Varme, vand og el. Der spildes enorme mængder energi i bygninger. Men ved hjælp af AI kan den danske virksomhed Ento kortlægge hvor – og gøre noget ved det.

‍

Børnehaver, der varmes op i weekenderne, brud på rør, der står og lækker, gamle vandvarmere, der holder vandet på kogetemperaturer osv.  Der finder voldsomt meget energispild sted i bygninger, og det koster på klimakontoen.

- "Driften af bygninger står for 28 procent af den samlede CO2-udledning. Og ifølge Det Internationale Energiagentur er energieffektiviteten i bygninger den største enkeltfaktor for, om vi når vores klimamål. I det hele taget er der ikke noget, der er vigtigere end energieffektivitet, når det gælder klimaet," siger Malte Frederiksen, Chief Commercial Officer hos Ento, en dansk virksomhed, hvis mission er at reducere det globale energiforbrug - ved at bruge kunstig intelligens til at analysere energidata fra bygninger og udpege spildområder. Det er naturligvis ikke kun til gavn for klimaet.

- Vi har eksempler på et toilet, der har stået og løbet i fuld galop i et år, hvilket kostede ekstra 140.000 kr. i årlig drift. Ligesom der er eksempler på energispild i en enkelt bygning, der koster 20.000 kr. i timen. Og vi har lige haft en boligforening i Aarhus, der har sparet 600.000 kroner om året i strafafgifter på grund af varmespild, fordi de blev opmærksomme på spildet og fik det stoppet, siger Malte Frederiksen og fortæller, at hvis man som bygningsejer aldrig har arbejdet med at reducere energispild, kan man ofte reducere energiforbruget med 20-30 procent ​på tværs af en bygningsportefølje, ​når man går i gang.

‍

Mange af vores kunder har ekstremt mange bygninger og har derfor ikke overblik over, om de drives korrekt. 

‍

Manglende overblik

Ento blev grundlagt i 2019 og har ifølge Frederiksen fordoblet sin kundebase hvert år siden. I dag overvåger virksomheden energiforbruget i 30.000 bygninger i hele Europa og har kunder som detailkæden Salling Group og 30 danske kommuner. Ento har i dag 15 ansatte og betjener også kunder i Storbritannien - f.eks. supermarkedskæden Planet Organic - og offentlige bygninger i Milano i Italien.

- "Mange af vores kunder administrerer et stort antal bygninger og mangler derfor et overblik over, om de bliver drevet ordentligt. Tag f.eks. en kommunal børnehave: Hvem tjekker, om ventilationsanlægget kører om natten? Eller måske er det et toilet i en kælder i en offentlig bygning, der har været utæt i årevis, eller et sprængt rør - ting, som ingen lægger mærke til, medmindre man analyserer dataene. Vores mission er at hjælpe bygningsejere med at eliminere spild af elektricitet, vand og varme."

‍

‍

Varme året rundt

- Når det kommer til el-forbrug er den helt store synder ventilationsanlæg. De er gerne styret efter en sensor, der sørger for, at der bliver luftet ud alt efter CO2-niveau, og hvis den sensor går i stykker og giver forkert værdi, kan ventilationsanlægget køre 24 timer i døgnet, uden at nogen opdager det. Det kan også være en el-vandvarmer, der konstant holder vandet på kogetemperatur.

- Vi har også set en rampe i en parkeringskælder, hvor der lå varmekabler i gulvet, der skulle styres efter udendørstemperaturen, så der blev tændt for gulvvarmen i frostgrader, så der ikke dannede sig et islag. Og dér fandt systemet ud af, at varmereguleringen var ​sat i konstant drift​, så varmen havde været tændt hele året. ​Det tog tre minutter at løse, men havde kostet mange hundrede tusinde kroner, fortæller Malte Frederiksen.​

Derudover er det også svært at indstille varmesystemer i bygninger korrekt.

- Varmen i en bygning er påvirket af så mange ydre faktorer – f.eks. solindstråling. Så du risikerer at overopvarme, når solen står ind, fordi varmesystemet ikke kan tage højde for det.

‍

Vi kan træne machine learning-modeller til at få en unik forståelse for den enkelte bygnings behov.

‍

Varmeplan og forslag til løsninger

Og her er det så AI kommer ind i billedet.

- "Ento tilbyder to produkter: Det ene læser forbrugsdata for at opdage uregelmæssigheder og identificere mulige årsager - f.eks. forkert indstillet ventilation. Det bygger på mønstergenkendelse i dataene. Hvis vandforbruget f.eks. opfører sig på en bestemt måde, ved vi i 99 ud af 100 tilfælde, at det er et løbende toilet, mens et sprængt rør viser et andet mønster. Det giver os mulighed for at give konkrete anbefalinger.

- Med det andet produkt lader vi algoritmerne overtage ​styringen af ​anlæggene​. D​en ved​ præcist​, hvornår der skal tændes, slukkes eller skrues ned for varmen, fordi vi kan træne machine learning-modeller til at få en unik forståelse for den enkelte bygnings behov, siger han og nævner en folkeskole som eksempel: Her vil man måske gerne have, at der er 22 grader fra kl. 8 til 16 mandag til fredag, mens man resten af tiden er ligeglad, så længe temperaturen ikke kommer under 15 grader, da det øger risikoen for skimmelsvamp. 

- Algoritmen kan lave en varmeplan, der tager højde for vejrudsigten og ting som udendørstemperatur, solindstråling, vindretning, nedbør osv. Ligesom den også har adgang kalenderinformation, og derfor også tager højde for offentlige helligdage, så der ikke varmes op, når der ikke er nogen i bygningen.

Det hele gøres ud fra Entos software, som kobles på de systemer, der allerede findes i bygningerne, og derudover benytter sig af allerede offentlig tilgængelige data. Det vil sige, at algoritmen får informationer fra bl.a. datavejrkilder, BBR og Google Maps. 

‍

Algoritmen kan lave en varmeplan, der tager højde for vejrudsigten og faktorer som udendørstemperatur, solindstråling, vindretning, nedbør osv.

‍

Alt for meget data

Selvfølgelig bruger det energi at køre et AI-system - men ifølge Frederiksen meget mindre end det, det sparer. Han insisterer også på, at AI'en ikke gør noget, som mennesker kunne gøre i stedet.

- "Mennesker kan simpelthen ikke gøre, hvad vores system gør. I en stor bygningsportefølje har man måske brug for 1.000 sensorer, som hver især sender datapunkter hver time. Så skal man indtaste det hele i et regneark og analysere det - og intet menneske kan følge med. Det er simpelthen for mange data."

‍

Dette interview blev oprindeligt udgivet på dansk af DM Digi.

‍