PersonAI
Nutzer:innenzentrierte KI-basierte Energy Services auf der Grundlage von Personal Preference Models
Die Europäische Union (EU) hat sich zum Ziel gesetzt, bis 2030 die Energieeffizienz um 32,5% zu steigern und einen Anteil von 32% an erneuerbaren Energien zu erreichen. 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 der EU verantwortlich. In diesem Zusammenhang müssen sich die Gebäude von ihrem derzeitigen statischen und ineffizienten Profil zu intelligenten dynamischen Akteuren entwickeln und gleichzeitig den Nutzer:innenbedürfnissen gerecht werden. Die Vergangenheit hat gezeigt, dass die erfolgreiche Umsetzung energiepolitischer Maßnahmen stark von sozialen Faktoren wie gesellschaftlicher Akzeptanz, Toleranz und Mitwirkungsmotivation abhängen.
Durch die rasante Weiterentwicklung der verfügbaren Technologien gewinnen KI-gestützte Energy Services wie Model Predictive Control (MPC), Demand Side Management, Forecasting, etc. zunehmend an Bedeutung und Praxisrelevanz. Die Integration von Verbraucherfeedback und -präferenzen in den Regelkreis ist allerdings ebenso entscheidend, um den Energiebedarf von Gebäuden und Quartieren langfristig nachhaltig zu reduzieren und Energiedienstleistungen wie bedarfsseitige Flexibilität zu nutzen.
Zielsetzung des Projekts PersonAI
Das Ziel von PersonAI lag darin, die Weiterentwicklungen dieser Technologien zu nutzen, um die Energieeffizienz im Gebäudesektor zu erhöhen und eine Verbesserung des Komforts zu schaffen. Die Entwicklungen in PersonAl zielten auf eine radikale Innovation im Bereich von nutzerzentrierten Energy Services im Gebäudesektor ab. Erste Studien bzw. Simulationen schätzten Energieeinsparungen zwischen 21,81% und 44,36% durch KI-basierte Energy Services und Komfortverbesserungen zwischen 21,67% und 85,77% durch Personal Comfort Models.
Vorgehensweise und Methodik des Projekts PersonAI
Die Kombination dieser beiden Ansätze mit der Entwicklung von KI-basierten Personal Comfort Models bildete das Kernstück des Projekts. Dazu wurde eine breit angelegte Langzeitstudie mit 40-50 Personen und detaillierter Datenerhebung (Umfragen in Kombination mit Hauttemperatur, Herzfrequenz, etc.) eines möglichst repräsentativen Bevölkerungsquerschnitts durchgeführt. Die daraus erstellten Personal Comfort Models wurden anschließend aggregiert und in einen mit relevanten Stakeholdern gemeinsam ausgewählten Energy Service in einem Proof of Concept demonstriert.
Folgende Meilensteine wurden definiert:
- Durchführung der ersten großangelegten europäischen Langzeitstudie zu Personal Comfort Models, Entwicklung von robusten und KI-basierten Personal Comfort Models
- Proof of Concept für nutzerzentrierte Energy Services auf Basis von Personal Comfort Models
Durch das interdisziplinär zusammengesetzte Konsortium verband PersonAI die Vorteile von Personal Comfort Models, smarten Gebäuden und Durchbrüchen im KI-Bereich.
Links:
