Die Arbeit zeigt, welche Voraussetzungen geschaffen werden müssen, damit eine künstliche Intelligenz (KI) in der Lage ist Energie effizient einzusetzen. Es wird gezeigt, wie die KI aufgebaut ist, wie sie als virtueller Assistent von den Bedürfnissen der Menschen lernt und wie die Wirtschaftlichkeit eines KI-Systems bewertet werden kann.
Als Beispiel dient für die Machbarkeits-Studie eine Regelung zur Raumklimatisierung. Mit Hilfe von Sensoren und Aktoren wird ein System in die Lage versetzt seine Umgebung wahrzunehmen. Muss der Mensch eingreifen, so lernt das System von dieser SOLL/Ist-Abweichung dazu.
Im Fazit werden weitere Anwendungsfälle vorgestellt, von denen viele selbst bis heute noch nicht realisiert sind, und Vor- sowie Nachteile für den Einsatz von künstlicher Intelligenz diskutiert.
Inhaltsverzeichnis
1. Einleitung
2. Stand der Forschung
2.1 Energie
2.1.1 Energieeffizienz
2.1.1.1. Industrie
2.1.1.2. Dienstleistungsgewerbe
2.1.1.3. Private Haushalte
2.1.1.4. Übereinstimmungen
2.1.2 Bedarfsabhängige Steuerungen zur Steigerung der Energieeffizienz.
2.2 Künstliche Intelligenz
2.2.1 Der Begriff
2.2.2 Fuzzy-Logik
2.2.3 Rationale Agenten
2.2.4 Such-Algorithmen und Exploration
2.3 Künstliche Intelligenz und Energie-Effizienz
3. Vorgehensweise
4. Künstlich intelligente Steuerung der Raumtemperatur
4.1 Ziele des Agenten
4.2 Sensoren und Aktoren
4.3 Programmablauf
5. Implementierung der künstlichen Intelligenz
5.1 Schwächen der Tree-Search-Methode
5.2 Optimierung des Suchalgorithmus
5.3 Bewertung der Aktionen des Agenten
5.3.1 Wegkosten
5.4 Nutzenfunktion
5.5 Induktive Aktionsgeneratoren
5.6 Nachbarfelder absuchen
5.7 Optimierter Algorithmus
6. Kritische Betrachtung
6.1 Reaktionsvermögen
6.1.1 Datenmenge
6.1.2 Datenpflege
6.2 Energieverbrauch des KI-Rechners
6.3 Einsparpotential
6.4 Gegenüberstellung der Potentiale einer künstlichen Intelligenz und einer linearen, numerischen Steuerung
7. Aussicht
7.1 Verbesserungen für die KI
7.2 Einsparpotentiale in der Bäckerei
7.3 Einsparpotentiale bei Druckluftsystemen
7.4 Produzierendes Gewerbe
8. Fazit
Zielsetzung & Themen
Die Arbeit verfolgt das Ziel, die Machbarkeit, Effektivität und das Potential von künstlicher Intelligenz zur Steuerung einer Heizungsanlage zu untersuchen, um den Energieverbrauch zu senken und gleichzeitig den Komfort für den Benutzer durch einen persönlichen, unbemerkt agierenden Assistenten zu erhöhen.
- Zusammenführung von KI-Forschung und Energieeffizienz.
- Entwicklung eines rational lernenden Programms zur Heizungssteuerung.
- Optimierung von Entscheidungsprozessen durch Nutzenfunktionen und induktive Aktionsgeneratoren.
- Analyse des Energieverbrauchs und Reaktionsvermögens des KI-Systems.
- Übertragung der Erkenntnisse auf weitere industrielle Prozesssteuerungen.
Auszug aus dem Buch
4. Künstlich intelligente Steuerung der Raumtemperatur
Die Ziele, der Leistungsstandard oder die Problemstellung der Raumtemperatur-Steuerung sind klar: das intelligente Programm soll den Raum so beheizen, dass möglichst wenig Heizenergie verbraucht wird. Dabei muss es gleichzeitig den Benutzer so unterstützen, dass er keine Eingriffe benötigt, um den Raum auf seiner gewünschten Temperatur zu halten. Dies bedeutet insbesondere auch, dass die künstliche Intelligenz erst erlernen muss, welche Temperatur der Benutzer erwünscht oder wie tolerant er gegenüber träger Reaktion des Systems und ungewünschten, zu niedrigen Temperaturen ist.
4.1 Ziele des Agenten
Der Leistungsstandard einerseits Energie zu sparen und andererseits Benutzerakzeptanz zu erreichen, indem Eingriffe überflüssig werden, basiert wie bereits erwähnt auf konkurrierenden Zielen.
