Credit: Colourbox 

Kunstig intelligens åbner op for store energibesparelser

af: Emil Lohse, Primetime

Nyt energiledelsesprojekt i Hørsholm Kommune viser, at kombinationen af kunstig intelligens og 100% databaseret energiledelse er nøglen til markante CO2-reduktioner, som samtidig låser op for overskud i millionklassen.


Omstillingen mod en bæredygtig fremtid er for alvor kommet øverst på alles dagsorden – også ude i de danske kommuner.

Men hvordan kommer man egentlig i gang, når bæredygtige investeringer ofte er forbundet med store omkostninger?

Svaret er hverken milliondyre investeringer i ny teknologi eller en fundamental omlægning af vores måde at leve på.

I stedet ligger nøglen til CO2-reduktion i kunstig intelligens og databaseret energiledelse.

Databaseret kan nemlig give store økonomiske besparelser og samtidig barbere CO2-udledningen gevaldigt ned.

Det fortæller Dennis Sonne Mogensen, der er projektleder i Team Ejendom ved Hørsholm Kommune:

“Ved at bruge kunstig intelligens til at analysere forbrugsdata har vi dokumenteret stort energispild i vores bygningsmasse. Derfor ved vi også med sikkerhed, at der er store økonomiske besparelser at hente, som samtidig kommer klimaet til gode”, siger han.

Den kunstige intelligens måler el-forbruget på 16 forskellige parametre hver time, som kan have indflydelse på den enkelte ejendoms el-forbrug.

Det vil sige vindhastighed, vindretning, dag på ugen, dag på året, bestemt tid på dagen, solindstråling osv.

Løsningen er allerede nu udvidet til alle fjernvarmeopvarmede ejendomme*. Senere i år kommer naturgasopvarmede ejendomme også på og senere udvidet til også at kunne analysere på vandforbrug.

Ti måneders arbejde gav en halv mio. i besparelser

Hørsholm Kommune har arbejdet målrettet med kunstig intelligens og databaseret energiledelse som middel til at reducere kommunens CO2-udledning siden 2021.

At sidde på hænderne og gøre ingenting er ikke en mulighed, fortæller Dennis Sonne Mogensen.

”Vi ønsker at være et godt eksempel og bevise, at vi er en kommune, der kæmper for den grønne omstilling. Derfor har vi også en forpligtigelse til at anvende energien på den mest hensigtsmæssige måde”, siger han.

Projektet består af et samarbejde mellem Hørsholm Kommune, 4B Consulting og Ento Labs.

Inden 2023 skal samarbejdspartnerne kortlægge forbrugsdata fra Hørsholm Kommunes samlede bygningsportefølje og omstille driften af kommunen til en 100 pct. datadreven energiledelse.

Og de foreløbige resultater viser tydeligt, at de nye arbejdsredskaber ikke blot er godt for miljøet, men også sundt for forretningen.

På blot ti måneder er det lykkes Hørsholm at reducere kommunens samlede CO2-udledning med to procent alene ved at minimere energispild i bygningsporteføljen.

Den reduktion har indtil videre sparet kommunen for 500.000 kr. årligt alene på el.

Erfaringerne fra Hørsholm Kommune bakkes op af en ny rapport fra den nationale interesseorganisation Synergi.

Den viser, at Danmark kan spare ti procent af sit samlede energiforbrug i bygninger ved hjælp af bl.a. kunstig intelligens og datadreven energiledelse.

Kommune har kun set toppen af isbjerget

I Hørsholm Kommune er tiden nu kommet til næste fase af klimaprojektet.

Hørsholm Kommune udvider nemlig deres anvendelse af kunstig intelligens og databaseret energiledelse til også at inkludere dataindsamling fra forsyningsværkerne på fjernvarme, vand og gas.

Den proces løber året ud og vil reducere det samlede energispild med op mod ti pct., hvilket svarer til en årlig besparelse på over 1 million kroner.

”Hele projektet er gået over al forventning. Det har selvfølgelig krævet noget teknologisk tilvænning at arbejde med de nye digitale værktøjer, men alle involverede har taget rigtig godt imod tiltagene”, siger Dennis Sonne Mogensen, projektleder i Team Ejendom ved Hørsholm Kommune.

Faktisk har arbejdet allerede affødt andre tværgående projekter med databaseret ledelse i kommunen, og Dennis Sonne Mogensen glæder sig til at se, hvad fremtiden bringer:

“Jeg tror kun, vi har skrabet overfladen af teknologiens muligheder,” siger han.