Für mehr Energieeffizienz: Digitaler Zwilling von 129 Millionen Gebäuden
Verantwortlicher Redakteur:in:
Rainer Trummer
4 min Lesedauer
Das Softwarepaket AutoBEM liefert ein Energiemodell, das hilft, fundierte Entscheidungen zur Verbesserung der Energieeffizienz zu treffen. Die vom Oak Ridge National Laboratory ORNL entwickelte Lösung erstellt auf der Grundlage öffentlich zugänglicher Daten einen digitalen Zwilling für die 129 Millionen Gebäude der USA.
(Quelle: ORNL, U.S. Dept. of Energy)
Das Softwarepaket AutoBEM des Oak Ridge National Laboratory ORNL erstellt auf der Grundlage öffentlich zugänglicher Daten einen digitalen Zwilling der 129 Millionen Gebäude der USA.
Es liefert ein Energiemodell, das Versorgungsunternehmen und Eigentümern helfen kann, fundierte Entscheidungen zur Verbesserung der Energieeffizienz zu treffen.
Damit könnten Hausbesitzer, Versorgungsunternehmen und Firmen eine schnelle Möglichkeit erhalten, den Energieverbrauch zu bestimmen und kosteneffiziente Nachrüstungen vorzunehmen, um Energie und Kohlenstoffemissionen zu reduzieren.
Forscher des Oak Ridge National Laboratory des US-Energieministeriums (DOE) haben ein Modellierungsprogramm entwickelt, das auf der Grundlage öffentlich zugänglicher Daten Details zum Energieverbrauch und zur Energieeffizienz jedes einzelnen der 129 Millionen Gebäude in den Vereinigten Staaten liefert.
Mit Unterstützung des DOE's Office of Electricity und des Office Energy Efficiency and Renewable Energy wurde die Modellierungssoftware Automatic Building Energy Modeling (AutoBEM) entwickelt, um die fünfjährige Vision des ORNL Model America zu verwirklichen: die Erstellung digitaler Zwillinge für alle Gebäude im ganzen Land. Das ORNL-Forschungsteam unter der Leitung von Joshua New hat die Modelle Anfang dieses Jahres öffentlich zugänglich gemacht.
"Eine Herausforderung dieser Größenordnung ist genau das, wofür die nationalen Laboratorien des DOE geschaffen wurden, und das von uns entwickelte Werkzeug könnte die Bemühungen um energieeffiziente Gebäude in diesem Land für die nächsten Jahrzehnte leiten", sagte Xin Sun, stellvertretender Laborleiter des ORNL für Energiewissenschaft und -technologie.
Mehr Energieeffizienz durch genaue Erfassung der Gebäudedetails
Als das Projekt 2015 begann, gab es keine einzige Ressource, um die Energiedetails für jedes US-Gebäude genau zu visualisieren und zu quantifizieren. Ein solches Tool würde dem Gebäudesektor dabei helfen, zum Ziel der Nation beizutragen, eine gerechte, saubere Energiewirtschaft zu fördern und die USA auf dem Weg zu einem Netto-Null-Emissionsausstoß bis 2050 voranzubringen. Immerhin entfallen 40 Prozent des US-amerikanischen Energieverbrauchs und 75 Prozent des Stromverbrauchs auf Gebäude.
"Es gibt viele verschiedene Branchen, die einfach nicht über die Informationen verfügen, die sie benötigen, um umsetzbare Geschäftsentscheidungen zur Verbesserung der Energieeffizienz zu treffen", sagte New. "AutoBEM ist eine kostenlose Ressource, die den Weg zur Einführung ebnen soll".
Stadtplaner können AutoBEM nutzen, um ganze Blocks und Nachbarschaften zu betrachten und Bereiche zu identifizieren, die man in der Vergangenheit bei Bemühungen um Gebäudesanierung übersehen hat. Auf diese Weise lassen sich leicht die Gemeinden ermitteln, die am meisten von Gebäudesanierungen profitieren könnten.
"Die Versorgungsunternehmen geben in den USA jedes Jahr Milliarden von Dollar für Energieeffizienz- und Demand-Response-Programme aus", sagte er. "Diese Ausgaben basieren auf einer Signaturanalyse der Stromprofile. Vor diesem Programm war niemand in der Lage, diese Analyse mit detaillierten, gebäudespezifischen Energiemodellen in diesem Umfang durchzuführen. Einzelne Versorgungsunternehmen sind nun in der Lage, Modelle zu erstellen, die das Potenzial zur Reduzierung der Nachfrage und der Treibhausgasemissionen aufzeigen."
Satellitenbilder, Straßenansichten und andere öffentlich zugängliche Daten
AutoBEM greift auf Satellitenbilder, Straßenansichten und andere öffentlich zugängliche Daten zu, die Aufschluss über die Größe und die energetische Beschaffenheit eines Gebäudes geben, zum Beispiel die Anzahl der Fenster, die Materialien der Gebäudehülle, die Anzahl der Stockwerke, die Heizungs-, Lüftungs- und Kühlsysteme und die Dachart. Das Programm sammelt diese Daten mit Hilfe leistungsfähiger Computer und erstellt ein Gebäudeenergiemodell, das vorhersagt, welche Technologien sich zur Energieeinsparung empfehlen, zum Beispiel Sonnenkollektoren, Wärmepumpen, intelligente Thermostate oder energieeffiziente Warmwasserbereiter.
