Octo liefert Smart-Building-Einblicke mit Low-Code und KI
Die Verwaltung eines Portfolios mit Hunderten oder gar Tausenden von Gebäuden erfordert eine sorgfältige und strategische Planung. Scheinbar einfache Probleme werden trotz ihrer Trivialität exponentiell schwieriger.
Die Analyse von Daten wie der Anzahl der Fenster oder der Sauberkeit der Fassade zu Wartungszwecken wird schnell zum Kinderspiel und ist manuell kaum durchführbar.
Octo, ein in den Niederlanden ansässiger Anbieter von „Smart Building“-Lösungen, wurde von Dirk Huibers (CEO), Marieke Dijksma (CTO) und Tara Campagne (COO) gegründet, um dieses Datenanalyse-Dilemma zu lösen.
Die Octo-Lösung, die ursprünglich auf Mendix und erweitert mit AWS Dienstleistungen, bietet seinen Kunden wertvolle Einblicke, indem es das Internet nach öffentlich verfügbaren Informationen und Bildern zu den Immobilien des Kunden durchsucht, was ziemlich komplex sein kann.
Als Ergebnis erklärt Huibers, dass Octo „das beste Werkzeug [verwendet]“ und nur Technologien anwendet, die ihre Probleme einfach, aber präzise lösen.
Als Octo gegründet wurde, begann das Team mit einer komplexen, aber einfacheren Lösung – IoT-Überwachung von Büroflächen und bietet Einblicke in die Umgebung und Raumnutzung. Diese Lösung erwies sich für Octo-Kunden als lukrativ, da sie unzählige ungenutzte Quadratmeter in Immobilienportfolios aufdeckte und den Kunden so bis zu 10 % an Mietkosten sparte.
Mit einem erfolgreichen Angebot für die Immobilienverwaltung in der Hand machte sich das Octo-Team daran, ein neues Angebot für die Wartung zu entwickeln und arbeitete dabei kontinuierlich mit seinen Kunden zusammen, um Funktionen für seine verbesserte Plattform zu priorisieren und zu validieren.
Von bedingten Anweisungen zu Low Code und maschinellem Lernen
Huibers, Dijksma und Campagne begannen als Berater und arbeiteten in Excel und BigSheets, um Kundenportfoliodaten zu analysieren.
Trotz der Zugänglichkeit der Programme, erklärt Huibers, stießen sie schnell auf Probleme. Die bedingten Anweisungen, die erforderlich sind, um ihren Kunden verwertbare Daten bereitzustellen, führten zu Engpässen bei ihrer Beratungsarbeit.
Ihre Abschlüsse in Bauwissenschaften verschafften ihnen Fachwissen auf diesem Gebiet. Trotz ihrer Ausbildung waren sie nicht in der Lage, die Software zu entwickeln, die sie brauchten, um ihren Kunden effektiv Erkenntnisse zu vermitteln. Sie trieben die Tabellenkalkulationen an ihre Grenzen.
Glücklicherweise sprang ein Freund von Huibers ein, der sich mit Low-Code auskennt, und bot an, digitalisieren ihre Dateneingabe. Als neugierige Menschen beschlossen die Gründer von Octo, das Tool selbst zu erlernen und erkannten das Potenzial, das sich aus der Arbeit, die sie als Berater geleistet hatten, ergab.
Obwohl ihnen die traditionelle Entwicklungserfahrung fehlte, lernten sie die Grundlagen der Programmierung und wandten sich der Mendix Entwicklungsplattform um ihr Lösungsangebot weiterzuentwickeln und ihre Vision in ein vollwertiges Geschäft umzuwandeln.
Huibers und Dijksma erkannten auch die Leistungsfähigkeit der Bilderkennungstechnologie und des maschinellen Lernens, die ihren Kunden große Portfolios bieten könnten. Sie wussten, dass künstliche Intelligenz würde ihre Fähigkeit erheblich verbessern, viele der für die Filter- und Abfrageoptionen ihrer Kunden erforderlichen Kriterien zu identifizieren, wie etwa Dachtyp, Fensteranzahl oder die Anzahl der für ein bestimmtes Gebäude aufgeführten Adressen.
Sie wollten eine Lösung entwickeln, die diese Spitzentechnologien in einer Plattform vereint, die ihren Kunden die Möglichkeit bietet, mithilfe der Technologie ihre Strategie zur Gebäudewartung zu optimieren. Zwei Jahre später war Octo geboren.
Intelligente Gebäude benötigen einen intelligenten Technologie-Stack
Da einige Kunden Tausende von Gebäuden verwalten, ist der von ihrer Lösung analysierte Datensatz riesig. Octo konnte seine strukturierten Daten in besser verdauliche Informationen umwandeln, indem es Matillion nutzte, um die erforderlichen SQL-Abfragen zu generieren. Diese besser konsumierbaren, leicht verständlichen Daten ermöglichen es den Kunden, Maßnahmen zu ergreifen.
