Welche Störung bahnt sich gerade an?

01Was ein KI-gestütztes Gebäudemanagementsystem wirklich tut: Benchmarking, Prognose, Anomalieerkennung, Compliance-Output

Ein KI-gestütztes Gebäudemanagementsystem ist keine neue GLT. Künstliche Intelligenz in der Gebäudetechnik ersetzt nichts: Ihre Gebäudeleittechnik, Ihre DDC-Regler (die MSR-Technik, die Ihre Technikzentrale fährt) und Ihre Zähler betreiben das Gebäude weiter. Die KI-Ebene liest die Daten, die diese Systeme ohnehin erzeugen, sobald sie vereinheitlicht sind, und erledigt vier Aufgaben, für die eine GLT nie gebaut wurde.

Die vier Aufgaben stehen unten, und das ist die vollständige Liste. AI Optimization von puniq leistet genau diese vier als Cloud-Abonnement über einer lesbaren, herstellerneutralen Datenebene. Was jede davon in der Praxis bedeutet, steht in KI in Gebäuden: Prognose, Anomalieerkennung und FDD.

• Benchmarking: jede Anlage, jede Etage und jedes Gewerk wird gegen die eigene Historie und gegen das Portfolio bewertet.
• Prognose (Forecasting): Zeitreihenmodelle prognostizieren Last, Verbrauch und Lastspitzen Tage im Voraus.
• Anomalieerkennung: eine Meldung, sobald die normale Signatur einer Anlage bricht.
• Compliance-Output: ein Klick macht aus Zählerdaten strukturierte Berichte statt Jahresschätzungen.

02KI Gebäudeautomation über alle Gewerke statt ein Dashboard pro Hersteller

Ein KI-Pilot deckt meist ein System ab. Der Hersteller der Kältemaschinen bietet Analytik für die Kältemaschinen, der Zählerhersteller ein Portal für die Zähler. Jedes davon ist eine Smart-Building-KI-Plattform für einen Ausschnitt des Gebäudes, und keines sieht, dass die Kältemaschinen härter laufen, weil die Klappen der raumlufttechnischen Anlage (RLT) offen klemmen.

Gebäudeanalytik-Software verdient den Namen Building-Intelligence-Plattform erst, wenn sie HLK, Zählerdaten, Beleuchtung und Zutritt in einem Modell liest, jeder Datenpunkt einmal benannt, zeitlich synchronisiert und rückverfolgbar bis zu seinem Regler. Genau das erzeugt der Data Auditor, und deshalb funktioniert AI Optimization erst, wenn das Gebäude sprechen kann. Siehe, wie ein Gebäude mit vielen Herstellern zu einer offenen Ebene vereinheitlicht wird.

Ob in der Technikzentrale eine GLT von Siemens läuft oder eine Insel von Schneider Electric, nichts wird ausgebaut. Über viele Standorte hinweg deckt die Datenebene für das Facility Management das Portfolio-Benchmarking ab.

03Predictive Maintenance Software und Fault Detection and Diagnostics (FDD)

Fault Detection and Diagnostics (FDD, Fehlererkennung und Diagnose) heißt, einen Fehler zu fassen, solange er noch ein Trend ist. Die kW je Tonne Kälteleistung einer Kältemaschine driften über Wochen, die Stromsignatur einer Pumpe verändert sich. Ein GLT-Alarm meldet sich am Grenzwert. FDD liest das Muster davor.

Die Anomalieerkennung von puniq lernt je Anlage eine Baseline für Last und Saisonalität, priorisiert die Anlagen, deren Signatur gebrochen ist, und begründet warum: welche Anlage diese Woche einen Ingenieur braucht, samt Beleg. Waddah Zekri, Gründer von puniq, hat vorausschauende Instandhaltung an echter Energieinfrastruktur bei HOOTS sensorsystems produktiv umgesetzt und an der TU Dresden zu Prognosen mit LSTM und SARIMA geforscht, dem direkten Vorläufer dieser Ebene.

Das klarste Beispiel ist Energieinfrastruktur, kein Gebäude. Im Projekt zur Transformatorüberwachung bei HOOTS ist dieselbe Methode auf einen indikativen Vorlauf von zwei bis vier Wochen und einen indikativen Rückgang ungeplanter Noteinsätze um 30 bis 45 % ausgelegt, nicht auf geprüfte Ergebnisse eines einzelnen Standorts. Für Ihre eigene Anlagentechnik rechnet der Rechner für Einsparungen durch vorausschauende Instandhaltung das durch.

04KI Energiemanagement auf einer lesbaren, herstellerneutralen Datenebene

In einem saudischen Gebäude ist Kälte der größte Energieposten, deshalb dreht sich KI-Energiemanagement vor allem um Betriebsstunden der Kältemaschinen, kWh und Tage mit hoher Lastspitze. Das Benchmarking zeigt, welche Etage, welche Kältemaschine oder welches Gebäude aus der eigenen Historie fällt. Die Anomalieerkennung in Gebäudedaten findet das Zeitprogramm, das im Sommer in Riad übersteuert und nie zurückgesetzt wurde.

Nichts davon funktioniert auf Schätzungen. Prognosen und Bewertungen sind nur so gut wie die Zähler und Regler, die sie speisen. Deshalb beginnt puniq mit der lesbaren On-Premises-Ebene im Gebäude, bevor ein Modell rechnet. Als allgemeiner Richtwert gelten 40 %: so viel Energieverschwendung kann ein vereinheitlichtes, optimiertes Gebäude ablegen. Die reale Zahl setzen Ihre eigenen Zähler.

Der Rechner zur Reduzierung der Lastspitze bewertet die Leistungsseite mit Ihren eigenen Lastwerten. Für Submetering und prüffähige Energiedaten sehen Sie die Seite zum Energiemanagementsystem.

05Autonome Gebäudesteuerung oder beratende KI: warum immer ein Mensch freigibt

Viele Eigentümer suchen nach autonomer Gebäudesteuerung, manche gleich nach dem Stichwort autonomes Gebäude. In der Praxis heißt das meist: ein Modell verstellt selbst Sollwerte. Die KI-Ebene von puniq ist rein beratend und hält den Menschen bewusst in der Entscheidung. Sie greift nicht direkt auf Ihre Regler zu, übernimmt keine autonome Steuerung von Anlagen- oder Sicherheitstechnik, und ein Mensch gibt jede empfohlene Maßnahme frei.

Das ist eine bewusste ingenieurtechnische Entscheidung. Wer als Betreiber die Begründung hinter einer Empfehlung sieht, handelt schneller. Ein Modell, das an einem Nachmittag mit 45 Grad still einen Sollwert verstellt und danebenliegt, kostet Komfort und Mieter. Zugleich hält es die Ebene bewusst außerhalb des Prüfumfangs von BSI C5 (dem deutschen Kriterienkatalog für Cloud-Sicherheit) und NIS2 (der EU-Richtlinie zur Netz- und Informationssicherheit).

Was Sie stattdessen bekommen, ist eine priorisierte Liste, eine Prognose und der Beleg zu jedem Punkt. Lesen Sie, wie sich vereinheitlichte Gebäudetechnik rechnet, und bewerten Sie Ihr Gebäude anschließend mit der Scorecard für den Reifegrad der Gebäudeintelligenz.