Wird die KI zum wertvollen Verbündeten bei der Energiewende im Immobiliensektor? Algorithmen können bei Engineering-Projekten im Bausektor eine entscheidende Rolle spielen, sofern es gelingt, leistungsfähige, zuverlässige und robuste Rechenmodelle zu entwickeln. Genau daran arbeiten Unternehmen und Forschende der Ingenieurshochschule Mines Paris – PSL am VINCI-Umweltforschungslabor.
Der Gebäudebestand verursacht in Frankreich 43 % des Jahresenergieverbrauchs und 23 % des Treibhausgasausstoßes. Er steht deshalb besonders im Vordergrund, wenn es um Dekarbonisierung geht. Um die Energiewende in diesem Bereich zu beschleunigen, kommen immer mehr Innovationen auf den Markt, die sich unter anderem auf die jüngsten Fortschritte im KI-Bereich stützen.
Die Lebenszyklusanalyse von Gebäuden zeigt, dass die Bewirtschaftung derzeit den größten Posten in der Gesamt-Kohlenstoffbilanz darstellt. Diesen Umstand könnten softwarebasierte Modelle in Zukunft radikal verändern, indem sie einen Paradigmenwechsel von einer passiven Managementplanung hin zu einem dynamischen Umgang mit den Liegenschaften einleiten und für wahrnehmungsfähige, anpassungsfähige und vorausschauende Gebäude sorgen.
Am 20.11.2025 widmete sich die jährlich stattfindende „Universität“ des Umweltforschungslabors der Rolle von KI bei Engineeringprojekten. Bei dieser Gelegenheit wurde über das Potential der Forschungsarbeiten und Versuche berichtet, die gemeinsam von den Unternehmen des VINCI-Konzerns und den Ingenieurshochschulen Mines Paris – PSL, Ecole Nationale des Ponts et Chaussées und AgroParisTech im Bereich der Building Intelligence durchgeführt werden.
TwinOps: KI und BIM im laufenden Betrieb
Eine der ersten wissenschaftlichen Kooperationen im Umweltforschungslabor war vor über zehn Jahren eine Arbeit über den digitalen Zwilling. Dieses Tool ist heute von zentraler Bedeutung beim Betrieb und für die Auswertung der Datenströme, die von Gebäuden erzeugt werden.
Aus dieser Zusammenarbeit entstand TwinOps, ein Angebot von VINCI Facilities (VINCI Energies Building Solutions) zur Einrichtung eines BIM (Building Information Modeling) für Management, Bewirtschaftung und Instandhaltung, um die Gebäudesteuerung und -überwachung zu erleichtern. Heute ist die KI dabei, den Anwendungsbereich digitaler Zwillinge zu erweitern. „Durch die Einführung von KI können wir die Infrastrukturen und Räume intelligenter, nachhaltiger und reaktionsschneller bewirtschaften“, unterstreicht Mustapha Bismi, Leiter der BU Twin Ops VINCI Facilities. Wie das gehen soll? Mit leistungsfähigen, robusten Rechenmodellen natürlich.
Eines der Hauptthemen beim Smart Building ist die Erfassung von Daten und deren Interoperabilität in einer Umgebung mit zahlreichen unterschiedlichen Systemen und Anwendungen. Neben dieser Fragmentierung der Datenquellen tragen zwei weitere Faktoren zur Komplexität bei: eine extreme Vielfalt an Gebäudekonfigurationen und die Einzigartigkeit der Bedürfnisse von Eigentümer:innen, Betreiber:innen und Nutzer:innen.
Projekte, die sowohl die technischen Anforderungen als auch die Budgetvorgaben einhalten
Vor diesem Hintergrund und im Hinblick auf die Industrialisierung der Wirtschafts- wie auch der Rechenmodelle (beide sind zwei Seiten einer Medaille) ist der Einsatz von KI gerechtfertigt, sofern die Softwaremodelle soweit konsolidiert werden können, dass es kaum noch Diskrepanzen zwischen Theorie und Praxis gibt. „Wir haben einen unserer Kunden gebeten, der Ingenieurshochschule Mines Paris – PSL zu Forschungszwecken einen Datensatz aus seiner Liegenschaft mit den dazugehörigen Wetterinformationen zur Verfügung zu stellen. Ein Jahr später stand fest, dass die KI für mehr Energieeffizienz in dem Gebäude sorgen kann“, freut sich Bismi.
