Hamburg (ots) –
{Die|Pass away} Immobilien- und Baubranche ist für rund ein Drittel der CO2-Emissionen in Deutschland verantwortlich. Kein Wunder, dass ihr beim Thema Nachhaltigkeit eine Schlüsselrolle zukommt. {Die|Pass away} unternehmensübergreifende Auswertung von Daten für alle Phasen des Planens, Bauens und Betreibens mithilfe von KI-Anwendungen könnte hier einen wichtigen Beitrag leisten. Doch im kleinteiligen Markt der Immobilienwirtschaft, wo jedes Gebäude ein Unikat darstellt, haben {die|pass away} meisten Unternehmen schlicht zu wenig miteinander kompatible Daten, {die|pass away} dem lernenden KI-System zugeführt werden können. Erschwerend kommt hinzu, dass {die|pass away} Bereitschaft der Unternehmen begrenzt ist, wenn es um das Offenlegen und Teilen sensibler Daten geht. Schließlich bedeutet das {Know-how|Knowledge} einer Firma zum Thema Nachhaltigkeit auch einen Wettbewerbsvorteil gegenüber der Konkurrenz.
Mit der Adaption des Federated {Learning|Knowing} Prinzips hat Prof. Dr. Andreas Moring eine Methode gefunden, diese Probleme zu umgehen und {die|pass away} Datenanalyse auch für {{Real|Genuine} Estate|Realty|Property} Unternehmen nutzbar zu machen: “Wenn nicht genügend Daten zum lernenden KI-System gebracht werden, müssen wir das lernende KI-System stattdessen zu den Daten bringen.” Dieses Prinzip des dezentralen maschinellen Lernens wird Federated {Learning|Knowing} genannt. Das KI-System wird direkt auf {die|pass away} Server oder Endgeräte der beteiligten Unternehmen gespielt, auf denen sich {die|pass away} relevanten Daten befinden. Das Training von KI-Modellen passiert auf jedem Geräte-Bestand mit den jeweils vorhandenen Daten. {Die|Pass away} individuell daraus gewonnenen Erkenntnisse – und nicht die Daten selbst – werden in einem nächsten Schritt zueinander gebracht und Stück für Stück zu einem Gesamtbild zusammengefügt. Der Datenschutz bleibt während des gesamten Prozesses des dezentralen maschinellen Trainings und Lernens gewährleistet. Ganz nach dem {Motto|Slogan}: “Share the {knowledge|understanding}, not the {data|information}” erhalten alle beteiligten Parteien Zugriff auf {die|pass away} daraus resultierenden Erkenntnisse. Das so gewonnene Wissen sowie {die|pass away} trainierte KI steht danach den Unternehmen für zukünftige Projekte zur Verfügung.
Der “{Real|Genuine} Analytics” Ansatz bietet aus Sicht von Prof. Dr. Andreas Moring vielerlei Chancen für nachhaltigeres Bauen und Bewirtschaften von Immobilien: “Im Bau können so {die|pass away} verschiedenen ´ Gewerke ‘, Dienstleister und beteiligten Unternehmen gesteuert werden, ohne dass es dazu einer gemeinsamen Plattform oder einer technischen Infrastruktur bedarf. {So können Fehler vermieden, Zeit und Energie gespart oder auch Müll und Abfall minimiert werden.”|Können Fehler vermieden, Zeit und Energie gespart oder auch Müll und Abfall minimiert werden.”} Wenn {man|guy|male} bedenkt, dass 50 % des gesamten deutschen Müllaufkommens gegenwärtig aus der Bauindustrie kommt, erscheint das Potenzial gerade in diesem Bereich äußerst vielversprechend. Auch für das Messen, {Monitoring|Keeping track of|Keeping an eye on} oder Steuern von Immobilien seien {die|pass away} Möglichkeiten für den Federated {Learning|Knowing} Ansatz praktisch unbegrenzt: “So lassen sich beispielsweise Energiebilanz, Kosten oder Instandhaltung optimieren, weil es anonymisierte Daten als Benchmarks gibt”, ist Moring überzeugt.
Das Innovationspotenzial der Real-Analytics Methode wird auch von anderen Vertreter * innen der Immobilienbranche erkannt. Im Rahmen der BIM-Tage Deutschland wurde {die|pass away} Lösung von Prof. Dr. Andreas Moring mit dem Green-BIM Award ausgezeichnet.
Prof. Dr. Andreas Moring ist Hochschullehrer für digitale Wirtschaft, {Innovation|Development} und Künstliche Intelligenz an der International School of Management (ISM) in Hamburg.