Einen großen Schwerpunkt aktueller Forschung im Gebäudebereich bilden Strategien zur Reduktion der Treibhausgasemissionen. Mit einem Anteil von 37% trägt dieser zur globalen Bilanz bei, größtenteils bedingt durch betriebsbedingte Emissionen (75%) infolge der benötigten Wärme- und Kälteenergie sowie der Energie für Beleuchtung. Auf diese Energie- und Klimabilanz hat die Gebäudehülle einen erheblichen Einfluss und muss dabei eine Vielzahl an Anforderungen erfüllen. Dazu zählen die Regulierung des Wärme- und Feuchtetransports, der solarthermischen Gewinne und eines höchstmöglichen Tageslichtkomfortniveaus. Allein diese Ansprüche lassen sich aber mit konventionellen Fassaden nicht jederzeit konfliktfrei realisieren. Adaptive Fassadensysteme ermöglichen dies durch die Fähigkeit, ihre bauphysikalischen Eigenschaften an die sich ständig ändernden Umgebungsbedingungen anzupassen. Damit können sowohl betriebsbedingte Emissionen reduziert als auch der Nutzerkomfort erhöht werden. Um dieses Potential voll auszuschöpfen, bedarf es innovativer Regelungskonzepte, welche das gesamte Verhalten in allen relevanten Domänen gekoppelt berücksichtigen und zugleich vorausschauend Entscheidungen, z.B. anhand von Wettervorhersagen, treffen. Hierzu zählen die datengetriebene modellprädiktive Regelung und die Regelung auf Basis des bestärkenden Lernens (eng.: Reinforcement Learning Control). Allerdings werden hierfür Systemmodelle benötigt, welche performant abtastbar sind und, aufgrund des Drangs zum architektonischen Alleinstellungsmerkmal, für individuelle Fassadengeometrien anwendbar sind. Solch komplexe Sachverhalte zu beherrschen, ist der Kern der bisherigen Forschungsarbeiten des Antragsstellers.
Die mit diesem Projekt adressierten Fassadentypen, vgl. Abbildungen 1 und 2, zeichnen sich durch eine hoch individuelle sowie schaltbare Verschattungsgeometrie und eine multi-domänen Wechselwirkung aus. Neben der Beeinflussung der solarthermischen Gewinne wirkt sich die geometrische Stellung der Fassade zusätzlich auf den Tageslichtkomfort (Arbeitsplatzhelligkeit, Blendung) aus. Durch das Integrieren von Photovoltaikelementen in die Verschattungsgeometrie, auch Bauwerksintegrierte Photovoltaik (BIPV) genannt, wirkt die Fassade zudem als eigenständiger Akteur im intelligenten Stromnetz. Dadurch kann über die weitere Reduktion der betriebsbedingten Emissionen hinaus eine negative CO2-Bilanz erreicht werden und das Stromnetz entlastet werden.
Im beantragten Projekt AI4PVSD (abk. eng.: Artificial Intelligence for Photovoltaic integrated Shading Devices) wird ein vorzeigbarer Demonstrator eines adaptiven PV-integrierten Verschattungselementes aufgebaut. Dieses Vorhaben ist in Abbildung 3 verdeutlicht. Anhand des aufgebauten Demonstrators werden bestehende Kompetenzen zur Bildung performanter Machine-Learning-Modelle und optimierungsbasierter Regelungskonzepte weiterentwickelt, innerhalb einer KI-gestützten Betriebsführung gebündelt und in die Praxis überführt. Dadurch kann das ambitionierte Projekt Lösungs- und Transferimpulse für einen großen Anwendungsbereich geben, der zumindest bislang durch konventionelle Lösungen und eine geringe Risikobereitschaft gekennzeichnet ist.
Ansprechpartner
Philip Leistner
Prof. Dr.-Ing.Direktor
