Wenn die Wärmepumpe vorausdenkt

Die Wärmeversorgung von Gebäuden zählt zu den zentralen Handlungsfeldern auf dem Weg zu einem klimaneutralen Gebäudebestand. Rund 30 Prozent der nationalen CO₂-Emissionen entfallen auf die Bereitstellung von Wärme im Gebäudebereich.¹ Ein wesentlicher Grund dafür ist der weiterhin hohe Einsatz fossiler Energieträger wie Erdgas und Heizöl für Raumwärme und Warmwasser. Um die damit verbundenen Emissionen nachhaltig zu reduzieren, ist eine grundlegende Transformation der Wärmeversorgung erforderlich.

Eine zentrale Rolle bei der Dekarbonisierung der Wärmeversorgung kommt dabei Wärmepumpen zu. Da sie Wärme überwiegend unter Einsatz elektrischer Energie bereitstellen, kann ihr Betrieb mit dem weiteren Ausbau erneuerbarer Energien zunehmend auf regenerativ erzeugtem Strom basieren. Ihre wachsende Bedeutung zeigt sich auch in der Marktentwicklung: Im Jahr 2025 wurden in Deutschland 299.000 Heizungswärmepumpen verkauft. Mit einem Marktanteil von 48 Prozent waren sie damit das meistverkaufte Heizsystem.²

Neben einer effizienten Anlagentechnik rückt mit der zunehmenden Elektrifizierung der Wärmeerzeugung auch deren intelligente Betriebsweise stärker in den Fokus. Dabei gewinnt nicht nur die Frage an Bedeutung, wie effizient eine Wärmepumpe arbeitet, sondern auch, zu welchem Zeitpunkt die benötigte elektrische Energie bezogen wird. Schwankende Strompreise und die zunehmende Einspeisung erneuerbarer Energien eröffnen die Möglichkeit, den Betrieb von Wärmepumpen zeitlich flexibler zu gestalten. Durch die Auswertung vorhandener Betriebs- und Wetterdaten können zukünftige Entwicklungen berücksichtigt und Wärmeerzeugung und -bedarf vorausschauend aufeinander abgestimmt werden. Künstliche Intelligenz kann dabei helfen, Zusammenhänge in diesen Daten zu erkennen und die für eine vorausschauende Betriebsweise erforderlichen Prognosen zu erstellen.

Von der reagierenden zur vorausschauenden Wärmepumpe

Wie sich die Potenziale einer intelligenten Betriebsweise konkret für ein Wärmepumpensystem nutzen lassen, hat Jakob Ruser, Ingenieur für Technische Gebäudeausrüstung bei SOCOTEC Building Solutions, in seiner Masterarbeit „Entwicklung einer modellprädiktiven, KI-gestützten Wärmepumpenregelung auf der Grundlage dynamischer Stromtarife für das Lastmanagement eines Einrichtungshauses“ untersucht. Ziel der Arbeit war die Entwicklung einer vorausschauenden Regelungsstrategie, mit der die Wärmeerzeugung unter Berücksichtigung des zukünftigen Wärmebedarfs und variabler Strompreise zeitlich optimiert werden kann. Als Untersuchungsobjekt diente ein Einrichtungshaus in Bayern, dessen Wärmeversorgung über drei Großwärmepumpen mit einer Gesamtwärmeleistung von rund 1,6 MW erfolgt.

Im Gegensatz zu klassischen Heizungsregelungen, die in erster Linie auf den aktuellen Zustand eines Gebäudes reagieren und die Wärmeerzeugung bei einem entsprechenden Bedarf aktivieren, berücksichtigt die entwickelte Regelung auch zukünftige Entwicklungen. Auf diese Weise kann bereits im Voraus entschieden werden, wann Wärme erzeugt, zwischengespeichert oder aus dem Speicher bereitgestellt werden soll.

Eine wesentliche Einflussgröße bilden dabei variable beziehungsweise dynamische Strompreise. Diese verändern sich im Tagesverlauf unter anderem in Abhängigkeit von Stromangebot und -nachfrage. Insbesondere eine hohe Einspeisung aus Wind- und Solarenergie kann zu niedrigen Börsenstrompreisen führen, während hohe Nachfrage und ein geringeres Stromangebot höhere Preise begünstigen. Kennt die Regelung diese Preisentwicklung im Voraus, kann sie die Wärmeerzeugung gezielt in wirtschaftlich günstigere Zeiträume verschieben. Für den Gebäudebetrieb entsteht dadurch die Möglichkeit, den Strombezug der Wärmepumpen zeitlich zu optimieren und die Betriebskosten zu reduzieren.

