Die intelligente Fußbodenheizung
This is a modal window.
The media could not be loaded, either because the server or network failed or because the format is not supported.
Formal Metadata
Title |
| |
Subtitle |
| |
Title of Series | ||
Number of Parts | 94 | |
Author | ||
License | CC Attribution 4.0 International: You are free to use, adapt and copy, distribute and transmit the work or content in adapted or unchanged form for any legal purpose as long as the work is attributed to the author in the manner specified by the author or licensor. | |
Identifiers | 10.5446/45598 (DOI) | |
Publisher | ||
Release Date | ||
Language |
Content Metadata
Subject Area | ||
Genre | ||
Abstract |
|
00:00
Interface (computing)Set (mathematics)Direction (geometry)EnergieKennzahlData analysisPattern languageFourier transformXMLUMLComputer animationLecture/Conference
03:43
Atomic nucleusEnergieUser interfaceDatabasePrincipal ideal domainMicrocontrollerComputer animation
05:04
Systems <München>Open sourcePoint cloudComputer animation
06:05
AlgorithmMicrocontrollerPoint cloudRechenkapazitätComputer animation
07:33
Point cloudTwitterParameter (computer programming)EckeComputer animation
08:38
MicrocontrollerComputer animation
09:54
SoftwareProgramming languageCodeComputer hardwareWireless LANLoop (music)KommunikationSSLAuthenticationWorkplace ShellKerr-LösungValidationFunction (mathematics)KommunikationWireless LANWorkplace ShellMusical ensembleC++Loop (music)Field extensionMicrocontrollerUSB <Schnittstelle>Computer animation
16:38
Term (mathematics)User interfaceLisaAPIComputer wormSpoke-hub distribution paradigmProgrammer (hardware)EARNComputer animationProgram flowchart
18:50
DatabaseARLDirection (geometry)Program flowchart
19:49
DatabaseMathematical structureProgrammer (hardware)Program flowchart
21:12
Windows AzureSQLInformationGeometrischer KörperComputer animationSource code
22:29
Windows AzureSQLGeometrischer KörperSource codeComputer animation
23:33
Point cloudPredictionField extensionJSONComputer animation
24:34
APIPoint cloudAPIXMLSource codeJSONXMLComputer animation
26:02
Visualization (computer graphics)Computer animation
27:13
Visualization (computer graphics)Computer animationLecture/ConferenceMeeting/Interview
28:13
Visualization (computer graphics)Principal ideal domainComputer animationLecture/Conference
29:30
Machine learningRechenkapazitätLecture/ConferenceMeeting/Interview
31:19
Row (database)MAX <Programm>World Wide WebEckeRow (database)Große AbweichungMAX <Programm>Maxima and minimaSource codeJSON
34:56
AlgorithmMoving averagePartition of a setParameter (computer programming)Computer animationProgram flowchartSource codeJSON
36:47
CurveSineParameter (computer programming)Computer animation
37:49
AlgorithmParameter (computer programming)Reinforcement learningArtificial neural networkAPISuperLearnZeitintervallArtificial neural networkFunction (mathematics)Event horizonAtariComputer animation
40:00
Open sourceWeb serviceUpdateServer (computing)MicrosoftWindows AzureAPIoutputComputer animationSource code
41:01
Point cloud
42:32
Web serviceServer (computing)Level (video gaming)Visualization (computer graphics)Source code
44:24
HTMLCross-site scriptingServer (computing)User interfaceoutputMobile appSource codeJSON
45:16
LoginXMLProgram flowchartComputer animation
46:13
Open sourceAlgorithmField extensionComputer animation
48:54
Control engineeringComputer animation
52:18
Order of magnitude
57:46
InformationLecture/ConferenceMeeting/Interview
01:03:15
JSONLecture/ConferenceMeeting/Interview
01:08:19
openSUSEXMLComputer animation
Transcript: German(auto-generated)
00:00
In dem Ding habe ich schon Live-Bilder gesehen, wo es angefangen hat zu gucken. Also da ist es natürlich durchaus eine Sache. Da seht ihr, ich setze sogar mein echtes Haus aufs Spiel, um das auszuprobieren. Man könnte es vielleicht auch noch komplexer machen. Also es gibt ja auch noch weitere Heizungen im Haus. Es gibt ja noch weitere Heizungen im Haus, wie zum Beispiel, wenn ich jetzt auch in der Küche bin,
00:24
der Heer, der auch Energie abgibt und dann auch heizt. Ob es sinnvoll wäre, auch noch ein Sensor dran zu machen oder wenn ich im Bad bin, da bin ich dann interessiert, sehr schnell Heizwärme zu bekommen. Ich habe einen Heizstrahler. Ob das auch noch sinnvoll wäre, das zu berücksichtigen mit weiteren Sensoren?
