Die Steuerung klassischer Heizungsanlagen folgt einer relativ einfachen Logik. Wir haben das Wissen von unseren Ingenieuren, Energie- und Automatisierungstechnikern sowie Data Scientists in Analyse- und Optimierungs-Algorithmen übersetzt. Diese aktualisieren, erweitern und verbessern wir übrigens stetig. Nachdem wir von einer neuen Anlage ca 4 Wochen lang Betriebsdaten gesammelt haben, werden diese analysiert und optimiert. Das Ergebnis ist, vereinfacht gesagt, eine verbesserte Heizkurve, die wir auf den Controller der Anlage aufspielen. Das Ergebnis wird beobachtet und iterativ nachoptimiert.
Dieses Vorgehen hat jedoch Grenzen. Das Problem, bzw. die Lösung muss beschreibbar sein. Dies geht nur, wenn das System eine gewisse Komplexität bzw. Anzahl an Einflussparametern und Variablen nicht überschreitet.
Diese Grenze wird in modernen Sektorkopplungsanlagen schnell überschritten.PV-Stromerzeugung, Mieterstromverbrauch, Batterie-und Pufferspeicher, dynamische Strompreise und mehr, die Anzahl an Systemkomponenten und deren Dynamik ist mit der Steuerung einer Gasheizung nicht zu vergleichen. Dies ist das Einsatzgebiet von Künstlicher Intelligenz (KI). Aber eine KI ist nur so gut, wie ihre Trainer.
Darum hat Green Fusion gemeinsam mit dem Hermann-Rietschel-Institut der TU Berlin innerhalb von drei Jahren ein Reinforcement-Learning-Algorithmus zur Steuerung komplexer Energiesysteme entwickelt. Das Projekt wurde durch das BMWK (Bundesministerium für Wirtschaft und Klimaschutz, heute das BMWE Bundesministerium für Wirtschaft und Energie) im Rahmen des 7. Energieforschungsprogramms mit 1,3 Mio. Euro gefördert.
Im Sommer 2026 endet das Programm. Zeit das Projekt und die Ergebnisse an dieser Stelle kurz zu umreißen.
Reinforcement Learning ist ein weit verbreiteter KI-Ansatz, der auch beim autonomen Fahren oder in Schach- und Go-Computern eingesetzt wird. Das Prinzip: Das System wird nicht mit festen Regeln programmiert, sondern lernt durch Feedback. Es testet verschiedene Aktionen, bekommt eine Rückmeldung, ob das Ergebnis gut oder schlecht war, und passt sein Verhalten entsprechend an. Es wird trainiert.
Übertragen auf Gebäudetechnik bedeutet das: Die KI steuert die Anlage, beobachtet das Ergebnis, und optimiert die Strategien kontinuierlich weiter. Die KI berücksichtigt dabei Faktoren wie Heizlastprognosen, Wettervorhersagen und aktuelle Strompreise und reguliert darauf basierend die Einstellungen in den Energieanlagen direkt. Ohne dass physikalische Modelle vorgegeben werden müssen.
Das klingt abstrakt. Konkret sieht es so aus: Die KI darf in Simulationen verschiedene Steuerstrategien ausprobieren, beobachtet ob Energieverbrauch und Anlagenreaktion besser oder schlechter wurden, und tauscht schlechte Strategien gegen bessere aus. Dabei gelten definierte Sicherheitsgrenzen, wie zum Beispiel Ober- und Untergrenzen für die Vorlauftemperatur. Das System lernt, aber innerhalb klarer Parameter.
Das heißt, zum Trainieren einer KI benötigt es Fachwissen von Spezialisten. Darauf aufbauend lernt und entwickelt sich die KI weiter und es entstehen neue Strategien. Natürlich kontinuierlich beobachtet und kontrolliert von unseren Experten.
