Gebäudeautomation kann nur so gut regeln wie ihre Eingangsdaten
Sensoren bilden die Wahrnehmungsebene einer Gebäudeautomation. Temperatur, Druck, CO₂, Feuchte, Volumenstrom, Energieverbrauch oder Präsenz werden gemessen und anschließend für Regelung, Alarmierung und Analyse verwendet. Ein formal funktionierender Sensor kann dabei trotzdem falsche oder technisch unplausible Werte liefern.
Die bestehende Inspektionsseite sieht bereits Funktion, Kalibrierung und Signalstabilität von Sensoren und Aktoren als regelmäßige Prüfinhalte vor. Eine eigene Datenqualitätsseite sollte daraus ein systematisches Betriebsmodell entwickeln.
Datenqualität in der Gebäudeautomation sichern
Technische Funktion und Datenqualität unterscheiden
Ein Sensor kann online sein und Daten übertragen – trotzdem kann sein Messwert falsch sein.
Typische Ursachen sind:
Drift,
falsche Positionierung,
Verschmutzung,
beschädigte Messleitung,
falscher Messbereich,
Skalierungsfehler,
falsche Einheit,
Mappingfehler.
Deshalb reicht der Kommunikationsstatus „grün“ nicht als Qualitätsnachweis.
Plausibilitätsgrenzen definieren
Für wesentliche Messwerte können technische Plausibilitäten hinterlegt werden.
Beispiele:
Raumtemperatur außerhalb physikalisch realistischer Grenzen,
gleichzeitig widersprüchliche Vor- und Rücklauftemperaturen,
Volumenstrom trotz ausgeschaltetem Ventilator,
Leistung ohne Energieverbrauch beziehungsweise umgekehrt.
Solche Regeln können automatisiert Hinweise auf Mess- oder Zuordnungsfehler liefern.
Sensoren miteinander vergleichen
Besonders wertvoll ist Redundanz durch Vergleich.
Beispiel:
Mehrere Raumtemperaturfühler in benachbarten, gleich genutzten Räumen zeigen ähnliche Werte – ein Sensor weicht dauerhaft um fünf Kelvin ab.
Dies ist ein starker Hinweis auf ein lokales Problem.
Auch Soll-/Ist-Beziehungen können genutzt werden.
Kalibrierbedarf risikobasiert festlegen
Nicht jeder Sensor benötigt dasselbe Kalibrierintervall.
Relevant sind:
Messprinzip,
Herstellerangaben,
Betriebsbedingungen,
Kritikalität,
bisherige Drift,
Nutzung der Messgröße.
Ein Komfortfühler kann anders behandelt werden als ein Messwert, der für eine kritische technische Freigabe oder Abrechnung verwendet wird.
Datenpunktmapping kontrollieren
Ein besonders schwer erkennbarer Fehler entsteht, wenn der richtige Wert dem falschen Objekt zugeordnet wird.
Beispiel:
Sensor Raum 3.12 erscheint in der GLT als Raum 3.21.
Der Messwert selbst ist plausibel, aber fachlich falsch verortet.
Datenpunktlisten, Kennzeichnung und Vor-Ort-Prüfung müssen deshalb zusammenpassen.
Die vorhandene Betriebsseite fordert ausdrücklich eine durchgängige Kennzeichnung von Sensoren, Aktoren und Datenpunktfunktionen.
Aktorsignale ebenfalls plausibilisieren
Datenqualität betrifft nicht nur Sensorik.
Ein Stellbefehl von 100 Prozent bedeutet nicht automatisch, dass das Ventil tatsächlich offen ist.
Wo Rückmeldungen vorhanden sind, sollten:
Befehl,
Rückmeldung,
Anlagenwirkung
miteinander verglichen werden.
Für kritische Sensoren können beispielsweise dokumentiert werden:
letzte Prüfung,
Kalibrierdatum,
Abweichung,
nächster Termin,
Qualitätsstatus.
Damit wird Messqualität zum planbaren Instandhaltungsthema.
Ein offensichtlich falscher Sensor kann gleichzeitig:
Regelung,
Alarm,
Energiebilanz,
Analytics
Deshalb muss bei einer festgestellten Abweichung geklärt werden, welche abhängigen Funktionen betroffen sind.
Datenqualität ist Anlagenqualität
Die zentrale Frage lautet:
Sind unsere Datenpunkte nicht nur technisch erreichbar, sondern fachlich richtig, plausibel, eindeutig zugeordnet und ausreichend genau für die Funktionen, die auf ihnen aufbauen?
Damit wird Sensorqualität zu einer Grundvoraussetzung für Energieeffizienz, Fehlerdiagnose und zuverlässige Automatisierung.
