Krachtenbundeling tussen AIMZ en Researchable voor verbeteren schaalbaarheid
Gebouwen zijn verantwoordelijk voor een aanzienlijk deel van het energieverbruik in Nederland. Met behulp van machine learning kan data over energieverbruik en functioneren van gebouwen worden geanalyseerd, waardoor waardevolle inzichten worden verkregen. Deze inzichten gebruikt AIMZ om gebouwen energiezuiniger, efficiënter en comfortabeler te maken.
Researchable en AIMZ ontwikkelen innovatieve oplossing
AIMZ speelt een essentiële rol in het verbeteren van energie-efficiëntie, als aanvulling op bestaande gebouwsystemen. Dit doet ze via het AIMZ-platform. Het opzetten van een nieuw gebouw vereist altijd nog handmatige inspanning voor de installatie en het koppelen van sensordata aan vaak verouderde plattegronden, wat AIMZ’ schaalvergroting bemoeilijkt.
Researchable gaat AIMZ versterken door de data-integratie te vereenvoudigen en de systeemimplementatie te versnellen. Samen ontwikkelen we een algoritme dat sensordata analyseert om snel inzicht te krijgen in sensoren en verbindingen. Dit zorgt voor een snellere uitrol van AIMZ in gebouwen.
De voordelen van machine learning voor gebouwen
De machine learning-implementatie van Researchable integreert data uit verschillende bronnen, traint gebouwspecifieke modellen, genereert inzichten en geeft advies over optimalisatie. De voordelen zijn talrijk: nauwkeurige voorspellingen, gebaseerd op real-time data, en aangepast aan specifieke gebouwen. Dit helpt gebouweigenaren en -beheerders om betere beslissingen te nemen en draagt bij aan een duurzame gebouwde omgeving.
Het gezamenlijke project is een belangrijke stap in de verduurzaming van gebouwen, en kan daarmee een significante bijdrage leveren aan de energietransitie. Op onderstaande afbeelding is goed zichtbaar hoe AIMZ energiebesparing mogelijk maakt. Hier zien we de relatie tussen buitentemperatuur en verbruikte energie in kilowattuur (kWh). We zien hier dat in het algemeen geldt: hoe kouder of warmer het buiten is, hoe hoger het energieverbruik. Verder kunnen we ook kijken naar het verbruik zonder het AIMZ-platform (blauwe punten), en het verbruik met het gebruik van het AIMZ-platform (oranje punten).
Uit deze afbeelding is goed zichtbaar dat het toepassen van AIMZ leidt tot een energiebesparing. De oranje punten zijn doorgaans lager dan de blauwe, wat duidt op minder verbruikte energie bij vergelijkbare buitentemperaturen. Dit onderstreept het potentieel van de AIMZ-technologie om bij te dragen aan duurzame gebouwbeheersystemen.
Unieke samenwerking
In dit project heeft AIMZ een samenwerking geïnitieerd waarbij ook concurrenten van Researchable zoals New Nexus en Get There samenwerken. De kracht van deze samenwerking ligt juist in de verschillen tussen deze concurrenten, waarbij hun unieke expertise en benaderingen samenkomen om de energie-efficiëntie van gebouwen te verbeteren.
Elk bedrijf draagt bij met zijn eigen expertise: Envitron in de communicatie met gebouwen, Get There in AI voor energiebesparing, New Nexus in platform- en app-ontwikkeling, TNO in advisering over AI, en Researchable in het versnellen van systeemimplementatie. Ondanks dat sommige van deze bedrijven normaal gesproken concurrenten zijn, maakt hun samenwerking in dit project het mogelijk om energie-efficiëntie te realiseren en bij te dragen aan een duurzame toekomst.
