AI kan gøre efterskoler mere bæredygtige

Styring af energi- og varmeforbrug samt madspild kan optimeres ved brug af kunstig intelligens. Dermed kan

AI hjælpe efterskoler til at forbruge mindre og dermed udlede mindre CO2.

Ved hjælp af kunstig intelligens kan efterskoler optimere strøm- og varmeforbruget og mere effektivt bekæmpe madspild. Kort sagt kan kunstig intelligens gøre efterskoler mere bæredygtige.

Med en varmepumpe kan AI styre en skoles energiforbrug med data fra bl.a. sensorer på skolen og fra prognoser i forhold til elpriser og vejrudsigter. Det fortæller Peder Bacher, som er lektor i anvendt statistik på Danmarks Tekniske Universitet (DTU). Han forsker og arbejder med udviklingsprojekter inden for energistyring, og nogle af projekterne er netop foregået på skoler.

Med AI kan teknologien se frem i tiden og f.eks. varme skolen lidt mere op om natten, hvis der kommer en periode, hvor opvarmning vil være dyr om morgenen. Eller den kan i forhold til vejrudsigten forudse, at en særlig bygning eller et rum vil blive varmet op af solen i løbet af dagen og indstille varmen i forhold til det.

“Det er en prognosebaseret eller prædiktiv styring. Modellerne tilpasser sig ved brug af målingerne fra bygningen, og det er det, man kalder AI. Hvis en efterskole har solceller på taget og måske elbiler, vil de systemer komme til at virke selvstyrende, så de optimerer sig til energiproduktion, som kommer til at variere mere, når mere energi kommer fra sol og vind,” forklarer Peder Bacher.

Han har arbejdet med sådanne systemer i 15 år og troede, da han som ung trådte ind i feltet, at energisystemer med kunstig intelligens hurtigt ville komme ud at arbejde. Men netop energi- og varmesystemer er noget, der tager tid at ændre, har han måttet sande. Anlæggene skal helst holde 30-40 år, og de beslutninger, både privatpersoner og institutioner tager om varme- og energianlæg, er desuden meget afhængige af, hvilke regler der er på området.

“Brugen af AI vil ske gradvist og lige så stille. Pludselig kommer der et produkt med en varmepumpe, der kan snakke sammen med elopladeren til elbilen, og så kommer der en, der kan kommunikere med huset,” siger Peder Bacher og understreger, at mange af teknologierne er klar. De mangler bare at blive udrullet på markederne, og så sker der hele tiden forbedringer af systemerne.

Bekæmp madspild med AI

I efterskolernes køkkener kan kunstig intelligens hjælpe med at minimere madspild. I 2012 viste en undersøgelse fra Økologisk Landsforening og eSmiley, at tre efterskoler i gennemsnit spildte mad for 20.000 kr. om året. En del af det madspild kunne hindres ved, at køkkenerne blev bedre til at forudse, hvor mange de skulle lave mad til. Selv om antallet af elever på en efterskole er rimelig konstant, veksler antallet af mennesker, der spiser på skolen, alligevel fra dag til dag. F.eks. med syge elever, som er hjemme, lærere, som nogle dage spiser med og andre ikke, gæster udefra og arrangementer ude af huset.

Lige præcis sådan her kommer det næppe til at se ud, men skoler kan meget vel komme til at have AI-baserede selvstyrende systemer, som optimerer skolens energiforbrug, vurderer Peder Bacher, der forsker i energistyring.

Iværksættervirksomheden Cheffr har udviklet en teknologi, som køkkener og kantiner kan bruge til mere præcist at forudsige, hvor mange der spiser med fra dag til dag. Forskere på DTU har hjulpet dem med at integrere kunstig intelligens. Programmet virker ved, at brugerne af kantinen med en app skal melde til kantinen, om de spiser med eller ej. De skal desuden tjekke ind, når de spiser i kantinen, og køkkenet skal registrere, hvor meget mad der bliver spist. Hvis en bruger ikke tjekker ind, får vedkommende en besked om, at de var savnet i kantinen den dag. Den kunstige intelligens lærer af data fra disse kilder og bruger desuden data om antallet af spisende på ugedage, efter årstiden og meget andet. Efterhånden som teknologien samler data, bliver den bedre til at ramme, hvor meget mad køkkenet skal lave, fortæller Ulrik Sunesen, som er administrerende direktør i Cheffr.

“Hvis man intervenerer over et længere stykke tid, kan AI’en se mønstre og tendenser, der kan give et meget mere præcist tal til køkkenet om, hvor meget de skal producere fra dag til dag. Når du har en stor data-pool indover, så begynder algoritmen at genkende forskellige mønster,” siger Ulrik Sunesen.

Virksomheden har i dag flest private kunder, men har indledt et samarbejde med kommuner, som vil bruge systemet på sine institutioner, heriblandt nogle skoler.

Det er sket, at algoritmen har lavet fejl, så køkkenlederens værste mareridt er blevet til virkelighed.

“Der er en risiko for, at algoritmen laver en fejl, og der er for lidt mad. Men det er jo også en risiko, man må løbe, når man bruger sin mavefornemmelse. Som det er i dag, er der måske en større accept af menneskelige fejl frem for systemfejl. Men ligesom kokken lærer af sine fejl, så lærer algoritmen også af sine. Jo flere fejl, jo bedre bliver den. Og måske lærer den faktisk endnu bedre af sine fejl, end et menneske gør af sine,” siger Ulrik Sunesen.