Kältetechnische Versorgungssysteme in Industriegebäuden werden bis dato überwiegend konventionell ausgelegt und betrieben ohne Berücksichtigung mehrdimensionaler, zeitvariabler und stochastischer Abhängigkeiten. Das Forschungsprojekt EISKIG identifiziert durch Daten- und KI-basierte Optimierungsverfahren in der Gebäudekältetechnik entsprechende Energieverschwendungen bzw. Effizienzpotenziale, leitet Maßnahmen für einen optimierten Anlagenbetrieb ab und setzt diese in der industriellen Praxis um. Das übergeordnete Ziel von EISKIG besteht darin, ein autonom agierendes System aufzubauen, welches über KI-basierte Optimierungsverfahren selbstständig die Betriebsstrategie relevanter Anlagen analysiert und optimiert, um die Energieeffizienz und Energieflexibilität zu steigern, den Implementierungsaufwand zu minimieren und die Nutzerakzeptanz zu erhöhen. Dabei wird die Realisierung von mindestens 15 % Energieeinsparungen ausgewählter Kälteversorgungssysteme von Projektpartnern der Chemie-, Anlagen-/Maschinenbau- und IT-Branche angestrebt. Die optimierten Betriebsstrategien werden in zwei Phasen in der realen Anwendung validiert. In einer ersten Phase werden die Steuersignale berechnet und vorgeschlagen, in einer zweiten Phase findet bei Sicherstellung der Aufrechterhaltung aller versorgungstechnischen Anforderungen die automatisierte Übergabe der Steuersignale an die Kälteversorgungssysteme statt. Die Rolle der Kälteversorgung als Querschnittstechnologie wird in der Diversität der untersuchten Anwendungsfälle deutlich. Die Skalierbarkeit aller angewendeten und entwickelten Verfahren ist deshalb ein zentraler Bestandteil des Projekts.
Kältetechnische Versorgungssysteme in Industriegebäuden werden bis dato überwiegend konventionell ausgelegt und betrieben ohne Berücksichtigung mehrdimensionaler, zeitvariabler und stochastischer Abhängigkeiten. Das Forschungsprojekt EISKIG identifiziert durch Daten- und KI-basierte Optimierungsverfahren in der Gebäudekältetechnik entsprechende Energieverschwendungen bzw. Effizienzpotenziale, leitet Maßnahmen für einen optimierten Anlagenbetrieb ab und setzt diese in der industriellen Praxis um. Das übergeordnete Ziel von EISKIG besteht darin, ein autonom agierendes System aufzubauen, welches über KI-basierte Optimierungsverfahren selbstständig die Betriebsstrategie relevanter Anlagen analysiert und optimiert, um die Energieeffizienz und Energieflexibilität zu steigern, den Implementierungsaufwand zu minimieren und die Nutzerakzeptanz zu erhöhen. Dabei wird die Realisierung von mindestens 15 % Energieeinsparungen ausgewählter Kälteversorgungssysteme von Projektpartnern der Chemie-, Anlagen-/Maschinenbau- und IT-Branche angestrebt. Die optimierten Betriebsstrategien werden in zwei Phasen in der realen Anwendung validiert. In einer ersten Phase werden die Steuersignale berechnet und vorgeschlagen, in einer zweiten Phase findet bei Sicherstellung der Aufrechterhaltung aller versorgungstechnischen Anforderungen die automatisierte Übergabe der Steuersignale an die Kälteversorgungssysteme statt. Die Rolle der Kälteversorgung als Querschnittstechnologie wird in der Diversität der untersuchten Anwendungsfälle deutlich. Die Skalierbarkeit aller angewendeten und entwickelten Verfahren ist deshalb ein zentraler Bestandteil des Projekts.
