Af professor Risto Kosonen, Institut for Bygningsingeniørvidenskab, Aalto Universitet, Espoo, Finland
Den udbredte anvendelse af kunstig intelligens afspejles i væksten inden for datacenterprojekter. På trods af svage markedsforhold er opførelsen af datacentre i fuld gang. Offentlige data viser, at omkring 200 større datacenterprojekter i Norden befinder sig på et eller andet planlægningsstadium. Der er stor efterspørgsel efter designere og især elentreprenører. Desuden kræver det stigende elforbrug yderligere produktionskapacitet, hvilket primært søges opnået gennem vedvarende energikilder. El-transmissionskapaciteten anses for at være en flaskehals. Mens vindkraftprojekter og datacentre kan opføres relativt hurtigt, tager etableringen af nye transmissionsledninger år. Drevet af den stigende efterspørgsel efter elektricitet kan dette også medføre en stigning i den gennemsnitlige elpris. Samtidig vil de dynamiske udsving i elpriserne øges, hvilket skaber et større behov for energifleksibilitet i bygninger.
Den stigende udbredelse af datacentre giver mulighed for at elektrificere fjernvarme og reducere emissionerne herfra, forudsat at centrene er placeret tæt på byområder og deres fjernvarmenet. Mange projekter ligger imidlertid i tyndt befolkede områder, hvor varmebehovet er lavt, hvilket betyder, at spildvarmen ikke udnyttes. Selv i byområder udgør den lave temperatur en udfordring for udnyttelsen af spildvarme fra datacentre. For at udnytte denne varme kræves der varmepumper, der kan hæve temperaturen til et niveau, der er egnet til eksisterende fjernvarmesystemer. I nye områder kan fjernvarme- og bygningsvarmefordelingssystemer dimensioneres til lavere driftstemperaturer. I disse tilfælde bliver varmt brugsvand den begrænsende faktor, da der kræves en temperatur på 60 °C for at mindske risikoen for legionella. Returvandtemperaturen i de nyeste væskekølede datacentre ligger allerede tættere på denne temperatur for varmt brugsvand, hvilket betyder, at varmepumperne kun behøver at hæve temperaturen en smule.
Højtydende datacentre af næste generation muliggør anvendelse af kunstig intelligens i stor skala. Kunstig intelligens indføres generelt med det formål at reducere omkostningerne og forbedre effektiviteten. I øjeblikket anvendes kunstig intelligens dog primært til at øge effektiviteten af individuelle opgaver. Dette fremgår af en undersøgelse af nordiske virksomheder, der viste, at 74 % af virksomhedslederne primært ser værdien af kunstig intelligens i form af forbedret effektivitet i specifikke opgaver.
På lang sigt skal virksomhederne fokusere på at skabe merværdi for deres kunder. I denne sammenhæng er der behov for nye processer, der understøtter vækst og differentiering, samtidig med at der skabes reel værdi. Det er værd at bemærke, at isolerede effektivitetsgevinster ofte let kan kopieres, hvilket betyder, at den deraf følgende fordel er kortvarig. Selvom effektiviseringstiltag skaber værdi for branchen som helhed, kan konkurrenterne let kopiere løsningerne og dermed mindske en virksomheds evne til at differentiere sig. I sidste ende er det den betalende kunde, der primært høster fordelene af disse effektivitetsforbedringer. Derimod opstår ægte værdi, når virksomheder gør deres produkter eller tjenester bedre end konkurrenternes. En strategi for indførelse af kunstig intelligens bør være forankret i langsigtede mål for konkurrenceevnen. Dette indebærer en omlægning af eksisterende processer for at maksimere fordelene ved kunstig intelligens.
Det anslås, at 10–15 % af de nuværende job kan forsvinde som følge af kunstig intelligens. At teknologi erstatter menneskelig arbejdskraft er ikke noget nyt. Under den industrielle revolution erstattede maskinkraft det fysiske arbejde, og automatiseringen har siden gjort det samme. Nu vil kunstig intelligens for første gang få en betydelig indvirkning på ekspertarbejde, hvor virkningerne vil variere meget afhængigt af den specifikke rolle. Det er blevet foreslået, at arbejdsopgaver bredt kan inddeles i »bits« og »atomer«. Roller, der involverer »bits«, er sårbare over for at blive erstattet af kunstig intelligens, mens de, der arbejder med »atomer«, er mere sikre. Rutinearbejde, der involverer »bits«, skaber generelt kun ringe merværdi, mens opgaver, der involverer »atomer«, blandt andet omfatter arbejde i kundekontakten og på det strategiske niveau. Denne tendens vil gøre det vanskeligt for unge at komme ind i branchen i fremtiden, da de mangler den nødvendige brede erfaring og indsigt.
Det skal dog bemærkes, at praktisk installationsarbejde ikke kan erstattes af kunstig intelligens. Der vil stadig være brug for blikkenslagere og VVS-installatører, selv når brugen af AI bliver udbredt. Samtidig vil dette erhvervs anseelse sandsynligvis stige.
Inden for bygningsteknik kan brugen af kunstig intelligens inddeles i anvendelsen af sprogmodeller og forskellige metoder til dataanalyse. Sprogmodeller kan f.eks. bruges til at udarbejde udstyrslister og udbudsmateriale. Disse anvendelsestilfælde er ofte stærkt afhængige af eksisterende processer. Der er udviklet løsninger til at læse dokumenter, der er forståelige for mennesker – såsom PDF-filer – og konvertere dem til et format, som computere kan forstå. Denne tilgang fokuserer på at strømline individuelle opgaver. For at opnå en reel produktivitetsforøgelse er det imidlertid nødvendigt at transformere processerne ved at tage udgangspunkt i dataindholdets semantiske form. Semantisk dataindhold består af information om betydning og sammenhænge, der er knyttet til en datamodel, hvilket gør det muligt for computeren at forstå indholdet. Anvendelsen af semantiske modeller kræver standardisering af dataindholdet – et nødvendigt skridt for at forbedre proceseffektiviteten markant.
Anvendelsen af dataanalysemetoder er blevet stadig mere udbredt inden for områder som overvågning af systemydelse, fejldiagnostik og optimal styring. Disse metoder muliggør et reduceret energiforbrug, påvisning af afvigelser og omkostningsbesparelser. Alt afhænger dog af måledata, der indsamles fra tekniske systemer. Der er i mange sammenhænge konstateret dårlig datakvalitet, og i sådanne situationer giver brugen af kunstig intelligens ikke de ønskede resultater. Desuden udgør det en udfordring for brugerne, at mange AI-baserede systemer fungerer som lukkede »black box«-modeller. Det betyder, at det er vanskeligt at verificere deres ydeevne under faktisk brug, og at det er umuligt at bekræfte, om algoritmen fungerer som tilsigtet.
Indførelsen af nye løsninger kræver radikale innovationer frem for inkrementel udvikling. Ellers forbliver fordelene begrænsede, hvis man stoler for meget på gamle driftsmodeller.
“The people who are crazy enough to think they can change the world are the ones who do.” — Steve Jobs