Je mehr Komponenten und Einflussfaktoren in einem Gebäude zusammenspielen, desto schwieriger wird die Beschreibung aller möglichen Szenarien. Mit lokaler PV-Erzeugung, Wärmepumpen, Batteriespeichern, Pufferspeichern und dynamischen Stromtarifen wachsen die Einflussgrößen und die Systemdynamik enorm. Und mit den Faktoren Stromerzeugung, Eigenverbrauch und Netzeinspeisung erhält auch die wirtschaftliche Optimierung eine neue Dimension. Kurz: In einem System mit Sektorkopplung stoßen die klassischen Optimierungsansätze an ihre Grenzen und eine Echtzeit-KI-Steuerung ist das Mittel der Wahl.
In den folgenden Fällen bringt der Einsatz einer gut trainierten KI enorme Vorteile:
Zum Trainieren braucht die KI Daten. Green Fusion verfügt aktuell über Daten aus rund 4.000 Gebäuden deutschlandweit. Diese bilden anonymisiert den Trainingspool für unsere KI, die dabei vor allem aus den Sektorkopplungsanlagen im Portfolio lernt.
Hier spielen aggregierte Temperatur- und Verbrauchsdaten eine zentrale Rolle. Rückschlüsse auf einzelne Gebäude oder Mieter sind dabei natürlich zu keinem Zeitpunkt möglich.
Aber Daten allein reichen nicht. Der Datensatz ist das eine, das Training steht und fällt, wie bereits erwähnt, mit dem Trainer. Bei Green Fusion bringen Heizungs-, Energie- und Optimierungsexperten ihr Fachwissen direkt ins Training ein. Sie kennen die Anlagen und wissen, was gute Steuerung in der Praxis bedeutet. Zusammen mit den Experten des Hermann-Rietschel-Institut der TU Berlin wurde so eine KI entwickelt, die gleichermaßen nah an der Praxis wie wissenschaftlich fundiert ist.
KI ist also nicht gleich KI.
In unseren Tests hat die KI 8 % mehr Energie eingespart als der bereits optimierte, ingenieurgetriebene Algorithmus.
Diese 8 % kommen also zu den durchschnittlichen 16 % Ersparnis hinzu! Bezogen auf ein Portfolio mit vielen Sektorkopplungsanlagen und mehrjährigem Betrieb ist das ein erheblicher Unterschied, sowohl bei den Betriebskosten als auch beim CO2-Ausstoß. Durch die KI-Optimierung des Energieverbrauchs können Wohnungsunternehmen und ihre Mieter spürbar bei Heiz- und Stromkosten sparen.
Und es geht weiter, auch wenn das Forschungsprojekt nun beendet ist. Wir arbeiten daran, durch Transfer Learning bereits erlangtes Wissen zukünftig auf neue Anlagen übertragen zu können. Damit auch neue Quartiere ohne eigene Datenhistorie von Anfang an von einer Optimierung profitieren können.
Die im Rahmen des Forschungsprogramms entstandene KI war von Anfang an nicht als reines Forschungsprojekt angelegt. Schon heute ist sie im Einsatz. Und entwickelt sich jeden Tag weiter.
Die Erkenntnisse aus dem Energieforschungsprogramm fließen direkt in unsere KI-Plattform für Sektorkopplungsanlagen ein, die wir im März 2026 offiziell vorgestellt haben. Die Plattform stimmt das Verhalten von Wärmepumpen, PV-Anlagen, Speichern und Netz herstellerübergreifend aufeinander ab und passt den Fahrplan alle fünf Sekunden an.
Was das in der Praxis bedeutet, zeigt die Rheinwohnungsbau GmbH in Duisburg-Ungelsheim: Allein durch die gezielte Anhebung der Temperatur im Pufferspeicher in den Hauptsonnenstunden, eine sogenannte ”Überladung”, kann das Quartier mit 55 Wärmepumpen jährlich über 20.000 Euro an Stromkosten sparen.
Wer heute auf Sektorkopplungsanlagen setzt, sollte sie auch intelligent steuern.