Kältetechnische Versorgungssysteme in Industriegebäuden werden bis dato überwiegend konventionell ausgelegt und betrieben ohne Berücksichtigung mehrdimensionaler, zeitvariabler und stochastischer Abhängigkeiten. Das Forschungsprojekt EISKIG identifiziert durch Daten- und KI-basierte Optimierungsverfahren in der Gebäudekältetechnik entsprechende Energieverschwendungen bzw. Effizienzpotenziale, leitet Maßnahmen für einen optimierten Anlagenbetrieb ab und setzt diese in der industriellen Praxis um. Das übergeordnete Ziel von EISKIG besteht darin, ein autonom agierendes System aufzubauen, welches über KI-basierte Optimierungsverfahren selbstständig die Betriebsstrategie relevanter Anlagen analysiert und optimiert, um die Energieeffizienz und Energieflexibilität zu steigern, den Implementierungsaufwand zu minimieren und die Nutzerakzeptanz zu erhöhen. Dabei wird die Realisierung von mindestens 15 % Energieeinsparungen ausgewählter Kälteversorgungssysteme von Projektpartnern der Chemie-, Anlagen-/Maschinenbau- und IT-Branche angestrebt. Die optimierten Betriebsstrategien werden in zwei Phasen in der realen Anwendung validiert. In einer ersten Phase werden die Steuersignale berechnet und vorgeschlagen, in einer zweiten Phase findet bei Sicherstellung der Aufrechterhaltung aller versorgungstechnischen Anforderungen die automatisierte Übergabe der Steuersignale an die Kälteversorgungssysteme statt. Die Rolle der Kälteversorgung als Querschnittstechnologie wird in der Diversität der untersuchten Anwendungsfälle deutlich. Die Skalierbarkeit aller angewendeten und entwickelten Verfahren ist deshalb ein zentraler Bestandteil des Projekts.
Kältetechnische Versorgungssysteme in Industriegebäuden werden bis dato überwiegend konventionell ausgelegt und betrieben ohne Berücksichtigung mehrdimensionaler, zeitvariabler und stochastischer Abhängigkeiten. Das Forschungsprojekt EISKIG identifiziert durch Daten- und KI-basierte Optimierungsverfahren in der Gebäudekältetechnik entsprechende Energieverschwendungen bzw. Effizienzpotenziale, leitet Maßnahmen für einen optimierten Anlagenbetrieb ab und setzt diese in der industriellen Praxis um. Das übergeordnete Ziel von EISKIG besteht darin, ein autonom agierendes System aufzubauen, welches über KI-basierte Optimierungsverfahren selbstständig die Betriebsstrategie relevanter Anlagen analysiert und optimiert, um die Energieeffizienz und Energieflexibilität zu steigern, den Implementierungsaufwand zu minimieren und die Nutzerakzeptanz zu erhöhen. Dabei wird die Realisierung von mindestens 15 % Energieeinsparungen ausgewählter Kälteversorgungssysteme von Projektpartnern der Chemie-, Anlagen-/Maschinenbau- und IT-Branche angestrebt. Die optimierten Betriebsstrategien werden in zwei Phasen in der realen Anwendung validiert. In einer ersten Phase werden die Steuersignale berechnet und vorgeschlagen, in einer zweiten Phase findet bei Sicherstellung der Aufrechterhaltung aller versorgungstechnischen Anforderungen die automatisierte Übergabe der Steuersignale an die Kälteversorgungssysteme statt. Die Rolle der Kälteversorgung als Querschnittstechnologie wird in der Diversität der untersuchten Anwendungsfälle deutlich. Die Skalierbarkeit aller angewendeten und entwickelten Verfahren ist deshalb ein zentraler Bestandteil des Projekts.
