Das Programm

Die Präsentation gibt einen kurzen Überblick über die wichtigsten Maßnahmen im SPARCS-Demogebiet, der Baumwollspinnerei. Es wird cenero.one vorgestellt, ein Energiemanagement-Tool, das eine wichtige Rolle bei der Umwandlung solcher Standorte in Positive Energy Districts spielt. Darüber hinaus werden die Praktiken der Replikation untersucht, wobei erfolgreiche Strategien zur Skalierung nachhaltiger Initiativen und die Rolle von cenero.one in kommunalen Wärmespeichersystemen hervorgehoben werden.

Mit der H2 Powerplant hat Wilo ein Energieversorgungssystem ins Leben gerufen, das Unternehmen gleich drei wesentliche Vorteile bietet: Es ist autark, dezentral und regenerativ. Der Energieträger: Grüner Wasserstoff. Dieser wird lokal, saisonal erzeugt und gespeichert und kann bei Bedarf auch in Energie rückgewandelt werden.

Wärmebrücken sind Schwachstellen in der Gebäudehülle, die zu Energieverlusten, Feuchtigkeitsansammlungen und Schimmelbildung in der Bausubstanz führen können. Um Wärmebrücken in großen Gebäudebeständen zu erkennen, können Drohnen mit Thermografiekameras eingesetzt werden. Wir haben dahingehend einen freiverfügbaren Datensatz erstellt, der 926 hochaufgelöste 5-Kanalbilder (RGB, Wärme und Höhe) mit 6.927 Annotationen umfasst und nach den FAIR Prinzipien katalogisiert ist. Mit Hilfe von Deep Learning haben wir diesen umfangreichen Satz von Panoramabilddaten der Karlsruher Dächer außerdem automatisiert analysiert und Wärmebrücken segmentiert. In unseren Experimenten verwenden wir aktuelle neuronale Modellarchitekturen: MaskRCNN R18, MaskRCNN R50, Swin-T Transformer, TridentNet, FSAF mit und ohne Vortraining. Während des Trainings haben wie weiterhin die notwendige elektrische Energie für den Lernprozess bestimmt.

In unseren Breitengraden gibt es im Gebäudebereich im Winter regelmäßig Heizenergiebedarf und im Sommer klimawandelbedingt zunehmend Kühlenergiebedarf. Daher liegt es nahe, durch Erschließung großer Speichermassen eine saisonale Verschiebung regenerativer Wärme und Kälte anzustreben, wofür die Nutzung des Erdreichs mittels oberflächennaher Geothermie prädestiniert ist. Die oberflächennahe Geothermie bietet ein ganzes Set verschiedener Technologien, z.B. Flachkollektoren, Energiekörbe oder Bohrsondenfelder, wie auch Agro-, Fluss- und Tunnelthermie und ermöglicht eine nachhaltige Wärme- und Kälteversorgung aus den vor Ort oder im näheren Umfeld verfügbaren Quellen.

Das Modell München ist ein gebäudescharfer Datensatz mit umfassenden Simulations- und Visualisierungsmöglichkeiten. Es wird u.a. für die kommunalen Wärmeplanung genutzt – von der Bestandsanalyse bis zur Definition von Umsetzungsmaßnahmen.

Zeitreihenvorhersagen sind ein zentraler Bestandteil in der Optimierung des modernen Lebens von Stromverbrauch über Wettervorhersagen bis zur Verkehrsflussplanung. Obwohl KI-Modelle zu weiteren Fortschritten in der Zeitreihenvorhersagen geführt haben, sind klassische Modelle nach wie vor ernsthafte Wettbewerber, insbesonders wenn Rechenkomplexität und Ressourcenverbrauch relevant sind. Anhand des ReCycle-Frameworks wird gezeigt, wie ein gutes Verständnis der Vor- und Nachteile beider Ansätze es erlaubt Interpretierbarkeit, Effizienz und Präzision zu verbessern. Das Ergebnis sind KI-Modelle, die auf einem handelsüblichen Laptop trainiert werden können und mit dem Stand der Technik mithalten oder ihn sogar übertreffen.

Seit einigen Jahren spielt der systematische Umgang mit digitalen Informationen und der Aufbau dazugehöriger Dateninfrastrukturen in fast allen Kommunen eine Rolle. Trotz ähnlicher Herausforderungen wird sich jedoch viel zu häufig allein auf den Weg gemacht. Dabei entstehen gerade im kollaborativen Zusammenwirken vieler Kommunen erst Innovationskraft und Synergieeffekte. Um einen entscheidenden Baustein dieser urbanen Dateninfrastruktur nachhaltig zur Verfügung zu stellen, hat sich eine Community aus 12 Städten und Stadtwerken innerhalb des Vereins Civitas Connect zusammengeschlossen, um gemeinsam den Kern einer urbanen Datenplattform, genannt „CIVITAS/CORE“, zu definieren. Dabei tauschen sie Erfahrungswerte und deren Anforderungen an die Datenbereitstellung verschiedenster Smart City Anwendungsfälle aus, um eine generische Plattform zu gestalten. Die Entwicklung startete im Januar 2024. Kommunen sollten sich bei ihren Überlegungen zur Datenplattform bereits frühzeitig mit der Frage nach Wertschöpfung beschäftigen – Nur wenn es gelingt, eine Vielzahl relevanter Anwendungsfälle im kommunalen Umfeld abzudecken und die dazugehörigen Datenbestände souverän zu verwalten, entstehen wertschöpfende und damit langfristig tragfähige Dateninfrastrukturen als Kern einer digitalen Daseinsvorsorge.

KI-Technologien unterstützen die Stadtwerke Leipzig bei der Verbesserung ihrer Geschäftsprozesse. Dabei werden insbesondere Modelle, die auf Deep Learning basieren, experimentell eingesetzt, um die Effizienz und Nachhaltigkeit der Fernwärmeversorgung durch präzise Nachfragevorhersagen und Entscheidungsunterstützung zu verbessern. Zudem erleichtern lokale Large Language Modelle das Wissensmanagement für die Mitarbeiter, indem sie komplexen Analysen von unstrukturierten Inhalten zugänglich gemacht werden.