Use Cases

Use Cases für die Forecast App

Die Forecast App kann in zahlreichen praxisnahen Szenarien eingesetzt werden, bei denen es darum geht, zukünftige Werte basierend auf historischen Messdaten vorherzusagen. Nachfolgend finden Sie typische Anwendungsfälle mit einer Beschreibung der Zielsetzung, der empfohlenen Konfiguration und möglichen Erweiterungen.

---

1. Energieverbrauch vorhersagen

Ziel: Prognose des zukünftigen Strom-, Gas- oder Wasserverbrauchs auf Stunden- oder Tagesbasis zur Optimierung des Energiebezugs und zur frühzeitigen Erkennung von Anomalien.

Beispielkonfiguration:

• Asset: Zähler (z. B. Stromzähler)

• Target Attribute: Energieverbrauch (Differenzwert, nicht der Zählerstand)

• Feature Attributes: hour_of_day, day_of_week, Außentemperatur (optional)

• Forecast Length: 24 (für 24 Stunden)

• Context Length: 168 (eine Woche als Kontext)

Erweiterungen:

• Visualisierung im Dashboard

• Automatischer Vergleich mit Planwerten aus dem Calculator

---

2. Innenraumtemperatur regulieren

Ziel: Vorhersage der Raumtemperatur zur optimalen Steuerung von Heizung, Lüftung oder Kühlung.

Beispielkonfiguration:

• Asset: Raumklima-Sensor

• Target Attribute: Temperatur

• Feature Attributes: hour_of_day, day_of_week, aktuelle Fensterstellung oder CO₂-Werte

• Forecast Length: 12 (für die nächsten 12 Zeiteinheiten)

• Context Length: 48–72

Erweiterungen:

• Kombination mit Regel-Engine zur Automatisierung der Gebäudesteuerung

• Alerts bei Über- oder Unterschreiten geplanter Grenzwerte

---

3. Luftfeuchtigkeit überwachen

Ziel: Frühzeitige Erkennung potenzieller Feuchteprobleme durch Prognose der Luftfeuchtigkeit in kritischen Bereichen.

Beispielkonfiguration:

• Asset: Sensor in Technikraum, Archiv, Lager o. Ä.

• Target Attribute: Luftfeuchtigkeit

• Feature Attributes: hour_of_day, Temperatur, Luftaustauschrate (optional)

• Forecast Length: 6

• Context Length: 24

Erweiterungen:

• Integration mit Alarmsystem

• Verknüpfung mit Belüftungssteuerung

---

4. Auslastung von Besprechungsräumen prognostizieren

Ziel: Erkennung wiederkehrender Nutzungsmuster zur besseren Raumplanung.

Beispielkonfiguration:

• Asset: Präsenzsensor oder Belegungsstatus

• Target Attribute: Belegung (0 oder 1)

• Feature Attributes: hour_of_day, day_of_week

• Forecast Length: 48 (z. B. für die nächsten zwei Tage)

• Context Length: 96

Erweiterungen:

• Verknüpfung mit Booking Widget

• Anzeige freier Zeiträume auf digitalen Türschildern

---

5. Technische Anomalien erkennen

Ziel: Indirekte Vorhersage von Fehlverhalten, etwa bei Lüftung, Pumpen oder Servern – z. B. durch Temperaturanstieg oder veränderte Stromaufnahme.

Beispielkonfiguration:

• Asset: Technische Komponente mit Sensoren

• Target Attribute: Betriebstemperatur oder Stromverbrauch

• Feature Attributes: hour_of_day, aktuelle Last, Außentemperatur

• Forecast Length: 6

• Context Length: 72