View this page in English

Jo Rasmus Beermann

M.Sc.
Fakultät für Anlagen, Energie- und Maschinensysteme Institut für Technische Gebäudeausrüstung (TGA)

Jo Rasmus Beermann

Campus Deutz
Betzdorfer Straße 2
50679 Köln
Raum HW 2-67 Postanschrift


Sprechstunden

Mittwoch, 13.00 bis 14.00 Uhr
Campus Deutz, Betzdorfer Str. 2, Raum HW 2-67
Nur nach Vereinbarung

Funktionen

  • Wissenschaftlicher Mitarbeiter

Lehrgebiete

  • Grundlagen der Gebäudeautomation
  • Grundlagen der Regelungstechnik

Forschungsgebiete

  • Optimierung Gebäudebetrieb: Optimierung des Gebäudebetriebs auf Basis von maschinellem Lernen.
  • Regelungsstrategien: Entwicklung von intelligenten und adaptiven Regelungsalgorithmen für Heizungsanlagen.
  • Semantische Interoperabilität: Interaktion in semantisch heterogenen Sprachräumen auf Basis von Natural Language Processing.
  • Optimierte GA durch den Entwurf modularer und kontinuierlich lernender KI-Modelle (modKi)
    Das Projekt modKI (“Modulare KI”) konzentriert sich auf die Modularisierung von KI-Anwendungen für die Gebäudeautomation. Ziel ist es, KI-Komponenten so zu verpacken, dass sie standort- und systemübergreifend als Plug-and-Play einsetzbar sind und Betreibenden Hilfestellungen im täglichen Betrieb gebäudetechnischer Systeme bieten. Fokussiert werden drei Anwendungsbereiche: 1) Erstellung digitaler Zwillinge aus Datenpunkten der Gebäudeautomation. 2) Fault Detection and Diagnosis Anwendungen. 3) Anlagentechnische Betriebsoptimierungen auf Basis von Reinforcement Learning. Projektpartner: Gebäudewirtschaft Stadt Köln, Schulbau Hamburg, Phoenix Contact; Fördermittelgeber: Zukunft Bau (Laufzeit: 01.10.2024-30.09.2027, Projektnummer: 10.08.18.7-24.13).
    Projektwebsite
  • Gewinnung von Strukturinformationen aus semantisch heterogenen Gebäudeautomationsnetzen durch Mustererkennung mittels Künstlicher Intelligenz
    Im Rahmen des Projektes wurde eine Methode entwickelt, mit der sich technisches Monitoring für Bestandsgebäude mit minimalem Aufwand einrichten lässt. Kern ist ein Algorithmus, der semantisch heterogene beschriebene Datenpunkte der Gebäudeautomation vereinheitlicht und den passenden Anlagenkomponenten zuordnet. Dazu kombiniert er ein gemeinsames Informationsmodell, die Auswertung von Metadaten, NLP-basiertes Semantic Matching und eine Verhaltensanalyse der Datenpunkte. Aus den gewonnenen Strukturinformationen werden darauf aufbauend automatisiert Dashboards erstellt, die ein Anlagenmonitoring für Betreibende ermöglichen. Die Methode wurde abschließend in verschiedenen Gebäudetypen praxisnah erprobt. Die Projektergebnisse werden auf der Seite des Fördermittelgebers ausführlich dokumentiert. Projektpartner: Gebäudewirtschaft Stadt Köln, Phoenix Contact; Fördermittelgeber: Zukunft Bau (Laufzeit: 01.01.2023-31.12.2024, Projektnummer: 10.08.18.7-22.26).
    Projektwebsite
  • Erstellung eines Language Models zur Umsetzung eines Semantic-Search Algorithmus für ECLASS-Merkmale
    Im Projekt wurde ein Sprachmodell entwickelt, das die Zuordnung herstellerspezifischer Produktmerkmale zum Stammdatenstandard ECLASS unterstützt. Diese Zuordnung ist für interoperable Industrie-4.0-Wertschöpfungsnetzwerke wichtig, bisher aber mit hohem manuellem Aufwand verbunden. Anders als eine klassische Schlagwortsuche erfasst das Modell mithilfe von Methoden des Natural Language Processing die Bedeutung von Merkmalsnamen und -beschreibungen. So kann es zu einem proprietären Merkmal die semantisch passenden ECLASS-Merkmale finden. Ausgangspunkt waren vortrainierte Sprachmodelle mit allgemeinem Sprachverständnis, die anschließend per Fine-Tuning auf ECLASS spezialisiert wurden. Grundlage dafür war ein Datensatz aus Paaren von unbekannten Merkmalen und zugehörigen ECLASS-Merkmalen. Das Ergebnis erleichtert Herstellern den Einstieg in den Standard und ermöglicht eine (teil-)automatisierte Übersetzung ihrer Produktbeschreibungen. Die Projektergebnisse wurden im Rahmen einer Publikation und als Demo-Website veröffentlicht. Projektpartner: ECLASS, Neoception; Projektzeitraum: 01.08.2023-31.01.2024 (abgeschlossen).
    Publikation Projektergebnisse
2018 bis 2022 Technische Hochschule Köln
Energie- und Gebäudetechnik (Bachelor Eng.)
2022 bis 2024 Technische Hochschule Köln
Green Building Engineering (Master Sc.)
Seit 2022 Technische Hochschule Köln
Wissenschaftlicher Mitarbeiter am Institut für technische Gebäudeausrüstung

nach oben
M
M