LLM WIKI
AI kennisinfrastructuur
Healthy Air Intelligence
Van gebouwdata naar betekenis. rmaanden.nl verbindt binnenklimaat, HVAC, meetgegevens, modellen en wetenschappelijke kennis om de toestand van een gebouw te analyseren en te onderzoeken welke omstandigheden en interventies relevant zijn.
rmaanden.nl ontwikkelt deze kennis- en analyseomgeving sinds april 2020. Het platform is ontstaan vanuit de behoefte om luchtgedragen infectierisico's niet als één geïsoleerd getal te beschouwen, maar als een samenhangend systeem van omstandigheden, metingen, modellen, referentiekennis en mogelijke interventies.
De centrale vraag is daarom niet alleen:
“Is de luchtkwaliteit goed of slecht?”
maar:
“Wat gebeurt er met het binnenklimaat, waardoor gebeurt dat, en welke maatregelen kunnen we met onze eigen meetgegevens onderzoeken?”
ASHRAE 241
ASHRAE 241 is een internationale norm voor het beheersen van het risico op transmissie van infectieuze ademhalingsdeeltjes (IRP) in gebouwen. De norm beschrijft hoe ventilatie, luchtfiltratie en andere luchtbehandelingstechnieken kunnen worden ingezet om de blootstelling aan infectieuze deeltjes te beperken. Daarmee bevat ASHRAE 241 belangrijke elementen van een risicomanagementbenadering voor het binnenklimaat.
Van gebouwdata naar analyse
rmaanden.nl beschrijft het binnenklimaat als een samenhangend systeem. Verschillende gegevens en kennissoorten worden gekoppeld om een actuele of voorspelde toestand van een zone te kunnen duiden.
buitenklimaat → binnenklimaat → metingen → toestand → prognose → interventie
Het model kan onder meer temperatuur, relatieve vochtigheid, CO₂, ventilatie, buitenomstandigheden en andere relevante factoren met elkaar verbinden.
De gebruiker kan daarbij eigen meetgegevens als uitgangspunt nemen. Deze kunnen worden gecombineerd met voorspelde omstandigheden, referentiewaarden en wetenschappelijke context.
De kern van het model
-
Buitenklimaat
Externe omstandigheden die invloed kunnen hebben op het binnenklimaat. -
Binnenklimaat
De omstandigheden die daadwerkelijk in een zone worden gemeten of gemodelleerd. -
Metingen
Observaties van bijvoorbeeld CO₂, temperatuur en relatieve vochtigheid. -
Afgeleide toestand
Informatie die uit metingen en modellen wordt afgeleid. -
Referentiekennis
Wetenschappelijke kennis, definities, modellen en andere referentiekaders. -
Interventie
Maatregelen die de gebruiker na analyse kan onderzoeken, selecteren of uitvoeren.
Het systeem probeert daarmee niet één getal tot “veiligheid” of “infectierisico” te verheffen. De betekenis ontstaat uit de samenhang tussen observaties, omstandigheden, modellen, referentiekennis en interventies.
Effectieve schone lucht
Binnen de analyse speelt ook het begrip Equivalent Clean Airflow een rol. Ventilatie, filtratie en luchtzuivering kunnen daarbij gezamenlijk worden beschouwd als manieren om de effectieve hoeveelheid schone lucht per persoon te beïnvloeden.
Het begrip verbindt daarmee verschillende interventies binnen één analyse van de luchtverversing en luchtbehandeling.
De kennisstructuur
Naast het zichtbare analysemodel heeft rmaanden.nl een machineleesbare kennislaag.
Deze laag beschrijft niet alleen de inhoud, maar ook de betekenis van concepten, hun onderlinge relaties, hun herkomst en hun kennisstatus.
Hiervoor worden onder andere concept-ID's, relaties, namespaces, JSON-LD en semantische HTML gebruikt. De HTML vormt daarmee niet alleen de presentatie van de informatie, maar ook een expliciete contextlaag voor mens en machine.
Context en norm
Binnen de kennisarchitectuur wordt onderscheid gemaakt tussen de praktijk waarop de analyse betrekking heeft en het referentiekader waarmee die praktijk kan worden geïnterpreteerd.
- Context / Debet De praktijk: observaties, meetgegevens, prognoses, analyses en afgeleide kennis.
- Norm / Credit De referentie: modellen, definities, standaarden en wetenschappelijke kennis.
Deze scheiding maakt het mogelijk om zichtbaar te houden welke informatie uit de praktijk afkomstig is en welke informatie als referentie of norm wordt gebruikt.
Double Entry Semantic Ledger
De twee kennisposities vormen samen het Double Entry Semantic Ledger (DESL). Het principe van dubbel boekhouden wordt hierbij gebruikt als model voor het expliciet tegenover elkaar plaatsen van context en referentie.
In de toepassing van rmaanden.nl betekent dit dat praktijkinformatie kan worden vergeleken met wetenschappelijke of normatieve referentiekennis.
Daardoor kan niet alleen worden vastgelegd wat wordt beweerd, maar ook waar de bewering vandaan komt, welke kennisstatus zij heeft en tegen welk referentiekader zij wordt vergeleken.
Open Knowledge Format
De kennisstructuur van rmaanden.nl kan worden ontsloten als een Open Knowledge Format (OKF) Bundle.
Een OKF Bundle structureert relevante kennis in semantische eenheden die door mensen en AI-systemen kunnen worden gelezen, teruggevonden en verder verwerkt.
Daarmee kan de domeinkennis van rmaanden.nl worden gebruikt voor onder andere databases, API-specificaties, semantische HTML, Markdown-documentatie en AI-ondersteunde analyse.
De kenmerken van de kennislaag
-
Gestructureerd
Concepten en informatie worden als betekenisvolle eenheden beschreven. -
Herleidbaar
Informatie blijft verbonden met bron, context en kennisstatus. -
Vergelijkbaar
Praktijkkennis kan worden gerelateerd aan afzonderlijke referentiekennis.
De kern van rmaanden.nl
rmaanden.nl verbindt een model voor het binnenklimaat met een semantische kennisstructuur.
waarnemen → duiden → voorspellen → vergelijken → onderzoeken
De combinatie van gebouwdata, modellen, wetenschappelijke referenties en een expliciete semantische structuur vormt de basis waarop rmaanden.nl verdere analyse en AI-ondersteuning ontwikkelt.