Projekt-Highlights

Klimaneutrale Gebäude und Quartiere

Gebäudeintegrierte Photovoltaikfassade

KI-generiertes Prinzipbild

Symbiose_II
(Wärmedämmendes System aus mineralischem Material mit biologischem Bewuchs selbstversorgend)

Ziel des Projekts Symbiose_II ist die Entwicklung eines wandgebundenen, wärmedämmenden Fassadenbegrünungssystems, welches ohne Hinterlüftung installierbar ist und somit eine integrierte und optimierte Wärmedämmwirkung erlaubt. Mittels Mineralischer Direkt-Laser-Sinterung (MDLS) soll das System in einem Schritt hergestellt werden. Neben der besseren Wärmedämmwirkung im Vergleich zu hinterlüfteten Fassadenbegrünungssystemen erlaubt das Herstellungskonzept eine einfachere Installation und geringere Montagezeiten sowie ein besseres Recycling, da nur ein Material verwendet wird.
Das CAE zeichnet sich für die thermische und hygrische Charakterisierung und Optimierung verantwortlich, führt das entsprechende Monitoring an Test- und Demofassaden durch, erstellt die LCA und übernimmt die Gesamtprojektkoordination. Gemeinsam mit den Projektpartnern werden Demonstratoren entwickelt und an Testfassaden sowie einer Demofassade im realen Anwendungsfall hinsichtlich ihrer Leistungsfähigkeit und Praxistauglichkeit bewertet.
Projektpartner: ING3D GmbH, INOCLAD Engineering GmbH, Bayerische Landesanstalt für Weinbau und Gartenbau

Fördergeber: BMWE, Förderkennzeichen: 03EN1130A
Laufzeit von 01.08.2026 bis 31.07.2029

Schema des MiragePV - Konzepts

Schematische Darstellung (KI-generiert)

MiragePV

(Gebäudeintegrierte Photovoltaikfassaden mit mikrostrukturierter, winkelselektiver Designschicht)

Ziel des Projekts MiragePV ist die Entwicklung gebäudeintegrierter Photovoltaikfassaden, die architektonische Gestaltungsfreiheit mit einem möglichst hohen elektrischen Energieertrag verbinden. Im Zentrum steht eine neuartige mikrostrukturierte und winkelselektive Designschicht, die auf beziehungsweise unter der Frontverglasung von Photovoltaikmodulen integriert wird. Das folienbasierte Konzept ist mit unterschiedlichen Photovoltaiktechnologien, beispielsweise Silizium- oder CIGS-Modulen, kompatibel und ermöglicht sowohl die Integration in neue als auch die Nachrüstung bestehender Photovoltaikmodule.
Am CAE werden die optischen Eigenschaften der mikrostrukturierten Designschichten experimentell und mittels optischer Simulationen untersucht. Dabei wird analysiert, wie unterschiedliche Strukturen, Materialien sowie Betrachtungs- und Einstrahlwinkel das Erscheinungsbild, die Lichttransmission und den Energieertrag der Photovoltaikmodule beeinflussen. Gemeinsam mit den Projektpartnern werden geeignete Designfolien entwickelt, in Photovoltaikmodule integriert und anhand von Demonstratoren hinsichtlich ihrer Leistungsfähigkeit und Praxistauglichkeit bewertet.
Projektpartner: AxSun Solar GmbH & Co. KG, ACSYS Lasertechnik GmbH, Folienwerk Wolfen GmbH

Fördergeber: BMWE, Förderkennzeichen: 03EN1123A
Laufzeit: 01.03.2026 bis 28.02.2029 

CAE RL-Mate4WP Selbstlernender KI-Regler zur wirtschaftlichen, effizienten und netzdienlichen Steuerung von Wärmepumpensystemen in Wohngebäuden

Abb.: KI-generierte Illustration 

RL-Mate4WP
(Selbstlernender KI-Regler zur wirtschaftlichen, effizienten und netzdienlichen Steuerung von Wärmepumpensystemen in Wohngebäuden)

