Google+Find us on Google+
Internet of Things (IOT), News, Smart Home

Intelligente Gebäude 2.0 warnen vor kritischen Systemfehlern

Intelligente Gebäude 2.0 warnen vor kritischen Systemfehlern "Vorausschauende Wartung" soll größere Schäden effektiv verhindern. (Foto: Wikipedia)
About Author
Thorsten Claus
tc

Thorsten Claus ist Gründer und Chefredakteur von “moobilux | Connected Mobile” mit mehr als 16 Jahren Berufserfahrung. Der langjährige Journalist beschäftigt sich vor allem mit Themen rund um die mobile Telekommunikation. Als Experte veröffentlichte er in den vergangenen Jahren u. a. Fachbeiträge in “VoIP Compendium”, “Voice Compass” und “t3n”. Als Experte berichtete er in “Deutschland-Radio Wissen”, “Finacial Times Deutschland” und bei “n-tv” über die neuen Trends und Entwicklungen in der Technologie-Branche. Thorsten Claus ist Mitgründer der Pitch-TV-Eventserie „pitchfreunde // Show Your Mobile“ welches sich speziell an Startups mit Fokus Mobile & e-Mobility richtet.

Die italienische Softwarefirma CGnal hat ein Konzept für Gebäude entwickelt, die kritische Systemfehler in der Infrastruktur selbständig vorhersehen und somit mithelfen sollen, größere Schäden und Reparaturkosten zu verhindern. Um den Ansatz “vorausschauende Wartung” zu testen, haben sie das Heiz- und Belüftungssystem eines Krankenhauses mit intelligenten Sensoren ausgestattet und die dabei gesammelten Daten auf Unregelmäßigkeiten hin analysiert. Das Ergebnis: Dem System gelang es erfolgreich, 76 von insgesamt 124 kritischen Fehlern rechtzeitig vor ihrem Auftreten zu prognostizieren.

Abweichungen melden
“Ziel der vorausschauenden Wartung ist es, das Auftreten möglicher Fehler rechtzeitig vorherzusagen, um proaktiv agieren und die nötigen Maßnahmen ergreifen zu können, die ein weiteres Funktionieren der Anlagen sicherstellen”, heißt es auf der Unternehmenswebseite. In der Praxis ließe sich dieser Ansatz einfach umsetzen, indem kritische Infrastruktur wie etwa die Heizungs-, Belüftungs- oder Klimaanlagen mit intelligenten Sensoren versehen werden.

“Dadurch erhält man zum Beispiel kontinuierlich Daten zur Temperatur, Luftfeuchtigkeit oder dem Stromverbrauch. Gibt es Abweichungen vom Normalwert, könnte ein Fehler vorliegen oder unmittelbar bevorstehen”, so die Erläuterung des italienischen Unternehmens.

Lernende Algorithmus
Für ihren Praxistest haben die Ingenieure von CGnal einen speziellen Algorithmus entwickelt, der dem Prinzip des maschinellen Lernens folgend selbständig in der Lage ist, bestimmte konkrete Zusammenhänge und Muster in den gesammelten Datenmengen zu erkennen und auszuwerten. Den Algorithmus haben die Experten anschließend mit Daten gefüttert, die Sensoren in den Heiz-, Belüftungs- und Klimaanlagen des betreffenden Krankenhauses im Laufe des ersten Halbjahres 2015 gesammelt hatten.

Abweichungen von der Norm
Als nächster Schritt wurden die Daten aus dem zweiten Halbjahr desselben Jahres in das System eingegeben. Im Vergleich der beiden Datensätze wurden dann ungewöhnliche Messwerte oder Abweichungen von der Norm automatisch erkannt und analysiert. Die dabei erzielte Erfolgsquote bei der Berechnung von künftigen Fehlern ist beachtlich: Von insgesamt 124 realen Problemen konnten 76 akkurat vorhergesagt werden.

To Top