INNOVATION SCOUT · ORGANISATION
RWTH Aachen: lernende Modelle an realer Gebäudetechnik untersuchen
Eine RWTH-Feldstudie an Fassadenlüftung untersucht, wie Temperaturprognosen und plausible Stellreaktionen für eine lernende Regelung zusammenpassen.
Auf dieser Seite
Forschungsfrage aus der realen Anlage
Die RWTH Aachen untersucht in einer Feldstudie die modellprädiktive Führung einer Fassadenlüftung. Der Versuchsraum wird zugleich durch weitere Gebäudetechnik beeinflusst. Dieser Zusammenhang macht die Zuordnung zwischen Messwert, Stellaktion und tatsächlicher Raumreaktion anspruchsvoll.
Die Arbeit verbindet damit die Methodenfrage mit einem konkreten Inbetriebnahmeproblem: Ein Modell muss verstehen lassen, welche Wirkung eine veränderbare Anlage im beobachteten Raum besitzt.
Themenbeitrag: Prognose und Stellwirkung gemeinsam prüfen
Die Studie zeigt, dass brauchbare Temperaturvorhersagen mit unplausiblen Reaktionen auf geänderte Stellwerte zusammen auftreten können. Für den Einsatz in einer Optimierung müssen diese Reaktionen gesondert betrachtet werden.
Der Forschungsbeitrag betrifft folglich die Prüfung und Vorbereitung lernender Regler. Datenzuordnung und ausreichend beobachtete Einflüsse werden zu fachlichen Voraussetzungen der aktiven Anlagenführung.
Bedeutung für eine praktische Einführung
Ein Betriebsteam kann diese Perspektive in die Erprobung aufnehmen. Neben dem Vergleich vorhergesagter und gemessener Temperaturen wird beobachtet, wie das Modell auf gezielte Änderungen der verfügbaren Stellgrößen reagiert.
Technische Auffälligkeiten gehen in die gemeinsame Bearbeitung durch Betrieb, Integration und Modellverantwortliche ein. Dadurch verbindet der Forschungsansatz Datenqualität und Anlagenkenntnis mit einer überprüfbaren Einführung. Er liefert einen methodischen Bezug für die Auswahl und Erprobung einer lernenden Regelung.
Wissensbasis und Verknüpfungen
Verknüpfte Bauprozesse
- Betrieb & InstandhaltungThemenbeitrag: Prognose und Stellwirkung gemeinsam prüfen
Verknüpfte Technologie- und Anwendungsfelder
- Predictive Analytics & EntscheidungenThemenbeitrag: Prognose und Stellwirkung gemeinsam prüfen
- Datenplattformen & KI-InfrastrukturThemenbeitrag: Prognose und Stellwirkung gemeinsam prüfen
- Nachhaltigkeit & ESGThemenbeitrag: Prognose und Stellwirkung gemeinsam prüfen
Verknüpfte Organisationen und Projekte
- Lernende MPC an einer Fassadenlüftung in Aachen
- Forschungsbeteiligung
Verknüpfte Fachbegriffe und Detailthemen
- Modellprädiktive Regelung (MPC)
- Die RWTH Aachen untersucht an realer Fassadenlüftung lernende Modelle für die modellprädiktive Regelung.
Quellenverzeichnis
Quelle 1: Implementation Lessons and Future Pathways for Scalable Model Predictive Control in Large Commercial Buildings
Externe Quelle öffnen ↗ (öffnet in neuem Tab)
Geltungsbereich und Verwendung
Geltungsbereich: LBNL Building 59; MPC-Versuche 2020–2025
Verwendung im Profil:
Quelle 2: Controls Framework
Externe Quelle öffnen ↗ (öffnet in neuem Tab)
Geltungsbereich und Verwendung
Geltungsbereich: Architektur und Rückfall einer aedifion.controls-App
Verwendung im Profil:
Quelle 5: Lessons Learned from a Field Study on Deep-Learning-Based Model Predictive Control for Optimising the Operation of Façade Ventilation Units
Externe Quelle öffnen ↗ (öffnet in neuem Tab)
Geltungsbereich und Verwendung
Geltungsbereich: Ein Hochschulbüro mit Fassadenlüftung, Aachen
Verwendung im Profil:
Quelle 6: Fully data-driven and modular building thermal control with physically consistent modeling
Externe Quelle öffnen ↗ (öffnet in neuem Tab)
Geltungsbereich und Verwendung
Geltungsbereich: Modulare lernende Raumregelung; NEST/UMAR in Dübendorf
Verwendung im Profil: