In der bisherigen Projektlaufzeit ist es gelungen, den vorher starren, Excel-basierten Energie-Forecast durch einen intelligenten, KI-gesteuerten Energie-Forecast abzulösen („FC-Tool“). Mithilfe verschiedener Feature-Selektion-Algorithmen wurden wertvolle Merkmale aus den vorhandenen Daten extrahiert, diese diskutiert und durch zusätzliche Informationsquellen, wie beispielsweise Domänen-Experten, erweitert (Feature Engineering). In enger Zusammenarbeit wurde eine Vielzahl von Modellen getestet und evaluiert. Durch die Entwicklung eines Tools zur Modellgenerierung wurde eine Lösung geschaffen, die es ermöglicht, sensible Daten intern zu integrieren und somit die Vorhersagegenauigkeit zu erhöhen. Darüber hinaus können auch nach Projektabschluss neue Modelle erstellt und automatisch in den Prozess integriert werden, wenn neue Daten hinzukommen oder sich die Rahmenbedingungen ändern.
In einem nächsten Schritt ermöglicht die präzise Vorhersage auf Basis historischer Daten die Erkennung von Anomalien, die Ableitung gezielter Maßnahmen und die Definition neuer Benchmarks („Anomalietool“). Hierfür haben wir Algorithmen entwickelt, die sowohl kurz- als auch langfristige Anomalien identifizieren und diese gemäß festgelegter Schwellenwerte in kritische und unkritische Anomalien einteilen. Die daraus resultierenden Ergebnisse können den zuständigen Personen unkompliziert zur Verfügung gestellt werden, um damit den Prozess der Problemlösung zu initiieren.
Die Umsetzung dieser Maßnahmen in Bezug auf den Wärmeverbrauch während einer Testphase resultierte in beachtlichen Einsparungen. So konnte der Wärmeverbrauch in der Testumgebung absolut um 25% eingespart werden, sogar um 28% unter Berücksichtigung des Wettereinflusses. Der Austausch mit der SMP erfolgt gemäß individueller Vereinbarung.
In Bezug auf die Zero(3) Dimensionen, wurden folgende Punkte identifiziert & bearbeitet:
- Zero Human Potential Loss – KI spielt wertvolle Ressourcen frei & bündelt das Forecast Knowhow
- Zero Resource Loss – aus der Datenanalyse abgeleitete Maßnahmen erhöhen die Energieeffizienz
- Zero Data Gap – Sichtung der Datenlandschaft & verfügbare Daten nutzbar machen