> For the complete documentation index, see [llms.txt](https://docs.buildings.ability.abb/collection/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.buildings.ability.abb/collection/german/success-stories/energy-optimization-using-artificial-intelligence.md). # Energieoptimierung mithilfe künstlicher Intelligenz KI-basierte Energieoptimierung über ein internationales Finanzportfolio hinweg. **Branche:** Bank- und Finanzwesen\ **Organisation:** Internationales Finanzinstitut\ **Umfang:** 14 Gebäude, mit geplanter Ausweitung auf mehr als 100\ **Jahr:** 2024 ## Auf einen Blick | Maßnahme | Ergebnis | | ------------------- | ----------------------------------------------------- | | Energieeinsparungen | 27 % in den ersten drei Monaten | | Proof of Concept | Bis zu 25 % Reduktion in einem Gebäude | | Optimierte Gebäude | 14, mit geplanter Ausweitung | | Datenbasis | Semantische Harmonisierung über heterogene BMS hinweg | ## Überblick Ein internationales Finanzinstitut wollte die Betriebskosten senken und die Nachhaltigkeitsbewertungen über ein bestehendes Gebäudeportfolio hinweg verbessern. BuildingPro Suites verbindet heterogene Gebäudemanagementsysteme, schafft transparente Verbrauchsbasiswerte und stellt die strukturierten Daten bereit, die für eine cloudbasierte KI-Optimierung erforderlich sind. ## Von der Überwachung zur Optimierung Durch das Monitoring wurden zunächst Verbrauchsmuster und Verbesserungspotenziale sichtbar. Anschließend wurde für jedes Gebäude ein digitaler Zwilling erstellt, um die Energieflüsse anhand historischer Verbräuche, aktueller und historischer Wetterdaten sowie Belegungsdaten zu modellieren. Die KI erkennt ineffizienten Betrieb und berechnet optimierte Zielwerte, die an die Gebäudemanagementsysteme zurückgegeben werden. So wird Portfolioanalyse zu aktiver operativer Verbesserung und nicht nur zu bloßem Reporting. ## Semantische Datenbasis Die bestehende BMS-Landschaft umfasste unterschiedliche Systeme, Versionen und Datenstrukturen. BuildingPro Suites organisiert, markiert und übersetzt eingehende Daten in ein ontologisches semantisches Modell. Diese konsistente Grundlage ermöglicht es, Optimierungsmethoden über mehrere Gebäude hinweg anzuwenden, ohne jeden Datenpunkt als isolierte, kundenspezifische Integration zu behandeln. ## Skalierung und Resilienz Das Projekt zeigte, dass Datenqualität und Relevanz wichtiger sind als das Erfassen der größtmöglichen Anzahl an Datenpunkten. Je nach Gebäude können KI-Modelle weniger als 1.000 oder bis zu 15.000 Datenpunkte nutzen. Containerisierte Services, Sicherheitsprüfungen und Store-and-Forward-Kommunikation unterstützen eine sichere Ausweitung auf mehr als 100 Gebäude und erhalten dabei während Unterbrechungen eine Audit-Trail-Nachvollziehbarkeit. Das Ergebnis waren 27 % gesamte Energieeinsparungen in den ersten drei Monaten des Betriebs, nach einem Proof of Concept, der in einem Gebäude bis zu 25 % Einsparungen erzielte. [-> \[Externer Link\] Lesen Sie die vollständige Erfolgsgeschichte](https://stage.advisor.buildings.ability.abb/success-stories/finance-energy-optimization) --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## 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, and the optional `goal` query parameter: ``` GET https://docs.buildings.ability.abb/collection/german/success-stories/energy-optimization-using-artificial-intelligence.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. 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.