INNOVATION SCOUT · ORGANISATION

aedifion: Gebäudedaten, Analyse und aktive Regelung verbinden

aedifion kombiniert Datenanbindung, Analyse, Engineering und aktive Controls-Funktionen. Der konkrete Umfang richtet sich nach Anlage und Betriebsaufgabe.

Daten und Betriebsarbeit zusammenführen

aedifion bietet Bausteine für den Zugang zu Gebäudedaten, ihre Analyse und die Optimierung technischer Anlagen. Das Optimization Bundle verbindet diese Funktionen mit Engineering-Leistungen.

Für die Anwendung ist der Übergang zwischen den Aufgaben wesentlich. Ein Analyseergebnis kann eine vom Betrieb umzusetzende Maßnahme vorbereiten; eine eingerichtete Controls-Anwendung führt eine definierte Regelaufgabe aus. Beide Wege benötigen einen passenden Anlagenbezug.

Quellen: 2, 18.

Themenbeitrag: aktive Optimierung in bestehender Automation

Die technische Dokumentation beschreibt laufende cloudseitige Controls Apps und ihre Verbindung zur lokalen Anlage. Bei diesem Weg sind Kommunikationsüberwachung und hinterlegte Rückfallwerte vorgesehen. Einzelne API-Stellwerte besitzen eine andere Freigabelogik.

Die Unterscheidung hilft bei der Einführung: Der tatsächlich gewählte Stellpfad, die Rückmeldung und die lokale Bedienung werden gemeinsam betrachtet. Die Bereitstellung einer Schnittstelle allein beschreibt noch nicht die vollständige Betriebsaufgabe.

Quellen: 2, 7, 18.

Einführung an einer begrenzten Aufgabe

Für einen eigenen Pilot kann das technische Betriebsteam beispielsweise eine Lüftungsanlage und die Temperaturanforderungen ihrer Zonen auswählen. Es ordnet Messfühler und Stellgrößen zu und klärt, welche Sollwerte die Controls-Anwendung im Versuch verändern darf.

Im anschließenden Test zählen plausible Reaktionen, ein verständlicher Umgang mit Änderungen und die Nutzbarkeit der Auswertung. Das Angebot sollte zeigen, welche laufenden Leistungen der Dienst übernimmt und wo die örtliche Betriebsorganisation beteiligt bleibt. So entsteht ein nachvollziehbarer Umfang für Einführung und Betreuung.

Quellen: 1, 2, 6, 9, 11.

Quellenverzeichnis

Quelle 1: Implementation Lessons and Future Pathways for Scalable Model Predictive Control in Large Commercial Buildings

Externe Quelle öffnen ↗ (öffnet in neuem Tab)

Geltungsbereich und Verwendung

Geltungsbereich: LBNL Building 59; MPC-Versuche 2020–2025

Verwendung im Profil:

Quelle 2: Controls Framework

Externe Quelle öffnen ↗ (öffnet in neuem Tab)

Geltungsbereich und Verwendung

Quelle 6: Fully data-driven and modular building thermal control with physically consistent modeling

Externe Quelle öffnen ↗ (öffnet in neuem Tab)

Geltungsbereich und Verwendung

Geltungsbereich: Modulare lernende Raumregelung; NEST/UMAR in Dübendorf

Verwendung im Profil:

Quelle 7: HTTP API: Controls

Externe Quelle öffnen ↗ (öffnet in neuem Tab)

Geltungsbereich und Verwendung

Geltungsbereich: Einzelne Schreibbefehle und Zugriffsfreigaben der aedifion-API

Verwendung im Profil:

Quelle 9: Lessons learned from field demonstrations of model predictive control and reinforcement learning for residential and commercial HVAC: A review

Externe Quelle öffnen ↗ (öffnet in neuem Tab)

Geltungsbereich und Verwendung

Geltungsbereich: Methodische Einordnung publizierter Feldversuche

Verwendung im Profil:

Quelle 11: Building X Comfort AI – Data Sheet

Externe Quelle öffnen ↗ (öffnet in neuem Tab)

Geltungsbereich und Verwendung

Geltungsbereich: Building X Comfort AI, Zonenregelung und Voraussetzungen

Verwendung im Profil:

Quelle 18: Optimization Bundle

Externe Quelle öffnen ↗ (öffnet in neuem Tab)

Geltungsbereich und Verwendung

Geltungsbereich: Datenanbindung, Analyse, aktive Optimierung und Engineering

Verwendung im Profil: