AUSGANGSLAGE
Der Energieverbrauch in kleinen und mittleren Unternehmen (KMU) birgt großes Einsparpotenzial – sowohl wirtschaftlich als auch ökologisch. In vielen KMU fehlen jedoch digitale Werkzeuge zur Erfassung und Analyse von Energie- und Umweltdaten. IoT-Technologien ermöglichen eine kontinuierliche Datenerfassung und -überwachung, werden jedoch oft wegen fehlendem Know-how als zu komplex wahrgenommen. Der Zugang zu praxisnahen und erweiterbaren Lösungen ist entscheidend, um den Einstieg in digitale Energieeffizienzstrategien zu ermöglichen.
LÖSUNGSANSATZ
Mit unserem speziell auf KMU zugeschnitten Demonstrator „Energieeffiziente Firma“ zeigen wir praxisnah, wie Daten von Sensoren aufgenommen, verarbeitet, visualisiert und intelligent interpretiert werden können – direkt vor Ort und in Echtzeit, um energieeffizienter zu werden. Dabei setzen wir auf eine modulare IoT-Infrastruktur mit Sensorik, Datenübertragung via MQTT sowie lokalem Webinterface und Displayanzeige. Im Zentrum steht das Verständnis für durchgängige Datenflüsse und die Möglichkeiten, die IoT-Technologien zur Effizienzsteigerung bieten. Die erzeugte Datenbasis bildet zugleich die Grundlage für eine zukünftige Integration von Künstlicher Intelligenz zur Mustererkennung, Anomalieerkennung und automatisierten Optimierung von Energieverbräuchen.
POTENZIAL & ANWENDUNGSBEREICHE
- Einstieg in IoT-gestützte Energieoptimierung für KMU Einsetzbar in Produktion, Werkstätten, Bürogebäuden und Laboren
- Transparenz schaffen - Energie- und Prozessdaten erfassen Verbräuche analysieren, Ineffizienzen erkennen
- Grundlage für intelligente Wartung, Prozesssteuerung und Energie- und Nachhaltigkeitsmonitoring Maßnahmen datenbasiert einleiten
- Senkung Einstiegshürden für Digitalisierung und KI in KMU Demonstrationsplattform für Fachkräfte, Azubis und Schüler:innen
- Bedarf an skalierbaren, kostengünstigen Lösungen Übertragbar auf weitere Bereiche: Raumklima, Beleuchtung, Maschinenzustand
- Schaffung einer Grundlage für KI-gestützte Optimierung Erweiterbar mit KI-Modulen zur Anomalieerkennung und Prognosen