Aufbau der Dateninfrastruktur für das KI-Startup smartricity

Das Startup smartricity hatte das Ziel, eine Software zur digitalen Energieberatung für Privathaushalte zu entwickeln. Die Beratung sollte sich auf Haushaltsgroßgeräte wie Fernseher, Kühlschränke, Backöfen und Waschmaschinen konzentrieren, wobei eine einfache Bedienung es den Nutzern ermöglichen sollte, die Energieeffizienz ihrer Geräte zu vergleichen. Eine Herausforderung bestand darin, eine digitale Lösung zu finden, die eine umfassende Datenbank aller in Deutschland verkauften Großgeräte der letzten 20 Jahre umfasst und sich ständig aktualisiert.

Sebastian Henneberg war zu diesem Zeitpunkt Mitgründer der smartricity GmbH und als CTO für alle technischen Themen verantwortlich.

Umfangreiche Dateninfrastruktur: Um diese Herausforderung zu bewältigen, wurde eine aufwendige Dateninfrastruktur aufgebaut, die mittels Data Engineering die benötigten Daten automatisch aus dem Internet sammelt, normalisiert und in einer Datenbank zusammenführt. Dies umfasste das Sammeln von Daten aus über 20 verschiedenen Quellen, um mehr als 300 verschiedene technische Eigenschaften der Haushaltsgeräte zu erfassen.

Automatische Empfehlung von Neugeräten: Zudem wurden Vorschläge für Ersatzgeräte gemacht, wenn ineffiziente Geräte identifiziert wurden, wobei Echtzeitpreise von über 30 Online-Shops berücksichtigt und zur Berechnung der Amortisierung des Kaufpreises herangezogen wurden.

Prognose des Energievebrauchs mit KI: Um die Dateneingabe der Nutzer möglichst gering zu halten, wurde ein eigenes KI-Modell entwickelt, das den Energieverbrauch der Haushalte prognostizierte.

Technologien: Für die Entwicklung der Software wurden unterschiedliche Technologien verwendet, darunter Python, pandas, numpy, AWS S3, AWS Lambda, React und Elastic Search.

Das Ergebnis war eine umfassende, ständig aktualisierte Datenbank, die nach einem Jahr über 100.000 Haushaltsgroßgeräte mit all ihren technischen Eigenschaften aus den letzten 20 Jahren umfasste. Ein selbstentwickeltes KI-Modell ermöglichte die Prognose des Haushaltsverbrauchs, wodurch die Eingabe notwendiger Informationen durch den Nutzer minimiert wurde. Dieses innovative Projekt erhielt eine einjährige Förderung durch das Wirtschaftsministerium und der EU im Rahmen des eXist-Förderprogramms. Während des gesamten Prozesses wurde besonderer Wert auf den Datenschutz gelegt, indem keine personenbezogenen Daten der Nutzer erhoben wurden.