Saat Anda mencari ide startup yang dapat memperlambat perubahan iklim, Anda mungkin menjadi ahli dalam penilaian energi rumah. Setidaknya, itulah yang terjadi pada pendiri Kelvin, sebuah startup Perancis yang menggunakan visi komputer dan pembelajaran mesin untuk mempermudah audit efisiensi energi rumah.
Clémentine Lalande, Pierre Joly dan Guillaume Sempé mulai mempertimbangkan audit efisiensi energi rumah karena renovasi akan berdampak besar pada pengurangan konsumsi energi dan CO2 emisi. Namun, seperti industri konstruksi lainnya, sebagian besar perusahaan di bidang ini tidak menggunakan teknologi untuk meningkatkan prosesnya.
IKLAN
GULIR UNTUK MELANJUTKAN KONTEN
“Ada 300 juta rumah yang perlu direnovasi dalam 30 tahun ke depan di Eropa,” Lalande, CEO Kelvin, mengatakan kepada TechCrunch. “Tetapi industri konstruksi adalah sektor kedua yang paling tidak terdigitalisasi setelah pertanian.”
Di Perancis, Badan Perumahan Nasional (ANAH) telah menetapkan tujuan ambisius untuk mencapai 200.000 rumah yang direnovasi pada tahun 2024 saja. Namun para pengrajin tidak mampu mengimbanginya, dan hal ini berdampak buruk pada iklim. Secara umum, lanskap peraturan menguntungkan startup-startup semacam itu di Eropa.
Didirikan pada Oktober 2023, Kelvin adalah permainan perangkat lunak murni. Perusahaan tidak ingin membangun pasar penyedia layanan, dan tidak seperti Enter, startup penilaian energi rumah tangga lain yang berbasis di Jerman yang dicakup oleh TechCrunch, perusahaan ini juga tidak ingin menjadi produk yang berhubungan dengan konsumen.
Sebaliknya, startup tersebut telah mengumpulkan tim kecil yang terdiri dari para insinyur untuk membangun model AI-nya sendiri yang berspesialisasi dalam penilaian energi rumah menggunakan pembelajaran mesin. Perusahaan ini menggunakan data terbuka, seperti citra satelit, serta kumpulan data pelatihan miliknya yang berisi jutaan foto dan penilaian energi.
“Kami menghitung lebih dari 12 sumber data eksklusif, semi-publik, atau terbuka yang memberikan informasi tentang bangunan dan kinerja termalnya. Jadi kami menggunakan teknik segmentasi yang cukup standar, menganalisis citra satelit dengan model pembelajaran mesin untuk mendeteksi fitur tertentu, seperti keberadaan bangunan di sekitar, panel surya, unit ventilasi kolektif, dan sebagainya,” kata Lalande.
“Kami juga melakukan ini berdasarkan data yang kami kumpulkan sendiri. “Kami telah mengembangkan alat inspeksi jarak jauh dengan bot yang memberi tahu orang-orang yang ada di sana tentang foto dan video yang harus mereka kumpulkan,” tambahnya. “Kami kemudian memiliki model yang menghitung radiator dalam video, mendeteksi pintu, mendeteksi ketinggian langit-langit, dan menentukan jenis boiler atau unit ventilasi.”
Kelvin tidak ingin menggunakan teknologi 3D seperti LiDAR karena ingin membuat alat yang bisa digunakan dalam skala besar. Hal ini memungkinkan Anda menggunakan foto dan video normal, yang berarti Anda tidak memerlukan smartphone terbaru dengan sensor LiDAR untuk merekam detail ruangan.
Klien potensial dari startup ini dapat berupa perusahaan konstruksi, industri real estat, atau bahkan lembaga keuangan yang ingin membiayai proyek renovasi rumah – khususnya pemodal, mungkin mencari penilaian yang akurat sebelum mengambil keputusan.
Dalam pengujian pertama perusahaan, penilaian energi rumah mereka memiliki tingkat akurasi 5% dibandingkan model lama. Dan jika ini adalah alat yang tepat untuk audit ini, akan lebih mudah untuk membandingkan satu rumah dengan rumah lainnya dan satu renovasi dengan renovasi lainnya.
Startup ini kini telah mengumpulkan €4,7 juta ($5,1 juta dengan nilai tukar saat ini) dengan Racine² memimpin pendanaan dan investasi non-dilutif dari Bpifrance. Seedcamp, Raise Capital, Kima Ventures, Motier Ventures dan beberapa pelaku bisnis juga berpartisipasi dalam putaran ini.
NewsRoom.id
