INNOVATION SCOUT · ORGANISATION

IIT Kharagpur: Sanierungsvarianten mit Simulation und KI untersuchen

Forschung aus Kharagpur und Graz verbindet Gebäudesimulation, gelernte Ersatzmodelle und Mehrzieloptimierung. Untersucht werden Energie und thermischer Komfort.

Forschung am Zusammenspiel mehrerer Rechenverfahren

Die Arbeit von Nair und Anand am IIT Kharagpur sowie Mahdavi an der TU Graz untersucht Sanierungsvarianten eines Hochschulgebäudes. EnergyPlus-Simulationen bilden die Grundlage; XGBoost-Modelle nähern Kühlbedarf und thermischen Komfort an.

Quellen: 10.

Beitrag zur schnelleren Variantensuche

Auf den Ersatzmodellen setzt eine Mehrzieloptimierung auf. So können viele mögliche Kombinationen untersucht werden, ohne für jeden Suchschritt die gesamte Simulation neu auszuführen. Die Arbeit betrachtet ein Gebäude im warmfeuchten Klima und definierte energetische und thermische Ziele.

Der übertragbare methodische Gedanke ist die klare Arbeitsteilung: Eine fachliche Simulation erzeugt den Referenzzusammenhang, ein Lernmodell beschleunigt seine Auswertung und die Suche stellt geeignete Kompromisse zusammen.

Quellen: 10.

Eine Übertragung auf andere Gebäude vorbereiten

Für eine neue Anwendung werden zunächst Gebäudetyp, Klima, Nutzung und Maßnahmenraum bestimmt. Das Ersatzmodell muss diesen Bereich abdecken. Zusätzliche Ziele wie Kosten oder Lebenszykluswirkungen benötigen eigene Daten und eine passende Modellierung.

Die Prüfung sollte an Varianten erfolgen, die beim Training zurückgehalten wurden, und bei breiterem Einsatz weitere Gebäude einbeziehen. Damit bleibt erkennbar, wo die beschleunigte Rechnung als gute Näherung verwendet werden kann.

Quellen: 9, 10, 11.

Quellenverzeichnis

Quelle 9: Renovation Cost Prediction at an Early Stage: an Experiment Using Machine Learning Regression and Classification Techniques

Externe Quelle öffnen ↗ (öffnet in neuem Tab)

Geltungsbereich und Verwendung

Geltungsbereich: ML-Kostenschätzung in früher Sanierungsplanung

Verwendung im Profil:

Quelle 10: Multi-Objective Building Retrofit Optimisation: Balancing Energy Efficiency and Comfort Using XGBoost, SHAP, and MOBO

Externe Quelle öffnen ↗ (öffnet in neuem Tab)

Geltungsbereich und Verwendung

Quelle 11: Catalyzing Informed Residential Energy Retrofit Decisions via Domain-Specific LLM

Externe Quelle öffnen ↗ (öffnet in neuem Tab)

Geltungsbereich und Verwendung

Geltungsbereich: Spezialisiertes Sprachmodell für frühe Sanierungsorientierung

Verwendung im Profil: