Saat Anda mencari ide startup yang dapat memperlambat perubahan iklim, Anda mungkin menjadi ahli dalam penilaian energi rumah. Setidaknya, itulah yang terjadi pada para pendiri Kelvinsebuah perusahaan rintisan asal Perancis yang menggunakan visi komputer dan pembelajaran mesin untuk mempermudah audit efisiensi energi di 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 proses mereka.
“Ada 300 juta rumah yang harus 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 perajin tidak mampu mengimbanginya, dan hal ini berdampak buruk pada iklim. Secara umum, lanskap regulasi mendukung startup semacam ini di Eropa.
Didirikan pada Oktober 2023, Kelvin adalah permainan perangkat lunak murni. Perusahaan tidak ingin membangun pasar penyedia layanan, dan tidak seperti itu Memasukistartup penilaian energi rumah lainnya yang berbasis di Jerman yang dicakup oleh TechCrunch, juga tidak ingin menjadi produk yang berhubungan dengan pelanggan.
Sebaliknya, startup tersebut telah membentuk tim kecil yang terdiri dari para insinyur untuk membuat model AI-nya sendiri yang berspesialisasi dalam penilaian energi rumah menggunakan pembelajaran mesin. Perusahaan ini menggunakan data terbuka, seperti citra satelit, serta kumpulan data pelatihannya sendiri yang berisi jutaan foto dan penilaian energi.
“Kami menghitung lebih dari 12 sumber data milik sendiri, semi-publik, atau terbuka yang memberikan informasi mengenai bangunan dan kinerja termalnya. Jadi kami menggunakan teknik segmentasi yang cukup standar, menganalisis citra satelit dengan model pembelajaran mesin untuk mendeteksi fitur spesifik, seperti keberadaan bangunan di dekatnya, 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 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 dapat digunakan dalam skala besar. Ini memungkinkan Anda menggunakan foto dan video normal, yang berarti Anda tidak memerlukan ponsel cerdas 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 yang dilakukan perusahaan, penilaian energi rumah mereka memiliki tingkat akurasi 5% dibandingkan penilaian model lama. Dan jika ini menjadi alat yang tepat untuk audit ini, akan lebih mudah untuk membandingkan satu rumah dengan rumah lainnya dan satu renovasi dengan rumah 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.
