Watt Analytics GmbH

Stromverbrauchsoptimierung mit Artificial Intelligence & Machine Learning.

Anwendungsgebiete der Watt Analytics Technologie

stromverbrauchsoptiierung mit der watt analytics machine learning technologie

Anwendungsfälle und wirtschaftlicher Impact

Unser Machine Learning Ansatz garantiert unseren Kunden eine kontinuierliche Verbesserung in verschiedenen Bereichen:

  • Maschinelles Lernen mit jedem zusätzlich hinzugefügten Verbraucher,

  • in jeder Organisation

  • Branchenübergreifendes Learning

  • Geräte- / Produktkatalog

Unser Verfahren stellt die laufende Nutzung einer immer breiteren Datenbasis für Verbesserungen in der konkreten Anwendung sicher:

  • Automatisiertes Clustering

  • Überwachte sowie unüberwachte Lernverfahren

stromverbrauchsoptimierung mit watt analytics anwendungsgebiete

Mögliche Anwendungsgebiete

Das Watt Analytics System eignet sich u.a.:

  • Für den „Kleinverbraucher“ (< 25.000 KWh) zum Monitoring und zur Steuerung sämtlicher Elektrogräte (wie Waschmaschine, Boiler, etc.) über nur eine App.

  • Für mittlere Stromverbraucher (25.000 – 125.000 KWh) wie z.B. Einfamilienhaus, Büro, kleine Gastronomie mit „größeren Energieverbrauchern“ (wie z.B. Elektroautoladestelle, Elektroheizung, Boiler, Wärmepumpe, Poolheizung, Klimaanlage, etc.). Darunter zählen auch mittlere Stromverbraucher unter Berücksichtigung von eveventuellen Photovoltaikanlagen bzw. Hausbatterien. Neben einer Komfortsteigerung führt die Optimierung zu einem wirtschaftlichen ROI innerhalb von 1-3 Jahren für den Kunden als auch für den Energieversorger.

  • Im Großverbrauchersegment ab 150.000 KWh sowie in der industriellen Anwendung können je nach Umsetzung bisheriger Energieeffizienzmaßnahmen wesentliche Verbrauchsoptimierungen erreicht werden, die den wirtschaftlichen Aufwand eines PoC Projektes jedenfalls rechtfertigen. Zudem kann eine Optimierung des Stromkonsums von bis zu 40% zur Erhöhung des Eigenverbrauchs oder eine Verbesserung des Lastprofils und somit eine Senkung von 15%-25% der Energiekosten erzielt werden.

  • Für die Nutzer von industriellen Fertigungsmaschinen können massive Kostenvorteile in der vorausschauenden Wartung (predictive maintenance) antizipiert werden.