninger et stort potentiale for at sænke energiforbruget.
Ifølge DTU er 80 pct. af den danske bygningsmasse mere end 20 år gammel.
Kunstig intelligens kan også bruges til at energioptimere i forhold til indeklimaet i en bygning. I kontorbygninger vil der ofte være vidt forskellige holdninger til, hvor varmt der er på kontoret. Det kan resultere i pivåbne radiatorer og samtidig åbne vinduer, hvilket er en streg i CO2-regningen.
DTU har udviklet appen Feedme, hvor alle medarbejdere i en virksomhed eller elever i en skoleklasse kan indtaste deres opfattelse af indeklimaet. På baggrund af den dataindsamlingen kan kunstig intelligens være med til at sætte den bedst mulige temperatur for flest mulige medmindre energispild til følge.
Temperaturmålingerne spiller også en afgørende rolle i flere opgaver, som konsulenthuset Accenture har lavet for virksomheder. F.eks. var kunstig intelligens teknologien, der kunne samle op på en detailkædes energiforbrug. Ved at opdage fejl i køle/varme-systemer og optimere køling og belysning var teknologien med til at sænke det samlede energiforbrug for kædens 200 butikker med 15 pct.
Området med at bruge kunstig intelligens til energioptimering i bygninger er i vækst hos konsulenthuset, fortæller Kim Bech, der er managing director i Accenture Applied Intelligence. Det er dog ikke alle virksomheder, det er lige relevant for.
“Virksomheder med store mængder af kommercielle bygninger som eksempelvis videnstunge virksomheder, hotelbranchen og detailbranchen er de sektorer, hvor vi ser de største umiddelbare effekter ved brug af kunstig intelligens til energioptimering. Og så er bygninger som hospitaler og hele det offentlige område med store bygningsarealer relevante,” siger Kim Bech.
