Moderne Gebäude und technische Anlagen erzeugen kontinuierlich große Mengen an Betriebs- und Zustandsdaten. Gleichzeitig steigen die Anforderungen an Energieeffizienz, Betriebssicherheit und Transparenz. Cloudbasierte Analyseansätze lassen sich jedoch nicht in allen Gebäuden oder Infrastrukturen uneingeschränkt einsetzen – etwa aufgrund von Datenschutz, Netzwerkanbindung oder IT-Sicherheitsanforderungen.
Lokale Datenverarbeitung direkt im Gebäude
Die Edge-AI-Plattform Coligo setzt daher auf eine lokale Datenverarbeitung direkt im Gebäude. Daten werden am Entstehungsort analysiert, ohne dass eine permanente Anbindung an externe Systeme erforderlich ist. Dadurch lassen sich Echtzeitauswertungen umsetzen, während sensible Daten im lokalen System verbleiben.
Daten aus verschiedenen Quellen einbinden und übertragen
Die Integration erfolgt über industrielle Standardschnittstellen wie OPC UA. So können Daten aus Gebäudeleittechnik, HLK-Systemen oder weiteren technischen Anlagen eingebunden werden. Über eine optionale MQTT-Schnittstelle können ausgewählte Daten zusätzlich an übergeordnete Systeme wie Energiemanagement- oder Cloud-Lösungen übertragen werden.
Abweichungen erkennen, Anomalien begegnen
Ein typischer Anwendungsfall ist die Anomalieerkennung im Betrieb technischer Anlagen. Dabei werden normale Betriebszustände gelernt, sodass Abweichungen – etwa bei Energieverbräuchen oder Anlagenverhalten – frühzeitig erkannt werden können.
Modularer Aufbau mit No-Code-Ansatz
Die Plattform ist modular aufgebaut und verfolgt einen No-Code-Ansatz. Sie richtet sich an Anwender aus der Gebäudeautomation und dem technischen Betrieb. Training und Ausführung der Modelle erfolgen direkt auf dem Edge-System.
