”Den opgave ville aldrig kunne løses af mennesker” 

Børnehaver, der varmes op i weekenderne, brud på rør, der står og lækker, gamle vandvarmere, der holder vandet på kogetemperaturer osv.  Der finder voldsomt meget energispild sted i bygninger, og det koster på klimakontoen.   

- Driften af bygninger står for 28 procent af den samlede CO2 udledning. Og ifølge Det Internationale Energiagentur, er energieffektivitet i bygninger den største enkeltstående bidragsyder i forhold til, om vi når klimamålene. I det hele taget er der ikke noget, der er så vigtigt som energieffektivitet, når det gælder klima, siger Malte Frederiksen, der er kommerciel direktør i den danske virksomhed Ento, hvis erklærede mål er at reducere energiforbruget globalt – og som konkret gør det ved at få AI til at analysere data over energiforbrug i bygninger og kortlægge, hvor der er energispild. Og det sparer selvsagt ikke kun på klimakontoen.  

- Vi har eksempler på et toilet, der har stået og løbet i fuld galop i et år, hvilket kostede ekstra 140.000 kr. i årlig drift. Ligesom der er eksempler på energispild i en enkelt bygning, der koster 20.000 kr. i timen. Og vi har lige haft en boligforening i Aarhus, der har sparet 600.000 kroner om året i strafafgifter på grund af varmespild, fordi de blev opmærksomme på spildet og fik det stoppet, siger Malte Frederiksen og fortæller, at hvis man som bygningsejer aldrig har arbejdet med at reducere energispild, kan man ofte reducere energiforbruget med 20-30 procent ​på tværs af en bygningsportefølje, ​når man går i gang.  

Manglende overblik  

Ento blev etableret i 2019 og har ifølge Malte Frederiksen siden fordoblet antallet af deres kunder - hvert år. I dag står virksomheden for energiovervågningen af 30.000 bygninger i ​Europa, ​og blandt kunderne finder man bl.a. ​detailkæden ​Salling Group​ og ​30 danske kommuner. Ento, der i dag har 15 ansatte, har derudover også kunder i England – heriblandt supermarked​s​kæden Planet Organic, og i Italien en række offentlige bygninger i Milano.  

- Mange af vores kunder har ekstremt mange bygninger og har derfor ikke overblik over, om de drives korrekt. Bare tænk på en kommunal børnehave: Hvem holder øje med​,​ om ventilationsanlægget også kører om natten? Eller der kan være tale om toiletter i en kælder i en offentlig bygning, der står og løber i årevis, eller brud på rør – ting som ingen lægger mærke til, medmindre man analyserer data. Og her er det så vores mission at hjælpe bygningsejere med at komme spildet til livs, når det drejer sig om el, vand og varme.  

Varme året rundt  

- Når det kommer til el-forbrug er den helt store synder ventilationsanlæg. De er gerne styret efter en sensor, der sørger for, at der bliver luftet ud alt efter CO2-niveau, og hvis den sensor går i stykker og giver forkert værdi, kan ventilationsanlægget køre 24 timer i døgnet, uden at nogen opdager det. Det kan også være en el-vandvarmer, der konstant holder vandet på kogetemperatur.   

- Vi har også set en rampe i en parkeringskælder, hvor der lå varmekabler i gulvet, der skulle styres efter udendørstemperaturen, så der blev tændt for gulvvarmen i frostgrader, så der ikke dannede sig et islag. Og dér fandt systemet ud af, at varmereguleringen var ​sat i konstant drift​, så varmen havde været tændt hele året. ​Det tog tre minutter at løse, men havde kostet mange hundrede tusinde kroner, fortæller Malte Frederiksen.​  

Derudover er det også svært at indstille varmesystemer i bygninger korrekt.  

- Varmen i en bygning er påvirket af så mange ydre faktorer – f.eks. solindstråling. Så du risikerer at overopvarme, når solen står ind, fordi varmesystemet ikke kan tage højde for det.   

Varmeplan og løsningsforslag  

Og her er det så AI kommer ind i billedet.  

​​- Vi har to produkter i Ento: Et, hvor vi læser forbrugsdata, der fortæller, hvor meget forbrug man har, og som kan se uregelmæssigheder, og som også kommer med bud på, hvor og hvorfor det er gået galt – f.eks. at ventilationen ikke er indstillet korrekt. ​​​​​Her arbejder vi bl.a. med mønstergenkendelse i dataen. Så når vi kan se, at et vandforbrug opfører sig på en helt bestemt måde, ved vi nu, at det i 99 ud af 100 tilfælde drejer sig om et toilet, der løber, mens et rørbrud har et andet mønster. Derfor kan vi også ofte komme med konkrete løsningsforslag. ​​

- Med det andet produkt lader vi algoritmerne overtage ​styringen af ​anlæggene​. D​en ved​ præcist​, hvornår der skal tændes, slukkes eller skrues ned for varmen, fordi vi kan træne machine learning-modeller til at få en unik forståelse for den enkelte bygnings behov, siger han og nævner en folkeskole som eksempel: Her vil man måske gerne have, at der er 22 grader fra kl. 8 til 16 mandag til fredag, mens man resten af tiden er ligeglad, så længe temperaturen ikke kommer under 15 grader, da det øger risikoen for skimmelsvamp.  

- Algoritmen kan lave en varmeplan, der tager højde for vejrudsigten og ting som udendørstemperatur, solindstråling, vindretning, nedbør osv. Ligesom den også har adgang kalenderinformation, og derfor også tager højde for offentlige helligdage, så der ikke varmes op, når der ikke er nogen i bygningen.   

Det hele gøres ud fra Entos software, som kobles på de systemer, der allerede findes i bygningerne, og derudover benytter sig af allerede offentlig tilgængelige data. Det vil sige, at algoritmen får informationer fra bl.a. datavejrkilder, BBR og Google Maps.  

Alt for meget data  

Det koster selvfølgelig i sig selv energi at få en AI til at gøre alt det, men ifølge Malte Frederiksen langt mindre, end der bliver sparet. Ligesom han heller ikke mener, at AI’en varetager en opgave, der kunne løses af mennesker.  

- Mennesker kan på ingen måde gøre det, vores system gør. Hvis vi taler om en stor bygningsmasse, så skulle du have måske have 1.000 målere sat op, der sendte en værdi i timen, som så skulle skrives ind i et excelark, og derefter skulle du analysere den data – og det kan man som menneske ikke holde styr på. Det er alt for meget data