SECAI

Sustainable heating through Edge-Cloud-based AI systems (Nachhaltige Heizungssteuerung durch Edge-Cloud basierte KI-Systeme)

SECAI entwickelt auf der Basis eines Edge-/Cloud-Systems nachhaltige Smart-Living-Lösungen für das effizientere Heizen von Privatwohnungen. Diese Lösungen lassen sich durch kostengünstiges Nachrüsten (Retro-Fitting) in Bestandsgebäude integrieren und bieten eine schnell umsetzbare und zum Erreichen der von EU und Bundesregierung gesetzten Klimaziele notwendige Ergänzung zu physikalischen Sanierungsmaßnahmen. Das Projekt adressiert dabei drei zentrale Aspekte intelligenten Heizens: die intelligente, KI-gestützte Anpassung der Heizungssteuerung in der Wohnung, die kosten-, klima- und nutzerorientierte Optimierung der Anlagensteuerung und die Bereitschaft von Mietenden zum Energiesparen. Dafür setzt SECAI auf die Integration von Edge-KI in das Datenökosystem Smart Living sowie in bestehende Konzepte sicherer und offener Datenkommunikation wie ForeSight und Gaia-X. Ein weiterer Schwerpunkt liegt auf der Ermittlung von Akzeptanzfaktoren zur Nutzung der entwickelten Anwendungen.

Marktperspektive und Produktversprechen
In Deutschland fallen etwa 18 Prozent aller CO₂-Emissionen für die Beheizung und Kühlung von Gebäuden sowie die Warmwasserbereitstellung an. Mehr als 75 Prozent der Wohnungen in Deutschland heizen mit fossilen Brennstoffen wie Erdgas und Erdöl. Allein durch klassische Sanierungsmaßnahmen, wie dem Dämmen von Gebäuden, ist die Gebäudeenergiewende nicht zu erreichen. SECAI entwickelt eine intelligente Gebäudesteuerung, die es ermöglicht, die Klimaziele im Gebäudesektor in einem angemessenen Zeitraum umzusetzen. Durch das einfache/kostengünstige Nachrüsten von Bestandsgebäuden (Ausstattung mit Edge-Sensorik und Cloud-Edge Infrastruktur) und die Bereitstellung von KI-Services können Heizaktivitäten und -bedarfe analysiert und optimiert werden, was zu einer signifikanten und nachhaltigen Reduktion der CO₂-Emissionen und Heizkosten führt.

Die Projektergebnisse haben das Potenzial, die bestehenden Lösungen von Unternehmen in den Bereichen Smart Living, Heiz- und Kühltechnologie sowie Energie zu verändern. Der Einsatz von Edge-Geräten ermöglicht die Umsetzung eines Service-Systems nach dem Privacy-by-Design Grundsatz. Die Potenziale von KI können so genau dort genutzt werden, wo die sensiblen Daten entstehen und auch bleiben sollen: datenschutzkonform in den Wohnungen und Gebäuden. Die Kommunikation mit der Cloud folgt den Grundsätzen der Interoperabilität und Datensicherheit durch Einbindung europäischer und deutscher Initiativen wie ForeSight und Gaia-X. Dieser Ansatz bietet viele Chancen, KI unter Erhalt von hoher Nutzerakzeptanz in innovativen Geschäftsmodellen einzusetzen. Die entwickelten Lösungen sind skalierbar und können daher auf eine Vielzahl von Gebäuden und insbesondere auch im Gebäudemanagement ganzer Wohneinheiten angewendet werden.

Herausforderung und Innovation
Zu den wesentlichen Herausforderungen des Projekts zählt, die Vorteile von Edge- und Cloud-Technologien zu kombinieren und dabei die Datensouveränität der Bewohner zu wahren. Hierfür wird das Konzept des föderierten Lernens (Federated Learning) verwendet. Dabei handelt es sich um einen Ansatz für maschinelles Lernen, bei dem ein Modell auf mehreren dezentralen Geräten oder Servern trainiert wird, die ihre Daten behalten.

Aufgabe der KI-Modelle ist, die Effizienz der Heizung zu steigern, um den Energieverbrauch und die laufenden Kosten zu reduzieren. Dafür wird die Wohnsituation umfassend betrachtet – von der Sensorik in einzelnen Räumen (Nano-Ebene) über die Wohnung (Mikro-Ebene) hin zu ganzen Gebäuden (Meso-Ebene) und Wohnkomplexen oder Gebäudebeständen (Makro-Ebene). Das System erkennt dabei zum einen den tatsächlichen Heizbedarf, beispielsweise anhand von Mustern, zum einen wie Räume zeitlich genutzt werden, zum anderen werden Verbundeffekte zwischen den Ebenen erkannt und zur Effizienzsteigerung der Heizung genutzt.

Individuelle Ziele auf Wohnungsebene können auf diese Weise ebenso berücksichtigt werden, wie die Gesamtreduktion von Energieverbräuchen im Verbund. Darüber hinaus bietet SECAI die Möglichkeit, externe Daten wie Wetterdaten und -vorhersagen in die KI-Modelle einzubeziehen, um so möglichst genaue Prognosen zu erhalten. SECAI arbeitet dafür im Rahmen der deutschösterreichischen Kooperation im Förderaufruf „Edge Datenwirtschaft“ zwischen BMK und BMWK mit UBIMET zusammen, einem unabhängigen internationalen Wetterdienst, der hochpräzise, maßgeschneiderte und systemintegrierte Wetterdaten liefert.

Use Cases
Das System wird im Projektverlauf zwanzig Mietenden auf freiwilliger Basis zur Verfügung gestellt, sodass diese es in der Wohnung nutzen können. Damit wird sowohl die Funktionsweise des Edge-Cloud-Systems als auch dessen Mehrwerte sowie die darauf aufsetzenden KI-Services getestet. Zur Evaluierung der Effizienz und Einspareffekte des Konzepts werden Daten über drei Heizperioden hinweg beobachtet: Aggregierte Daten der letzten Heizperiode werden herangezogen, um das System zu entwickeln. Nach Einbau der Cloud-Edge-Infrastruktur werden die Daten der kommenden Heizperiode für den Einsatz in Realbedingungen herangezogen und in der dritten Heizperiode werden das vollständigen Systems und die KI-Services validiert. Dabei werden die Akzeptanz und die Wirksamkeit der erarbeiteten Lösungen evaluiert und gegebenenfalls optimiert. Zur Veranschaulichung der Funktionsweise und Mehrwerte des Systems wird zudem ein Demonstrator entwickelt.

Konsortium
Strategion GmbH (Konsortialführer), Connectivity Solutions GmbH, Deutsches Forschungszentrum für Künstliche Intelligenz GmbH, Goethe Universität Frankfurt, GSW Gesellschaft für Siedlungs- und Wohnungsbau Baden-Württemberg mbH, Forschungsvereinigung Elektrotechnik beim ZVEI e.V.

Vorteil