Home | english  | Impressum | Datenschutz | Sitemap | KIT

EnOB: DataFEE - Data mining, machine learning, feedback, and feedforward - Energieeffizienz durch nutzungszentrierte Gebäudesysteme

EnOB: DataFEE - Data mining, machine learning, feedback, and feedforward - Energieeffizienz durch nutzungszentrierte Gebäudesysteme
Ansprechpartner:

Romana Marcovic

Förderung:

BMWi

Partner:

Fraunhofer IBP

RWTH Aachen

ABB AG

BayernFM

Starttermin:

07/2019

Endtermin:

12/2022

Zahlreiche Untersuchungen zur energetischen Performance von Gebäuden belegen, dass die Nutzer den Energieverbrauch entscheidend beeinflussen. Gleichzeitig führen unzureichende Kenntnisse über das Nutzerverhalten in der Praxis dazu, dass oft eine große Differenz zwischen in der Entwurfsphase prognostizierten und im Betrieb tatsächlich gemessenen Energiekennzahlen auftritt. Ziel des vom fbta geleiteten und vom BMWi geförderten Verbundprojektes mit den Partnern Fraunhofer IBP, RWTH Aachen, ABB AG und BayernFM ist deshalb, durch das systematische Erschließen und die Optimierung der Datennutzungsprozesskette diesen Performance Gap zu verringern, um damit verlässlichere Prognosen für den Gebäudebetrieb zu ermöglichen und eine hohe Energieeffizienz sicherzustellen.

Hierzu werden komfortbedingte Interaktionen der Nutzer genauer erfasst, aufbereitet und in Form von Modellen für Planungswerkzeuge und Systeme zur Betriebsführung zur Verfügung gestellt. Mit intelligenter Sensorik, Data Mining, Machine Learning oder Predictive Analytics werden effizientere Analyse- und Modellierungsmethoden erschlossen, um die Gebäudeperformance zu verbessern und bessere Einschätzungen des Nutzerverhaltens zu erlangen. Hierbei wird auch der Digitale Zwilling als cyber-physisches Abbild eines realen Gebäudes, ähnlich wie auch im Bereich Industrie 4.0 deutlich absehbar, eine zentrale Rolle spielen. Darauf aufbauend werden Dienstleistungen für Gebäudenutzer und Betreiber entwickelt, wobei das fbta untersuchen wird, inwieweit ein Nutzerinformationssystem, welches den Energie- und Komfortverlauf nach einer Interaktion vorhersagt, die Nutzerzufriedenheit und das Nutzerverhalten beeinflusst.