Mobile-Menu

Studie der Universität Stuttgart IoT im Büro spart 20 Prozent an Stromkosten

Von Martin Hensel |

Anbieter zum Thema

Fujitsu Technology Solutions GmbH
Tableau von Salesforce
Insider Research
Universität Stuttgart

Im Rahmen einer Studie haben Forscher der Universität Stuttgart demonstriert, dass der kombinierte Einsatz des Internets der Dinge (IoT), lokaler Batterien und smarter Algorithmen die Stromkosten in Büros um bis zu einem Fünftel reduzieren kann.

IoT und smarte Algorithmen sorgen für um ein Fünftel geringere Stromkosten in Büros. Das ist das beachtliche Ergebnis einer aktuellen Studie der Universität Stuttgart.
IoT und smarte Algorithmen sorgen für um ein Fünftel geringere Stromkosten in Büros. Das ist das beachtliche Ergebnis einer aktuellen Studie der Universität Stuttgart.
(Bild: Gerd Altmann / Pixabay)

In der Studie stellten sich Brian Setz, Dr. Kawsar Haghshenas und Professor Marco Aiello vom Institut für Architektur von Anwendungssystemen (IAAS) am Fachbereich Informatik die Frage, wie sich vorhandene Energieressourcen besser nutzen lassen. Im jetzt als Preprint veröffentlichten Paper „Energy Smart Buildings: Parallel Uniform Cost-Search with Energy Storage and Generation“ beschreiben die Forscher, wie sie durch dynamisch mit realen Umweltdaten abgestimmte Betriebszeiten die tatsächlichen Energiekosten um 22,64 Prozent reduzieren konnten.

„Unsere Studie zeigt, dass Batterien und auf IoT basierende Büroautomatisierung an den Arbeitsplätzen erhebliche Energieeinsparungen ermöglichen, ohne die Mitarbeitenden bei ihrer Tätigkeit zu stören“, fasst Prof. Aiello zusammen.

Microservices als Basis

Das Beispielszenario betrachtet und klassifiziert Energiespeicher, lokale Stromerzeuger sowie elektrische Verbraucher vom Thin Client bis zur Kaffeemaschine. Die Forscher werteten zudem reale Umweltdaten über eine Microservices-Architektur aus – einschließlich Detailinformationen wie Luftdichte, technische Spezifikationen von Turbinen sowie Preisprognosen. Aus diesen Daten ließen sich Rückschlüsse auf den Ertrag von Photovoltaik- und Windkraftanlagen sowie daraus resultierende Energiekosten ziehen.

Die Forscher suchten auf Basis dieser Variablen nach einem optimalen Betriebsplan für die elektrischen Geräte ihrer Installation. Ein gewichteter Graph stellte dabei alle möglichen Zustände dar und wurde wiederum von einem parallelisierten Algorithmus ausgewertet. So konnte die eingesetzte 32-Core-CPU in unter sieben Minuten einen idealen Betriebsplan für 24 Stunden berechnen. Sie verbrauchte dabei 0,01 Kilowattstunden – angesichts der Gesamtersparnis ein vernachlässigbarer Aufwand. Während das Projekt vor allem die Kosten im Blick hatte, könnte das Verfahren künftig auch auf möglichst klimafreundlichen Betrieb adaptiert werden.

(ID:48960409)

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte