Sie vergleicht erfasste Verbräuche mit modellierten Erwartungswerten und stellt auffällige Abweichungen nach Schweregrad bereit. Das Projekt ist produktiv im Einsatz.
- 01Verbrauchs- & Kontextdaten
- 02Erwartungswert & Abweichung
- 03Priorisierte Auffälligkeiten
Die Aufgabe
Im Projekt haben wir den Heizungs-, Wasser- und Stromverbrauch in Gebäuden untersucht. Die monatlichen Verbrauchswerte sind nur im Zusammenhang mit Gerät, Nutzungseinheit und zeitlichem Verlauf aussagekräftig. Für die operative Prüfung müssen ungewöhnlich hohe oder niedrige Werte von erwartbaren Schwankungen unterschieden werden.
Die Aufgabe bestand darin, Verbrauchsdaten systematisch zu bewerten und relevante Auffälligkeiten für die weitere Bearbeitung bereitzustellen. Anomaly Detection ergänzt damit die fachliche Prüfung um eine modellbasierte Einschätzung.
Eine belastbare Datenbasis
Die Verarbeitung führt Verbrauchswerte mit Geräteinformationen, der zugehörigen Nutzungseinheit und verfügbaren historischen Werten zusammen. Eindeutige Zuordnungen und ein einheitlicher Monatsbezug bilden die Grundlage für die Bewertung.
Gemessene Nullverbräuche bleiben gültige Beobachtungen. Fehlende Werte und gesondert erzeugte Schätzungen werden als unterschiedliche Datenzustände behandelt.
- Monatliche Werte zeitlich und fachlich zuordnen
- Gerätetyp, Nutzungskontext und verfügbare Historie berücksichtigen
- Beobachtete Verbräuche und Schätzungen unterscheidbar halten
Abweichungen modellbasiert bewerten
Die Lösung berechnet einen erwarteten Verbrauch und vergleicht ihn mit dem erfassten Wert. Aus der Abweichung und einem kalibrierten Schwellenwert entsteht eine Bewertung, anhand derer Auffälligkeiten priorisiert werden.
Je nach verfügbarer Historie kommen unterschiedliche Modellvarianten zum Einsatz. Ungewöhnlich hohe und niedrige Verbräuche sowie negative Werte werden als unterschiedliche Auffälligkeitstypen ausgewiesen.
- Beobachteten Wert und Erwartungswert gegenüberstellen
- Abweichung, Bewertung und Schweregrad bereitstellen
- Verwendetes Modell und Modellversion nachvollziehbar machen
In bestehende Anwendungen integrieren
Die Anomalieerkennung wird über eine API in die Datenverarbeitung eingebunden. Die Anwendung erhält strukturierte Ergebnisse mit Erwartungswert, Abweichung, Schweregrad und Modellinformationen.
Auffälligkeiten lassen sich nach Gebäude, Nutzungseinheit, Gerät und Schweregrad abrufen. Damit können die zuständigen Teams relevante Fälle in ihren fachlichen Abläufen aufgreifen.
Produktiver Einsatz und fachlicher Nutzen
Die Lösung ist produktiv im Einsatz. Sie unterstützt die Prüfung monatlicher Verbrauchsdaten durch eine einheitliche Bewertung und die Priorisierung auffälliger Fälle.
Eine erkannte Anomalie ist ein Hinweis für die weitere Prüfung. Die Ursache wird anhand der fachlichen Zusammenhänge beurteilt. Ob eine Abweichung beispielsweise auf geänderte Nutzung, ein Datenproblem oder einen technischen Fehler zurückgeht, entscheidet das Modell nicht allein.