
Durch die automatisierte und kontinuierliche Bereitstellung von Energieverbrauchsprognosen können Defizite im Gebäudebetrieb identifiziert und die Implementierung von Laststeuerungsmechanismen ermöglicht werden. Wir stellen Energiebedarfsvorhersagen unter Berücksichtigung von Prognosen für die Belegung und das lokale Wetter zur Verfügung. Darüber hinaus entwickeln wir Modelle auf Basis von physikalischen Modellierungsverfahren sowie unter Verwendung von Methoden des maschinellen Lernens, um den Gebäudebetrieb zu simulieren. Die Ergebnisse derartiger Simulationen können verwendet werden, um optimale Vorgaben für Steuergrößen zu ermitteln bzw. eine vorausschauende Regelung zu realisieren. Unsere Modelle integrieren wir mittels Functional Mockup Interface (FMI) oder anderer Schnittstellen in IoT-Plattformen.