Developing a Human-Centric AI-based Multi-Criteria Energy Efficiency Advisory Framework for Apartment Housing of Mashhad, Iran
Diese Studie schlägt ein menschenzentriertes, KI-basiertes Framework vor und validiert dieses, welches sozio-demografische, Gebäude-, Nachbarschafts- und Klimadaten integriert, um personalisierte, interpretierbare Empfehlungen zur Energieeffizienz für Bewohner von Wohnungen in Maschhad, Iran, bereitzustellen, wobei eine hohe Vorhersagegenauigkeit (R² = 0,86) erreicht wird und nachgewiesen wird, dass Bewohnercharakteristika entscheidende Treiber der residentiellen Energieleistung sind.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Ihr Zuhause wäre weniger wie ein statischer Backstenkasten und mehr wie ein lebender, atmender Organismus, der mit der Welt um ihn herum interagiert. Lange Zeit haben Wissenschaftler, die versuchten herauszufinden, wie man Energie in Häusern einspart, sich hauptsächlich auf die „Hardware“ konzentriert: die Dicke der Wände, die Art der Fenster und die Form des Daches. Sie behandelten das Gebäude wie eine Maschine und gingen davon aus, dass eine perfekte Maschine auch perfekt laufen würde, wenn man sie nur perfekt baut. Aber es gibt ein fehlendes Puzzleteil in diesem Rätsel: die Menschen, die darin leben. Genau wie ein Auto sich unterschiedlich fährt, je nachdem, ob ein nervöser Teenager oder ein ruhiger Großelternteil am Steuer sitzt, verbraucht ein Haus Energie unterschiedlich, je nachdem, wer dort lebt, wie alt diese Personen sind und was sie den ganzen Tag tun. Dieses Forschungsfeld wird als „menschenzentrierte Energieeffizienz“ bezeichnet und stellt eine einfache, aber knifflige Frage: Wie gestalten wir Ratschläge zur Energieeinsparung so, dass sie tatsächlich zu den spezifischen Menschen passen, die im Haus leben, und nicht nur zum Haus selbst?
Genau dieses Problem wollte ein Team von Forschern in einer neuen Studie über über die Wohngebäude in Maschhad, Iran, lösen. Sie wollten einen „intelligenten Berater“ mithilfe von Künstlicher Intelligenz (KI) entwickeln, der nicht nur die Baupläne des Gebäudes betrachtet, sondern auch der Geschichte der Menschen im Inneren zuhört. Sie sammelten Daten von 50 verschiedenen Haushalten und betrachteten dabei alles – vom Alter des Gebäudes und dem Anteil an Grünflächen in der Nähe bis hin zum Alter der Bewohner und der Anzahl der Kinder in der Familie. Sie speisten all diese Informationen in ein Computermodell ein – stellen Sie es sich wie einen superintelligenten Detektiv vor, der nach versteckten Hinweisen in einem riesigen Berg von Beweismitteln sucht –, um zu sehen, was den Energieverbrauch wirklich antreibt.
Die Ergebnisse waren sehr aufschlussreich. Der KI-Detektiv fand heraus, dass die wichtigsten Faktoren für die Energieeffizienz nicht bloß die schicken Baumaterialien waren, sondern eine Mischung aus Dingen wie natürlicher Belüftung (wie gut die Luft durch das Haus strömt), dem Alter des Gebäudes und sogar dem Anteil an Grünflächen in der Nachbarschaft. Überraschenderweise spielten auch das Alter der dort lebenden Menschen und die Größe ihrer Familie eine große Rolle. Das Computermodell war in der Lage, die Energieleistung mit einem hohen Grad an Genauigkeit vorherzusagen, wobei es etwa 86 % der Zeit richtig lag.
Die Forscher betonen jedoch vorsichtig, dass dies kein Zauberstab ist, der alle Energieprobleme löst. Sie beschreiben ihre Arbeit als einen „Proof of Concept“, was bedeutet, dass es sich um einen erfolgreichen Testlauf handelt, der zeigt, dass die Idee funktioniert, aber vor der weltweiten Anwendung noch weitere Tests mit größeren Personengruppen benötigt. Sie schlossen die alte Vorstellung explizit aus, dass man einfach nur die physischen Merkmale eines Gebäudes betrachten kann und dabei die Menschen darin ignoriert; ihre Daten zeigten, dass das Ignorieren der Menschen zu einem weitaus ungenaueren Bild führt. Stattdessen schlagen sie vor, dass die Zukunft der Energieeffizienz in einem „Human-in-the-loop“-Ansatz liegt, bei dem Technologie die physischen Fakten des Gebäudes mit den persönlichen Gewohnheiten und Merkmalen der Bewohner kombiniert.
Die Studie kommt zu dem Schluss, dass wir durch die Verwendung dieses neuen KI-Frameworks endlich personalisierte Ratschläge geben können. Anstatt eines generischen Tipps wie „Installieren Sie eine bessere Isolierung“ könnte das System sagen: „Da Sie eine große Familie haben und in einem älteren Gebäude mit schlechter Luftzirkulation leben, sind hier die spezifischen Änderungen, die Ihnen am meisten Energie sparen werden.“ Obwohl die aktuelle Studie auf eine kleine Stichprobe von 50 Wohnungen begrenzt ist, legt sie den Grundstein für eine Zukunft, in der jeder Wohnungsbewohner einen maßgeschneiderten Energieplan erhält, der seinen einzigartigen Lebensstil respektiert und hilft, unsere Städte grüner und unsere Heime komfortabler zu machen, ohne jeden in eine Einheitslösung zu zwingen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.