Η Schneider Electric, παγκόσμιος ηγέτης στην ενεργειακή τεχνολογία, δημοσίευσε νέα έρευνα στο πλαίσιο του Climate Week NYC 2026, σύμφωνα με την οποία τα κτίρια που αξιοποιούν Τεχνητή Νοημοσύνη μπορούν να μειώσουν τη συνολική τους κατανάλωση ενέργειας έως και 22%, σε σύγκριση με τα παραδοσιακά συστήματα ελέγχου.
Η έρευνα καταδεικνύει ότι η ετήσια εξοικονόμηση στο ενεργειακό κόστος μπορεί να κυμανθεί από 13.600 έως 49.300 δολάρια ανά κτίριο, με βάση τις σημερινές εμπορικές τιμές ενέργειας, βοηθώντας τους οργανισμούς να περιορίζουν σταθερά τα λειτουργικά τους κόστη κάθε χρόνο. Παράλληλα, η εξοικονόμηση αυτή μπορεί να επεκταθεί σε μεγαλύτερα χαρτοφυλάκια κτιρίων. Η έρευνα διαπιστώνει επίσης ότι οι εκπομπές άνθρακα που αποφεύγονται είναι περισσότερες από 100 φορές υψηλότερες από το ανθρακικό αποτύπωμα του ίδιου του συστήματος Τεχνητής Νοημοσύνης.
Καθώς εντείνονται οι προβληματισμοί σχετικά με το περιβαλλοντικό αποτύπωμα της Τεχνητής Νοημοσύνης, τα κτίρια εξακολουθούν να αποτελούν μία από τις σημαντικότερες πηγές εκπομπών παγκοσμίως, καθώς ευθύνονται για περίπου το 37% των παγκόσμιων εκπομπών άνθρακα που σχετίζονται με την ενέργεια.
Η νέα έρευνα της Schneider Electric, με τίτλο «AI for Climate: Quantifying the Energy and Carbon Impact of Building Optimization», διαπίστωσε ότι η βελτιστοποίηση των συστημάτων θέρμανσης, αερισμού και κλιματισμού (HVAC) με τη βοήθεια Τεχνητής Νοημοσύνης, όταν εφαρμόζεται μέσω ενός έξυπνου συστήματος διαχείρισης κτιρίου, μπορεί να οδηγήσει σε επιπλέον εξοικονόμηση ενέργειας από 7,2% έως 12,7%.
Τα ευρήματα αναδεικνύουν τον τρόπο με τον οποίο η Τεχνητή Νοημοσύνη μπορεί να συμβάλει σε μία πιο έξυπνη και αποτελεσματική διαχείριση της ενέργειας, μειώνοντας παράλληλα την πίεση τόσο στα συστήματα των κτιρίων όσο και στο ευρύτερο ηλεκτρικό δίκτυο.
Άλλα βασικά ευρήματα της έρευνας
- Δυνατότητα αποφυγής έως και 60 μετρικών τόνων εκπομπών άνθρακα ετησίως ανά κτίριο (59.869 kg CO₂e), περιβαλλοντικό όφελος αντίστοιχο με τη φύτευση περίπου 700 ώριμων δέντρων.
- Ετήσια εξοικονόμηση ενέργειας που σε ορισμένα σενάρια κτιρίων ξεπερνά τις 200 MWh, ποσότητα ηλεκτρικής ενέργειας αρκετή για να καλύψει τις ετήσιες ανάγκες δεκάδων μέσων νοικοκυριών.
- Η Τεχνητή Νοημοσύνη μπορεί να υπερδιπλασιάσει την εξοικονόμηση ενέργειας που επιτυγχάνεται μόνο μέσω έξυπνων συστημάτων ελέγχου κτιρίων.
- Τόσο οι εφαρμογές Τεχνητής Νοημοσύνης στο υπολογιστικό νέφος όσο και οι εφαρμογές τοπικής επεξεργασίας δεδομένων μπορούν να προσφέρουν σημαντικά οφέλη ως προς την εξοικονόμηση ενέργειας και τη μείωση των εκπομπών άνθρακα.
«Το μέλλον της διαχείρισης κτιρίων θα καθοριστεί από το πόσο αποτελεσματικά οι οργανισμοί θα μπορούν να συνδέουν και να αξιοποιούν δεδομένα που μέχρι σήμερα παρέμεναν απομονωμένα σε διαφορετικά συστήματα. Ένα επίπεδο Τεχνητής Νοημοσύνης πάνω από τα υφιστάμενα επιχειρησιακά συστήματα μπορεί να μετατρέψει την πολυπλοκότητα σε γνώση και τη γνώση σε δράση, μειώνοντας ταυτόχρονα τις εκπομπές, το κόστος και βελτιώνοντας την απόδοση», δήλωσε ο Pankaj Sharma, EVP, Software & Services στη Schneider Electric.
