Jean-Simon Venne, Mitbegründer und CTO von BrainBox AI – Interviewreihe

BrainBox AI nutzt selbstanpassende künstliche Intelligenz-Technologie, um den Energieverbrauch eines der größten Klimawandel-Beiträger proaktiv zu optimieren: Gebäude. Der AI-Motor unterstützt ein selbstbetreibendes Gebäude, das keine menschliche Intervention erfordert.

Jean-Simon Venne ist der Mitbegründer und CTO von BrainBox AI.

Was hat Sie dazu inspiriert, BrainBox AI zu gründen?

Meine Reise in die HVAC-Technologie begann, während ich an Energieeffizienzprojekten in Nordamerika und Europa arbeitete. Während dieser Phase meines Lebens hatte ich mit der Technologie in einer Vielzahl von Gebäuden zu tun. Diese waren Gebäude unterschiedlicher Größe und Zweck, von Hotels bis hin zu Rechenzentren. Es wurde mir schnell klar, dass kontinuierliche Inbetriebnahmen konsistente Energieeinsparungen erzeugen würden, aber umfangreiche finanzielle und menschliche Ressourcen erfordern würden. Mit diesem Wissen suchte ich nach einer Möglichkeit, einen AI-basierten Inbetriebnahmensansatz zu entwickeln, der eine neue, langfristige HVAC-Lösung liefert, die den Einsatz von Gebäudetechnologie maximiert, um Einsparungen zu maximieren und das Unbehagen der Bewohner zu minimieren. Das Endprodukt dieser Reise war BrainBox AI, eine Lösung, die sowohl preisgünstig als auch wenig menschliche Ressourcen erfordert.

Wie kompliziert ist der Prozess der Nachrüstung eines bestehenden Gebäudes mit BrainBox AI?

BrainBox AI ist wahrscheinlich eine der einfachsten Lösungen, die in der HVAC-Optimierung oder Gebäudeautomatisierung installiert werden können. Tatsächlich bezeichnen wir unsere Installation nicht einmal als Nachrüstung. Der Installationsprozess dauert etwa 2-3 Stunden und die gesamte Projektdurchführung erfordert etwa 10 Stunden der Zeit des Gebäudeeigentümers. Nach dieser Installation findet ein 6-8-wöchiger AI-Lernprozess statt. Danach ist der AI-Motor bereit, das Gebäude auf der Grundlage des einzigartigen Energieprofils zu steuern, das er entwickelt hat.

Können Sie uns durch den Prozess führen, wie BrainBox AI maschinelles Lernen verwendet, um den Energieverbrauch zu reduzieren und die Komfort der Gebäudebewohner zu verbessern?

Unsere Lösung kombiniert Energiegleichungen, die für jedes einzigartige Energieprofil entwickelt werden, mit Deep Learning und Zeitreihendaten, um zu berechnen, wie jede Zone auf veränderte Bedingungen (z. B. Wetter) reagieren wird. Insbesondere können unsere Deep-Learning-Neuralnetzwerke in die Zukunft blicken und den Zustand einer Zone in einem Gebäude in 5 Minuten, 10 Minuten, 3 Stunden und 6 Stunden mit 99,6% Genauigkeit vorhersagen. Tatsächlich können unsere AI-Engine auch bei 300 Stunden noch mit erstaunlicher Präzision Vorhersagen treffen. Aus diesen Vorhersagen bestimmt unsere AI-Engine die beste Möglichkeit, den Energiefluss für jede Zone in Ihrem Gebäude zu steuern, um die größten Energieeinsparungen und den Komfort der Bewohner zu gewährleisten.

Welche Art von Energieeinsparungen sprechen wir hier über?

BrainBox AI kann die Gesamtkosten für Energie in einem Gebäude um bis zu 25% reduzieren, was einen erheblichen Einfluss nicht nur auf die Gewinne des Gebäudeeigentümers, sondern auch auf den CO2-Fußabdruck des Gebäudes hat.

Welche Beispiele für Datenpunkte werden gesammelt?

Wir nutzen bestehende Daten aus Gebäudesystemen (wie BMS, Zugangskontrollsysteme oder Sensoren) sowie Daten von Drittanbietern (wie Wetter und Belegung) zur Entscheidungsfindung. Ein wichtiger Unterschied bei BrainBox AI ist, dass wir nur die Daten verwenden, die bereits in Ihrem Gebäude verfügbar sind. Sie müssen keine zusätzlichen Geräte oder Sensoren installieren, um BrainBox AI zu verwenden.

BrainBox AI verwendet Deep Learning, um die Energieeffizienz zu optimieren. Wie lange muss die Datenerfassung und -analyse dauern, bevor Energieeffizienzgewinne sichtbar werden?

Der AI-Motor benötigt einen Mindestlernprozess von 6-8 Wochen, in denen er alle erforderlichen Daten sammelt.

Hat BrainBox AI oder seine Kunden von den Steuergutschriften der Provinz Quebec oder der Bundesregierung Kanadas profitiert? Wenn nicht, glauben Sie, dass dies in Zukunft möglich sein könnte?

Wir haben von Forschungs- und Entwicklungsgutschriften profitiert und hoffen, in Zukunft enger mit den Provinz- und Bundesregierungen zusammenzuarbeiten.

Im November 2019 gab BrainBox AI bekannt, dem MaRS Discovery District beizutreten, dem größten städtischen Innovationszentrum in Nordamerika. Wie hat diese Erfahrung BrainBox AI profitiert?

Der MaRS Discovery District ist ein großartiger Partner, der BrainBox AI bei der Kommerzialisierung und den Marketingbemühungen unterstützt. MaRS hat BrainBox AI in vielen Bereichen unterstützt, darunter Teilnahmen an internationalen Nachhaltigkeits- und CleanTech-Veranstaltungen, Nominierungen als Top-kanadisches CleanTech-Unternehmen, Lobbyarbeit auf verschiedenen Regierungsebenen, Medienveranstaltungen und vielem mehr. Im Allgemeinen war MaRS ein starker CleanTech-Start-up-Befürworter für uns.

Was sehen Sie als nächste Evolution in der AI bei der Optimierung von HVAC?

In naher Zukunft werden dank der AI mehrere neue Innovationen auf den HVAC-Markt kommen, wie z. B. die frühzeitige Fehlererkennung, die automatische Lastverschiebung und letztendlich neue Technologieplattformen, die Schwarmintelligenz für die Energiegrid-Optimierung verwenden.

Gibt es noch etwas, das Sie über BrainBox AI teilen möchten?

Wir sind sehr stolz darauf, mit fantastischen Forschungseinrichtungen zusammenzuarbeiten, um die Entwicklung unserer AI-Modelle zu unterstützen. BrainBox AI arbeitet in Zusammenarbeit mit dem US-amerikanischen Energieministeriums National Renewable Energy Laboratory (NREL), dem Institut für Datenverwertung (IVADO) sowie Bildungseinrichtungen wie der McGill-Universität in Montreal und der École de technologie supérieure (ETS) zusammen.

Dies ist ein sehr einzigartiger Ansatz im Kampf gegen den Klimawandel. Für alle, die mehr erfahren möchten, besuchen Sie bitte BrainBox AI.