Heizenergie sparen bedeutet primär zunächst einmal, die Heizleistung herabzusetzen. Pro Grad Celsius, um das man die Raumtemperatur mittels Heizung geringer einstellt, lassen sich 6-7% Energie sparen. [15]
Eine Absenkung der Temperatur unter die vom Benutzer gewünschte Raumwärme würde aber mit hoher Wahrscheinlichkeit zu einem Nachregeln führen: es ist zu erwarten, dass dieser die Heizleistung wieder anhebt, welches wiederum zu mehr bzw. dem ursprünglichen Heizverbrauch führt. Die Zielfunktion, auf welcher der Agent im einfachsten Fall das Optimum für seinen Leistungsstandard finden muss, sieht also entsprechend Abbildung 4.1 aus. Der einfachste Fall bedeutet, dass die Zielfunktion nur von 2 Parametern abhängig ist: der Heizleistung, die dem Energieverbrauch pro Zeiteinheit entspricht, (horizontale Achse) und der Temperaturdifferenz zwischen Soll- und Ist-Temperatur. (vertikale Achse).
Zusammenfassung der Kapitel
1. Einleitung: Vorstellung der Vision einer künstlichen Intelligenz als persönlicher Assistent zur effizienten Energienutzung unter Wahrung des Nutzerkomforts.
2. Stand der Forschung: Differenzierung zwischen den Feldern Energieeffizienz und Künstliche Intelligenz sowie deren bisher isolierte Anwendung.
3. Vorgehensweise: Darstellung der Relevanz der Energieeinsparung bei Raumheizungen durch die Kombination mit KI-Steuerungen.
4. Künstlich intelligente Steuerung der Raumtemperatur: Definition der Ziele, Sensoren und des grundlegenden Programmablaufs für den Heizungs-Agenten.
5. Implementierung der künstlichen Intelligenz: Detaillierte Betrachtung der Suchalgorithmen, Nutzenfunktionen und Methoden zum induktiven Lernen des Agenten.
6. Kritische Betrachtung: Analyse des Ressourcenbedarfs, des Energieverbrauchs des KI-Rechners sowie Vergleich mit konventionellen Steuerungen.
7. Aussicht: Übertragung der gewonnenen Erkenntnisse auf weitere Anwendungsbereiche wie Bäckereien oder Druckluftsysteme.
8. Fazit: Zusammenfassende Bewertung der Potenziale für KI-Systeme in der Heizungssteuerung und Ausblick auf deren zunehmende Akzeptanz.
Schlüsselwörter
Künstliche Intelligenz, Energieeffizienz, Heizungssteuerung, Rationale Agenten, Fuzzy-Logik, Nutzenfunktion, Such-Algorithmen, Exploration, Benutzerakzeptanz, Datenspeicherung, Optimierung, Induktive Aktionsgeneratoren, Prozesssteuerung, Energieverbrauch, Nachhaltigkeit.
Häufig gestellte Fragen
Worum geht es in der Arbeit grundlegend?
Die Arbeit untersucht die Integration künstlicher Intelligenz in ein Heizungssteuerungssystem, um durch lernende Prozesse sowohl den Energieverbrauch zu minimieren als auch den Nutzerkomfort zu erhöhen.
Welche Themenfelder sind zentral?
Zentrale Themen sind die Energieeffizienz in Gebäuden, die Funktionsweise rationaler Agenten sowie die Optimierung von Suchalgorithmen und Entscheidungsfindungen innerhalb einer komplexen, dynamischen Umgebung.
Was ist das primäre Ziel der Untersuchung?
Das primäre Ziel ist es zu belegen, dass eine künstliche Intelligenz durch induktives Lernen und die Optimierung ihrer Aktionsparameter Energie sparen kann, ohne dass der Benutzer manuell in die Steuerung eingreifen muss.
Welche wissenschaftliche Methode kommt zum Einsatz?
Die Arbeit nutzt theoretische Implementierungen und Modellierungen, insbesondere Such-Algorithmen, Nutzenfunktionen und das Training von Agenten anhand von Trainingsläufen und Entscheidungsbäumen.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil befasst sich mit der Konzeption des Heizungssteuerungsagenten, der Implementierung der KI-Logik, der kritischen Analyse des System-Ressourcenverbrauchs sowie der praktischen Optimierung des Algorithmus.
Durch welche Schlüsselwörter lässt sich die Arbeit charakterisieren?
Die Arbeit wird durch Begriffe wie Künstliche Intelligenz, Energieeffizienz, Rationale Agenten, Optimierung, Nutzenfunktion und Heizungssteuerung definiert.
Wie geht der Agent mit Benutzereingriffen um?
Benutzereingriffe werden als "negative" Rückmeldung an den Agenten interpretiert, da sie zeigen, dass der aktuelle Betriebszustand für den Anwender nicht zufriedenstellend war. Der Agent bestraft solche Zustände intern, um in Zukunft Entscheidungen zu treffen, die Eingriffe minimieren.
Ist der Einsatz einer KI für eine Heizung wirtschaftlich sinnvoll?
Die Arbeit kommt zu dem Schluss, dass der Einsatz dann wirtschaftlich ist, wenn die berechnete Ersparnis durch optimierte Heizleistung den Energieverbrauch des für die KI notwendigen Rechners übersteigt, was insbesondere bei unregelmäßiger Auslastung von Räumen der Fall ist.
- Quote paper
- Dipl.-Wirt.-Ing. (FH) Richard Brammer (Author), 2006, Künstliche Intelligenz als Prozess-Steuerung zur Steigerung der Energie-Effizienz, Munich, GRIN Verlag, https://www.grin.com/document/60944
