Jean-Simon Venne, mede-oprichter en CTO van BrainBox AI – Interviewreeks

BrainBox AI maakt gebruik van zelfaanpassende kunstmatige intelligentie om het energieverbruik van een van de grootste bijdragers aan klimaatverandering proactief te optimaliseren: gebouwen. De AI-motor ondersteunt een zelfbedienend gebouw dat geen menselijke tussenkomst nodig heeft.

Jean-Simon Venne is de mede-oprichter en CTO van BrainBox AI.

Wat inspireerde u om BrainBox AI te lanceren?

Mijn reis in HVAC-technologie begon toen ik werkte aan projecten voor energie-efficiëntie in Noord-Amerika en Europa. Tijdens deze fase van mijn leven had ik te maken met de technologie in een grote verscheidenheid aan gebouwen. Dit waren gebouwen van verschillende grootte en doel, van hotels tot datacentra. Het werd al snel duidelijk voor me dat continue commissioning-benaderingen consistent energibesparingen zouden genereren, maar uitgebreide financiële en menselijke middelen zouden vereisen. Met dit in gedachten zette ik me in om een manier te vinden om een AI-gebaseerde commissioning-benadering te ontwikkelen om een nieuwe, langdurigere HVAC-oplossing te bieden die efficiënt gebruik zou maken van gebouwtechnologie om besparingen te maximaliseren en ongemak voor de bewoners te minimaliseren. Het eindproduct van deze reis was BrainBox AI, een oplossing die zowel goedkoop als weinig menselijke middelen vereist.

Hoe ingewikkeld is het proces van het retrofitten van een bestaand gebouw met BrainBox AI?

BrainBox AI is waarschijnlijk een van de eenvoudigste oplossingen om te installeren in de HVAC-optimalisatie- of gebouwautomatiseringsruimte. Feitelijk verwijzen we meestal niet eens naar onze installatie als retrofitten. Het installatieproces duurt ongeveer 2-3 uur en het hele project vereist ongeveer 10 uur van de tijd van het personeel van de gebouweigenaar. Na deze installatie vindt een AI-leerperiode van 6-8 weken plaats. Vervolgens is de AI-motor klaar om het gebouw te controleren op basis van het unieke energiprofiel van het gebouw dat het heeft ontwikkeld.

Kunt u ons door het proces heen loodsen van hoe BrainBox AI machine learning gebruikt om energieverbruik te verminderen en het comfort van de gebouwgebruikers te verbeteren?

Onze oplossing combineert energie-equaties die zijn ontwikkeld voor elk uniek gebouwenergieprofiel met diepe leer- en tijdsreeksgegevens om te berekenen hoe elke zone zal reageren op veranderende omstandigheden (bijvoorbeeld het weer) in de loop van de tijd. Meer specifiek kunnen onze diepe leer-neuronale netwerken in de toekomst kijken en de toestand van een zone in een gebouw voorspellen in 5 minuten, 10 minuten, 3 uur en 6 uur met 99,6% nauwkeurigheid. In feite, zelfs na 300 uur, maakt onze AI-motor nog steeds voorspellingen met verbluffende precisie. Op basis van deze voorspellingen bepaalt onze AI-motor de beste manier om de energiestroom voor elke zone in uw gebouw te beheren door de grootste energibesparingen en het comfort van de bewoners te garanderen.

Wat voor soort energibesparingen hebben we het over?

BrainBox AI kan de totale energiekosten van een gebouw verminderen met maximaal 25%, wat een aanzienlijke impact heeft, niet alleen op de onderste regel van de gebouweigenaar, maar ook op de koolstofvoetafdruk van hun gebouw.

Wat zijn enkele voorbeelden van de gegevenspunten die worden verzameld?

We gebruiken bestaande gegevens van gebouwsystemen (zoals het BMS, toegangssystemen of sensoren) en externe bronnen (zoals weers- en bezettingsgegevens) om beslissingen te nemen. Een belangrijke differentiator van BrainBox AI is dat we alleen gebruikmaken van de gegevens die momenteel beschikbaar zijn in uw gebouw. U hoeft geen extra apparatuur of sensoren te implementeren om BrainBox AI te laten werken.

BrainBox AI gebruikt diepe leer-technologie om energiedoeltreffendheid te optimaliseren. Hoe lang moet de gegevensverzameling en -analyse duren voordat energiedoeltreffendheidsverbeteringen zichtbaar worden?

De AI vereist een minimale leerperiode van 6-8 weken, gedurende welke tijd het alle benodigde gegevens zal verzamelen.

Heeft BrainBox AI of zijn klanten kunnen profiteren van belastingvoordelen, zoals belastingvoordelen van de provincie Quebec of de federale regering van Canada? Zo niet, denkt u dat dit in de toekomst een mogelijkheid kan zijn?

We hebben profijt gehad van R&D-belastingvoordelen en hopen in de toekomst meer samen te werken met de provinciale en federale regeringen.

In november 2019 kondigde BrainBox AI aan dat het zich had aangesloten bij het MaRS Discovery District, het grootste stedelijke innovatiecentrum in Noord-Amerika. Hoe heeft deze ervaring BrainBox AI gebaat?

MaRS Discovery District is een geweldige partner die BrainBox AI ondersteunt in zijn commercialisatie- en promotie-inspanningen. MaRS heeft BrainBox AI op verschillende manieren ondersteund, waaronder deelname aan internationale duurzaamheids- en CleanTech-evenementen, nominatie als top-Canadese CleanTech-bedrijf, lobbyen op verschillende regeringsniveaus, mediagebeurtenissen en veel meer. Over het algemeen is MaRS een sterke voorvechter van CleanTech-startups voor ons geweest.

Wat ziet u als de volgende evolutie in AI bij het optimaliseren van HVAC?

In de nabije toekomst zullen er verschillende nieuwe innovaties worden geïntroduceerd in de HVAC-markt dankzij AI, zoals vroegtijdige foutdetectie, automatische belastingverplaatsing en uiteindelijk nieuwe technologieplatforms die swarm-intelligentie gebruiken voor energienetwerkoptimalisatie.

Is er nog iets anders dat u over BrainBox AI wilt delen?

We zijn erg trots om samen te werken met geweldige onderzoeksinstellingen om de ontwikkeling van onze AI-modellen te ondersteunen. BrainBox AI werkt samen met het Nationale Laboratorium voor Hernieuwbare Energie (NREL) van het Amerikaanse ministerie van Energie, het Instituut voor Data-valorisatie (IVADO) en onderwijsinstellingen, waaronder de McGill University en de École de technologie supérieure (ETS) in Montreal.

Dit is een unieke aanpak om klimaatverandering te bestrijden. Voor iedereen die meer wilt leren, bezoek BrainBox AI.