Überblick: KI4HVACS – Revolution in der Gebäudetechnik

Das Projekt KI4HVACS zielt darauf ab, mittels maschinellem Lernen – und ohne explizite Modellbildung – die System- und Betriebszustände von Heizungs-, Lüftungs- und Klimaanlagen (HLK) automatisiert zu bewerten und zu optimieren. Ein weiteres Kernziel ist die Implementierung prädiktiver Instandhaltungsstrategien, die nicht nur Verschleiß und Wartungskosten berücksichtigen, sondern auch deren Auswirkungen auf den Gesamtenergieverbrauch. Besonders hervorzuheben ist die Berücksichtigung von Veränderungen im Gebäude und dessen Nutzung.

Optimierungsansätze und Mehrwert

Die Optimierung fokussiert sich auf die Konfiguration von HLK-Anlagenparametern und die Effizienz der Wartungsplanung. Der Ansatz ermöglicht es, ohne Eingriff in die Regelung des HLK-Systems zu optimieren, was besonders für die Nachrüstung von Bestandsanlagen relevant ist. Die Möglichkeit, Optimierungen basierend auf den Daten mehrerer Anlagen durchzuführen, verkürzt zudem die Lernphase der KI-Algorithmen durch die Verwendung vortrainierter Modelle erheblich.

Technische Innovation

Im Zentrum der technischen Innovation steht eine Kombination aus Reinforcement-Learning, Supervised-Learning und einer iterativen Kontrollstrategie auf Basis einer Model Predictive Control (MPC)-Architektur. Diese Strategie zielt darauf ab, die Abweichungen zwischen tatsächlichen und erwarteten Werten, die beispielsweise aus Modellungenauigkeiten resultieren, zu minimieren.

Ausgangssituation und Motivation

HLK-Systeme sind für einen signifikanten Anteil (mehr als 40%) des Energieverbrauchs von Wohn- und Gewerbegebäuden verantwortlich. Die Optimierung dieser Systeme wird daher sowohl aus wirtschaftlicher als auch aus ökologischer Sicht immer wichtiger. Die Folgen des Klimawandels verstärken zusätzlich den Bedarf an effizienten HLK-Anlagen. Durch umfassende Optimierung können der Energieverbrauch und die Betriebskosten in der Regel um 20–40% gesenkt, die Systemzuverlässigkeit verbessert und die CO2-Bilanz eines Gebäudes deutlich reduziert werden.

Zielgruppe

Das entwickelte System und der KI-Ansatz richten sich an Gebäudeeigentümer_innen, Facility Manager_innen, Planer_innen und Systemintegrator_innen, Hersteller_innen und Lieferant_innen von HLK-Systemen sowie Gebäudemanagementsystemen, Gebäudebetreiber_innen und Mieter_innen, um die Energieeffizienz von HLK-Systemen zu verbessern.