Kältetechnische Versorgungssysteme in Industriegebäuden werden bis dato überwiegend konventionell ausgelegt und betrieben ohne Berücksichtigung mehrdimensionaler, zeitvariabler und stochastischer Abhängigkeiten. Das Forschungsprojekt EISKIG identifiziert durch Daten- und KI-basierte Optimierungsverfahren in der Gebäudekältetechnik entsprechende Energieverschwendungen bzw. Effizienzpotenziale, leitet Maßnahmen für einen optimierten Anlagenbetrieb ab und setzt diese in der industriellen Praxis um. Das übergeordnete Ziel von EISKIG besteht darin, ein autonom agierendes System aufzubauen, welches über KI-basierte Optimierungsverfahren selbstständig die Betriebsstrategie relevanter Anlagen analysiert und optimiert, um die Energieeffizienz und Energieflexibilität zu steigern, den Implementierungsaufwand zu minimieren und die Nutzerakzeptanz zu erhöhen. Dabei wird die Realisierung von mindestens 15 % Energieeinsparungen ausgewählter Kälteversorgungssysteme von Projektpartnern der Chemie-, Anlagen-/Maschinenbau- und IT-Branche angestrebt. Die optimierten Betriebsstrategien werden in zwei Phasen in der realen Anwendung validiert. In einer ersten Phase werden die Steuersignale berechnet und vorgeschlagen, in einer zweiten Phase findet bei Sicherstellung der Aufrechterhaltung aller versorgungstechnischen Anforderungen die automatisierte Übergabe der Steuersignale an die Kälteversorgungssysteme statt. Die Rolle der Kälteversorgung als Querschnittstechnologie wird in der Diversität der untersuchten Anwendungsfälle deutlich. Die Skalierbarkeit aller angewendeten und entwickelten Verfahren ist deshalb ein zentraler Bestandteil des Projekts.
Kältetechnische Versorgungssysteme in Industriegebäuden werden bis dato überwiegend konventionell ausgelegt und betrieben ohne Berücksichtigung mehrdimensionaler, zeitvariabler und stochastischer Abhängigkeiten. Das Forschungsprojekt EISKIG identifiziert durch Daten- und KI-basierte Optimierungsverfahren in der Gebäudekältetechnik entsprechende Energieverschwendungen bzw. Effizienzpotenziale, leitet Maßnahmen für einen optimierten Anlagenbetrieb ab und setzt diese in der industriellen Praxis um. Das übergeordnete Ziel von EISKIG besteht darin, ein autonom agierendes System aufzubauen, welches über KI-basierte Optimierungsverfahren selbstständig die Betriebsstrategie relevanter Anlagen analysiert und optimiert, um die Energieeffizienz und Energieflexibilität zu steigern, den Implementierungsaufwand zu minimieren und die Nutzerakzeptanz zu erhöhen. Dabei wird die Realisierung von mindestens 15 % Energieeinsparungen ausgewählter Kälteversorgungssysteme von Projektpartnern der Chemie-, Anlagen-/Maschinenbau- und IT-Branche angestrebt. Die optimierten Betriebsstrategien werden in zwei Phasen in der realen Anwendung validiert. In einer ersten Phase werden die Steuersignale berechnet und vorgeschlagen, in einer zweiten Phase findet bei Sicherstellung der Aufrechterhaltung aller versorgungstechnischen Anforderungen die automatisierte Übergabe der Steuersignale an die Kälteversorgungssysteme statt. Die Rolle der Kälteversorgung als Querschnittstechnologie wird in der Diversität der untersuchten Anwendungsfälle deutlich. Die Skalierbarkeit aller angewendeten und entwickelten Verfahren ist deshalb ein zentraler Bestandteil des Projekts.
| Origin | Count |
|---|---|
| Bund | 48 |
| Land | 11 |
| Type | Count |
|---|---|
| Förderprogramm | 45 |
| Text | 9 |
| unbekannt | 3 |
| License | Count |
|---|---|
| geschlossen | 6 |
| offen | 51 |
| Language | Count |
|---|---|
| Deutsch | 51 |
| Englisch | 18 |
| Resource type | Count |
|---|---|
| Bild | 1 |
| Dokument | 1 |
| Keine | 35 |
| Webdienst | 2 |
| Webseite | 22 |
| Topic | Count |
|---|---|
| Boden | 37 |
| Lebewesen & Lebensräume | 30 |
| Luft | 22 |
| Mensch & Umwelt | 57 |
| Wasser | 19 |
| Weitere | 56 |