VINCI Energies hat mit SprinkIA ein KI-basiertes, selbstlernendes Entscheidungshilfetool entwickelt, das bei der Auslegung von Brandschutzanlagen die Produktivität erhöht.
Selbstauslösende Feuerlöscheinrichtungen bei plötzlichem Temperaturanstieg in einem Raum sind heute gang und gäbe. Es genügt, den Blick nach oben zu richten, um sie in Geschäften, Lagerräumen und anderen brandgeschützten Bereichen zu sehen. Die sogenannten Sprinkler sind je nach Bodenfläche, die im Ernstfall zu berieseln ist, über die Decke verteilt und durch Leitungen untereinander sowie mit einer Leitstelle verbunden.
„Bei der Auslegung von Gebäudetechnik und Brandschutz künstliche Intelligenz einzusetzen, ist ein Novum.“
Für die normengerechte Auslegung eines Sprinklersystems sind für jeden Anwendungsfall bestimmte Parameter zu berücksichtigen. Gewöhnlich umfasst diese Planung mehrere Phasen. Am Anfang steht die Kalkulation mit Schätzung der erforderlichen Zahl an Sprinklerköpfen. Bei der anschließenden Ausführungsplanung sind das Leitungsnetz zu dimensionieren, hydraulische Berechnungen anzustellen und die mitunter zentimetergenaue Anordnung der Sprinklerköpfe festzulegen. Sobald der Plan und die einzelnen Fertigungsmodule feststehen, kann die Produktion der Löschkomponenten anlaufen.
„Allerdings“, so Stéphane Maviel, Entwickler bei DIANE (VINCI Energies), „lässt sich manchmal erst zu diesem späten Zeitpunkt feststellen, dass ein um wenige Zentimeter versetzter Sprinklerkopf die Herstellung wesentlich erleichtert und Zeit und Kosten gespart hätte“.
Wie lässt sich eine solche Agilität in den Prozess einbauen? Die in Frankreich unter der Marke Uxello firmierenden Brandschutzunternehmen von VINCI Energies haben dafür ein auf künstlicher Intelligenz basierendes Verfahren zur Planung von aktiven Brandschutzanlagen namens SprinkIA entwickelt.
Generatives Design
Diese Innovation unter Federführung von Stéphane Maviel beruht auf „Generative Design“ und verbindet die Rechenleistung der Cloud mit den Algorithmen künstlicher Intelligenz, um den Ingenieuren bei der Planung unter die Arme zu greifen.
SprinkIA lässt sich mit einem virtuellen Konstrukteur vergleichen, der das Sprinklernetz zum Spaß beliebig in alle Richtungen zerlegt. Er spielt eine gewisse Anzahl von Möglichkeiten durch. Jeder Durchgang wird benotet, durch diese aufeinanderfolgenden Bewertungen lernt er dazu, verbessert sich und erarbeitet sich schließlich über einen Algorithmus, sogenanntes „Reinforcement Learning“, die optimale Strategie, wie sich das Netz am besten in Einzelelemente zerlegen lässt.
„Bei der Auslegung von Gebäudetechnik und Brandschutz künstliche Intelligenz einzusetzen, ist ein Novum“, meint Stéphane Maviel. „Bisher war KI eher der Bilderkennung oder dem Finanzsektor vorbehalten. Mit SprinkIA schlagen wir drei Fliegen auf einen Streich: der Planungsingenieur produziert damit sein Leitungsnetz, das unter Berücksichtigung aller hydraulischen Berechnungen fertig ausgelegt, d.h. richtig dimensioniert und für die Produktion in Teile zerlegt ist.“
So lassen sich in jeder Phase Einsparungen erzielen. „Ursprünglich war das Projekt hauptsächlich auf die Kalkulation und die Optimierung der Abläufe in der Angebotsphase ausgerichtet, allerdings haben wir rasch festgestellt, dass wir auch bei Planung und Produktion Zeit sparen konnten.“
Letzlich sparen die Uxello-Betriebe auch bei der Ausführung Zeit. Denn durch die Standardisierung stellen sich weniger Fragen bezüglich der Verteilung und lassen sich die Komponenten schneller installieren.
SprinkIA wurde im Herbst 2020 neu eingeführt. Angeboten wird die Lösung von DIANE, einer neu gegründeten Unternehmenseinheit von VINCI Energies. Sie ist insbesondere auch damit betraut, das KI-Anwendungsbeispiel Brandschutz auf andere Leistungsbereiche der Gruppe zu übertragen, wie HLK (Heizung, Lüftung, Klima), wo ebenfalls 2D- und 3D-Berechnungs- und Planungssoftware wie Autocad und Revit verwendet wird.
Zu den Vorteilen, die dieses innovative Tool verspricht, zählen Entscheidungshilfe, Automatisierung, Optimierung und schließlich eine verbesserte Produktivität.
