Projektträger:                   Bundesministerium für Wirtschaft und Energie
Programm:                       8. Energieforschungsprogramm
Laufzeit:                           01.01.2026-31.12.2028

Gebäudeenergiemanagementsysteme (EMS) werden in der derzeitigen Praxis oft isoliert für die Bereiche Strom, Wärme und Mobilität und basierend auf starren Regeln (z.B. „Wenn zu viel PV-Ertrag, dann lade die Batterie.“) aufgebaut. Die Forschung zeigt, dass modell- und auch datenbasierte Ansätze deutlich leistungsfähiger sind. Diese Konzepte können Vorhersagen regenerativer Einspeiser, volatiler Lasten und variabler Strompreise effektiv integrieren. Zudem ermöglichen sie eine optimale Kopplung von Sektoren wie Strom, Wärme und Mobilität. Dadurch wird eine gezielte Optimierung von Zielen wie Energieeffizienz, -kostenreduzierung und Netzentlastung realisiert. 

Allerdings ist die Praxistauglichkeit solcher Ansätze stark eingeschränkt: bei modellbasierten Verfahren wegen des hohen Modellierungsaufwands, bei datenbasierten Verfahren aufgrund des hohen Daten-/Ressourcenbedarfs der KI-Algorithmen. Daher werden modell- und datenbasierte EMS-Konzepte trotz ihres enormen Potentials bislang kaum praktisch angewendet.

Das Projekt zielt darauf ab, gänzlich neue Pfade für Gebäude-EMS zu eröffnen. Entwickelt wird eine Symbiose hybrider modell- und datenbasierter Methoden, welche die Vorteile der einzelnen Ansätze kombiniert, Nachteile eliminiert und die Bereiche Strom, Wärme, Mobilität synergetisch betrachtet. Grundlage bilden neuartige KI-Methoden aus dem Bereich des modellbasierten bestärkten Lernens (Model Based Reinforcement Learning - MBRL), die für ein leistungsfähiges und zugleich praxistaugliches EMS neue Pfade eröffnen. Vision ist die Schaffung eines hybriden Basismodells als Grundlage des Gebäude-EMS, das sich ohne größeren Aufwand auf unterschiedliche Gebäudetypen übertragen lässt. Zusammengefasst wird ein sektorenübergreifendes EMS entwickelt, welches durch die Symbiose datenbasierter und physikalischer Grundmodelle einen Innovationssprung bzgl. Leistungsfähigkeit und Energieeffizienz ermöglicht.

Das Projekt wird von einem Konsortium aus Wissenschaft und Wirtschaft begleitet, darunter die Hochschule Trier - Standort Umwelt-Campus Birkenfeld, die Rheinland-Pfälzische Technische Universität Kaiserslautern-Landau und das Deutsche Forschungszentrum für Künstliche Intelligenz. Nach Abschluss des Projekts sollen die entwickelten Verfahren in die Software der beteiligten Unternehmen Iconag-Leittechnik GmbH, Schoenergie GmbH, Aimpera GmbH und IS Predict GmbH integriert werden. Die Unternehmen planen, die Modelle in realen Anwendungsfällen zu erproben und als Standardsoftware zu integrieren..