Datenauswertung als Grundlage für den Blick voraus

Damit die Wärmeerzeugung gezielt in wirtschaftlich günstige Zeiträume verschoben werden kann, ohne die Deckung des Wärmebedarfs zu beeinträchtigen, muss die Regelung möglichst genau wissen, wie sich dieser in den kommenden Stunden entwickeln wird. Anders als beispielsweise Strompreise oder Wetterprognosen steht der zukünftige Wärmebedarf jedoch nicht unmittelbar zur Verfügung und muss daher zunächst prognostiziert werden. Grundlage hierfür bildeten reale Betriebsdaten des untersuchten Einrichtungshauses aus mehreren Heizperioden. Ergänzt um Wetterdaten und weitere relevante Einflussgrößen wurden diese genutzt, um ein KI-Modell zu trainieren, das den zu erwartenden Wärmebedarf des Gebäudes prognostiziert.

„In der Gebäudetechnik liegen bereits heute große Mengen an Betriebsdaten vor, die bislang oft nicht konsequent genutzt werden. Der entscheidende Punkt ist, diese Daten nicht nur zu sammeln, sondern Zusammenhänge zu erkennen und sie gezielt für die Regelung von Heizsystemen nutzbar zu machen. Künstliche Intelligenz bietet hier die Möglichkeit, vorhandene Daten systematisch auszuwerten und daraus Erkenntnisse für einen optimierten Anlagenbetrieb abzuleiten“, erklärt Jakob Ruser.

Entscheidend ist dabei die Qualität der Prognose. Je genauer der zukünftige Wärmebedarf vorhergesagt werden kann, desto zuverlässiger kann die Regelung den Wärmepumpenbetrieb vorausplanen und wirtschaftlich günstige Betriebszeitpunkte nutzen. Im Rahmen der Untersuchung wurde daher auch betrachtet, welchen zusätzlichen Nutzen eine KI-basierte Prognose gegenüber einer vereinfachten Vorhersage des Wärmebedarfs bietet. Dabei zeigte sich, dass eine höhere Prognosequalität das wirtschaftliche Optimierungspotenzial der Regelung zusätzlich steigern kann.

Auf den Speicher kommt es an

Eine entscheidende Voraussetzung für die zeitliche Verschiebung der Wärmeerzeugung ist ein ausreichend dimensionierter thermischer Speicher. Er ermöglicht es, Wärme zu einem wirtschaftlich günstigen Zeitpunkt zu erzeugen und erst später im Gebäude bereitzustellen. Wärmeerzeugung und Wärmebedarf können dadurch zeitlich voneinander entkoppelt werden. Je größer die verfügbare Speicherkapazität ist, desto flexibler kann die Regelung auf unterschiedliche Strompreisphasen reagieren und besonders teure Betriebszeiten vermeiden.

Die Simulationsergebnisse zeigen primär, welches wirtschaftliche Potenzial in diesem Zusammenspiel aus vorausschauender Regelung, Wärmebedarfsprognose und thermischer Speicherung liegt. Im Vergleich zu einer konventionellen Betriebsweise konnten die Strombeschaffungskosten abhängig von der verfügbaren Speicherkapazität deutlich reduziert werden. „Im Mittel konnten Einsparungen von etwa 7 bis 11 Prozent erzielt werden, in einzelnen untersuchten Szenarien sogar bis zu 16 Prozent. Dabei hat sich gezeigt, dass insbesondere die verfügbare Speicherkapazität einen wesentlichen Einfluss darauf hat, wie stark schwankende Strompreise für den Anlagenbetrieb genutzt werden können“, fasst Ruser die Ergebnisse zusammen.

Neben den wirtschaftlichen Auswirkungen wurde auch das ökologische Potenzial der vorausschauenden Betriebsweise untersucht. Unter Berücksichtigung zeitlich variabler CO₂-Emissionsfaktoren konnten die betriebsbedingten CO₂-Emissionen in den untersuchten Szenarien um bis zu 13 Prozent reduziert werden. Die Untersuchung zeigt damit, dass sich vorhandene Betriebsdaten nicht nur zur Analyse vergangener Anlagenzustände nutzen lassen. In Verbindung mit KI-basierten Prognosen und einer vorausschauenden Regelung können sie unmittelbar dazu beitragen, den zukünftigen Anlagenbetrieb zu optimieren. Mit der zunehmenden Verfügbarkeit von Betriebsdaten und einem stärker schwankenden Stromangebot aus erneuerbaren Energien dürfte die Bedeutung solcher Ansätze weiter zunehmen.

Das Prinzip ist dabei nicht auf Wärmepumpen beschränkt. Überall dort, wo in der Gebäudetechnik ausreichend Betriebsdaten zur Verfügung stehen und Anlagen flexibel auf zukünftige Anforderungen reagieren können, ergeben sich Potenziale für datenbasierte Prognose- und Regelungsansätze. Künstliche Intelligenz kann dabei helfen, komplexe Zusammenhänge in großen Datenmengen zu erkennen und Informationen für einen zunehmend vorausschauenden und bedarfsgerechten Gebäudebetrieb bereitzustellen.