AI kan het energiegebruik van gebouwen met ruim een vijfde terugdringen ten opzichte van traditionele gebouwbeheersystemen. Vooral een slimmere aansturing van verwarming, ventilatie en airconditioning levert veel op: in onderzoek van Schneider Electric bespaarde cloud-AI gemiddeld ruim 200 MWh per gebouw per jaar.
Kunstmatige intelligentie staat door het energiegebruik van datacenters steeds vaker ter discussie, maar AI kan ook aan de andere kant van de energiebalans een rol spelen. Schneider Electric onderzocht wat er gebeurt wanneer AI wordt ingezet om klimaatinstallaties in gebouwen efficiënter aan te sturen. De potentiële besparing blijkt aanzienlijk.
Besparing loopt op tot 22,4%
Voor het onderzoek vergeleek Schneider vier configuraties: een traditioneel gebouwbeheersysteem (BMS), een slim en met IoT verbonden BMS en twee varianten daarvan met respectievelijk edge- en cloud-AI. De modellen simuleerden middelgrote kantoren in Brisbane, Miami en Mumbai.
Een slim BMS leverde ten opzichte van traditionele aansturing al ongeveer 9 tot 12% energiebesparing op. Met cloud-AI liep de totale besparing op tot 21,7 à 22,4%.
De winst komt vooral uit een dynamischere aansturing van HVAC-installaties. Die zijn volgens het onderzoek goed voor bijna 40% van het energiegebruik van gebouwen. Traditionele systemen werken veelal met vooraf ingestelde schema’s en regels. AI kan daarnaast rekening houden met actuele bezetting, weersverwachtingen en de prestaties van apparatuur en daar de klimaatregeling voortdurend op aanpassen.
Ruim 200 MWh per jaar
Dat levert ook in absolute cijfers flinke besparingen op. De cloudoplossing bespaarde in de onderzochte scenario’s gemiddeld 203 MWh per gebouw per jaar. Voor edge-AI kwam Schneider uit op gemiddeld 169 MWh. De onderzoekers benadrukken wel dat de twee oplossingen onafhankelijk van elkaar zijn ontwikkeld. Uit de resultaten kan daarom niet simpelweg worden geconcludeerd dat cloud-AI technisch superieur is.
Edge-AI heeft bovendien andere voordelen. Omdat berekeningen lokaal plaatsvinden, is het systeem minder afhankelijk van een internetverbinding en zijn snellere reacties mogelijk. Cloudsystemen maken het daarentegen eenvoudiger om meerdere gebouwen centraal te bewaken.
Energieverbruik van AI zelf blijft beperkt
Opvallend is de verhouding tussen de energiewinst en de voetafdruk van de AI zelf. De operationele en toegerekende hardware-uitstoot van de onderzochte AI-systemen bedroeg minder dan 1% van de emissiereductie die met de betere HVAC-aansturing werd bereikt.
Dat komt mede doordat hier geen energie-intensieve generatieve AI draait. De systemen gebruiken relatief lichte machine-learningmodellen die periodiek berekeningen uitvoeren op standaard-CPU’s of energiezuinige edgehardware. Schneider illustreert dat met een opvallende verhouding: een processor van ongeveer 150 watt kan helpen het energieprofiel te regelen van een gebouw dat jaarlijks circa 750 MWh verbruikt.
Geen garantie
De cijfers vragen wel om nuance. Schneider baseert de resultaten op energiemodellen die zijn afgestemd op de eerste resultaten van praktijkpilots. Bovendien onderzocht het bedrijf één type middelgroot kantoor in drie warme klimaatzones. De onderzoekers stellen zelf dat meer onderzoek nodig is naar andere gebouwtypen en klimaten.
De besparing van ruim een vijfde is dus geen garantie voor ieder kantoor. Het onderzoek laat vooral zien hoeveel extra ruimte er kan ontstaan wanneer bestaande gebouwdata niet alleen wordt verzameld, maar ook continu wordt gebruikt om installaties bij te sturen.
