Beim Bau und bei der Inbetriebnahme von großen Gebäuden kann so einiges schiefgehen, wie nicht nur das unrühmliche Beispiel des Berliner Großflughafens BER gezeigt hat. Die Partner im Forschungsprojekt Energy Twin setzen hier an: An einem digitalen Zwilling zur Energiediagnose probt man exemplarisch über 3,5 Jahre eine virtuelle Inbetriebnahme und spätere Optimierungen, um sie dann schneller und besser in der Realität durchzuführen.

Helfen sollen dabei digitale Bauwerksmodelle aus dem BIM (Building Information Modeling), künstliche Intelligenz, komplexe Visualisierungen der Gebäudetechnik und Augmented Reality. Am Verbundprojekt unter Federführung des Geodätischen Instituts und Lehrstuhls für Bauinformatik & Geoinformationssysteme der RWTH Aachen arbeiten IT- und Immobilienunternehmen aus Aachen, Bückeburg, Hamburg und Köln zusammen. Gefördert wird das Mitte dieses Jahres begonnene Projekt vom Bundesministerium für Wirtschaft und Energie.

Gebäude werden heute mit BIM geplant. Aber gerade bei der Technischen Gebäudeausrüstung (TGA) gibt es bei der Realisierung der Bauten dann Abweichungen. Im Projekt „Energiediagnosestecker Digitaler Zwilling – EnergyTWIN“ soll dies geändert werden. Mit verschiedenen Methoden will man Anlagentechnik, Funktionen, Verknüpfungen und Kommunikationsstrukturen für Gebäudeinformationsmodelle erfassen und BIM-fähig machen.

Um dieses Ziel zu erreichen, werden zum Beispiel Technologien des Reality Capturing (Photogrammetrie, Laserscanning, Infrarotmesstechnik) und Methoden der künstlichen Intelligenz zur Merkmalsextraktion, Klassifizierung und Modellierung eingesetzt. Ein wesentliches Element ist auch die Darstellung über virtuelle (VR) und augmentierte Realität (AR).

Ziel von Energy Twin ist es, die unzähligen geometrischen, topologischen und semantischen Informationen zu einem Gebäude und seiner technischen Ausstattung erstmals gleichzeitig mit cloudbasierten Methoden zur Verwaltung von energetischen Betriebsdaten auf der Feldebene zusammenzuführen. Es werden Methoden des maschinellen Lernens zur Klassifikation der Daten eingesetzt, um funktionale und informationstechnische Zusammenhänge automatisiert zu erkennen.

Anhand eines Gebäudes, das die Aachener Grundvermögen Kapitalverwaltungsgesellschaft als „Reallabor“ in das Projekt einbringt, werden Anforderungen und Anwendbarkeit in der Praxis prototypisch getestet.