Die kommunale Wärmeplanung in Deutschland steht vor tiefgreifenden Herausforderungen: Das Wärmeplanungsgesetz verpflichtet alle deutschen Kommunen zur Erstellung verbindlicher Wärmepläne, während der Anteil erneuerbarer Energien an der Wärmeversorgung bis 2030 von derzeit 20 % auf mindestens 50 % gesteigert werden muss. Innovative technologische Ansätze sind daher dringend erforderlich.
Das vorliegende Anschubprojekt verfolgt das Ziel, den Einsatz von KI-basierten Steuerungs- und Optimierungskonzepten für regenerative Wärmenetze als Proof-of-Concept zu erproben. Im Mittelpunkt steht die intelligente Integration erneuerbarer Wärmequellen (Solarthermieanlagen, Wärmepumpen und Geothermieanlagen) und Wärmespeichern in bestehende Wärmenetze. Eine KI-Architektur soll dabei meteorologische Vorhersagedaten vorausschauend in die Steuerungslogik einbeziehen, um Treibhausgasemissionen und Betriebskosten zu minimieren.
Die gewonnenen Erkenntnisse bilden die Grundlage für ein weiterführendes Forschungsprojekt, in dem für ausgewählte Beispielregionen Lastgangvorhersagen mit realen Wetter- und Geothermiedaten realisiert, umfassende Energiedatenbanken aufgebaut und exemplarische Demonstrationsanlagen im Pilotmaßstab entwickelt werden sollen. Perspektivisch leistet das Vorhaben einen wesentlichen Beitrag zur wirtschaftlich und ökologisch effizienten Gestaltung kommunaler Wärmeversorgung und zur beschleunigten Umsetzung klimapolitischer Ziele in Deutschland.
Forschungszeitraum
01.06.2026 - 28.02.2027
Anschubprojekt des ZAKI
Ziele des Projekts
Das übergeordnete Ziel des Anschubprojektes ist es, zu prüfen, inwiefern KI-Tools genutzt werden können, um regenerative Wärmenetze intelligent zu steuern und zu verschalten (Proof-of-Concept). Physikalisch sollen dabei erneuerbare Wärmequellen (z. B. Solarthermieanlagen, Wärmepumpen, Geothermieanlagen) und Wärmespeicher derart in das Wärmenetz integriert werden, dass dieses durch minimale Treibhausgasemissionen und Kosten gekennzeichnet ist. Eine KI-Architektur soll in diesem Zusammenhang vorausschauend meteorologische Daten in die Steuerungs- und Verschaltungslogik integrieren und das Wärmenetz optimieren.
Der Proof-of-Concept gliedert sich in die folgenden wissenschaftlichen Teilziele:
- Analyse und Evaluierung des Datenbestands
- Identifizierung von Schnittstellen für KI
- Simulation eines Wärmenetzes im Konzeptmaßstab
- Berechnung quantitativer Verwertungsmöglichkeiten
