MOE-Fellowship

Antonia Hain

Entwicklung von Deep-Learning-Methoden zur digitalen Bestandsaufnahme für die Energie- und Wärmewende

Der Gebäudesektor trägt maßgeblich zum Endenergieverbrauch in Deutschland bei. Zur Reduzierung der Emissionen und zum Erreichen unserer Klimaschutzziele ist eine Steigerung der Energieeffizienz von Bestandsgebäuden unerlässlich. Angesichts des Fachkräftemangels sind die zuständigen Handwerksbetriebe aber überlastet und können der Menge an Aufträgen nicht schnell genug nachkommen.

Das Promotionsvorhaben soll die Betriebe bei ihrer Arbeit unterstützen.  Erreicht wird dies über eine auf künstlicher Intelligenz (KI) basierte digitale Bestandsaufnahme. Die Bestandsaufnahme ist ein essenzieller Teil der Planung energetischer Erneuerungen, wird heutzutage aber größtenteils manuell und mit viel Arbeitsaufwand durchgeführt. Im Rahmen der Promotion soll dieser Aufwand an zwei Stellen erheblich reduziert werden.

Im ersten Teil des Vorhabens soll ein Vorgehen zur automatischen Erfassung von Bestandsanlagen im Heizungsraum entwickelt werden. Diese Erfassung ist ein notwendiger Schritt, der der Sanierung von Anlagen vorausgeht. Um eine möglichst große Zugänglichkeit zu erreichen, muss die Erfassung sehr einfach und kostengünstig umgesetzt werden. Deshalb soll sie mit handelsüblichen Smartphones durchgeführt werden können. Diese verfügen in der Regel über hochaufgelöste Videokameras und seit 2020 erstmals über eine LiDAR-Sensortechnologie, welche die Aufnahme von 3D-Daten in Heizungsräumen ermöglicht. Die relevanten Komponenten einer Heizungsanlage sollen auf diesen Daten automatisch identifiziert und im Raum lokalisiert werden, sodass die Anlage und ihre Verbindungen in einer 3D-Szene rekonstruiert werden können. Die Verarbeitung der multimodalen Sensordaten wird dabei mithilfe moderner Methoden im Bereich von digitaler Bildverarbeitung und Deep Learning erreicht. Die daraus gewonnen Informationen können danach beispielsweise in eine Ontologie zur Modellierung der Energieflüsse und zur Generierung von Heizungsanlagenschemata überführt werden. Dadurch werden die Informationen für die Angebotserstellung durch die Handwerksbetriebe nutzbar.

Ein alternativer Zugang zur Erstellung von Heizungsanlagenschemata kann über die digitale Erfassung bestehender Heizungspläne erfolgen. Diese Möglichkeit soll in einem zweiten Teil des Projektes genutzt werden. Die Schemata werden beispielsweise zur Planung von Maßnahmen der Betriebsoptimierung benötigt, aber liegen in der Regel in Form von analogen Plänen vor. Im Laufe der Zeit ist eine Vielzahl an individuellen Schemata mit menschlichen Annotationen zur Beschreibung der Anlagen entstanden. Um die bestehenden Pläne effizient nutzen und anpassen zu können, sollen sie mit Hilfe von Bilderkennung und künstlicher Intelligenz digitalisiert und alle ihre Komponenten und deren Zusammenhänge semantisch erfasst werden. Dies ermöglicht eine flexible Gestaltung der Planungsvorgänge.

Zusammengefasst sollen die im Projekt entwickelten Werkzeuge zeitaufwendige Arbeitsschritte für Handwerksbetriebe maßgeblich erleichtern. So soll die Entscheidung für solche Aufträge für sowohl Betriebe als auch Kund*innen attraktiver werden und die Bearbeitung von mehr Aufträgen ermöglicht werden. Damit wird ein Beitrag zur dringend Wärmewende und damit dem Klimaschutz geleistet. Die Promotion findet am Fraunhofer-Institut für Solare Energiesysteme statt und wird von der Albert-Ludwigs-Universität Freiburg betreut.


Übersicht

Förderzeitraum

01.08.2023 - 31.07.2026

Institut

Albert-Ludwigs-Universität Institut für Informatik

Betreuer

Prof. Dr. Thomas Brox

Kontakt

Mail