Ziel des Mikroprojekts RL-Mate4WP ist die grundsätzliche Evaluierung der technischen Machbarkeit und Robustheit KI-gestützter Regelungskonzepte für Wärmepumpenanlagen im Gebäudebereich. Im Zentrum steht die methodische Analyse von Reinforcement-Learning-Verfahren (RL) unter realitätsnahen Bedingungen mit besonderem Fokus auf ihre Reaktion auf stochastische Unsicherheiten und Systemvariabilität.
Zur Erreichung dieses Ziels werden verschiedene Agenten- und Regelarchitekturen entworfen, implementiert und in einer simulierten Umgebung getestet, die ein gekoppeltes Modell aus Gebäude, Wärmepumpe und thermischem Speicher realitätsnah abbildet. Diese Trainingsumgebung dient dazu, sowohl Lernprozesse als auch Laufzeitverhalten der KI-Agenten kontrolliert und reproduzierbar zu untersuchen. Ein besonderer Schwerpunkt liegt auf hybriden Ansätzen, die modellbasiertes Wissen mit datengetriebenem Lernen kombinieren.
Die entwickelte Simulationsplattform ermöglicht es, systematische Schwachstellen und Grenzen aktueller RL-Strategien zu identifizieren, etwa beim Umgang mit unvollständigen oder verrauschten Eingangsdaten. Ziel ist es, daraus Anforderungen an robuste Lernverfahren sowie potenzielle Lösungsansätze für zukünftige Praxiseinsätze abzuleiten.

Fördergeber: BMWE, Förderkennzeichen: 03ENM1002
Laufzeit: 01.06.2025 bis 28.02.2026

CAE KICk-StARtER-G KI-basierter Controller zur komfort-basierten Steuerung

KICk-StARtER-G 
(KI-basierter Controller zur komfort-basierten Steuerung thermischer Anlagen und Regelkreise zur Steigerung der Energie- und Ressourceneffizienz von Gebäuden)

Die Innovation des Projekts liegt in der mehrdimensionalen Gesamtoptimierung durch die Kombination von Hard- und Softwarekomponenten mit neuen intelligenten und prädiktiven Verfahren zur Gebäudesteuerung unter Einsatz von Machine Learning (ML). Hierzu werden aus Telemetriedaten des Energy Efficiency Center (EEC, Sitz des CAE), zusätzlichen Sensordaten, einem Digital-Twin-Modell des Gebäudes sowie Wetterdaten und -prognosen Sollwerte zur Regelung der Heizung und Kühlung sowie des Sonnenschutzes und der künstlichen Beleuchtung bestimmt und in das bestehende Gebäudeautomationssystem des EEC rückgekoppelt. Durch Korrelation mit Feedback der Gebäudenutzer können die Steuer- und Vorhersage-Algorithmen fortlaufend verbessert werden, um eine hohe Energieeffizienz des Gebäudes bei gleichzeitig hohem Komfort sicherzustellen.
Durch die sofortige Bereitstellung von Energieeinsparpotenzialen im Gebäudebetrieb trägt die im Vorhaben angestrebte und auf andere Gebäude übertragbare Software-as-a-Service- & Hardware-Lösung zum Erfolg einer nachhaltigen Energiewende bei.

Fördergeber: BMBF, Förderkennzeichen: 01|S23003A
Laufzeit von 01.03.2023 bis 28.02.2026

Ihre Ansprechpartner

Dipl.-Phys. Stephan Weismann CAE Center for Applied Energy Research

Dipl.-Phys. Stephan Weismann

Gruppenleiter
Tel.: +49 (0) 931 70564-338
stephan.weismann@cae-zerocarbon.de

Dr. Bastian Büttner  CAE Center for Applied Energy Research

Dr. Bastian Büttner

Stellv. Gruppenleiter
Tel.: +49 (0) 931 70564-231
bastian.buettner@cae-zerocarbon.de

Free AI Website Creator