KI erhöht Energieeffizienz von Dienstleistungsgebäuden

Die von VINCI Energies entwickelte Lösung WiseBMS nutzt KI-Modelle, um durch die Berücksichtigung der thermischen Trägheit eines Gebäudes bis zu 40 % Energie bei Heizung und Klimatisierung einzusparen.

Aufgrund von Klimawandel, steigenden Stromkosten und gesetzlichen Vorgaben wird die Verbesserung der Energieeffizienz von bestehenden Dienstleistungsgebäuden immer dringlicher. In Frankreich schreiben der BACS- und der Tertiaire-Erlass den Eigentümern den Einbau von Gebäudeleittechnik zur effizienten Steuerung der vorhandenen Anlagen vor. Gleichzeitig werden immer mehr auf diesen Zukunftsmarkt zugeschnittene neue Technologien angeboten.

Nodewise ist eine auf die Entwicklung und Integration digitaler Lösungen zur Verbesserung der Energieeffizienz von Dienstleistungsgebäuden spezialisierte Business Unit. Sie hat vor kurzem WiseBMS eingeführt, eine KI-gestützte Lösung zur intelligenten Heizungs- und Klimasteuerung.

WiseBMS wurde von VINCI Energies Building Solutions finanziert und mit dem VINCI-Umweltpreis ausgezeichnet. Die Lösung nutzt Wettervorhersagen, um den Energieverbrauch von Gebäuden möglichst genau vorauszuplanen.

Prädiktive GLT, „agnostische“ Lösung

„Unsere Innovation besteht darin, dass wir die Gebäudeleittechnik dort prädiktiv machen, wo sie bisher nur reagieren konnte“, fasst Julien Roca zusammen, der BU-Leiter von Nodewise. „Die Modellierung des thermischen Verhaltens des Gebäudes erlaubt uns die Berechnung der optimalen Anlagenparametrierung. Bis zu 40 % Einsparungen sind bei Heizung und Klimatisierung möglich – zwei Posten, die im Mittel für 60 % des Energieverbrauchs von Dienstleistungsgebäuden stehen.”

„Die Einsparungen sind höher als die Abokosten.”

Die KI-Modelle der Lösung werden von Zeit zu Zeit neu trainiert und untergliedern das Gebäude in mehrere Zonen, die sie rund um die Uhr steuern. Per Fernabfrage kann die Leistungsfähigkeit der Modelle und der thermische Komfort im Gebäude überwacht werden. Nodewise setzt im Übrigen offene Kommunikationsprotokolle ein: WiseBMS ist technologisch und vertrieblich gesprochen „agnostisch“, also mit allen GLT-Modellen kompatibel, und kann mit Wärmeerzeugungsequipment (Heizkessel, Wärmepumpen, Kältemaschinen) und Wärmeabgabeanlagen (Lüfter, Strahlungsheizelemente) kommunizieren.

Energie- und CO₂-Einsparungen

Nodewise hat seine Lösung in letzter Zeit in einer Handvoll Dienstleistungsgebäuden umgesetzt. Dabei kam das International Performance Measuring and Verification Protocol (IPMVP) zum Einsatz, das die Standards für Energieeffizienzprojekte festlegt.

Die gute Nachricht für die Business Unit: Das Ingenieurbüro Greenaffair konnte bereits in diesen ersten Testumgebungen, darunter der Hauptsitz der französischen Arbeitsverwaltung „France Travail“ in Paris, die Leistungsfähigkeit des Tools bestätigen.

„In den drei Sommermonaten hat die KI im Durchschnitt 17,9 % Strom bei der Klimatisierung eingespart. In den Wintermonaten waren es 20,5 % bei der Heizung“, so Roca.

Eine weitere Weichenstellung bei der Entwicklung dieser Innovation hat etwas mit ihrem Wirtschaftsmodell zu tun. „Das Ziel ist letztlich die Einsparung von Energie und CO₂. Es erschien daher logisch, die Lösung als Abomodell anzubieten, das sich an die vorhandenen Systeme anpasst. Die Demoprojekte haben gezeigt, dass die Lösung mehr einspart, als sie kostet“, erläutert Roca.

Wie funktioniert WiseBMS?

Die von Nodewise entwickelte Lösung WiseBMS wird in vier Schritten implementiert.

1. Datenerfassung und -analyse. Sofern vorhanden erfasst und analysiert Nodewise vorhandene GLT-Daten, um die mit WiseBMS möglichen Einspareffekte zu kalkulieren.
2. Vernetzung mit dem Gebäude. Die Lösung vernetzt sich über das GLT-Netz mit dem Gebäude und dessen Anlagen, um kontinuierlich interne sowie relevante externe Daten zu erfassen, insbesondere zum Wetter.
3. Kalibrierung der KI-Modelle. Anhand dieser Daten analysiert die Künstliche Intelligenz die Funktionsweise des Gebäudes und seiner Anlagen sowie den Einfluss externer Faktoren.
4. Echtzeit-Optimierung und kontinuierliche Verbesserung. Gebäudedaten und externe Faktoren werden in Echtzeit an die KI-Algorithmen übermittelt. Diese legen regelmäßig die optimale Parametrierung der HLK-Anlagen fest. Das senkt die Energiekosten ohne Abstriche beim Komfort. Die optimierten Einstellungen werden in der Folge automatisch angepasst und können über ein Dashboard abgerufen werden. Die KI-Modelle lernen ständig weiter dazu.

14/11/2025