Wesentliche Typen von Datenbanken, die in Betracht gezogen werden können

[Admin EBD]

1. Relationale Datenbanken (RDBMS): Traditionelle relationale Datenbanken wie MySQL, PostgreSQL oder Microsoft SQL Server sind geeignet, um strukturierte Daten zu speichern. Sie eignen sich gut für Tabellen mit klaren Beziehungen zwischen den Daten, beispielsweise für Betriebs- und Wartungsdaten.
2. Zeitreihendatenbanken: Da viele Gebäudedaten zeitabhängig sind (z.B. Temperatur- und Energieverbrauchsdaten), sind Zeitreihendatenbanken wie InfluxDB oder OpenTSDB besonders geeignet. Sie sind darauf optimiert, große Mengen von Zeitreihendaten effizient zu speichern und abzufragen.
3. Graphdatenbanken: Wenn die Daten komplexe Beziehungen zwischen verschiedenen Entitäten im Gebäude darstellen, können Graphdatenbanken wie Neo4j oder AllegroGraph nützlich sein. Dies könnte zum Beispiel bei der Modellierung von Gebäudestrukturen und deren Abhängigkeiten relevant sein.

Die Wahl der geeigneten Datenbank sollte im Wesentlichen von der Art der Daten abhängig gemacht werden. Weitere Anforderungen an die Datenbank sind die Skalierbarkeit, die Komplexität der Abfragen und Budgetüberlegungen. Oftmals ist auch eine Kombination mehrerer Datenbanktypen in einer Gesamtlösung sinnvoll, um die verschiedenen Anforderungen abzudecken.

Organisation der Daten

Für eine systematische Ablage und Schematisierung von Gebäudedaten sollte eine einheitliche Organisation und Bennenung der Daten verwendet werden. Es gibt im Bereich der Gebäudeleittechnik viele Konventionen die meisten herstellerspezifisch sind und daher nur unzureichend öffentlich dokumentiert sind. Standards in diesem Bereich helfen, die Interoperabilität zwischen verschiedenen Systemen und Plattformen sicherzustellen. Hier sind relevante Standards im Bereich des intelligenten Gebäudemanagements:

• BUDO (Buildings Unified Data Point naming schema for Operation Management): BUDO ist eine standardisierte Methode zur Benennung von Datenpunkten. Dieses Verfahren basiert auf einem ursprünglich am Fraunhofer ISE entwickelten Verfahren zur Kennzeichnung von Datenpunkten. Es ist speziell für die Anforderungen der Energiesystemanalyse und Betriebsführung konzipiert. Es kann in neuen und bestehenden Gebäuden eingesetzt werden und speichert alle Eigenschaften im Datenpunktbezeichner.

Eine standardisierte Datenmodellierung erleichtert die Integration und den Austausch von Daten zwischen verschiedenen Geräten und Plattformen.

Organisation der Metadaten und Wissenmodelle

Neben der Organisation und Benennung der Daten gibt es Standards und Ansätze für die Ablage von Metadaten und Wissensmodellen im Bereich des Gebäudemanagements. Diese Standards helfen bei der einheitlichen Strukturierung von Informationen über Gebäude, Systeme und Sensoren, was die Interoperabilität und den Austausch von Wissen erleichtert. Einige relevante Standards und Ansätze sind:

1. Semantic Web Standards (RDF, OWL, SPARQL): Das Semantic Web bietet Standards wie Resource Description Framework (RDF), Web Ontology Language (OWL) und SPARQL (SPARQL Protocol and RDF Query Language), die für die Darstellung von Wissensmodellen und Metadaten genutzt werden können. Diese Standards ermöglichen die semantische Modellierung von Gebäudedaten.
2. Linked Building Data (LBD): LBD ist eine Initiative, die sich auf die Anwendung von Linked Data-Prinzipien im Kontext von Gebäudedaten konzentriert. Durch die Verknüpfung von Daten entsteht ein Netzwerk von Wissen, das eine verbesserte Interoperabilität und Nutzbarkeit ermöglicht.
3. Brick Schema: Brick ist ein offenes Schema, das für die semantische Modellierung von Gebäudeautomationssystemen entwickelt wurde. Es bietet eine klare Struktur für die Beschreibung von Räumen, Geräten, Sensoren und Aktuatoren.
4. Haystack-Tagging: Eine Methode zur einheitlichen Benennung und Strukturierung von Datenpunkten. Sie ist das Herzstück von Project Haystack. Es bildet physische Objekte in Gebäuden auf Entitäten ab. Eine Entität dient als eine Abstraktion für einen einzelnen Standort (ein Gebäude mit einer Adresse oder ein Raum), ein Gerät (z. B. eine RLT-Einheit oder ein variabler Luftvolumenstromregler) oder einen Sensorpunkt (z. B. Temperatursensor oder Drucksensor). Ein Tag definiert einen Fakt oder ein Attribut über eine Entität (z.B. deklariert das Tag site, dass eine Entität ein Gebäude mit einer Adresse darstellt). In der Regel werden die Metadaten in einem Haystack-Server gespeichert und über eine standardisierte Schnittstelle von diesem abgerufen.
5. IFC (Industry Foundation Classes): IFC ist ein offener Standard für den Austausch von Bau- und Gebäudedaten zwischen verschiedenen Softwareanwendungen. Es wird häufig für die modellbasierte Planung und Analyse von Gebäuden verwendet. In der aktuellen Version IFC4 sind grundlegende Monitoring-Entitäten wie IfcSensor definiert. Für eine Anwendung im Betriebsmonitoring fehlen derzeit noch relevante Informationen wie beispielsweise das Kommunikationsprotokoll oder Datentypen.
6. OGC CityGML: Die Open Geospatial Consortium (OGC) definiert CityGML als Standard für die Modellierung und den Austausch von virtuellen 3D-Stadtmodellen. Es kann für die Modellierung von Gebäuden und ihrer Umgebung genutzt werden.
7. OGC SensorThings API: Die SensorThings API ist ein OGC-Standard für den Zugriff auf und die Abfrage von Sensordaten. Sie kann für die Veröffentlichung und den Austausch von Sensor-Metadaten genutzt werden.
8. ASHRAE Standards: Die American Society of Heating, Refrigerating and Air-Conditioning Engineers (ASHRAE) hat verschiedene Standards, wie z.B. BACnet und den derzeit in Entwicklung befindlichen Standard 223P, der sich mit der Definition und dem Austausch von Datenmodellen für energieeffiziente Gebäude befasst.

Diese Standards bieten verschiedene Ansätze zur Beschreibung und Strukturierung von Metadaten und Wissensmodellen im Gebäudebereich. Die Auswahl hängt von den spezifischen Anforderungen eines Projekts ab, und in vielen Fällen werden mehrere Standards kombiniert, um die bestmögliche Interoperabilität und Flexibilität zu gewährleisten.