Ziel der Entwicklung
Bisher wird das Potenzial der heute verfügbaren Rechenkapazität und der breiten Vielfalt an Verfahren des maschinellen Lernens in TGA-Planungssoftware nicht genutzt. Um optimale Planungslösungen zu finden, müssen verschiedene Varianten zeitaufwändig manuell geprüft werden. Fehleingaben und problematische Ergebnisse werden nur in sehr geringem Maße von der Software erkannt.
Vorteile und Lösungen
Maschinenlernverfahren für Fehlererkennung / Anomaliedetektion, Regression und Clustering wurden zu Softwaremodulen zusammengefügt, die sich in Software für die TGA-Planung (z.B. Kühllast-Auslegung) integrieren lassen und die Planungssoftware intelligent machen. Eine Datenbasis mit über 10.000 Planungsvarianten wurde erstellt, um die intelligenten Algorithmen zu trainieren und zu testen.
Zielgruppe und Zielmarkt
Anbieter von TGA-Planungssoftware können die intelligenten Module in ihre Software integrieren. Softwareanwender, z.B. Fachplaner, profitieren von Software, die „mitdenkt“ und den Arbeitsalltag erleichtert. Die Erkenntnisse und Erfahrungen zu Maschinenlernalgorithmen können zudem in andere Anwendungsbereiche übertragen werden.