Die Jahresdurchschnittstemperatur in Deutschland stieg zwischen 1881 und 2021 um 1,6 °C. Dies zeigen Messungen des Deutschen Wetterdienstes. Ein Begleiteffekt der steigenden Durchschnittstemperatur ist die wachsende Anzahl der Sommertage, also Tage, an denen die gemessene Maximaltemperatur 25 °C übertrifft. In den 1950er- und 1960er-Jahren waren 60 Sommertage absolute lokale Ausnahmen; seit der Jahrtausendwende hat sich die Anzahl der Sommertage dem gegenüber deutschlandweit beobachtbar verdoppelt bis verdreifacht.

Setzt sich dieser Trend wie prognostiziert fort, ist nicht nur in Deutschland mit einer deutlichen Steigerung der Klimatisierungsrate für Wohn- und Bürogebäude zu rechnen. Dieser zusätzliche Kühlbedarf wird einen erhöhten Strombedarf im Sommer hervorrufen.

Darüber hinaus wird der Gesamtstrombedarf durch den Ersatz von Öl- und Gasheizungen mit Wärmepumpen und die Umstellung der Fahrzeugflotte auf Elektroantrieb weiter steigen. In Kombination mit dem Einsatz regenerativer Energiequellen wird deshalb die möglichst genaue Vorhersage des Gebäudeenergiebedarfs in Zukunft von großer Bedeutung sein.

Der Energieverbrauch von Wohngebäuden wird hauptsächlich durch den Heiz- und Kühlbedarf sowie die Warmwasseraufbereitung bestimmt. Während der Aufwand für Warmwasser ganzjährig etwa konstant ist, werden Heizen und Kühlen durch das Wetter beeinflusst. Aus diesem Grund soll der Energieverbrauch an einen zeitunabhängigen Wetterparameter gekoppelt werden.

Im Rahmen des Projektes hyBit hat Doktorand Philipp Weisenburger das Modell WEnDI – Weather-based Energy Demand Information entwickelt, welches dieses Prinzip umsetzt. Für die Vorhersage des gebäudespezifischen Energiebedarfs werden Gebäudeeigenschaften, Verbräuche und Wetterdaten gekoppelt.

Als Wetterparameter fungiert die BAIT (Building Adjusted Internal Temperature). Diese Kennzahl beschreibt die gefühlte Temperatur im inneren eines Gebäudes, das weder geheizt noch gekühlt wird, und einen Einfluss der Temperatur, der Feuchte, der Windgeschwindigkeit und der solaren Einstrahlung erfährt.

Damit ist der Energieverbrauch nicht mehr von einem speziellen Zeitpunkt oder Standort abhängig, da an mehreren Tagen im Jahr an verschiedenen Orten die gleiche BAIT auftreten kann. Überträgt man den Verbrauch pro BAIT in ein Diagramm, ergibt sich eine charakteristische Form, von der die erforderliche Heiz- und Kühlleistung abgeleitet werden kann. 

Für die Gebäudebeschreibung werden wenige allgemeine Werte wie Wohnfläche, Baujahr und Bewohnerzahl verwendet. Aus diesen Parametern werden Gruppen von Typgebäuden mit ähnlichen Eigenschaften gebildet. 

Wenn sich genügend viele Gebäude eines gleichen Typs in einer Gruppe befinden, ermöglicht das WEnDI, mit diesen Daten den für diesen Typ spezifischen Energiebedarfs in beliebigen Wetterszenarien an beliebigen Standorten vorherzusagen. 

Bisherige Modelle sind entweder sehr genau in der Vorhersage für ein spezielles Gebäude oder sie betrachten Städte und Länder.

Für Modelle auf Gebäudeebene werden viele technische Parameter (Baustoffe der Außenmauern, Dicke des Fensterglases, Lüftungsverhalten und weitere) detailliert erfasst. Die Vorhersage ist meist nur schwer auf andere Gebäude übertragbar.

Modelle für Städte oder Länder nutzen meist Daten der Energieversorger, einzelne Gebäude sind hier nicht mehr identifizierbar.

Das Modell WEnDI füllt die Lücke in der lokalen Auflösung und ermöglicht mit wenigen Parametern die Vorhersage für Typgebäude, wobei die Ergebnisse auch über statistische Skalierungen für den Gebäudebestand eines größeren Gebietes summiert werden können.

Für die Vorhersage werden Verbrauchsdaten von Wohngebäuden benötigt. Smart-Home-Installationen und smarte Zähler erfassen bereits viele Verbrauchsdaten.

Es besteht die Möglichkeit, Ihre eigenen Daten über einen Community-Science-Zugang für WEnDI und Philipp Weisenburgers Doktorarbeit zugänglich zu machen. Können Sie sich vorstellen, Ihre Daten der Forschung zur Verfügung zu stellen? Alle Infos gibt es im Video, der Link zum Mitmachen steht weiter unten.