IntellOH - Intelligente Optimierung der Heizkreisauslastungen komplexer Bestandsbauten

Der Wärmesektor steht unter erheblichem Transformationsdruck: steigende Energiepreise, verschärfte klimapolitische Rahmenbedingungen und hohe Anforderungen an die Effizienz bestehender Gebäude erfordern neue technische Lösungen. Das Forschungsprojekt IntellOH entwickelt hierfür einen KI-gestützten Prototyp zur dynamischen Optimierung von Heizkreisen in Bestandsgebäuden. Dieser ermöglicht einen automatisierten, kontinuierlichen und adaptiven hydraulischen Abgleich – ohne umfangreiche bauliche Eingriffe.

Unternehmen erhalten damit frühzeitig Zugang zu einer innovativen Technologie, die reale Energieeinsparungen ermöglicht und neue Flexibilitätsoptionen erschließt.

Ausgangslage: Herausforderung im Wärmesektor

Trotz wachsendem Einsatz erneuerbarer Energien lag der Anteil grüner Wärme im Jahr 2023 bei nur 17,7 %. Viele Bestandsgebäude sind weiterhin auf fossile Versorgung angewiesen und arbeiten aufgrund statischer Regelungen energieineffizient. Der konventionelle hydraulische Abgleich verliert bei geänderten Nutzungsprofilen oder Witterungsbedingungen rasch seine Wirksamkeit – insbesondere in Nichtwohngebäuden mit komplexen, teilweise interagierenden Heizkreisen.

Daraus ergeben sich unnötige Energiekosten, erhöhte CO₂-Emissionen und ungenutzte Effizienzpotenziale, die durch moderne datengetriebene Verfahren erschlossen werden können.

Vom Stand der Technik zum IntellOH-Ansatz

Die folgende Abbildung (Abb.1) illustriert links den aktuellen Stand der Technik: ein planungskonformes Standardverfahren, bei dem die Grundlastabdeckung über eine konstante Vorlauftemperatur der Betonkerntemperierung (BKT) und der Heizkörperbetrieb über thermostatische Einzelraumregelung erfolgt. Eine weiterentwickelte Variante berücksichtigt bereits grundlegende Steuerungskomponenten und ermöglicht eine homogene, dynamische Regelung der Vorlauftemperaturen für BKT und Heizkörper – allerdings meist nur eingeschränkt und ohne vollautomatisierte Optimierung.

Im Gegensatz dazu verfolgt IntellOH einen KI-basierten, dynamischen Steuerungsansatz. Der Prototyp

• analysiert Betriebsdaten und das thermische Gebäudeverhalten in Echtzeit,
• identifiziert Optimierungspotenziale automatisch,
• reagiert adaptiv auf Nutzungs- und Wetteränderungen,
• führt den hydraulischen Abgleich kontinuierlich durch,
• regelt Vorlauftemperaturen bedarfsgerecht und effizient,
• und lässt sich in bestehende Gebäudemanagementsysteme integrieren.

Dabei werden sowohl klassische Modellierungen als auch moderne Machine-Learning-Methoden genutzt, um das thermische Verhalten des Gebäudes präzise abzubilden.

Technisches Ziel des Optimierungs- und ML-Modells

Das Optimierungs- und Machine-Learning-Modell bildet das Herzstück des dynamischen Ansatzes. Es soll die Regelung und Lastverteilung zwischen den Heizkreisen (BKT) und Radiatoren in Echtzeit optimieren. Das ML-Modell verfolgt dabei drei miteinander konkurrierende Ziele:

1. Sicherstellung thermischen Komforts: 
   Die gemessenen Raumtemperaturen sollen möglichst nah an den Sollwerten liegen.
2. Minimierung der Gaskosten:
   Der fossile Beitrag der Radiatoren wird reduziert und möglichst durch regenerative Wärme ersetzt
3. Optimierter Betrieb regenerativer Wärmequelle: 
   Der Betrieb der BKT wird hinsichtlich Effizienz, Laufzeit und Taktung optimiert.

Das zugrunde liegende Optimierungsproblem ist ein dynamisches, nichtlineares thermisches System mit stochastischen Einflussgrößen – ein idealer Anwendungsfall für KI-gestützte Vorhersage- und Optimierungsverfahren. Diese ermöglichen es, das komplexe System beherrschbar zu machen und eine autonome, selbstlernende Regelungslogik zu realisieren.

Reallabor: Umsetzung im ZSW-Gebäude

Der Prototyp wird im Büro- und Laborgebäude des ZSW in Stuttgart unter realen Betriebsbedingungen implementiert und evaluiert. Dabei werden technische Machbarkeit, energetische Wirkung, wirtschaftliche Tragfähigkeit sowie Flexibilitätsoptionen umfassend wissenschaftlich untersucht.

Zusätzlich wird im Reallabor das Potenzial der Integration dynamischer Strompreise geprüft, um zeitvariable Energietarife gezielt für eine Kostenreduktion und eine netzdienliche Flexibilisierung der Wärmeversorgung zu nutzen.

Abbildung 2 zeigt die energetische Gesamtsystemarchitektur und die geplante Einbindung des IntellOH-Prototyps.

Perspektiven

Auch wenn IntellOH zunächst als funktionsfähiger Prototyp entwickelt wird, bildet der Ansatz die Grundlage für weiterführende Innovationen:

• Übertragbarkeit auf andere Gebäudetypen und größere Portfolios
• Integration in digitale Gebäudemanagementsysteme
• CO₂-optimierte Steuerstrategien
• Einbindung in Smart-Grid-Strukturen
• Nutzung erweiterter Datenquellen (IoT-Sensorik, Nutzerfeedback)

IntellOH liefert damit einen technologischen Baustein für eine flexible, emissionsarme und datengetriebene Wärmeversorgung der Zukunft.