# Künstliche Intelligenz in ABB BuildingPro

## **Warum KI im Gebäudebetrieb?**

Moderne Gebäude sind längst keine starren Betonhüllen mehr – sie sind komplexe, vernetzte Systeme mit Tausenden Sensoren, Aktoren und Steuerungslogiken. Diese Infrastruktur erzeugt kontinuierlich große Datenmengen zu Energieverbrauch, Raumklima, Belegung und Anlagenstatus.

Trotz dieser Datenfülle bleiben viele Optimierungspotenziale ungenutzt. Typische Ursachen:

* **Starre Steuerungen** – klassische Zeitprogramme oder PID-Regler reagieren nur auf aktuelle Messwerte, nicht auf historische Muster oder Prognosen.
* **Wachsende Anforderungen** – volatile Energiepreise, CO₂-Vorgaben und wechselnde Nutzungsmuster erhöhen den Druck.
* **Erschwerter Datenzugriff** – relevante Messwerte müssen oft mühsam gesucht und analysiert werden, meist nur durch SQL-Expert:innen.

## **Das KI-Framework von** ABB BuildingPro 

ABB BuildingPro begegnet diesen Herausforderungen mit einem integrierten **KI-Framework**, das drei Schlüsseltechnologien kombiniert:

### **Reinforcement Learning (RL)** 

Selbstlernende Optimierung von Anlagen wie HVAC, Beleuchtung oder Speichern. Der RL-Agent lernt aus Live- und historischen Daten, um Kosten, Energie und Komfort optimal auszubalancieren.

{% content-ref url="/pages/59F2yOx4dwHz2KgEtWxL" %}
[Reinforcement Learning](/collection/german-14.2-freezed/erste-schritte/kunstliche-intelligenz-in-abb-buildingpro/reinforcement-learning.md)
{% endcontent-ref %}

### **Forecasting** 

Präzise Prognosen für Energieverbrauch, Lastspitzen, Raumklima und Belegung, um Betriebsstrategien vorausschauend zu steuern.

{% content-ref url="/pages/rASREPwuvAv8vbiw27xy" %}
[Forecasting](/collection/german-14.2-freezed/erste-schritte/kunstliche-intelligenz-in-abb-buildingpro/forecasting.md)
{% endcontent-ref %}

### **Large Language Models (LLM)** 

Natürliche Sprachabfragen anstelle komplexer SQL-Befehle. LLMs kennen alle Assets und Messpunkte und liefern Ergebnisse als Tabellen, Diagramme oder Berichte.

{% content-ref url="/pages/GCgVWx0hYpGxjwSIcakg" %}
[NL2SQL](/collection/german-14.2-freezed/erste-schritte/kunstliche-intelligenz-in-abb-buildingpro/nl2sql.md)
{% endcontent-ref %}

## **KI-Orchestrierung mit Regelketten**

In ABB BuildingPro dienen **Regelketten** als zentrale Orchestrierungsplattform für alle KI-Module:

* **Modelle kombinieren** – z. B. Forecast-Daten mit RL-Optimierungen verknüpfen.
* **Automatisches Starten & Stoppen** – KI-Module nur dann aktivieren, wenn sie Nutzen bringen.
* **Sicherheitslogik** – ungewollte Aktionen von KI-Agenten automatisch erkennen und stoppen.

So entsteht ein **autonomer, vorausschauender und sicherer Gebäudebetrieb**, der Energie spart, Lastspitzen glättet und Komfort garantiert – mit voller Transparenz und Kontrolle.

{% content-ref url="/pages/99tBTz1aQAUQcys1NTEw" %}
[KI-Orchestrierung in ABB BuildingPro](/collection/german-14.2-freezed/erste-schritte/kunstliche-intelligenz-in-abb-buildingpro/ki-orchestrierung-in-abb-buildingpro.md)
{% endcontent-ref %}

{% hint style="success" %}
Die hier beschriebenen Funktionen und Szenarien zeigen das Potenzial der KI-gestützten Gebäudeautomation mit ABB BuildingPro . Einige davon befinden sich noch in der Entwicklung oder sind als Zukunftsvision konzipiert. Unser Ziel ist es, diese Möglichkeiten Schritt für Schritt zu realisieren, um Ihnen schon bald die volle Bandbreite intelligenter, selbstoptimierender Gebäudesteuerung zur Verfügung zu stellen.
{% endhint %}


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.buildings.ability.abb/collection/german-14.2-freezed/erste-schritte/kunstliche-intelligenz-in-abb-buildingpro.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.