00:42
Ja, also das ist, darf ich antworten? Genau, das ist auf jeden Fall ein sehr, sehr spannendes Thema, was im Prinzip jetzt der nächste logische Schritt sein wird, wenn wir hier quasi im Modellhaus angefangen haben, so Kennzahlen von einzelnen Räumen zu errechnen. Die werden in einem echten Raum, im echten Haus nicht so schön glatt aussehen
01:02
wie die Kurven, die ihr da gesehen habt. Sondern da leben Menschen, die schwitzen, kochen, heizen, machen Heizstrahler, anlüften, einfach so. Das ist extrem störend für so ein System. Genau, am besten funktioniert das, wenn niemand im Haus wohnt.
01:23
Genau, aber auch da, also das sind dann auch so von der Datenanalyse sehr spannende Fragen. Schaffen wir das dann, wenn wir über die letzten paar Tage mitteln, dann trotzdem die aktuelle gute Kennzahlen für einen Raum rauszurechnen? Oder finden wir dann halt anhand von unrealistischen Sprüngern,
01:41
können wir dann identifizieren, wenn ein Fenster geöffnet wurde oder der Kamin angefeuert und schaffen es dann, die zu ignorieren? Genau, das haben tatsächlich auch schon viele von den kommerziellen Herstellern, die können detektieren, ob das Fenster auf ist oder nicht. Also insofern, das sollte nicht allzu schwer sein, indem man einen rapiden Temperaturabfall hat.
02:03
Wahrscheinlich einen Kamin kann man auch relativ gut einfach anhand der Daten rauskriegen. Das Kochen zum Beispiel dann auch, wenn gleichzeitig die Luftfeuchtigkeit mit ansteigt. Also da kann man Pattern erkennen und dann halt sagen, in dem Fall bitte jetzt nicht direkt hochheizen. Aber natürlich müssen wir auch gewisse Entrauschalgorithmen noch drauf hauen.
02:22
Also ein bisschen Überlegung ist, ob man da mit Fourier-Transformation so ein paar niederfrequente oder hochfrequente Dinge rausmachen kann. Das müssen wir aber noch ein bisschen genauer anschaun. Da gibt es sicherlich auch die Experten, die mit diesem System zu tun haben, die da schon einige Ideen haben.
02:40
Genau, wir laufen jetzt so langsam schon in die Mittagspause rein. Das heißt, wenn jemand Hunger hat, dann geht er bitte jetzt. Alle anderen bleiben bis zum Schluss. Genau, für die Aufzeichnung ist es egal. Vielleicht ist es schon am Anfang gesagt worden, das weiß ich nicht ganz genau. Wir warten ganz kurz, bis sich das beruhigt hat, würde ich sagen.
03:19
Okay, vielen Dank.
03:29
Okay, also die Frage ist, ist das denn jetzt schon im Echteinsatz und ist der Ziel erreicht worden? Das weiß ich jetzt. Kann man nicht eindeutig beantworten, tendenziell nein.
03:43
Also das heißt, das Modellhaus läuft jetzt in der Form, dass es halt die Daten sendet. Also das heißt, wir capturen die Daten. Es hat das definierte Tagesprogramm, was wir momentan aber händisch in die Datenbank reintackern und jetzt noch nicht über das User Interface bereitstellen
04:03
und haben momentan den einfachen Schwellwert-Algorithmus. Also mit Überschwingen drin, noch nicht die optimierten Versionen. Also ist das jetzt schon im echten Haus aktiv oder nicht?
