Energieplanung im Vergleich

Normverfahren vs. Simulation vs. Messdaten: Grundlagen und Unterschiede

In der energetischen Planung von Gebäuden und Quartieren wird häufig zwischen zwei etablierten Methoden unterschieden: Normberechnungen und dynamische Gebäudesimulationen. Beide Ansätze haben unterschiedliche Zielsetzungen, methodische Grundlagen und Einsatzbereiche. Diese Unterschiede führen in der Praxis jedoch zu erheblichen Abweichungen bei den Ergebnissen – mit direkten Auswirkungen auf die Dimensionierung und Effizienz von Energiesystemen. 

Normverfahren

Normverfahren wie DIN V 18599, DIN EN ISO 13790 (bzw. deren Nachfolger ISO 52016-1) oder EN 12831 wurden primär für Nachweis- und Vergleichszwecke entwickelt: zur Ausstellung von Energieausweisen, zur Ermittlung von KfW-Förderstufen oder zur Einhaltung gesetzlicher Vorgaben wie dem GEG. Sie basieren daher auf stark standardisierten Randbedingungen (Klimadaten, Nutzungsprofile, interne Lasten) und setzen auf vereinfachte, meist monatliche oder stationäre Rechenverfahren, um reproduzierbare Ergebnisse zu erzeugen. 
 
Für die Auslegung von Energiesystemen können diese Normverfahren jedoch nur begrenzt eingesetzt werden, da sie zu systematischen Überdimensionierungen führen. 

Normen setzen u. a. extrem konservative Außentemperaturen an, berücksichtigen pauschale Wärmebrücken und ignorieren reale Wärmequellen wie Personen, Geräte, solare Gewinne oder Lüftungsanlagen mit Vorheizfunktion.

Dynamische Simulationstools

Simulationstools wie TRNSYS, EnergyPlus oder IDA ICE verfolgen ein anderes Ziel: Die realitätsnahe Abbildung des thermischen Verhaltens von Gebäuden unter dynamischen Randbedingungen. Hier werden zeitlich aufgelöste Daten verwendet (z. B. stündliche Klimadaten, reale Nutzerprofile), um Effekte wie Trägheit/ Wärmespeicherung, Regelverhalten, solare Gewinne, Verschattung oder interne Erträge abzubilden. 

Dies führt zu sehr individuellen Ergebnissen – mit dem Ziel, Anlagen möglichst investoptimiert oder betriebsoptimiert auszulegen. Damit sind die Ergebnisse weniger gut vergleichbar. 

Energiebedarf aus Messdaten

Eine weitere Möglichkeit zur Bestimmung des Energiebedarfs besteht in der Auswertung realer Messdaten aus dem Gebäudebetrieb. Auf Basis von Wärme-, Strom- oder Medienzählern lassen sich Jahresarbeitszahlen direkt aus dem tatsächlichen Nutzungs- und Betriebsverhalten ableiten. Durch Witterungsbereinigung (z. B. Gradtagzahlen) und Plausibilisierung von Betriebszuständen kann der gemessene Verbrauch auf ein normiertes Jahr übertragen werden. Messdatenbasierte Ansätze liefern damit eine sehr hohe Realitätsnähe und eignen sich insbesondere für Bestandsgebäude sowie für die Kalibrierung und Validierung von Simulations- oder Prognosemodellen.   

Spitzenlasten: Heiz- und Kühllast

Ein wesentlicher Unterschied zeigt sich bei der Leistungsbetrachtung, also der Ermittlung von Heiz- und Kühllasten: 

Normverfahren wie EN 12831 arbeiten mit konservativen Annahmen und vernachlässigen die Trägheit des Gebäudes sowie interne Erträge. Dadurch ergeben sich häufig überdimensionierte Heizlasten (bis zu +40 % gegenüber realer Spitzenlast). 

Aus den vereinfachten Ansätzen ergeben sich deshalb auch im Kühlfall zu geringen Lasten von bis zu -30 % 
 
Die Folge: Fehlauslegungen, die sowohl in die eine als auch in die andere Richtung ausschlagen können.  

Quelle:  
https://www.researchgate.net/publication/239789807_Introducing_the_prebound_effect_The_gap_between_performance_and_actual_energy_consumption 

Eine überdimensionierte Anlage bedeutet nicht nur höhere Investitionskosten – sie verursacht auch laufende Mehrkosten. Überdimensionierte Wärmepumpen takten häufiger, was den Verschleiß erhöht und Effizienz reduziert. Bei Fernwärmeanschlüssen steigen die Leistungspreise, bei elektrischen Anlagen können Trafokosten unnötig hoch ausfallen. Monitoringprojekte zeigen, dass viele Systeme weit unter ihrer tatsächlichen Kapazität betrieben werden. 

Dynamische Gebäudesimulation: 

Simulationen können tageszeitliche Lastspitzen, Regelstrategien und Trägheitseffekte berücksichtigen, was zu einer realistischeren Abbildung der Spitzenlasten führt und damit dem Realbetrieb eines Gebäudes näherkommt. 

Besonders relevant ist die Simulation zur Ermittlung realer Gleichzeitigkeitsfaktoren – also der Frage, wie oft und in welchem Ausmaß Heizlasten im Gebäude tatsächlich gleichzeitig auftreten. Da hierfür keine nationalen Vorgaben existieren, ist die Simulation rechtlich unproblematisch und gilt heute als Stand der Technik. 

