KI-Projekte »Energie & Umwelt«

© Stockr / Fotolia

Lärm in der Stadt vorhersagen, zum Artenschutz beitragen und das Energiemanagement großer Gebäude verbessern, das ist mit künstlicher Intelligenz alles möglich. Selbstlernende Verfahren helfen, Energie einzusparen. Sie berücksichtigen Wetterprognosen, aktuelle Energiepreise und optimieren in Echtzeit Heizung, Kühlung und Lüftung in modernen Häusern und Anlagen. Intelligente Systeme helfen dabei, den Lärm von Städten zu analysieren, um robuste Vorhersagen über Lärmaufkommen zu treffen und einzelne Lärmquellen zu identifizieren. Im Artenschutz unterstützen Methoden des maschinellen Lernens Wildhüter zuverlässig beim Erfassen von Artbeständen. Die Algorithmen sind dabei so gut, dass sogar einzelne Individuen identifiziert werden können.

  • Intelligente Gebäudesteuerung

     

    Moderne Gebäude verfügen über komplexe Energiesysteme bestehend aus den verschiedensten Kompenenten wie Heizung, Kühlung und Lüftung. Diese werden oft unabhängig voneinander gesteuert, obwohl mit ganzheitlichen Ansätze wesentlich höhere Einsparungen erzielbar wären. Das Fraunhofer IIS/EAS arbeitet daher an intelligenten Systemen zur teil- bzw. vollautomatisierten Betriebsoptimierung sowie intelligenter Algorithmen zur Betriebsdatenanalyse – dem energetischen Alarming. Spezielle Monitoringverfahren ermöglichen hierbei eine schnelle Übersicht über den Gesamtzustand eines Gebäudes sowie auch den detaillierten Einblick in die Ursachen eines Fehlverhaltens. Ein weiterer Schwerpunkt liegt in der Entwicklung von vorausschauenden, selbstoptimierenden Regelverfahren, die gleichzeitig den Nutzerkomfort erhöhen und die Energieeffizienz verbessern.

    Fraunhofer-Institut für Integrierte Schaltungen IIS

     

     

    © MEV-Verlag / Fraunhofer IIS

    Vorausschauendes Energiemanagement

     

    Der Energieverbrauch ist ein wesentlicher Kostenfaktor beim Betrieb von Infrastrukturen. Einsparungen kommen zudem direkt der Umwelt zugute. Ein wichtiger Hebel, um den Verbrauch zu optimieren, sind Smart-Data-Technologien. Das demonstriert der SmartEnergyHub, eine Plattform, die Echtzeitdaten aus dem Energiemanagement mit aktuellen Wetterprognosen und Preisinformationen kombiniert, um Effizienzpotenziale zu heben. Implementiert und pilotiert wird die Lösung am Flughafen Stuttgart.

    Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO

    © Smart Energy Hub Projektwebseite
  • Modellierung, Simulation, Analyse und Optimierung für das Energiemanagement

     

    Der Energie- und Ressourcenverbrauch macht bei vielen Unternehmen – etwa aus den Bereichen Chemie, Metall oder Pharma – über 60 Prozent der Produktionskosten aus und verlangt eine effiziente Nutzung der Energiemedien. Die Energiewende macht zudem bei den Netzbetreibern einen effizienten Energietransport sowie vielfältige Verschaltungen der Netze notwendig. Zur Optimierung der Energienutzung wurde von der Internationalen Organisation für Normung (ISO) die Norm DIN EN ISO 50001 »Energiemanagementsysteme« (EnMS) erarbeitet. Fraunhofer SCAI bietet Softwarewerkzeuge zur Analyse von Sensordaten sowie zur Modellierung, Simulation und Optimierung von Energie- und Prozessnetzen, zudem mit unserem Partner werusys Webinterfaces, SCADA-Schnittstellen und Softwareassistenten zum Aufbau eines normgerechten EnMS.

    Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen SCAI

    © Fraunhofer SCAI & werusys GmbH

    Energie- und Energiedatenmanagement

     

    Die Zukunft besser einschätzen zu können, ist vor allem für Unternehmen der Energiewirtschaft und die energieintensive Industrie von höchster wirtschaftlicher Bedeutung. Mit genaueren Prognosen lassen sich verfügbare Ressourcen effizienter planen und wirtschaftlicher einsetzen. Somit nimmt die fundierte Datenanalyse und die darauf aufbauende Prognose eine immer wichtigere Rolle ein. Das Softwaresystem EMS-EDM PROPHET® des Fraunhofer IOSB-AST setzt sich aus einem leistungsstarken Zeitreihenmanagement, einem umfassenden Energiedatenmanagement mit Modulen für Netznutzungs- und Bilanzkreismanagement, einem Scheduler für die Automatisierung von Geschäftsprozessen und einem Optimierungs- und Prognosemodul für nachhaltiges Energiemanagement zusammen.
    Zur Benutzerunterstützung beinhaltet das Prognosemodul dabei automatische Datenanalyseverfahren zur Vorkonfiguration der Prognosemethoden und automatischer Modellstrukturierung beim Training. Die Methoden Bibliothek umfasst u.a. Prognosemethoden der künstlichen Intelligenz auf Basis hybrider Modellansätze in Kombination mit Künstlichen Neuronalen Netzen oder Fuzzy Methoden.

    Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB

    © Fraunhofer IOSB
  • Voraussage von Lärm in der Stadt

     

    Im Projekt „StadtLärm“ entsteht ein System zur Erfassung, Prädiktion und Darstellung von städtischem Lärm. Dabei wird eine robuste und kostengünstige Sensorplattform implementiert und für eine zeitlich hochauflösende und flächendeckende Lärmmessung genutzt. Diese Daten können durch eine 3D-Visualisierung dargestellt und zur Bearbeitung von Lärm-Raum-Modellen genutzt werden. Das System unterstützt somit die städtischen Organe bei der Beurteilung der aktuellen Schallsituation, insbesondere mit Hinblick auf Einzelschallereignisse bzw. Lärmquellen.

    Fraunhofer-Institut für Digitale Medientechnologie IDMT

    © Fraunhofer IDMT
  • Erkennung von morphologischen Merkmalen von Pflanzen mittels 3D-CT

     

    Automatisierte Computer-Tomographie-Anlagen sind in der Lage, große Mengen an dreidimensional aufgelösten Volumendatensätzen von Objekten zu erzeugen. Mittels 3D-Bildverarbeitung werden die Volumendaten derart vorverarbeitet, dass unter Verwendung von Verfahren der KI eine Zuordnung der morphologischen Merkmale zu bestimmten Klassen möglich wird. Der prinzipielle Ansatz kann für eine breite Palette an Fragestellungen auch außerhalb der Landwirtschaft angewendet werden.

    Fraunhofer-Institut für Integrierte Schaltungen IIS

     

     

    Monitoring der Biodiversität

     

    Menschenaffen sind vom Aussterben bedroht. Zum Artenschutz erforschen Wildhüter u. a. mit Videofallen und Audioaufnahmegeräten die Verhaltensweisen dieser Tiere. Bislang wird das dabei aufgenommene Audio- und Videomaterial manuell ausgewertet. Dies ist nicht nur ein sehr zeitaufwändig, sondern auch fehleranfällig. Deshalb wurde eine neue Identifizierungssoftware entwickelt, die automatisiert Video- und Audio-Aufnahmen nach Sequenzen mit Affen durchsucht. Ob Gorilla oder Schimpanse – die Algorithmen detektiert Gesichter von Menschenaffen und bestimmen die Spezies. Anhand typischer Gesichtsmerkmale, -strukturen oder -konturen werden anschließend einzelne Individuen einer Gruppe identifiziert.

    Fraunhofer-Institut für Digitale Medientechnologie IDMT

    © Fraunhofer IDMT