«Καθώς η ζήτηση ενέργειας συνεχίζει να αυξάνεται, η δυνατότητα επίτευξης όλων αυτών των αποτελεσμάτων ταυτόχρονα, χωρίς οι οργανισμοί να αναγκάζονται να επιλέξουν μεταξύ τους, θα είναι καθοριστικής σημασίας για την επίτευξη τόσο των επιχειρηματικών στόχων όσο και των στόχων βιωσιμότητας», πρόσθεσε.
Η έρευνα αξιοποίησε μοντέλα ενεργειακής απόδοσης κτιρίων, τα οποία επαληθεύτηκαν μέσω πιλοτικών εφαρμογών σε πραγματικές συνθήκες, προκειμένου να αξιολογηθεί ο αντίκτυπος των συστημάτων ελέγχου HVAC με Τεχνητή Νοημοσύνη στην κατανάλωση ενέργειας, στις εκπομπές άνθρακα και στο λειτουργικό κόστος. Η ανάλυση πραγματοποιήθηκε σε διαφορετικά σενάρια κτιρίων στην Αυστραλία, την Ινδία και τις Ηνωμένες Πολιτείες.
Η μελέτη εξέτασε τον τρόπο με τον οποίο ένα επίπεδο Τεχνητής Νοημοσύνης, που λειτουργεί πάνω από ψηφιακά συστήματα διαχείρισης κτιρίων, μπορεί να συνδέει δεδομένα από πηγές που μέχρι σήμερα λειτουργούσαν απομονωμένα, να αναλύει συνεχώς τις συνθήκες του κτιρίου και να αυτοματοποιεί σε πραγματικό χρόνο τη βελτιστοποίηση των συστημάτων HVAC.
Αξιοποιώντας δεδομένα σχετικά με τα πρότυπα παρουσίας των χρηστών στους χώρους, τις μετεωρολογικές προβλέψεις, την απόδοση του εξοπλισμού και άλλες λειτουργικές παραμέτρους, η Τεχνητή Νοημοσύνη μπορεί να επιτρέψει στα κτίρια να λειτουργούν αποδοτικότερα, μειώνοντας ταυτόχρονα τον φόρτο εργασίας των ομάδων διαχείρισης εγκαταστάσεων.
Η έρευνα διαπίστωσε επίσης ότι τα μικρομεσαία κτίρια, επιφάνειας μικρότερης των 100.000 τετραγωνικών ποδιών, μπορούν να αποκομίσουν σημαντικά οφέλη από τη βελτιστοποίηση μέσω Τεχνητής Νοημοσύνης.
Παραδοσιακά, τα συστήματα ενεργειακής διαχείρισης θεωρούνταν υπερβολικά σύνθετα ή δαπανηρά για μικρότερες εγκαταστάσεις, στις οποίες συχνά υπάρχει περιορισμένη εξειδίκευση στη διαχείριση κτιριακών υποδομών. Μέσω της αυτοματοποίησης και της απλοποίησης της διαδικασίας βελτιστοποίησης, η Τεχνητή Νοημοσύνη μπορεί να καταστήσει τις προηγμένες δυνατότητες διαχείρισης κτιρίων περισσότερο προσβάσιμες, επιτρέποντας και στα μικρότερα κτίρια να μειώνουν την κατανάλωση ενέργειας, το λειτουργικό κόστος και τις εκπομπές τους.
«Η Τεχνητή Νοημοσύνη φέρνει τη δύναμη της ενεργειακής ευφυΐας στα χέρια των ιδιοκτητών και των διαχειριστών μικρότερων κτιρίων. Ό,τι στο παρελθόν απαιτούσε σημαντική τεχνογνωσία και επένδυση μπορεί πλέον να επιτευχθεί με απλούστερο τρόπο και σε μεγαλύτερη κλίμακα, βοηθώντας τους οργανισμούς να περιορίσουν τη σπατάλη ενέργειας, να μειώσουν το κόστος, να βελτιώσουν την απόδοσή τους και να λαμβάνουν εξυπνότερες αποφάσεις με μεγαλύτερη σιγουριά», πρόσθεσε ο Pankaj Sharma.
