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

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

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 heel Noord-Amerika en Europa. Tijdens deze fase van mijn leven had ik te maken met de technologie in een groot aantal gebouwen. Dit waren gebouwen van verschillende grootte en doel, van hotels tot datacenters. Het werd me al snel duidelijk dat continue commissioning-benaderingen consistent energibesparingen zouden opleveren, maar zou een aanzienlijke hoeveelheid financiële en menselijke middelen vereisen. Met dit in gedachten zette ik me aan het werk om een manier te vinden om een AI-gebaseerde commissioning-benadering te ontwikkelen die een nieuwe, langdurige HVAC-oplossing zou bieden die efficiënt gebruik zou maken van gebouwtechnologie om besparingen te maximaliseren en ongemak voor 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. In feite verwijzen we zelfs niet naar onze installatie als retrofitten. Het installatieproces duurt ongeveer 2-3 uur en de hele projectimplementatie vereist ongeveer 10 uur van de tijd van het personeel van de gebouweigenaar. Na deze installatie vindt een AI-lerenperiode 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 doorlopen hoe BrainBox AI machine learning gebruikt om energieverbruik te verminderen en de comfort van gebouwgebruikers te verbeteren?

Onze oplossing combineert energievergelijkingen die zijn ontwikkeld voor elk uniek gebouwenergieprofiel met diepe leer- en tijdsreeksgegevens om te berekenen hoe elke zone zal reageren op veranderende omstandigheden (bijvoorbeeld weer) in de loop van de tijd. Meer specifiek kunnen onze diepe leerneuronale 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 maakt onze AI-motor zelfs op 300 uur 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 gebruikerscomfort te garanderen.

Welk type energibesparingen hebben we potentieel te maken?

BrainBox AI kan de totale energiekosten van een gebouw met maximaal 25% verminderen, wat een aanzienlijke impact heeft, niet alleen op de winstmarge van een 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, toegangscontrolesystemen of sensoren) en externe bronnen (zoals weer- en bezettingsgegevens) om beslissingen te nemen. Een belangrijk onderscheidend vermogen van BrainBox AI is dat we alleen de gegevens gebruiken die momenteel in uw gebouw beschikbaar zijn. U hoeft geen extra apparatuur of sensoren te installeren om BrainBox AI te laten werken.

BrainBox AI gebruikt diepe leeromgevingen om energoefficiëntie te optimaliseren. Hoe lang moet de gegevens worden verzameld en geanalyseerd voordat energieverbruiksbaten zichtbaar worden?

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

Met zo’n positief effect op klimaatverandering, heeft BrainBox AI of haar klanten kunnen profiteren van 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 we 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 de MaRS Discovery District, het grootste stedelijke innovatiecentrum in Noord-Amerika. Hoe heeft deze ervaring BrainBox AI gebaat?

De MaRS Discovery District is een geweldige partner die BrainBox AI ondersteunt bij de commercialisering en promotionele inspanningen. MaRS heeft BrainBox AI op veel manieren ondersteund, waaronder deelname aan internationale duurzaamheids- en CleanTech-evenementen, nominatie als top-Canadese CleanTech-bedrijf, lobbyen bij verschillende niveaus van de overheid, media-evenementen en nog veel meer. Over het algemeen is MaRS een sterke voorvechter van CleanTech-startups voor ons.

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

In de nabije toekomst zullen er verschillende nieuwe innovaties op de HVAC-markt komen dankzij AI, zoals vroege foutdetectie, automatische belastingsverschuiving en uiteindelijk nieuwe technologieplatforms met zwermintelligentie voor energienetwerkoptimalisatie.

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

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 National Renewable Energy Laboratory (NREL) van het Amerikaanse ministerie van Energie, het Institute for Data Valorization (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.