••• Von Paul Christian Jezek
MAILAND. Die italienische Softwarefirma CGnal hat ein Konzept für Gebäude entwickelt, die kritische Systemfehler in der Infrastruktur selbstständig vorhersehen und somit mithelfen sollen, größere Schäden und Reparaturkosten zu verhindern.
Abweichungen melden
„Ziel der vorausschauenden Wartung ist es, das Auftreten möglicher Fehler rechtzeitig vorherzusagen, um proaktiv agieren und die nötigen Maßnahmen ergreifen zu können, die ein weiteres Funktionieren der Anlagen sicherstellen”, heißt es auf der Webseite http://cgnal.com.
In der Praxis ließe sich dieser Ansatz einfach umsetzen, indem kritische Infrastrukturen wie etwa die Heizungs-, Belüftungs- oder Klimaanlagen mit intelligenten Sensoren versehen werden. Dadurch erhält man z.B. kontinuierlich Daten zur Temperatur, Luftfeuchtigkeit oder dem Stromverbrauch; gibt es Abweichungen vom Normalwert, könnte ein Fehler vorliegen oder unmittelbar bevorstehen.
„Wir haben unsere Tests gerade deshalb in einem Krankenhaus durchgeführt, weil dort die Systeme zur Heizung, Belüftung und Klimaregulierung besonders wichtig sind”, sagt Carlo Annis von eFM, einem Unternehmen, das sich auf die Verwaltung größerer Gebäude spezialisiert und beim jüngsten Testlauf als Projektpartner fungiert hat. „Mithilfe von Sensoren und Algorithmen, die gewissermaßen in die Zukunft schauen können, wäre es möglich, kritische Fehler schon zu erkennen, bevor sie zu einem echten Problem werden. Das würde uns eine Menge unnötige Arbeit ersparen.”
Algorithmus lernt dazu
Für ihren Praxistest haben die Ingenieure von CGnal einen speziellen Algorithmus entwickelt, der, dem Prinzip des maschinellen Lernens folgend, selbstständig in der Lage ist, bestimmte konkrete Zusammenhänge und Muster in den gesammelten Datenmengen zu erkennen und auszuwerten.
Den Algorithmus haben die Experten anschließend mit Daten gefüttert, welche die Sensoren in den Heiz-, Belüftungs- und Klimaanlagen des betreffenden Krankenhauses im Laufe des ersten Halbjahrs 2015 gesammelt hatten.
Als nächster Schritt wurden die Daten aus dem zweiten Halbjahr desselben Jahres in das System eingegeben. Im Vergleich der beiden Datensätze wurden dann ungewöhnliche Messwerte oder Abweichungen von der Norm automatisch erkannt und analysiert; die dabei erzielte Erfolgsquote bei der Berechnung von künftigen Fehlern ist beachtlich: Von insgesamt 124 realen Problemen konnten 76 akkurat vorhergesagt werden. „Die Falsch-Positiv-Rate lag bei lediglich knapp fünf Prozent”, schildert eFM-Experte Annis.
