3. Januar 2025, 14:29 Uhr | Lesezeit: 3 Minuten
Künstliche Intelligenz kann für einen effizienten Betrieb von Wärmepumpen sorgen. Das hat das Fraunhofer-Institut für Solare Energiesysteme (ISE) in einer aktuellen Studie herausgefunden. Erste Tests zeigen: Das Einsparpotenzial liegt bei bis zu 13 Prozent. Wie genau funktioniert diese Technologie?
Wärmepumpen stehen für umweltfreundliches Heizen, aber bei der Effizienz gibt es noch Luft nach oben. Das Fraunhofer-Institut für Solare Energiesysteme hat deshalb an einer neuartigen Methode geforscht: Künstliche Intelligenz (KI) passt Wärmepumpen automatisch an Umwelt- und Gebäudebedingungen an. Mithilfe neuronaler Netze lassen sich langfristige Einsparungen und mehr Komfort erzielen. Erste Tests in Gebäuden und Laboren liefern dazu erstaunliche Ergebnisse.
Wärmepumpen können mit KI Effizienz und Komfort steigern
Das vom Bundesministerium für Bildung und Forschung (BMBF) geförderte Projekt zeigt vielversprechende Ansätze zur Optimierung von Wärmepumpen durch KI. Wärmepumpen lassen sich demnach durch den Einsatz von KI erheblich verbessern. Die Forscher haben ein System entwickelt, das mithilfe künstlicher neuronaler Netze die Energieeffizienz steigert und den Komfort verbessert. Die Studie hat das ISE im Dezember 2024 veröffentlicht.
Die intelligente Steuerung lernt aus kontinuierlich erfassten Messwerten und passt die Wärmepumpe dynamisch an sich verändernde Bedingungen an. Simulationen zeigen Einsparpotenziale von 5 bis 13 Prozent, erste Feldtests in echten Gebäuden haben dies bestätigt.
Auch interessant: Stiftung Warentest prüft Wärmepumpen – das ist der Testsieger
Innovative Steuerung durch neuronale Netze
Im Rahmen des Projekts „AI4HP“ untersuchte das ISE gemeinsam mit Partnern wie Stiebel Eltron und EDF R&D adaptive Steuerungsmethoden für Wärmepumpen. Traditionelle Heizkurven, die man bei der Installation festlegt, sind oft nicht optimal auf individuelle Gebäude abgestimmt. Zudem berücksichtigen sie keine dynamischen Faktoren wie Sonneneinstrahlung oder Nutzungsgewohnheiten. Die neue KI-basierte Steuerung nutzt neuronale Netze, um das spezifische Verhalten eines Gebäudes zu analysieren und anzupassen. Neuronale Netze stammen allgemein aus dem Bereich des maschinellen Lernens, die Modelle treffen Entscheidungen ähnlich wie ein menschliches Gehirn.
„KI-Methoden müssen robuster und skalierbarer werden, um kostengünstig in einer Vielzahl von Gebäuden implementiert zu werden“, betont Dr. Lilli Frison, Projektleiterin am Fraunhofer ISE. Ihr Kollege Simon Gölzhäuser ergänzt: „Darüber hinaus werden nur zuverlässige und vertrauenswürdige Methoden, die einen sicheren Betrieb gewährleisten, von Wärmepumpenherstellern und ihren Kunden akzeptiert.“
Neuartige „Transformer-Architektur“ als Grundlage
Das Fraunhofer-Team entwickelte ein neuronales Netz auf Basis der sogenannten „Transformer-Architektur“, das bestehende und vorhergesagte Daten verknüpft. Diese Struktur ermöglicht es, die Raumtemperatur präzise zu prognostizieren und die Vorlauftemperatur der Wärmepumpe in Echtzeit zu optimieren.
Simulationen mit drei Gebäuden aus unterschiedlichen Baujahren zeigten signifikante Energieeinsparungen von durchschnittlich 13 Prozent im Vergleich zu herkömmlichen Heizkurven. Die Effizienz lässt sich durch eine genaue Anpassung der Raumtemperatur an die Sollwerte steigern.
Philip Beckmann im Interview Tado-Chef über Ausbau von smarten Stromzählern in Deutschland: „Eine totale Schande!“
Analyse zeigt So viel günstiger ist das Heizen mit der Wärmepumpe im Vergleich zur Gasheizung
Intelligente Inspiration 5 Smart Home-Trends für 2024 für modernes Wohnen
Das zeigen Feldtests in realen Gebäuden
Ein erster Feldtest bestätigte die Funktionalität der neuen Steuerung. Innerhalb einer Woche reduzierte sich die Abweichung zwischen Soll- und Ist-Temperatur um mehr als die Hälfte, während der COP-Wert („Coefficient of Performance“) um 25 Prozent anstieg. Dieser Wert zeigt das Verhältnis von benötigter Energie und erzeugter Wärme unter Normbedingungen.
Der Algorithmus führte zudem schnell zu stabilen Heizkurven, die auch im klassischen Betrieb eine Effizienzsteigerung ermöglichten. Gleichzeitig zeigte der Test, dass die Leistung stark von der Präzision des KI-Gebäudemodells abhängt.