Die Idee

Bereits seit längerem habe ich die Idee, meine Hausautomation um eine KI zu erweitern. Mit KI meine ich natürlich nicht eine künstliche Intelligenz – eher eine Sammlung von Machine Learning Modellen.

Mein erstes Modell soll die Jalousien steuern. Abhängig von verschiedenen Senso-Werten wie Außentemperatur, Sonneneinstrahlung, Raumtemperatur … wird die optimale Stellung der Jalousien mittels ML-Modell ermittelt.

„Die Idee“ weiterlesen

Die Machine Learning Kandidaten

Um die Modelle für Machine Learning umzusetzen gibt es mittlerweile sehr viele Möglichkeiten. Jedes System hat seine Vor- und Nachteile. Natürlich muss je nach Anwendungsfall das optimale System ermittelt werden. Allerdings ist die Aufgabe, die Jalousien abhängig von den verschiedenen Umwelteinflüssen wie Temperatur, Sonneneinstrahlung … zu steuert recht simpel.

Ich habe mir für mein Projekt drei verschiedene Systeme genauer angesehen. Diese möchte ich hier kurz vorstellen.

„Die Machine Learning Kandidaten“ weiterlesen

Die Daten

Je mehr Daten man hat, desto besser kann das Modell dann trainiert werden, vorausgesetzt, es sind die richtigen. Deshalb muss überlegt werden, welche Daten notwendig sind bevor das Modell aufgebaut wird. Um feststellen zu können, welche Daten benötigt werden, muss man sich Gedanken über die Abhängigkeiten machen – wovon ist der gewünschte Stand der Jalousien abhängig?

Die Jalousien sollen natürlich nicht einfach Zeitgesteuert oder anhand der Astronomie-Funktionen gesteuert werden. An einem bewölkten Tag können sie ruhig offen bleiben. Andererseits ist aber auch die Temperatur nicht alleine ausschlaggebend –  an einem schönen Wintertag, kann die Temperatur im Raum alleine durch die Sonneneinstrahlung um ein paar Grad steigen. Allerdings wäre es sinnvoll, die Sonnenenergie im Winter auch zum Heizen des Raums zu nutzen. In wie weit die Daten für die Nutzung im Modell geeignet sind oder Sinn machen, wird sich zeigen …

„Die Daten“ weiterlesen

Analyse und Kennenlernen der Daten

Bevor wir mit dem Aufbau des Models beginnen, werfen wir einen Blick auf die Daten. Um nicht zu theoretisch zu werden, werden wir hier nur ein paar Beispiele Zeigen. Natürlich nimmt die Analyse der Daten mehr Zeit in Anspruch.

Beim Analysieren der Daten, lernt man diese auch gleich kennen. Man kann schnell Ausreißer identifizieren und eventuelle Probleme vorher schon erkennen.

Die hier gezeigten Diagramme wurden mit R erstellt. Natürlich können auch andere Tools (z. B. Excel) verwendet werden. Auch Python bietet hier viele Möglichkeiten.

„Analyse und Kennenlernen der Daten“ weiterlesen