Hier gehen wir dieser Frage auf den Grund, präsentieren die zugrundeliegende Argumentation und einen konkreten Fall. Spoiler: Ja, das ist eine sehr gute Idee… Stellen Sie sich vor:
Neubau oder Sanierung eines Gebäudes sind beendet, nun muss die Heizung (neu) in Betrieb genommen werden.
Erste Herausforderung: die Notwendigkeit für Feinabstimmung
Moderne, energieeffiziente Gebäude sind zum Erreichen ihrer berechneten hohen Effizienz von optimalen Heizungs- und Lüftungseinstellungen abhängig. Oft stellen wir für unsere Kunden im Betrieb signifikanten Mehrverbrauch gegenüber den Berechnungen fest, «performance gap». Meist sind dafür unzureichende Einstellungen nach der Inbetriebnahme erforderlich.
Zweite Herausforderung: der thermische Gleichgewichtspunkt
Aber was bedeutet eigentlich optimale Heizungseinstellung? Bei energiearmen Gebäuden wird ein erheblicher Teil der Heizenergie durch interne Gewinne erzielt, die Aktivität der Bewohner. Das Energiegleichgewicht – ohne Heizung – wird bei einer Innentemperatur von etwa 20°C erreicht. Bei dieser Temperatur braucht es kaum noch Heizung. Die Heizungs-Einstellung müsste also optimalerweise nach Einzug der Bewohner vorgenommen bzw. angepasst werden. Dieser Gleichgewichtspunkt hängt aber auch vom Wetter ab. Dazu kommt die thermische Trägheit des Gebäudes: Ein Techniker kann nicht einfach die Heizung einstellen, in der Wohnung den Thermometer ablesen, die Heizung entsprechend korrigieren etc.
Es braucht jeweils mehrere Tage, bis die neuen Einstellungen wirksam werden, und bis dahin haben sich das Wetter und die internen Energiepotenziale verändert, die Ergebnisse sind also nicht mehr vergleichbar. Die Suche nach dem perfekten Gleichgewicht ist mühsam und braucht mehrere Monate.
Dritte Herausforderung: Planung
Nun nehmen Sie den Fachkräftemangel im HKL-Sektor und die Realität von Bauverträgen mit ihren eng getakteten Zeitplänen in den Blick.
Wie genau wird das Techniker Team nach Inbetriebnahme und Übergabe nachjustieren?
Und wie gut könnte ein künstliches Intelligenzsystem aufgrund von Echtzeitmessungen des Wohnungsklimas diese Aufgabe wahrnehmen? Hier ist ein konkreter Fall:
Das Gebäude, das unten abgebildet ist, wurde 2020 in Betrieb genommen. Seine Energie-Referenzfläche (SRE/EBF) beträgt 4’777 m2. Es ist an die Fernwärme angeschlossen.
Nach der Bereitstellung der ECCO2 Building Intelligence Lösung haben wir während der Heizperiode eine durchschnittliche Innentemperatur von 22,8°C gemessen.

Unter den Bedingungen der Energiekrise 2022 haben wir uns mit dem Immobilienmanager darauf geeinigt, die Ziel-Innentemperatur auf 20,0°C festzulegen.
Dieses Diagramm zeigt, wie unser „künstlicher Intelligenz-Kollege“ in 416 Machine-Learning-Schritten dieses HVAC-System zu einer perfekten Landung bei 20,0°C führte. Nicht 20,5°C, nicht 19,5°C – genau 20,0°C.
Um diese Leistung vollständig zu würdigen, bedenken Sie das sehr hohe Trägheitsmoment des Gebäudes und das wechselhafte Schweizer Wetter im Herbst:

Das nächste Diagramm erzählt die Hintergrundgeschichte: Hier können Sie sehen, wie viel überschüssige Energie NARA aus dem System entfernt hat. Die Vorlauftemperatur sank von 35°C auf 25°C.

Und hier ist das Ergebnis:

Das Gebäude hat die Energieeffizienz, die bei der ursprünglichen Berechnung geplant war, erreicht und sogar leicht übertroffen.
Die Investitionen während der Bauarbeiten, um ein solches Potenzial für die Gebäudeeffizienz zu erreichen, belaufen sich auf Hunderttausende von Euro: gute Isolierung, Fenster und Türen, anspruchsvolle Lüftung, Zertifizierung…
ECCO2 Building Intelligence hat den vollen Wert dieser Investition realisiert. Durch die Reduzierung der Heizkosten werden potenzielle Mieteinnahmen und damit die Bewertung des Objekts maximiert.
FAZIT: ECCO2 Building Intelligence ist ganz besonders in neuen oder neu renovierten Gebäuden eine lohnende Investition.