Publication
SECAI – Sustainable Heating through Edge-Cloud-based AI Systems
Henrik Kortum-Landwehr; Simon Hagen; Marian Eleks; Jonas Rebstadt; Florian Remark; Maximilian Lowin; Cristina Mihale Wilson; Birgid Eberhardt; Andree Roß; Dominik Maihöfner; Oliver Hinz; Oliver Thomas
In: HMD - Praxis der Wirtschaftsinformatik (HMD), Vol. 60, Pages 850-871, Springer, 6/2023.
Abstract
Etwa 18 % der CO2-Emissionen in Deutschland entstehen durch die Beheizung, Kühlung und Warmwasserbereitstellung von Gebäuden, wobei mehr als 75 % der deutschen Haushalte fossile Brennstoffe wie Erdgas und Erdöl nutzen. Der in dieser Arbeit vorgestellte SECAI (Sustainable heating through Edge-Cloud-based Artificial Intelligence Systems)-Ansatz verfolgt das Ziel, die Heizungssteuerung in Mehrfamilienhäusern und damit den CO2-Verbrauch durch den Einsatz von Informationstechnologien zu reduzieren.
Der SECAI-Ansatz betrachtet dabei das gesamte Ökosystem bestehend aus Sensoren, Einzelraumregelungen, Zentralheizung, Mietenden und Vermietenden. Dabei wird der Heizbedarf von Privatwohnungen KI-basiert analysiert, um darauf aufbauend optimierte und abgestimmte Heizpläne für Gebäudekomplexe und Wohnungen zu erstellen, die in der Lage sind, durch Edge-Cloud-Technologien, Sensorik und Federated Learning ad hoc und datenschutzkonform auf Änderungen im Nutzungsverhalten zu reagieren. Diese Informationen werden zudem für die KI-basierte Steuerung der zentralen Heizanlagen im Gebäude verwendet, in denen Wärme und Warmwasser für alle Wohnungen erzeugt wird. Hierfür betrachtet SECAI vier Ebenen. Diese reichen von Sensoren und Aktoren (Nano), über die Wohnung (Mikro) und das Gebäude (Meso) bis zu Gebäudekomplexen und gleicharten Gebäuden (Makro) und stehen bei der Beheizung in starker Abhängigkeit zueinander. Rund um die SECAI-Lösung entsteht dabei ein komplexes Ökosystem in dem Mietende, die Wohnungswirtschaft, Heizungshersteller und Anbieter von IoT-Lösungen mit Produkten und Diensten in Interaktion treten.