Entwicklung von ML-Modellen für die effiziente Bestimmung thermischer Kennwerte von Fassaden als Planungsgrundlage energetischer Quartiersentwicklungen
Die Bestandserfassung der thermischen Gebäudehülle stellt insbesondere bei Sanierungen im Quartierskontext und Denkmalschutz einen erheblichen Arbeitsaufwand sowie einen großen Unsicherheitsfaktor dar. In situ Messungen bieten zwar die Möglichkeit, U-Werte im Bestand zu bestimmen, sind jedoch mit relativ langen Messdauern von bis zu mehreren Wochen verknüpft.
Innerhalb des beantragten Forschungsprojekts werden daher Methoden des Maschinellen Lernens (kurz: ML) genutzt, um neuartige Auswertungsmodelle für in situ Messungen zu entwickeln. Diese ML-Modelle sollen z.B. bei Quartierssanierungen in der Lage sein, in situ Messungen zu verkürzen und mit verbesserter Prognosegenauigkeit auszuwerten.
Grundlage der ML-Modelle sind qualitativ hochwertige synthetische Daten aus thermischen Bauteilsimulationen, die zu Projektbeginn durchgeführt werden. Durch entsprechende in situ Messungen in einem Referenzquartier werden die ML-Modelle validiert. Im Anschluss hieran werden die Ergebnisse (ML-Modelle und Anwendungshinweise) für Praxisanwendungen zur Verfügung gestellt. Hierfür steht Herr Kind (Steffen Kind – Energieberatung und Gebäudeanalytik als einer der assoziierten Partner und 1. Vorsitzender Gebäudeenergieberatung des Handwerks Thüringen e. V. als kompetenter Ansprechpartner aus der Praxis zur Verfügung.
Fördermittelgeber
Deutsche Bundesstiftung Umwelt
Projektlaufzeit
01.10.2026 - 01.04.2028
Ansprechpartner
Alexander Benz, M.Sc.