Energiebedarf: Jahresarbeit und Performance Gap

Bei der Ermittlung der Jahresenergiebedarfe zeigt sich eine weitere Schwäche der Normverfahren: 
Die standardisierten Annahmen (z. B. konstante Raumtemperaturen, idealisierte Regelung, konstante Anwesenheit) führen dazu, dass der berechnete Energiebedarf häufig unterhalb des tatsächlich gemessenen Verbrauchs liegt. 

Dieser Unterschied, bekannt als Performance Gap, wird in Studien (z. B. CIBSE TM54, IEA Annex 66) regelmäßig mit Abweichungen von 10–30 %, in Einzelfällen sogar deutlich mehr, beziffert. 

Simulationen können durch Einbeziehung realistischer Nutzungsprofile, Wetterdaten und Regelungsstrategien näher an die realen Verbräuche heranreichen, sind aber sehr aufwändig und in der Praxis – insbesondere in frühen Projektphasen nur begrenzt einsetzbar.

Messdatenbasierte Ansätze:

Die Aussagekraft von messdatenbasierten Ansätzen hinsichtlich des Energiebedarfs ist an die Datenqualität, den gemessenen Zeitraum und die Stabilität der Nutzung gebunden. Messdaten sind stets vergangenheitsbezogen und können dadurch nicht auf Veränderungen in Nutzung oder energetischem Standard reagieren. Damit sind sie für Variantenvergleiche und Energiesystemplanungen in frühen Planungsphasen nur bedingt geeignet.

Praktische Herausforderungen bei Simulationstools:

Aufwand, Expertise und Datenverfügbarkeit

Simulationstools bieten hohe Genauigkeit. Allerdings zum Preis hoher Komplexität bzw. eines hohen Aufwandes: 
Modellierung und Parametrisierung benötigen viel Zeit und Spezialwissen. 
Eingabedaten sind in frühen Leistungsphasen oft gar nicht verfügbar. Und auch im Bestand ist es aufgrund von lückenhaften Informationen oftmals sehr schwierig, die notwendigen Daten bereitzustellen. Daher fällt man in frühen Projektphasen oftmals erneut auf Annahmen zurück oder nutzt die Profile von “vergleichbaren” Gebäuden eines anderen Standortes. 

In den frühen Entwurfs- und Konzeptphasen sind viele Gebäudedaten außerdem noch unbestimmt (z. B. genaue Bauteilaufbauten, Nutzungsszenarien). Detaillierte Gebäudesimulationen wären zu diesem Zeitpunkt: 

• zu aufwändig (hoher Modellierungs-, Daten- und Rechenaufwand), 

• zu datenhungrig (benötigen Parameter, die noch gar nicht feststehen und sich dementsprechend im Prozess noch diverse Male verändern können), 

• und liefern in dieser Phase scheinbare Genauigkeit, die planungspraktisch noch keinen Mehrwert bringt. 

 In frühen Phasen zählen vielmehr Geschwindigkeit, Robustheit und Vergleichbarkeit. 

Mit berta & rudi in Rekordzeit zu simulationsähnlichen Ergebnissen

Im Gegensatz zu klassischen Normverfahren oder vollumfänglichen Gebäudesimulationen ist berta & rudi ein datengetriebenes, KI-basiertes Tool, das auf einem umfangreichen Fundament von rund 2,5 Millionen simulierten Gebäudedatensätzen trainiert wurde. Dadurch lernt die KI aus einer Vielzahl realistischer Gebäudeszenarien und physikalischer Zusammenhänge und kann in wenigen Minuten Ergebnisse liefern, die simulationsähnlich und somit zugleich nah an der Realität sind.  
 
Denn berta & rudi arbeiten simulationsähnlich, weil – genau wie in echten Simulationen – mit vollständigen Jahreslastgängen gerechnet wird. Dadurch können sowohl die Heiz- und Kühllasten nahezu so präzise wie eine Simulation abgebildet, als auch der Energiebedarf realitätsnah berücksichtigt werden.  
 
Wir haben unserer KI berta beigebracht, sich wie eine vollständige energetische Simulation zu verhalten. Das bedeutet: berta liefert Ergebnisse, die den wahrscheinlichen Resultaten klassischer Gebäudesimulationen entsprechen – jedoch um ein Vielfaches schneller und mit deutlich weniger Eingabedaten. 

Hinter jeder Prognose von berta stehen daher dieselben impliziten Annahmen, wie sie auch in einer realen Simulation berücksichtigt werden: etwa Personenbelegungsgrade, Wandaufbauten, die thermische Trägheit des Gebäudes oder interne Lasten. Dadurch nähern wir uns mit unseren Vorhersagen sehr stark sowohl einer vollwertigen Simulation als auch dem tatsächlichen Verhalten des Gebäudes an – nur eben in einem Bruchteil der Zeit. 

Gerade in frühen Projektphasen, in denen Geschwindigkeit, Flexibilität und ein schlanker Datenbedarf entscheidend sind, bietet dieser Ansatz einen erheblichen Vorteil: Simulationstiefe ohne den typischen Simulationsaufwand.