Energie sparen mit Künstlicher Intelligenz

Eine technische Einrichtung optimal einzustellen, erfordert Fachkenntnisse und einen gewissen Zeitaufwand. Künstliche Intelligenz kann solche Optimierungen vereinfachen. Ein Schweizer Start-up zeigt, dass das heute schon funktioniert.

So unterschiedlich die Häuser in der Schweiz auch sein mögen, sie haben doch auch etwas gemeinsam: Sie verbrauchen fast alle mehr Energie als vorgesehen. Verbesserungspotenzial gibt’s vor allem bei technischen Installationen wie der Beleuchtung, der Heizung oder der Lüftung. Jede Bewohnerin und jeder Bewohner hat individuelle Gewohnheiten, wie sie/er solche Anlagen nutzt und bedient. Dank digitaler Zähler und Sensoren lassen sich diese Verhaltensweisen heute grundsätzlich gut nachvollziehen. Allerdings ist es zeitlich sehr aufwendig, die Daten auszuwerten und die technischen Anlagen entsprechend zu optimieren. Diesen Aufwand können und wollen meist weder Eigentümer noch Mieter bezahlen.

Künstliche Intelligenz wertet aus

Eine Alternative, die aufgrund der technischen Entwicklung immer mehr in den Vordergrund rückt, ist der Einsatz von Künstlicher Intelligenz (KI). Sie hat den Vorteil, dass sie grosse Datenmengen schnell und effizient verarbeiten kann. In Kombination mit einer entsprechenden Software ist es auch möglich, dass KI den Betrieb einer gebäudetechnischen Anlage selbstständig optimiert. Aus Praxistests weiss man zwar, dass heute eine erfahrene Fachperson solche Anpassungen noch besser umsetzt als eine KI. Diese kann aber wertvolle Unterstützung leisten, indem sie die Arbeit der Fachleute vereinfacht, die Effizienz erhöht und gewisse Ergänzungen bietet.

Algorithmus lernt zwei Wochen

In vielen Bereichen forschen Hochschulen und Unternehmen daran, Künstliche Intelligenz für solche Anwendungen einzusetzen. Konkrete Angebote auf dem Markt sind in der Schweiz aber noch selten. Eine Ausnahme ist die Lösung eines Spin-offs der Empa. Das Jungunternehmen bietet eine KI-Software an, die den Energieverbrauch für die Heizung in Wohnungen und Gebäuden mit Radiatoren um 20 bis 30 Prozent reduzieren kann. Der Aufwand ist überschaubar: Man ersetzt die manuellen Thermostate an den Radiatoren durch digitale und schliesst sie ans Internet an. Anschliessend lernt die durch Künstliche Intelligenz unterstützte Software innert zwei Wochen, wie die Räume aus thermischer Sicht funktionieren. Dies gelingt ihr, indem sie die Daten zur Raumtemperatur und zur Wärmemenge, welche die Radiatoren verbrauchen, mit Daten der lokalen Wetterprognose (Temperatur, Sonneneinstrahlung) kombiniert.

Keine Überhitzung mehr

Nach der Lernphase ist die KI-Lösung in der Lage, den Energieverbrauch zu optimieren. Ein Beispiel: An einem kalten Wintertag bewegt sich die Aussentemperatur um den Gefrierpunkt. Da es aber sonnig ist, erwärmen die Sonnenstrahlen das Gebäude zusätzlich. Eine normale Heizung merkt das erst, wenn die Thermostaten es anzeigen, und hat bis zu diesem Zeitpunkt bereits unnötig Energie ins Heizen gesteckt. Bei der KI-Software weiss das System dank Einbezug der Wetterprognose, dass mit der Einstrahlung der Sonne zu rechnen ist. Es kann daher die Heizleistung rechtzeitig drosseln, sodass die Räume nicht überhitzen. Damit lässt sich Energie sparen und die Raumtemperatur bleibt konstant im angenehmen Bereich. Die Kosten für das System betragen inklusive Installation etwa 150 bis 200 Franken pro Thermostat. Bei den meisten Bestandesbauten sind diese Investitionskosten innert zwei bis drei Jahren amortisiert, bei schlecht gedämmten Bauten sogar noch schneller.

Zwei Erzeuger optimal abstimmen

Künstliche Intelligenz bietet auch die Möglichkeit, die Heizsysteme grösserer Liegenschaften oder ganzer Areale zu optimieren. Ein entsprechendes Pilotprojekt läuft derzeit auf dem Hobelwerk-Areal in Winterthur. Dort will man herausfinden, ob KI die Regelung eines bivalenten Heizsystems optimieren kann. Bivalent bedeutet, dass es zwei Wärmeerzeuger gibt. Der eine soll die Grundlast abdecken, der andere die Spitzenlast an besonders kalten Wintertagen, wenn der erste Wärmeerzeuger zu wenig effizient arbeitet. In der Praxis ist es jedoch so, dass der Spitzenlast-Erzeuger bei vielen bivalenten Systemen zu oft und zu lange zugeschaltet wird.

Beim Hobelwerk-Projekt übernimmt eine Luft-Wasser-Wärmepumpe die Grundlast und eine Holzfeuerung die Spitzenlast. Die Verantwortlichen erwarten, dass sie durch die Optimierung den Anteil des Spitzenlastbetriebs von 20 bis 30 Prozent auf 1 bis 2 Prozent reduzieren können. Eine erfahrene Fachperson müsste viel Zeit aufwenden, um diese Verbesserung hinzukriegen. Stattdessen soll nun ein KI-System ähnlich gute Werte bei deutlich geringerem Aufwand erbringen. Auch dieses Beispiel zeigt, wie Künstliche Intelligenz den Energieverbrauch von gebäudetechnischen Installationen senken kann.