04:21
Und sagt jetzt der, also nicht ihr beide, sondern die Nutzerin stand ja im Heft, sagt ihr jetzt, das ist super so, jetzt läuft das viel besser? Nee, so weit sind wir noch nicht. Also ich habe tatsächlich einen Mikrokontroller in meinem kleinen Klo laufen. Der läuft aber noch auf einem anderen Stand, als ich vorher den PID-Algorithmus,
04:41
also so einen Regelsteuer-Algorithmus, mal ausprobiert habe. Das habe ich aber nicht geschafft, den so zu konfigurieren, dass er schnell genug reagiert, dass das nur annähernd Sinn macht. Also da vielleicht auch nochmal die Frage an Spezialisten, die damit Erfahrung haben, ob PID da theoretisch ein Ansatz wäre. Ich hatte den jetzt erstmal verworfen. Der läuft tatsächlich in meinem echten Haus,
05:01
weil ich ihn noch nicht abgeschaltet habe. Wollen Sie mit diesem System keine Geschäfte machen? Also spannende Frage. Wir machen das, weil wir lernen wollen,
05:20
weil wir Spaß dran haben, so etwas zu bauen, auch weil wir das als Prototyp vielleicht für andere ähnliche Fragestellungen ausprobieren wollen. Falls das jetzt richtig steil geht und wir wirklich gute Ergebnisse bekommen und man sagt, okay, das ist jetzt tatsächlich konkurrenzfähig, dann ist das open source. Dann sind auch kommerzielle Anbieter, ist das völlig okay, wenn die unsere
05:43
Erkenntnisse nehmen und in kommerzielle Systeme einbauen, auch basierend auf den gesammelten Daten, die wir dann öffentlich stellen. Aber wir selber haben jetzt keine Ambitionen, Nest-Konkurrenz zu machen. Die zittern schon.
06:04
Ich habe jetzt gelernt, ihr lernt in der Cloud und habt am Ende ein Lernergebnis. Ist das Fernziel irgendwann, dieses Lernergebnis in den Mikrocontroller zu stecken oder einen Parametersatz in den Mikrocontroller zu stecken, dass der irgendwann autark wird? Oder wird es immer so sein, dass, ich nenne es jetzt mal,
06:20
die Cloud-Steuereinweisung an den Mikrocontroller gibt und sagt, was zu tun ist? Also vermutlich, also ich glaube, auf so einen kleinen Mikrocontroller kriegen wir das nicht hin, dann einen vernünftigen Algorithmus zu machen. Also ich finde das eine sehr interessante Frage. Ich würde es nicht mit Nein beantworten, sondern mit ja, vielleicht. Ganz kurz vielleicht. Also ich könnte mir vorstellen,
06:41
dass man Raspberry Pi oder sowas nimmt, wo ein bisschen Rechenkapazität drauf ist, dass man da sicherlich einige der Algorithmen machen kann. Aber jetzt der Mikrocontroller-Experte? Vielleicht eher der Cloud-Experte. Also ich denke, dass es jetzt am Anfang extrem wichtig ist, die ganzen Daten zu sammeln und zu lernen. Wenn dann der Output sein wird, okay, wir finden einen relativ einfachen Modus, der auf einem Raspberry oder sogar auf einem
07:03
ESP32 autark laufen kann, dann ist das super. Dann brauchen wir die Cloud da nicht mehr. Nur noch vielleicht um die Steuersignale und für den Benutzerinteressen halber irgendwelche statistischen Daten anzuzeigen. Der Weg würde wahrscheinlich dann wieder übers Internet, über die Cloud gehen, aber nicht zwingend. Man hätte natürlich bei uns im zweiten Modell, wo wir so
07:23
Raumparameter probiert haben, so ein bisschen zu skizzieren. Wenn man sagt, man hat anhand wirklich von vieler Daten schon so Raumcharakteristik herausgearbeitet und kann sagen, ja, das ist ein kleines Badezimmer, das verhält sich in 95% der Fälle so und so, dann müsste man quasi nicht mehr groß lernen daraus und könnte die Parameter
07:41
dann einfach natürlich aufs Zubeispiel nehmen. Aber da wissen wir noch nicht, was wir noch nicht wissen. Aber erstmal müssen wir wirklich die ganzen Anfangsdinge überwinden, sodass wir das erstmal in Live-Einsatz kriegen. Okay, vielen Dank für die ganzen Fragen. Wenn ihr Interesse habt, wie gesagt, kommt bei uns nochmal am Stand bei den Freifunkern, okay, Lab vorbei.
08:02
Genau, hier aus der Tür raus gleich rechts. Direkt hier um die Ecke. Kommt da vorbei oder kontaktiert uns auf Twitter oder wie auch immer. Machen wir gleich zu. Danke schön.
Recommendations
Series of 6 media