GeoAI4Retrofit

Hintergrund

Um die Klimaziele der Bundesregierung und der Pariser Klimaabkommens erreichen zu können, muss der Gebäudebestand in Deutschland bis 2045 klimaneutral werden. In den vergangenen Jahren lag der Fokus der Bau- & Immobilienbranche vor allem auf energieeffizienten Neubauten von Wohngebäuden. Mittlerweile wechselt der Fokus hin zur Sanierung des Gebäudebestandes mit möglichst hoher Energieeffizienz der sanierten Gebäude. Stellt man die Varianten Neubau und Sanierung gegenüber und betrachtet bei der Lebenszyklusanalyse auch die grauen Emissionen aufgrund der Herstellung der Baumaterialien, so verursacht die Sanierung nur ca. 50 % des CO2-Fußabruckes eines Neubaus.

Verwalter von großen Immobilienportfolios sind auf der Suche nach effizienten und möglichst automatisierten Lösungen, mit welchen sie eine Bestandsaufnahme und somit einen Überblick über den Sanierungsgrad ihrer Portfolios erhalten. Laut der Dena erfordert auch der heterogene Nichtwohngebäudebestand in Deutschland Lösungen, um das Dekarbonisierungspotenzial in diesem Bereich nutzen zu können.

Ziele

Im Bereich der Nichtwohngebäude fehlen bisher automatisierte Lösungen zur Bewertung des Sanierungspotentials vollständig. Dies liegt vor allem an fehlenden, belastbaren Informationen zum Gebäudezustand von Nichtwohngebäuden und der dadurch fehlenden Einteilungsmöglichkeiten in Baualters- und Sanierungszustandsklassen. Dies macht eine Aussage zu den Sanierungspotentialen sehr schwierig. Um diese Wissenslücke zu schließen, wird im Projekt GeoAI4Retrofit eine automatisierte, KI-basierte Lösung entwickelt, welche das Sanierungspotential ganzer Immobilienportfolios automatisiert analysiert und entsprechende Sanierungsvarianten aufzeigt.

Vorgehen

Die Rolle des IÖR umfasst insbesondere den Teilbereich Vorhersage von Baualtersklasse, Gebäudetypologie und Sanierungszustand und durch den Einsatz moderner KI-Algorithmen aus den Bereichen Computer Vision und GeoAI. Dabei wird ein neuartiger Ansatz entwickelt, der erstmals Bild- und Geodaten verknüpft, um eine möglichst hohe Klassifikationsgüte der komplexen Altersstufen und Gebäudetypen zu erreichen. Eine zentrale Rolle spielen dabei die Bilddaten aus dem Projekt ENOB:dataNWG, welche als wichtigste Datengrundlage für die Modellentwicklung genutzt werden. Ebenso sind 3D-Gebäudemodelle von hoher Bedeutung für das Verfahren.

Ergebnisse

Die entwickelten Modelle dienen als wichtige Grundlage für das entwickelte Gebäude- & Portfolioanalysesystem. Eine automatische Potentialanalyse von Immobilienportfolios / Gebäuden an einem Unternehmensstandort kann somit in wenigen Stunden durchgeführt und erstmals speziell Nichtwohngebäude analysiert und entsprechende Sanierungsvarianten aufzeigt werden.