Sie organisieren diese Daten in vier Kategorien:
- Contextual (ob auf einem bestimmten Grundstück ein Garten vorhanden ist oder nicht)
- Geometrisch (die Höhe des Gebäudes)
- Materialisiert (die Art des Materials, aus dem das Dach besteht)
- Qualitativ (Vorhandensein von Schmutz oder Graffiti auf der Fassade)
Ohne die Hilfe von KI würde dieser Prozess unermesslich viel Zeit in Anspruch nehmen. Octo müsste seine Mitarbeiter regelmäßig in jedes Gebäude des Kunden schicken, um diese Parameter manuell zu überprüfen. Aufgrund der Schwierigkeit dieses manuellen Prozesses nutzen sie Bild Anerkennung Technologie und maschinelles Lernen, um die Aufgabe der Analyse und Kategorisierung dieser die Datenerfassung.
Diese praktischen Informationen zur Gebäudewartung für ein gesamtes Portfolio sind wichtig, um ihren Kunden einen Mehrwert zu bieten.
Um ihr Angebot zur Bilderkennung realisierbar zu machen, nutzen sie Open-Source-Bibliotheken wie PyTorch und TensorFlow, um die kategorisierten Informationen zu den Gebäuden ihrer Kunden zu identifizieren und zu organisieren, etwa die Anzahl der Fenster oder die Art des Dachs eines bestimmten Gebäudes.
Sagemaker kommentiert einen bestimmten Satz von Bildern, der als Trainingsleitfaden für die Bilderkennungsmodelle verwendet werden soll. Dieser Prozess durchläuft mehrere Iterationen und führt zu einem endgültigen Modell, das nun darauf trainiert ist, neu hinzugefügte Bilder zu kommentieren. Sie werden dann gespeichert in S3 Buckets und direkt in ihre Redshift-Datenbank eingespeist.
Die Daten wurden erfasst, gespeichert und sind bereit zur Analyse. Die Octo-Lösung liefert dann wertvolle Erkenntnisse auf Grundlage dieser riesigen Datenmenge, die Hunderte von Datenpunkten über Tausende von Eigenschaften umfasst. Mendix hat es Octo ermöglicht, ein Frontend zu entwickeln, das Verbrauchsmaterial und verwertbare Daten zu ihrem Kundenstamm.
Bei der Integration einer Kartenansicht für die Gebäude ihrer Kunden testete das Octo-Team zwei verschiedene Benutzeroberflächen für Geolokalisierungsdaten:
- Kepler, eine Business Intelligence (BI)-Plattform für georäumliche Analysen
- Google Maps API
Huibers und Dijksma stellten fest, dass ihre Kunden trotz der erweiterten Standortinformationen von Kepler die Google Maps API bevorzugten.
Aufgrund der Einfachheit der Verbindung externer Anwendungen und Dienste mit Apps, die auf dem Mendix Huibers und Dijksma benötigten für die Aktualisierung ihrer Lösungsangebote um diese Funktionalität lediglich drei Tage (im Gegensatz zu den etwa zwei Monaten, die bei herkömmlicher Entwicklung erforderlich wären).
Lösung für das Informationsüberangebot
Okto's Kundenportal, entwickelt in Mendix, ist für den Erfolg ihres Unternehmens von entscheidender Bedeutung.
Dank der Kollaborationsfunktionen der Plattform kann das Octo-Team direkt mit seinen Kunden an deren Lösung arbeiten. Das Gründerteam hat sich nicht weit von seinen Wurzeln als Berater entfernt.
Ihr Designteam verwendet Mendix Gemeinsam mit Kunden entwickeln sie ihr Frontend und definieren Abfragen, mit denen sie auf die Bedürfnisse ihrer Kunden eingehen können. Durch Abfragen von Eigenschaften eigener Gebäude können ihre Kunden nach bestimmten Attributen in ihrem gesamten Portfolio filtern.
Diese Funktionalität wird erheblich verbessert durch die Zusammenarbeit Der Prozess, den das Octo-Team mit seinen Kunden durchführt, gibt Huibers und Dijksma die Gewissheit, dass die von ihnen entwickelten Abfragen ihren Kunden einen Mehrwert bieten.
Durch die weitere Vertiefung seiner Kundenbeziehungen kann Octo optimale Lösungen anbieten.
Dem Octo-Team gelang es, unter Nutzung seines Fachwissens auf diesem Gebiet erfolgreich eine Plattform aufzubauen, ohne dass es dabei an technischen Fähigkeiten mangelte. Und laut Dijksma „ist das der wahre Vorteil von Low Code“.