In einer Zeit, in der das Klima im Zentrum globaler Bemühungen steht, hebt diese wissenschaftliche Arbeit hervor, wie die Schweiz mithilfe fortschrittlicher Analysemethoden ihren Beitrag zur Emissionsreduktion systematisch optimieren kann. Mit einer innovativen Daten-Pipeline, die darauf ausgerichtet ist, den energetischen Zustand aller Gebäude zu zertifizieren, wird die Basis geschaffen, um auf nationaler Ebene Energieeffizienz transparent zu machen. Unter Einsatz von Machine Learning und einer Machbarkeitsstudie demonstriert diese Arbeit das Potenzial dieser Technologien. Durch den Einsatz eines Geoinformationssystems werden diese Erkenntnisse visualisiert und greifbar gemacht, sodass die Strategien zur Klimazielerreichung nicht nur ambitioniert, sondern auch praktisch umsetzbar sind.
GEAK, SIA, Energiestrategie 2050, Data Science, Geographisches Informationssystem, Machine Learning, Webentwicklung
Die Zielsetzung dieser Arbeit liegt darin, das Potenzial zur Messung und Visualisierung des ökologischen Fussabdrucks des Schweizer Gebäudebestands zu untersuchen. Dabei soll auf Basis öffentlicher Datenquellen, insbesondere unter Verwendung von GEAK-Zertifizierungen, eine Daten-Pipeline zur provisorischen Gebäudezertifizierung entwickelt und die Visualisierung von Energieflüssen mittels eines Geographischen Informationssystems (GIS) ermöglicht werden. Die Arbeit zielt darauf ab, einen Beitrag zur Reduktion von Treibhausgasemissionen in der Schweiz zu leisten und somit die Vorgaben des Pariser Klimaabkommens zu unterstützen.
Angesichts der Herausforderungen des Klimawandels und der Verpflichtungen des Pariser Klimaabkommens steht die Schweiz vor der Aufgabe, ihren Treibhausgasausstoss signifikant zu reduzieren. Ein bedeutender Anteil des Energieverbrauchs des Landes entfällt auf den Gebäudesektor, was die Notwendigkeit unterstreicht, den energetischen Zustand aller Gebäude bis 2050 zu erfassen. Vor diesem Hintergrund und der Verfügbarkeit von 132’379 GEAK-Zertifizierungen, strebt Ecolution anhand eines Pilotprojekts an, den gesamten Schweizer Gebäudepark gemäss dem Eidgenössischen Gebäude- und Wohnungsregisters zu zertifizieren.
Die Untersuchung der Machbarkeit von ML-Modellen zur Unterstützung der provisorischen Gebäudezertifizierung basierend auf GEAK-Daten ergab eine vielversprechende Genauigkeit von 85,7%. Jedoch weist die aktuelle Datengrundlage gemäss GWR Lücken auf, die präzise Vorhersagen erschweren. Die Arbeit empfiehlt, die Datensätze um zusätzliche Informationen zu erweitern, um die Genauigkeit der Vorhersagen zu verbessern. Die Integration zusätzlicher Datenquellen könnte das Potenzial für landesweite, präzise GEAK-Label-Vorhersagen erheblich steigern und somit anhand eines Trackingsystems des Schweizer Gebäudeparks einen entscheidenden Beitrag zur Energieeffizienzverbesserung leisten.
Projektart: Bachelor-Thesis (IP6), Projektdauer: 1. Semester, Arbeitsaufwand: 12 ETCS (360 STD) pro Person, Team: 2 Personen
Ecolution Engineering, Sonnenbergstrasse 53, 5408 Ennetbaden
Prof. Dr. Hilko Cords (FHNW), Roger Sennhauser (Ecolution)
