Din bygning prøver at forstå dig

Big data er det nye sort – og bliver stadig omtalt som sådan. Big data dækker bredt over indsamling, analyse og fortolkning af enorme mængder af data. Men de personer, der skal tage beslutninger og handle på baggrund af data, er jo typisk ikke dataeksperter. Tag fx pedellen i en bygning, der skal hjælpe med at holde bygningens energiforbrug og indeklima i god form, han eller hun er ikke dataeksperter.

Professor Kaj Grønbæk, Institut for Datalogi, Aarhus Universitet og Head of Interactive Spaces Lab ved Alexandra Instituttet, har i samarbejde med bl.a. Alexandra Instituttets etnografer gennemført et projekt – EcoSense – på Grundfos Kollegiet, en bygning med mere end 150 beboere i små lejligheder. Bygningen er udstyret med sensorer, der samler ca. 20 milliarder sensoraflæsninger pr. år – altså big data.

Projektet havde til formål at gøre alle de data, som bygningen hver dag indsamler – 365 dage om året – forståelige for dem, der skal styre energi og indeklima, herunder pedellen. Kollegiet fungerer derfor som et living lab, hvor beboernes energiadfærd, som f.eks. hvor meget vand, varme og lys de bruger på hvilke tidspunkter af døgnet, registreres og kan analyseres primært anonymt.

Hjælp fra digital tvilling

For at gøre disse data forståelige for almindelige brugere har forskerne i Kaj Grønbæks gruppe udviklet et visuelt big data analyseværktøj, hvor den enorme datamængde visualiseres som en slags farvet søjlediagram foldet omkring en ”digital tvilling” af bygningen. På den måde kan folk, der er eksperter i bygninger, vende og dreje den digitale tvilling af bygningen samt slå lag af data til og fra, så de meget håndgribeligt kan analysere mønstre eller ekstreme udsving i forbrug.

Et sådant værktøj kan blive et vigtigt redskab for bygningsadministratorer i fremtiden, når bygningerne skal forsynes alene med vedvarende energi, så er det vigtigt at forstå folks energiadfærd og mulighederne for at ændre denne. For selvom der tales om smarte bygninger og endda kognitive bygninger, der er selv-regulerende, så kan de ikke fungere uden bygningens brugere og adminstratorer forstår, hvad optimal energiadfærd er.

Big data suppleres med kvalitative ”thick data”

Når det drejer sig om at forstå menneskelig energiadfærd i bygninger og gøre bygningerne mere energirigtige samt støtte beboerne i at få energirigtig adfærd, er der også brug for mere kvalitativ dataanalyse. Det gælder både for pedellen og energiforskeren. I projektet på kollegiet indsamlede etnograferne fra Alexandra Instituttet kvalitative data, der i dag ofte betegnes ”thick data”.

“Thick data er relevant, fordi de data, du indsamler fra sensorerne i bygningen, kun giver et meget begrænset billede af, hvad der foregår – typisk fakta om temperatur, vandforbrug mm. i bygningen. Men ud fra det kan du ikke regne ud, om beboernes energiforbrug skyldes dårlige vaner, der kan ændres, eller om de dyrker meget fitness og derfor helt rimeligt tager bad flere gange om dagen. Thick data indhentes i små mængder gennem interviews, observationer og spørgeskemaer – altså beboernes egne fortællinger om deres liv og forbrug, hvor big data kun er elektroniske sensormålinger” siger professor Kaj Grønbæk.

Integration er en del af løsningen

Det udviklede big data-analyseværktøj har derfor – som en unik egenskab – mulighed for integrere ”thick data” i analyserne af big data, så man f.eks. ud over et faktuelt højt varmeforbrug på bestemte tidspunkter vil kunne se, mulige kvalitative forklaringer på dette forbrug. Dette er nyttigt både for pedellen, administratoren og energiforskeren.

“Vores big data viste f.eks., at varmeforbruget bragede derudaf i nogle lejligheder på Grundfos Kollegiet. Vores indsamlede thick data fortalte os bl.a., at beboerne slet ikke havde rørt ved termostaterne. Så mange af beboerne havde ikke opdaget, at termostaten var sat for højt i udgangspunket,” siger professor Kaj Grønbæk.

Læs mere her