Zonensysteme mit künstlicher Intelligenz in Smart Buildings

Mit Zonensystemen lässt sich HLK Raum für Raum und sogar bis hin zur Anpassung an die Vorlieben eines einzelnen Bewohners/Mitarbeiters steuern. Dies kann die Steuerung von Temperatur, Luftfeuchtigkeit, Belüftung und mehr umfassen. Wie lässt sich dieses Maß an detaillierter Steuerung erreichen? Um kosteneffizient zu sein, muss automatisiert werden – wobei die HLK-Systeme auf die von Sensoren erfassten Daten reagieren müssen. Hier kommt KI ins Spiel, die auf der Grundlage der verfügbaren Informationen die richtigen Entscheidungen trifft.

Traditionell haben KI-Systeme die erforderliche Verarbeitung in einer Art Zentralrechner durchgeführt. In den letzten Jahren war damit häufig die Cloud gemeint: Von Sensoren in einem Gebäude oder in der Fabrikhalle erfasste Daten werden an ein Cloud-basiertes System gesendet, wo KI-Algorithmen Entscheidungen treffen, die dann zur Ausführung an die HLK-Systeme zurückgesendet werden.

Sich auf die Cloud zu verlassen, hat jedoch auch Nachteile: Es gibt eine Verzögerung/Latenz, um die Daten zu senden und auf eine Antwort zu warten. Außerdem ist die Datenübertragung mit Kosten verbunden und das System ist auf eine Kommunikationsverbindung angewiesen, die niemals ausfallen darf. Für ein intelligentes Gebäude kann es ärgerlich sein, wenn das Licht ein oder zwei Sekunden lang nicht angeht, nachdem jemand den Schalter betätigt hat. Auch der Ausfall der Heizung, nur weil ein Problem mit der Internetverbindung besteht, ist mehr als ungünstig.

Anstelle von Cloud-KI setzt sich ein anderer Ansatz – Edge Intelligence – durch, bei der die Verarbeitung und der KI-Algorithmus „am Netzwerkrand“, also in der Nähe der Sensoren und Aktoren ausgeführt werden, was die Einschränkungen der Cloud-Nutzung überwindet. Tatsächlich sind Zonensysteme für intelligente Gebäude aufgrund ihrer Nähe zu den erfassten Umgebungen eine sehr gute Umsetzung für Edge-Intelligenz.

Auf diese Frage sind sehr viele Antworten möglich. Führungskräfte in Telekommunikationsunternehmen sehen sie eher in ihren Rechenzentren, am Fuße von Mobilfunkmasten oder in lokalen Zentralniederlassungen. Verantwortliche in der Industrie werden Gateways in ihren Einrichtungen anführen. Der Anwender selbst sieht die Edge vielleicht sogar in Mobiltelefonen oder sogar Sensoren.

Silicon Labs stimmt zu, dass die Grenze des Netzwerks bei der Verarbeitung auf der Sensorebene liegt – die Edge befindet sich neben den erfassten Größen. Aber das ist nur eine Charakterisierung. Es gibt auch Argumente, dass es erhebliche Vorteile bietet, KI-Berechnungen noch weiter von der Cloud zu entfernen.

Wie erwähnt, bietet die Edge-Ausführung von KI zwei große Vorteile: schnellere dezentrale Entscheidungsfindung und weniger Datenverkehr. Um dies für ein intelligentes Gebäude umzusetzen, lassen sich Edge-intelligente funkbasierte Mikrocontroller (MCUs) als Prozessor verwenden. Dies sind funkbasierte SoC-Bausteine (System-on-Chip), die in der Lage sind, KI-Modelle mit optimiertem Stromverbrauch und einer akzeptablen Geschwindigkeit auszuführen.

Warum sollten KI-Anwendungen auf einem Funk-SoC laufen? Für industrielle und intelligente Gebäude suchen Hersteller nach minimalen Zusatzkosten, wenn sie ihre Produkte mit funkbasierter und intelligenter Technik aufrüsten. Der Prozessor in einem HLK-System ist bereits damit beschäftigt, HLK-Anwendungen unter strengen Sicherheitsauflagen auszuführen, also ist ein weiterer Baustein notwendig, um die KI zu handhaben. Daher bietet ein Funk-SoC, das durch einen KI-Beschleuniger unterstützt wird, alle Vorteile der Edge-KI und hält gleichzeitig die Kosten niedrig.

