Autology - the automated ontology generator

Ausgangssituation/Motivation

Die größte Herausforderung für künftige Energiesysteme besteht darin, die verfügbare Energie aus fluktuierenden erneuerbaren Ressourcen mit der Nachfrage zeitlich und örtlich zu koordinieren. Nachfrageseitig spielt vor allem der Gebäudesektor eine große Rolle: 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 verantwortlich.

Smarte Energy Services wie prädiktive Regelungen oder Fault Detection and Diagnosis FDD könnten den Energieverbrauch von Heiz- und Kühlsystemen erheblich verringern (bis zu 30%) und gleichzeitig die Qualität des Innenraumklimas verbessern

Inhalte und Zielsetzungen

Trotz erheblicher Entwicklungsfortschritte in den letzten Jahren (u.A. im Bereich von KI - Künstlicher Intelligenz) bleibt die Anwendung dieser innovativen Energy Services noch immer weit hinter dem Potential zurück. Ein Grund besteht im enormen manuellen Vorbereitungsaufwand: für die Skalierung von Energy Services ist die semantische Beschreibung (Ontologie) von Datenpunkten von zentraler Bedeutung: sie beinhaltet die Funktionalitäten von Entitäten (Geräte, Aktuatoren, Messpunkte, etc.) und deren Beziehung zueinander und zum übergeordneten System (z.B. Gebäude).

Zusätzlich bilden Ontologien die Basis für die Erfassung, Analyse/Verarbeitung, Verwertung, Dokumentation und Archivierung von Gebäude- und Bauteildaten in allen Phasen des Lebenszyklus. Genau an dieser Stelle setzt das Projekt Autology durch die Anwendung Künstlicher Intelligenz an.

Methodische Vorgehensweise

Übergeordnetes Projektziel ist die automatisierte Gewinnung und Erzeugung von Metadaten zur Erstellung von Ontologien aus dem Gebäudeautomationssystem unter Anwendung innovativer, KI-basierter Ansätze. Ontologie-Bootstrapping-Methoden wurden im Gebiet der Gebäudeautomatisierung bis jetzt kaum untersucht, die Anwendung würde aber entscheidende Vorteile für die Betriebsautomatisierung sowie die Skalierung innovativer Energy Services für Neubau- und Bestandsgebäude bringen und geht damit weit über den Stand der Technik hinaus.

Erwartete Ergebnisse

Als Projektergebnisse sollen KI-basierte Softwarelösungen geschaffen werden, die 

1. hochgradig-, bzw. vollautomatisiert aus einem bestehenden BACnet Metadaten extrahieren, diese in eine neue oder bestehenden Ontologie einpflegen, und mit eventuell bereits existierenden Metadaten verknüpfen,
2. die mit sehr hoher Genauigkeit und Trefferquote die Klassifizierung von Messwert-Zeitreihen entlang mehrerer Dimensionen (Sensor Typ, Messgrösse, Maßeinheit, etc.) vornehmen und
3. die mit sehr hoher Treffsicherheit und Genauigkeit die physischen Strukturen und Hierarchien hinter Sensoren anhand von Messwert-Zeitreihen erkennen.

Projektleitung

DiLT Analytics GmbH

Projekt- bzw. Kooperationspartner:innen

Technische Universität Graz, Institut für Softwaretechnologie

DiLT Analytics - Theresa Kohl
Rosenberggürtel 22
A-8010 Graz
Tel: 0664 4540526
E-Mail: office@dilt.at
E-Mail: theresa.kohl@dilt.at
Website: www.dilt.at