Das Forschungsprojekt SECAI entwickelt ein KI-gestütztes, Edge-Cloud-basiertes Heizungssystem, das den Energieverbrauch in Gebäuden intelligent optimiert. Durch präzise Steuerung können bis zu 18 % Heizenergie eingespart werden – nachhaltig, sicher und effizient.
In Zeiten steigender Energiekosten und wachsender Klimaschutzanforderungen rückt der Energieverbrauch in Wohngebäuden in den Fokus: Laut der AG Energiebilanzen (PDF) entfallen rund 28 Prozent des gesamten Energieverbrauchs in Deutschland auf private Haushalte. Etwa 70 Prozent davon werden für Raumwärme genutzt (Quelle UBA). Angesichts dieses hohen Anteils bietet die Optimierung der Heizungssteuerung ein enormes Einsparpotenzial – sowohl wirtschaftlich als auch ökologisch.
Forschungsprojekt SECAI
Hier setzt das Forschungsprojekt SECAI auf künstliche Intelligenz (KI) zur smarten Heizungssteuerung. Das innovative System analysiert in Echtzeit Sensordaten aus Wohnungen. Die nicht personalisierten Daten kombiniert es mit Wetterprognosen und reguliert die Wärmezufuhr in Gebäuden individuell und bedarfsgerecht. So lassen sich nicht nur Heizkosten senken, sondern auch CO₂-Emissionen reduzieren, ohne Komforteinbußen für Bewohnerinnen und Bewohner.
Heizenergie sparen mit KI
Die erste Heizperiode im Projekt vom Oktober 2024 bis März 2025 hat ergeben, dass die Vorlauftemperatur von Heizsystemen häufig höher eingestellt ist als nötig. Eine Absenkung um nur 3 °C könnte den Energieverbrauch um bis zu 18 Prozent senken – ein enormes Einsparpotenzial. Zudem beeinflusst das Verhalten der Mietenden die Effizienz der Heizsysteme erheblich. Hier setzt SECAI an: Mit digitalen „Nudging“-Techniken gibt das System gezielte Hinweise, um energieeffizientes Verhalten zu fördern. Unter Nudging, deutsch „Anstoßen“ oder „Schubsen“, versteht man, Menschen subtil in eine bestimmte Richtung zu bewegen, ohne Druck oder ökonomische Anreize auszuüben.
„Die KI-gestützte Heizungsoptimierung bietet Vorteile für alle Beteiligten: Betreiber von Wohnquartieren erhalten automatisierte, optimierte Heizpläne, die den Energieverbrauch senken und Kosten sparen. Mietende können über die SECAI-App ihre individuellen Komfortbedürfnisse einstellen und erhalten wertvolle Tipps zur Reduzierung ihres Energieverbrauchs“, so Dr. Florian Remark, Partner bei der Strategion GmbH und Konsortialleitung bei SECAI.
Edge-Cloud-Technologie für maximale Effizienz
SECAI kombiniert Edge- und Cloud-Technologien für eine präzise und sichere Heizungssteuerung. Bei der Edge Cloud werden Daten nicht mehr zentral verarbeitet, sondern an den Orten, an denen sie generiert werden. Bei dem Projekt SECAI bedeutet das: In den Wohnungen erfassen Sensoren Daten zu Temperatur, Luftfeuchtigkeit und Nutzungsmustern. Diese bleiben lokal auf einem Edge-Device (Hardwaregerät) gespeichert, wo eine KI ein individuelles Modell für jede Wohnung erstellt. Ergänzend fließen nicht rückverfolgbare Modellparameter aus mehreren Gebäuden zusammen mit aktuellen Wetterdaten in ein cloudbasiertes Modell ein. Dadurch kann das System vorausschauend lernen, wie viel Wärme in jedem Gebäude benötigt wird, und die Wärmeerzeugung entsprechend anpassen.
Retrofitting mit intelligenter Steuerung
Zudem hat SECAI den Anspruch, dass ältere Gebäude durch Nachrüsten, das sogenannte “Retrofitting”, für das Edge-Cloud-basierte-KI-System kompatibel sind. Hier profitieren sowohl Bestands- als auch Neubauten von den Vorteilen einer intelligenten Steuerung. Denn die Kosten der Ausstattung einer 4-Zimmer-Wohnung mit einem zentralen Steuergerät, fünf digitalen Stellantrieben, vier Temperatursensoren und einem Taster belaufen sich auf insgesamt circa 1.500 Euro. Alle Komponenten sind dabei vorkonfiguriert und sofort nach Installation einsatzbereit – eine aufwendige Integration entfällt. SECAI skaliert damit deutlich besser als herkömmliche Energieeffizienzmaßnahmen, wie beispielsweise Dämmung von Gebäuden.
Auf der ISH hat Dr. Florian Remark am Wibutler-Stand anhand eines Demonstrators gezeigt, wie sich die Einsparpotenziale realisieren lassen. In den Demonstrator sind eine Reihe unterschiedlicher Parameter eingeflossen, die Einfluss auf das Heizverhalten in einem Gebäude nehmen. Er visualisiert verschiedene Annahmen über die Konfiguration und Integration des Heizungssystems in das Gebäude.