Zwei Forscher des Urban Energy Systems Lab an der Eidgenössischen Materialprüfungs- und Forschungsanstalt (Empa) haben einen selbstlernenden Algorithmus für Heizungsthermostate geschaffen. Laut einem Bericht der Empa kann er mittels Cloud-Anbindung in herkömmliche intelligente oder smarte Thermostate eingebunden werden und die Raumtemperatur vorausschauend regeln.

„Das Potenzial ist enorm“, so Felix Bünning, Co-Gründer der Empa-Ausgliederung viboo, die diesen Algorithmus vermarktet. „Unsere Experimente im NEST haben gezeigt, dass mit diesem Ansatz eine Energieeinsparung zwischen 26 und 49 Prozent erreicht werden kann.“

Um ein Modell des Gebäudes zu erstellen, genügen Gebäudedaten wie die Ventilpositionen und Messungen der Raumtemperatur von lediglich zwei Wochen. In Kombination mit Vorhersagen zur lokalen Aussentemperatur und zur globalen Sonneneinstrahlung berechnet der Algorithmus dann eigenständig bis zu zwölf Stunden im Voraus den idealen Energieaufwand, um das Gebäude zu heizen oder zu kühlen.

Ein erster Partner ist den Angaben zufolge die dänische Firma Danfoss. Der international tätige Thermostathersteller prüft derzeit in einem Pilotprojekt gemeinsam mit viboo, wie hoch das Einsparpotenzial in herkömmlichen bestehenden Gebäuden ist. Daneben sei das Start-up bereits mit anderen Industriepartnern im Gespräch. So werde es den Algorithmus etwa in einem Zürcher Bürohaus direkt ins zentrale Gebäudeautomationssystem integrieren. mm