Digitale Entscheidungshilfe für thermische Performance und Bauphysik
Der Bausektor verursacht rund 40 % des weltweiten Energieverbrauchs, wobei der Bedarf für Heizung und Kühlung den größten Teil beansprucht. Während klassische Richtlinien wie das Gebäudeenergiegesetz (GEG) Fassadenbeschichtungen oft unberücksichtigt lassen, beeinflussen diese die thermische Leistung maßgeblich.
Im Rahmen eines Kooperationsprojektes zwischen der SICC Coatings GmbH und der ZM-I KI GmbH wurde das KI-basierte Webtool „Calculus®“ entwickelt. Es dient Planenden als fundierte Entscheidungshilfe, um Temperaturverläufe im Innenraum von Gebäude in Abhängigkeit der Ausführung der thermischen Hülle vorherzusagen und die realen Energieeinsparpotenziale von Beschichtungsalternativen aus dem Hause SICC GmbH im Vergleich zu klassischen Dämmsystemen präzise zu bewerten.
Über das Projekt: Calculus®
Während internationale Baustandards wie das deutsche Gebäudeenergiegesetz (GEG) oder der US-amerikanische IECC das energetische Potenzial von innovativen Oberflächenbeschichtungen bislang vernachlässigen, schließt dieses Projekt die Regulierungslücke. In enger Kooperation mit der SICC Coatings GmbH hat die ZM-I KI GmbH das prämierte Webtool „Calculus®“ entwickelt, um die thermischen Effekte und Energieeinsparpotentiale moderner Fassaden- und Dachbeschichtungen erstmals präzise und datengestützt zu simulieren.
Der „Temp-AI-Estimator“
Das technologische Herzstück der Anwendung bildet das von uns entwickelte, domänen-informierte neuronale Netz „Temp-AI-Estimator“. Dieses wurde mit umfangreichen experimentellen Zeitreihendaten trainiert, die über globale Testreihen mittels standardisierter Seecontainer unter extrem variierenden meteorologischen Bedingungen erhoben wurden. Das Modell prognostiziert Innenraumtemperaturen hocheffizient auf Basis externer Klimadaten und spezifischer Bauteilaufbauten.
Physikalisches Wissen & KI-Architektur
Um die typischen Schwachstellen reiner KI-Modelle zu schließen, kombiniert unsere Deep-Learning-Architektur physikalisches Fachwissen mit datengetriebener Mustererkennung. Das Modell setzt auf ein hybrides System aus LSTM- und Transformer-Netzwerken zur Zeitreihenverarbeitung. Durch die Integration thermodynamischer Gesetzmäßigkeiten sowie numerischer Ableitungen wird eine Überanpassung (Overfitting) an lokale Klimazonen verhindert. Das Modell berücksichtigt ein physikalisch motiviertes Modul zur exakten Abbildung von Amplitudenunterschieden und thermischer Latenz (Phasenverschiebung).
Validierung und Praxisnutzen
Durch den bewussten Einsatz eines schlanken, interpretierbaren Netzwerks (Explainable AI) bleibt das System für menschliche Experten transparent und überprüfbar. Nachgewiesen ist eine herausragende Generalisierungsfähigkeit: Der Algorithmus lässt sich zuverlässig auf neue, beliebig parametrisierte Bauprojekte übertragen, um die energetischen Auswirkungen von Dämmung gegenüber den ClimateCoating®-Produkten „ThermoProtect“ und „ThermoActive“ direkt gegenüberzustellen.
Für dieses zukunftsweisende Prädiktionswerkzeug wurde das Projektteam mit dem Deutschen Innovationspreis 2024 in der Kategorie „Excellence in Business to Business“ für innovative Beiträge zur Nachhaltigkeit ausgezeichnet.
Die Anwendung steht der Fachpraxis unter folgendem Link frei zur Verfügung: SICC Coatings.
Weiterführende Literatur:
[1] Kraus et al.: Temp-AI-Estimator: Interior temperature prediction using domain-informed Deep Learning
| Bereich | KI im Bauingenieurwesen |
| Auftraggeber | SICC Coatings GmbH, Wackenbergstraße 78-82, 13156 Berlin, Germany |
| Leistungen | KI-Beratung KI-Entwicklung KI-Bereitstellung |
| Projektlaufzeit | 2022 – heute |
| Gesellschaft | ZM-I KI GmbH |
Jetzt Kontakt aufnehmen – schnell, klar, persönlich.
Ihr Weg zu uns.
Kontakt
Mehr lesen
Unsere Mitgliedschaften und Kooperationen:
