LLM WIKI
Van gebouwdata naar samenhangend inzicht voor mens en machine
Wat je binnenklimaat je werkelijk vertelt
Metingen zijn pas waardevol als je begrijpt wat ze samen betekenen. rmaanden.nl verbindt meetgegevens, gebouwomstandigheden en wetenschappelijke kennis tot inzicht waarmee infectierisico's beter kunnen worden beoordeeld en onderbouwde keuzes mogelijk worden.
Een CO₂-waarde vertelt niet op zichzelf wat er in een gebouw gebeurt. Die betekenis ontstaat in samenhang met ventilatie, temperatuur, luchtvochtigheid, seizoensinvloeden en wetenschappelijke kennis. Juist die context maakt zichtbaar welke omstandigheden en maatregelen ertoe doen.
Met modellen en prognoses onderzoek ik hoe het binnenklimaat zich kan ontwikkelen en wanneer aandacht of aanvullende maatregelen nodig kunnen zijn. Achter de login vind ik mijn live omgeving waarin meetgegevens, modellen en referentiekennis samen een transparant en toetsbaar beeld vormen, inclusief aannames en onzekerheden.
De centrale vraag is dus niet alleen:
“Is de luchtkwaliteit goed of slecht?”
maar:
“Wat gebeurt er met het binnenklimaat, waardoor gebeurt dat, en welke maatregelen kunnen we onderzoeken met onze eigen metingen?”
Van gebouwdata naar analyse
rmaanden.nl brengt het binnenklimaat in samenhang in beeld. Gegevens over het buitenklimaat, metingen in het gebouw en kennis over binnenklimaat worden met elkaar verbonden. Zo ontstaat inzicht in de huidige en verwachte toestand van een ruimte.
- 01 Buitenklimaat Omstandigheden
- Het weer levert gegevens over onder meer temperatuur en vochtigheid. Deze omstandigheden beïnvloeden de energiebehoefte en het binnenklimaat.
- 02 Binnenklimaat Gebouw
- De eigenschappen van de ruimte en de werking van ventilatie en klimaatregeling bepalen mede hoe het binnenklimaat zich ontwikkelt.
- 03 Metingen Waarnemingen
- Eigen meetgegevens, zoals temperatuur, relatieve luchtvochtigheid en CO₂, beschrijven wat er in de ruimte wordt waargenomen.
- 04 Toestand Samenhang
- Metingen worden geïnterpreteerd in samenhang met gebouwgegevens, omstandigheden en referentiewaarden. Zo krijgt een losse meetwaarde betekenis.
- 05 Prognose Verwachting
- Door metingen te combineren met verwachte weersomstandigheden en kennis van het HVAC systeem, kan het model mogelijke toekomstige toestanden in beeld brengen.
- 06 Maatregel Beslisondersteuning
- De verwachte toestand helpt bij het beoordelen van mogelijke maatregelen. Daarbij kunnen binnenklimaat, gezondheid en energiegebruik tegen elkaar worden afgewogen.
Het binnenklimaat begrijpen en voorspellen
Het weer heeft invloed op het binnenklimaat en op de energie die nodig is om een gebouw comfortabel te houden. Temperatuur en vocht spelen daarbij een belangrijke rol. Voelbare warmte bepaalt hoe warm de lucht is. Latente warmte hangt samen met vocht en de energie die vrijkomt bij condensatie of nodig is voor verdamping. Samen bepalen deze factoren mede hoe een gebouw reageert op veranderende weersomstandigheden.
Van Toestand 0 tot en met Toestand 5
Het model brengt de samenhang tussen weer, temperatuur, vocht, ventilatie en energieverbruik in beeld. Daarbij vormt de psychrometrie de basis: de leer van de eigenschappen van vochtige lucht en de veranderingen die daarin optreden.
Afhankelijk van de omstandigheden neemt de behoefte aan klimaatbeheersing stapsgewijs toe. Van passieve verwarming en natuurlijke ventilatie tot mechanische ventilatie met warmte- en vochtterugwinning, actieve bevochtiging en aanvullende luchtfiltratie. De zes toestanden maken inzichtelijk welke maatregelen nodig kunnen zijn om het binnenklimaat op peil te houden en welke gevolgen dat heeft voor de benodigde energie en techniek.
Een voorspelling voor de komende week
Het model berekent hoe het binnenklimaat zich onder verschillende omstandigheden in de komende week kan ontwikkelen. Daarbij combineert het de weersverwachting met gegevens over het gebouw, de ventilatie en de circulatie van virussen in de samenleving.
Op basis van deze samenhang bepaalt het model welke toestand onder de verwachte omstandigheden de voorkeur heeft. Zo ontstaat een vooruitblik op de maatregelen die mogelijk nodig zijn om gezondheisrisico's, luchtkwaliteit en energiegebruik met elkaar in balans te houden.
Ook de verwachte CO₂-concentratie wordt berekend. Het model vertaalt daarvoor het ventilatiedebiet en het aantal aanwezige personen naar een verwachte concentratie, uitgaande van hun CO₂-productie en de concentratie in de buitenlucht.
Prognostische datamatrix
Breng kennis tot leven
Een goed binnenklimaat begint met begrijpen wat er gebeurt. Met rmaanden.nl verbind ik metingen uit gebouwen aan modellen, wetenschappelijke kennis en mijn eigen ervaring. Zo kijk ik verder dan de cijfers alleen. Ik onderzoek wat ze betekenen, hoe verschillende factoren samenhangen en wat we daaruit kunnen leren.
Al deze kennis komt samen in een samenhangend geheel: de kennisbundel waarop rmaanden.nl is gebouwd. Die aanpak sluit aan bij de ontwikkeling van open kennisformaten, zoals Open Knowledge Format (OKF) van Google Cloud. Mijn bijdrage is een manier om ook de achterliggende context, uitgangspunten en verbanden zichtbaar te maken. Zo wordt duidelijk waar inzichten vandaan komen en hoe ze tot stand zijn gekomen.
Achter de login breng ik data en kennis samen, doe ik gericht onderzoek en werk ik waar dat helpt met een AI-assistent. Daarbij blijft mijn eigen expertise belangrijk. De technologie helpt om verbanden te vinden en inzichten verder te ontwikkelen, maar de betekenis ervan staat centraal.