AI in vastgoed I Hoofdstuk 4: Hoe onze algoritmes state-of-the-art bereikten

For English, see below

We weten inmiddels dat verwarming, ventilatie en airconditioning (HVAC) de grootste energieverbruikers van commerciële gebouwen zijn. Om uitstoot omlaag te brengen, is het dus belangrijk dat we dit probleem aanpakken. Maar: balance is key. We kunnen niet zomaar álles naar nul draaien – werkplekken moeten ook gezond en aangenaam blijven. Daarom zijn wij non-stop bezig die balans te vinden, en wetenschappelijk onderzoek maakt deel uit van die zoektocht. Want door de binnentemperatuur van gebouwen te voorspellen, kunnen we HVAC optimaliseren. Afgelopen jaar deden we in samenwerking met de Vrije Universiteit Amsterdam onderzoek naar de optimalisatie van onze machinelearning algortimes. Het resultaat? Een state-of-the-art-model.

Hoe het allemaal begon

In januari 2023 namen we bij Healthy Workers Ruthu Rooparaghunath aan. Deze fanatieke AI-masterstudent kwam bij ons onderzoek doen naar de ontwikkeling van ons machinelearning algoritme. Ruthu nam de lead in het onderzoek, maar werkte wel samen met co-founder Jonatan Roose, machinelearning-engineer Enzo van Kessel en haar professor Victor de Boer. Na haar afstuderen bleef ze van juli tot december in dienst om haar onderzoek te implementeren, en haar scriptie om te zetten in een publicatie.

We did it

Dat ons product state-of-the-art is, hebben we te danken aan meerdere factoren. Eén: de accuraatheid van ons algoritme – die is maar liefst 94%. Oftewel: 94% van onze voorspellingen van het binnenklimaat zit binnen een 0,5 graad afwijking van het daadwerkelijke binnenklimaat.

Je moet het zo zien: als we honderd dagen lang een voorspelling voor 24 uur doen, dan heb je 2.400 voorspellingen verzameld. Daarvan is 94% correct, met maximaal 0.5 graad afwijking van de realiteit.

Ten tweede gebruiken we slechts één model: die trainen we dan wel op de data van een specifiek pand, maar uiteindelijk werkt ons model op ieder soort gebouw. Bijzonder, én een stuk goedkoper dan wanneer je steeds een nieuw model moet schrijven. Dat laatste is op dit moment de standaard bij onderzoek dat op dit vlak wordt gedaan.

Bovendien wordt in bestaand onderzoek vooral gesimuleerde data gebruikt. Bij ons niet, wij gebruiken échte data. Tuurlijk, het kost meer tijd, maar gelukkig zijn wij al lang geleden begonnen met verzamelen. Uiteindelijk bouw je daardoor een veel robuuster en eerlijker model.

The word is out

Na lang en hard werken, is het eindelijk zover. Het onderzoek is gepubliceerd, en wij kunnen met trots zeggen dat we state-of-the-art hebben bereikt. Een prachtige prestatie, die veel belooft voor een groenere toekomst van gebouwen. Als bedrijf blijven we ons inzetten voor wetenschappelijk onderzoek – en zijn ambitieuze masterscriptie-studenten méér dan welkom. Zo willen we duurzaamheid stimuleren en laten zien dat we voorop lopen op de route naar net-zero in 2050.

In onze rubriek AI in vastgoed nemen we je de komende tijd mee in de razendsnelle ontwikkelingen van AI en machinelearning. We leggen uit hoe het de vastgoedwereld voorgoed verandert, wat onze visie erop is, en vertellen je over onze AI-ontwikkelingen rondom autonoom aangestuurde panden.

.

.

.

AI in real estate I Chapter 4: How Our Algorithms Achieved State-of-the-Art

We now know that heating, ventilation, and air conditioning (HVAC) are the largest energy consumers in commercial buildings. To reduce emissions, it is therefore important that we address this. However, balance is key. We cannot simply reduce everything to zero - workspaces must also remain healthy and comfortable. That's why we constantly strive to find that balance, and scientific research is part of that quest. By predicting the indoor temperature of buildings, we can optimize HVAC. Last year, in collaboration with the Vrije Universiteit Amsterdam, we conducted research on optimizing our machine learning algorithms. The result? A state-of-the-art model.

How it all began

In January 2023, we hired Ruthu Rooparaghunath at Healthy Workers. This enthusiastic AI master's student joined our research on developing our machine learning algorithm. Ruthu took the lead in the research but worked together with co-founder Jonatan Roose, machine learning engineer Enzo van Kessel, and her professor Victor de Boer. After graduating, she remained employed from July to December to implement her research and turn her thesis into a publication.

We did it

Our product is state-of-the-art thanks to several factors. One is the impressive accuracy of our algorithm—94%. In other words, 94% of our predictions of the indoor climate are within a 0.5-degree deviation from the actual indoor climate.

You have to look at it like this: if we make predictions for 24 hours for one hundred days, you've collected 2,400 predictions. Of those, 94% are correct, with a maximum deviation of 0.5 degrees from reality.

Secondly, we use only one model: although we train it on the data of a specific building, ultimately, our model works on any type of building. This is remarkable and much cheaper than writing a new model every time, which is currently the standard in research in this area.

Moreover, existing research mainly uses simulated data. Not with us, we use real data. Sure, it takes more time, but fortunately, we started collecting it long ago. Ultimately, this allows you to build a much more robust and fairer model.

The word is out

After much hard work, the time has finally come. The research has been published, and we proudly say we have achieved state-of-the-art. This wonderful achievement holds great promise for a greener future for buildings. As a company, we remain committed to scientific research—and ambitious master's thesis students are more than welcome. This is how we want to promote sustainability and show that we are leading the way towards net zero by 2050.

In our section on AI in real estate, we will take you along in the rapid developments of AI and machine learning in the coming period. We will explain how it is changing the real estate world forever, what our vision is, and tell you about our AI developments concerning autonomously managed buildings.