Stand: 16.12.2025
Es ist für uns eine Selbstverständlichkeit, dass wir verantwortungsvoll mit Ihren personenbezogenen Daten umgehen. Sofern wir personenbezogene Daten von Ihnen erheben, verarbeiten wir diese unter Beachtung der geltenden Datenschutzvorschriften. Detaillierte Informationen finden Sie in unserer Datenschutzerklärung.
Einwilligung in die Verwendung von Daten zu Werbezwecken
Ich bin damit einverstanden, dass die WIN-Verlag GmbH & Co. KG, Chiemgaustraße 148, 81549 München einschließlich aller mit ihr im Sinne der §§ 15 ff. AktG verbundenen Unternehmen (im weiteren: Vogel Communications Group) meine E-Mail-Adresse für die Zusendung von redaktionellen Newslettern nutzt. Auflistungen der jeweils zugehörigen Unternehmen können hier abgerufen werden.
Der Newsletterinhalt erstreckt sich dabei auf Produkte und Dienstleistungen aller zuvor genannten Unternehmen, darunter beispielsweise Fachzeitschriften und Fachbücher, Veranstaltungen und Messen sowie veranstaltungsbezogene Produkte und Dienstleistungen, Print- und Digital-Mediaangebote und Services wie weitere (redaktionelle) Newsletter, Gewinnspiele, Lead-Kampagnen, Marktforschung im Online- und Offline-Bereich, fachspezifische Webportale und E-Learning-Angebote. Wenn auch meine persönliche Telefonnummer erhoben wurde, darf diese für die Unterbreitung von Angeboten der vorgenannten Produkte und Dienstleistungen der vorgenannten Unternehmen und Marktforschung genutzt werden.
Meine Einwilligung umfasst zudem die Verarbeitung meiner E-Mail-Adresse und Telefonnummer für den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern wie z.B. LinkedIN, Google und Meta. Hierfür darf die Vogel Communications Group die genannten Daten gehasht an Werbepartner übermitteln, die diese Daten dann nutzen, um feststellen zu können, ob ich ebenfalls Mitglied auf den besagten Werbepartnerportalen bin. Die Vogel Communications Group nutzt diese Funktion zu Zwecken des Retargeting (Upselling, Crossselling und Kundenbindung), der Generierung von sog. Lookalike Audiences zur Neukundengewinnung und als Ausschlussgrundlage für laufende Werbekampagnen. Weitere Informationen kann ich dem Abschnitt „Datenabgleich zu Marketingzwecken“ in der Datenschutzerklärung entnehmen.
Falls ich im Internet auf Portalen der Vogel Communications Group einschließlich deren mit ihr im Sinne der §§ 15 ff. AktG verbundenen Unternehmen geschützte Inhalte abrufe, muss ich mich mit weiteren Daten für den Zugang zu diesen Inhalten registrieren. Im Gegenzug für diesen gebührenlosen Zugang zu redaktionellen Inhalten dürfen meine Daten im Sinne dieser Einwilligung für die hier genannten Zwecke verwendet werden.
Recht auf Widerruf
Mir ist bewusst, dass ich diese Einwilligung jederzeit für die Zukunft widerrufen kann. Durch meinen Widerruf wird die Rechtmäßigkeit der aufgrund meiner Einwilligung bis zum Widerruf erfolgten Verarbeitung nicht berührt. Um meinen Widerruf zu erklären, kann ich als eine Möglichkeit das unter https://kontakt.vogel.de/de/win abrufbare Kontaktformular nutzen. Sofern ich einzelne von mir abonnierte Newsletter nicht mehr erhalten möchte, kann ich darüber hinaus auch den am Ende eines Newsletters eingebundenen Abmeldelink anklicken. Weitere Informationen zu meinem Widerrufsrecht und dessen Ausübung sowie zu den Folgen meines Widerrufs finde ich in der Datenschutzerklärung, Abschnitt Redaktionelle Newsletter.
"Um AutoBEM zu entwickeln, haben wir uns viele der verfügbaren Datenquellen angesehen und Partnerschaften mit denjenigen aufgebaut, die diese Daten generieren, zum Beispiel Satelliten-, Luft- und Straßenbilder, Lidar-Daten und andere Arten von Datenbanken", so New. "Wir mussten Algorithmen verwenden oder erweitern, um die Daten in Beschreibungen umzuwandeln und einen 3D-Fußabdruck des Gebäudes mit Höhe, Anzahl der Fenster, Art des Gebäudes usw. zu erstellen.
Details von Innenräumen aus Bauvorschriften und Prototypgebäuden hergeleitet
Obwohl AutoBEM den Aufbau und die Energieleistung des Gebäudes abschätzen kann, sieht es keine Details im Inneren des Gebäudes. "Alle internen Merkmale des Gebäudes basieren auf Prototypgebäuden und Standardbauvorschriften", so New. "Ein Supermarkt hat zum Beispiel eine bestimmte Anzahl linearer Meter an Tiefkühltruhen, eine bestimmte Anzahl an Vitrinen und ähnliche Kühlsysteme. Unser Modell des Supermarkts würde auf diesem Standardprototyp beruhen."
Dieses Projekt wurde vom Department of Energy Office of Electricity finanziert. Das Forschungsteam nutzte die Supercomputing-Ressourcen der Argonne's Leadership Computing Facility.
Bild oben: Die Software-Suite AutoBEM des Oak Ridge National Laboratory erstellt einen digitalen Zwilling der 129 Millionen Gebäude in den USA und liefert ein Energiemodell, das Versorgungsunternehmen und Eigentümern helfen kann, fundierte Entscheidungen zur Verbesserung der Energieeffizienz zu treffen. Credit: ORNL, U.S. Dept. of Energy