Durch Technisches Monitoring (TMon) lassen sich Energieverbräuche in Gebäuden um bis zu 20 % senken. In der Praxis bleibt dieses Potenzial jedoch häufig ungenutzt, da Fachkräftemangel, manuelle Arbeitsschritte und fehlende digitale Prozesse eine flächendeckende Umsetzung erschweren. Insbesondere die aufwendige Zuordnung von Datenpunkten und das fehlende digitale Abbild gebäudetechnischer Anlagen stellen zentrale Hürden dar.
GraphEET adressiert diese Herausforderungen mit einem durchgängig digitalen, datenbasierten Workflow für das Technische Monitoring. Ziel des Projekts ist es, mithilfe hybrider KI-Verfahren Datenpunkte und Anlagentopologien automatisiert aus der Gebäudeautomation zu erkennen und diese in Form von Knowledge Graphs als digitale Zwillinge abzubilden. Auf dieser Grundlage können Analyse- und Prüftemplates, Fehlerdiagnosen sowie mobile Messaufgaben automatisiert auf Anlagen unterschiedlicher Topologien angewendet werden.
Die entwickelten Methoden und Softwarebausteine werden in realen Labor- und Gebäudestrukturen erprobt und validiert, unter anderem im RIZ-Gebäude sowie in den technischen Laboren und Anlagen der Hochschule Offenburg. Damit leistet GraphEET einen Beitrag zur Skalierung des Technischen Monitorings und zur effizienteren Nutzung von Energie im Gebäudebetrieb.

Förderung

Bundesministerium für Wirtschaft und Energie (BMWE)

Laufzeit

Juli 2025 - Juni 2028

Projektpartner

● Fraunhofer ISE
● Mondas GmbH
● Drees & Sommer SE
● Maurer Energie- und Ingenieurleistungen GmbH & Co. KG
● Testo SE & Co. KGaA