Edge-KI: Vorteile von Funk-MCUs

Um diese Vorteile besser zu verstehen, ist ein Vergleich der Verbesserungen, die Edge-KI anstelle einer gängigen MCU bietet, notwendig. Ein KI-Beschleuniger hilft Anwendungen, schnelle Entscheidungen auf der Grundlage eines bestimmten Datensatzes zu treffen. Der Beschleuniger ist auch in der Lage, dies mit höherer Zuverlässigkeit zu erledigen und dabei viel weniger Strom zu verbrauchen (Bild 1).

Entscheidend dabei ist das Vertrauen, d.h. eine KI-Anwendung muss eine Anomalie oder Störung in einer Umgebung erkennen und sie genau in eine vorgegebene Kategorie einordnen. Mit einem SoC mit KI-Beschleuniger können KI-Anwendungen zuverlässigere und effizientere Entscheidungen am Edge-Punkt treffen, ohne Informationen an die Cloud weitergeben zu müssen (Bild 2).

In Zonensystemen bedeutet dies, dass KI-gestützte Anwendungen, die auf Funk-MCUs ausgeführt werden, spontane Entscheidungen basierend auf Störungen der HLK-Bedingungen und Änderungen der Personenbelegung treffen können. Dies verkürzt die Reaktionszeit des Optimierungszyklus erheblich, sodass Bewohner bzw. Mitarbeiter keine Verzögerungen in Kauf nehmen müssen und die Energieverschwendung minimiert wird. Dies bedeutet auch, dass das System Optimierungen erster Ordnung durchführen kann, ohne Daten an die Cloud zu senden, was den Datenschutz und die Sicherheit erhöht. Diese Entscheidungsfindung vor Ort reduziert auch alle Risiken, falls das Backend des Gebäudes offline geht und die Netzwerkverbindung (aus welchem Grund auch immer) unterbrochen wird.

Da KI-gestützte Anwendungen zuverlässige Entscheidungen über die verarbeiteten Daten treffen können, lässt sich so die statische Datenübertragung in die Cloud reduzieren oder sogar ganz vermeiden. Um diesen Vorteil zu schätzen, muss der Entwickler wissen, dass Cloud-basierte HLK-Systeme ohne Edge-KI alle erfassten Daten, einschließlich Standby-Daten, zur zentralen Entscheidungsfindung an die Cloud weiterleiten. Die Sensoren übertragen auch dann an die Cloud, wenn nichts passiert.

Diese Übertragungsraten sind bei herkömmlichen HLK-Systemen mit einer geringen Zahl von Sensoren tolerierbar, sodass Cloud-KI ein akzeptabler Ansatz ist. Aber mit der Integration von Zonensystemen sind jetzt Hunderte von Sensoren online, und die Übertragung statischer Daten muss unterbleiben. Würden die Algorithmen nicht lokal ausgeführt, würde der Datenfluss, der dadurch entsteht, dass Millionen von Sensoren alle paar Millisekunden mit der Cloud in Kontakt treten, das Netzwerk schnell überlasten.

KI-Beschleuniger können dieses Problem des Datenverkehrs verringern. Sie stellen die Verarbeitungsleistung bereit, die für Anwendungen erforderlich ist, um alle von den Sensoren generierten statischen Daten herauszufiltern und zuverlässig zu beurteilen, ob eine Änderung aufgetreten ist, um dann nur ereignisgesteuerte Daten an die Cloud zu senden. Eine solche Filterung optimiert den Netzwerkverkehr und entlastet Cloud-Ressourcen. Von dieser Verbesserung profitieren vor allem Gebäudebetreiber, denn weniger Verarbeitung in der Cloud bedeutet weniger Gebühren für die Cloud-Betreiber, was die Betriebskosten erheblich senkt.

Fazit

In intelligenten Gebäuden werden Zonentechniken den Komfort für Bewohner bzw. Mitarbeiter erheblich verbessern und dazu beitragen, die Energiekosten so niedrig wie möglich zu halten. In etwa zehn Jahren wird diese Technik serienmäßig eingesetzt und Anwender werden sich an den Anblick einer intelligenten Lüftung genauso gewöhnen wie an eine intelligente Beleuchtung. Um dies alles zu ermöglichen und die Daten von Hunderten neuer Sensoren zu verarbeiten, bietet die Ausführung von KI-Algorithmen am Edge-Punkt eine leistungsstarke und kostengünstige Lösung. (na)