Ein Lösungsansatz ist das ’Non-Intrusive Load Monitoring’ (NILM), z. B. durch Disaggregationsalgorithmen, was die Extraktion von Wissen über einzelne Lasten aus den einzelnen Messdaten ermöglicht. Darüber hinaus kann der Verbrauchsstatus der einzelnen Geräte zu einem bestimmten Zeitpunkt ermittelt werden. Im Rahmen des Aniara-Projekts entwickeln die Forschenden daher ein Echtzeit-Energieüberwachungssystem, das den Energieverbrauch pro Gerät durch einen nicht-intrusiven Algorithmus zur Disaggregation der Energiedaten bestimmen kann.
Um dies zu erreichen, sind drei Schritte vorgesehen. Zunächst soll eine intelligente ’Plug & Play’-Energiezählerlösung per 5G mit der Cloud verbunden werden, sodass die Energiedaten direkt in einer Datenbank gespeichert werden. In einem zweiten Schritt sollen Anomalien in den Daten über anforderungsbezogene Plausibilitätsprüfungen und über Clustering-Ansätze detektiert werden (Abbildung 2). Schließlich werden die Gesamtenergieverbrauchsdaten durch ein NILM-Modell aufgeschlüsselt und einzelne Gerätenergiedaten ermittelt.
Mit der Einführung von 5G, KI und Edge-Computing stehen der Industrie viele neue Technologien und Methoden zur Verfügung. In Bezug auf die Optimierung einer Lüftungsanlage, der prädiktiven Maschinenwartung und der Energieverbrauchsüberwachung spielen 5G, Cloud- und KI-Lösungen eine große Rolle, um gemeinsam Flexibilität, Mobilität und Verlässlichkeit für die Industrie zu ermöglichen.