AI in gebouwbeheer

Het gebruik van kunstmatige intelligentie (of artificial intelligence/AI) om gebouwen te beheren is een veelbesproken onderwerp in verband met slimme gebouwen en de toekomst van gebouwexploitaties. Maar niet alleen daar - AI heeft veel potentieel in alle fasen van de levenscyclus van een gebouw. Van ontwerp, bouw en installatie van gebouwsystemen, tot en met gebouwonderhoud; zelfs tot en met de definitieve sloop van een gebouw staat AI klaar om het dagelijkse werk uitgebreid te ondersteunen.

Vooral bij gebouwbeheer - de fase waarin een gebouw wordt geëxploiteerd en onderhouden - draagt kunstmatige intelligentie het meest bij aan het vergroten van transparantie en efficiëntie. Hoe transparanter processen en systemen zijn, hoe beter facility managers en technici in staat zijn om een gebouw, met al zijn onderlinge verbindingen en afhankelijkheden, te begrijpen en de processen te optimaliseren. Zowel de duurzaamheid als de kosteneffectiviteit nemen toe wanneer apparatuur en systemen efficiënter worden gebruikt. Het gaat er echter nog niet om dat gebouwen autonoom kunnen werken. Wat er wel gebeurt, is dat AI langzaam maar zeker de rol aanneemt van een modern, proactief hulpmiddel dat het dagelijkse werk van facility managers en technici ondersteunt. Hoog tijd dus om het eens van dichterbij te bekijken: Wat doet AI eigenlijk in de context van gebouwbeheer?

Hoe helpt AI bij het beheren van gebouwen?

De belangrijkste toegevoegde waarde van AI in commerciële gebouwen is het vermogen om intelligente online analyses uit te voeren, langetermijntrends te identificeren en snelle beslissingen te nemen om complexe situaties het hoofd te bieden. Om te leren hoe een gebouw moet worden aangestuurd, traint AI zichzelf op een verzameling gegevens van gebouwautomatisering en gekoppelde systemen. Op basis van deze verworven kennis kan het dan heel snel onderlinge verbanden identificeren en - uiteindelijk - geleerde vervolgacties uitvoeren. Deze kennis wordt in verband gebracht met de overeenkomstige context, met andere woorden bepaalde gebieden of kamers van een gebouw. Dit is een voorwaarde om evaluaties correct te kunnen interpreteren. Hiervoor zijn twee bouwstenen nodig:

Digital building twin - digitale gebouwtweeling

Een digital building twin of digitale gebouwtweeling: Domeinspecifieke semantische modellen (zogenaamde ontologieën) van individuele gebouwsystemen (zoals HVAC) worden gebruikt om een digitale twin te maken van de structuur van het gebouw en de geïnstalleerde systemen. De digitale twin bevindt zich in de cloud en is een digitale kopie van de relevante fysieke gebouwen en systemen. Dit levert een duidelijk georganiseerd, eenvoudig te begrijpen beeld op van het gebouw met zijn structuur en alle apparaten en systemen en hoe ze onderling verbonden zijn. Wanneer de huidige systemen en apparaten worden gekoppeld aan de gebouw-tweeling in de cloud (via IoT-apparaten zoals gateways of controllers), worden gegevens en informatie van apparatuur en systemen automatisch vastgelegd en samengevoegd in de digitale tweeling. Deze verbinding maakt samenwerking tussen een virtuele en een echte ruimte mogelijk: de functies van apparaten en systemen kunnen centraal worden bewaakt in de virtuele ruimte. Op basis hiervan kunnen de werkelijke apparaten en systemen in de echte wereld worden bestuurd in de overeenkomstige procescontexten.

Tijdreeksen: AI-modellen worden getraind door historische gegevens van de apparaten en systemen te verzamelen in de vorm van semantisch gekwalificeerde tijdreeksen en deze informatie vervolgens te verstrekken aan de digital building twin. Gegevens worden continu naar de cloud gestuurd en in de juiste gebouwcontext geplaatst, van waaruit ze naar de AI-modellen stromen. Hierdoor kan AI leren hoe bepaalde verbindingen zich gedragen in de relevante context. In het geval van brandalarmsystemen kunnen tijdreeksen bijvoorbeeld worden gebruikt om terugkerende foutmeldingen te herkennen en passende stappen aan te bevelen voor de afhandeling ervan. Als de prestaties van de hardware en de softwareomgeving het toelaten, kunnen de modellen mogelijk ook worden gedistribueerd van de cloud naar het apparaatniveau en daar lokaal worden uitgevoerd - bijvoorbeeld in videocamera's, controllers of gateways. Hiervoor worden de modellen - in de vorm van digitale containers - naar apparaten gestuurd en daar uitgevoerd. De apparaten zelf worden hierdoor steeds intelligenter. Na verloop van tijd leert AI bijvoorbeeld meer over hoe dingen zich in zijn omgeving gedragen en kan daarnaar handelen.

De AI-cyclus: data als basis voor continue verbetering

De voordelen

Onafgebroken leren van semantische tijdreeksen

AI-modellen leren voortdurend van nieuwe semantische informatie om hun analytisch en voorspellend vermogen te verbeteren. Dit maakt een structurele verbetering in de loop van de tijd mogelijk.

Gegevensverwerking en -analyse in de digitale twin

De AI-algoritmen kunnen grote datavolumes verwerken die zijn vastgelegd door systemen, apparaten en door het gebouwautomatiseringssysteem. Ze kunnen gegevens sneller en efficiënter verwerken dan in het verleden om relevante informatie te extraheren en patronen of afwijkingen te herkennen.

Geoptimaliseerde besluitvorming op systeemniveau

Op basis van de gegevens geeft AI aanbevelingen voor actie of kan, indien gewenst, aangeleerde beslissingen nemen. Het kan automatisch reageren en acties starten wanneer aan bepaalde voorwaarden wordt voldaan, zoals voor het aanpassen en regelen van gebouwsystemen.

Terwijl een digital twin de manier waarop een gebouw werkt in kaart brengt, kan de fysieke structuur van het gebouw worden omgezet in 3D-modellen voor visualisatie. Door de technische informatie van de digital building twin te integreren in deze visualisatie worden de technische onderlinge relaties makkelijker te gebruiken en ook makkelijker te begrijpen voor niet-technische gebruikers.

Dit soort visualisaties vereenvoudigt het ontwerpen van nieuwe en bestaande gebouwen enorm: brandmelders en videocamera's kunnen direct op de juiste plaats worden geïnstalleerd zonder dat PDF-tekeningen hoeven te worden geraadpleegd. AI helpt hierbij op twee manieren: het geeft informatie over hoeveel brandmelders en videocamera's waar geïnstalleerd moeten worden en het maakt het mogelijk om plattegronden te maken voor bijvoorbeeld brandweerlieden op basis van het 3D-model.

Gegevens van bestaande systemen kunnen worden overgezet van de digital buidling twin naar het 3D-model. Waar en in welke ruimtes en kamers bevinden zich brandmelders of videocamera's? Zo kun je bijvoorbeeld snel zien waar branden zijn geweest of inbraken hebben plaatsgevonden in het gebouw, of welke route de inbrekers hebben genomen.

Ongeacht of het om een nieuw of oud gebouw gaat, bestaande handmatige documentatie van systemen en apparatuur kan worden gecontroleerd met behulp van kunstmatige intelligentie. AI kan bijvoorbeeld uit korte systeembeschrijvingen, fysieke adressen en de geleerde gebouwtopologie achterhalen welke apparaten waar zijn geïnstalleerd. Dit onthult of de handmatige documentatie nauwkeurig is of moet worden gecorrigeerd.