Zehntausendmal kürzere Rechenzeiten
Immer leistungsfähigere und schnellere Hardware eröffnet durchaus vielversprechende Perspektiven in Sachen Energieeffizienz.
Patrick Schalbart, Forschungsingenieur am Zentrum für Energie, Umwelt und Verfahrenstechnik der Mines Paris – PSL, arbeitet an der Art und Weise, wie KI die Leistungen von Pleiades STD COMFIE steigern kann. Dabei handelt es sich um ein dreißig Jahre altes Programm zur thermischen dynamischen Simulation von Gebäuden, das noch heute als Referenz gilt. Das Forschungsprojekt in Kooperation mit Quivy, einer Business Unit von VINCI Energies, führte zu wesentlichen Verbesserungen an dem Tool.
„Erstens wurde die Lösung benutzerfreundlicher (die Parametrierung des Modells geht schneller), zweitens verringerte sich die notwendige Rechenzeit. Zwei Fliegen mit einer Klappe! Der KI-Einsatz beschleunigt die Planung erheblich. Außerdem rechnet das System jetzt zehntausendmal schneller – statt einer Simulation pro Sekunde schafft es nun 10.000!“, so Schalbart.
Diese ersten Ergebnisse wurden im Rahmen von zwei Doktorarbeiten an der Mines Paris – PSL ausgewertet. In der einen geht es um die Optimierung des Energiemanagements von Gebäuden durch die Kappung von Verbrauchsspitzen. Der gewählte Ansatz beruht auf der Berücksichtigung „stochastischer“, das heißt zufälliger Aspekte durch die KI – etwa Wetter oder Nutzerverhalten. Ungewisse Parameter, die von herkömmlichen Modellen nicht richtig eingearbeitet werden können, weil das die hundert- oder gar tausendfache Rechenzeit erfordern würde.
„Durch Maschinelles Lernen wird anhand von vorhandenen Messdaten der technischen Gebäudemanagementsysteme ein Modell erstellt. So sollen die Erfassung technischer Daten und die physische Modellierung umgangen werden. Das verkürzt die Rechenzeit und optimiert die betriebliche Regulierung über mehrere Tage hinweg. Gleichzeitig werden die Auswirkungen der Unsicherheiten auf die Vorhersagen erfasst“, erläutert Ryad Adel Ghouti, Doktorand an der Mines Paris – PSL.
Neuronale Netze und Random Forests
Die andere Doktorarbeit, die auf den Arbeiten des Umweltforschungslabors aufbaut, beleuchtet die Rolle der KI bei der Modellierung von energetischen Sanierungsmaßnahmen im Bestand. „Es geht um die Entwicklung von Vorhersagemodellen wie neuronalen Netzen oder Random Forests, um rasch den Energieverbrauch von Gebäuden abschätzen zu können und sie einem Optimierungsprozess zu unterziehen, der zahlreiche Kriterien berücksichtigt – darunter Kosten, Energieverbrauch und/oder Umweltauswirkungen“, erläutert Ayoub Hannad, Doktorand an der Mines Paris – PSL.
Durch den Aufbau einer Datenbank anhand von Gebäudesimulationen entsteht die Möglichkeit zum Trainieren von Metamodellen, die dann zur Ermittlung der besten Renovierungslösungen eingesetzt werden.
Angewandte Forschung
Datengestütztes Training und der Einsatz von mehreren hunderttausend Simulationen zur Generierung von prädiktiven Metamodellen, die an die Stelle von physischen Modellen treten sollen – das ist die Gemeinsamkeit der meisten Forschungsprojekte, die im Umweltforschungslabor initiiert wurden. Wie in der angewandten Forschung üblich sollen daraus praktische Lösungen und Projekte entstehen, die sowohl die technischen Anforderungen der Liegenschaft als auch die Budgetvorgaben der Auftraggeber:innen einhalten.
09/04/2026
