Die bevorstehenden Veränderungen durch den Klimawandel stellen uns vor eine große Herausforderung. Um die Auswirkungen abzuschwächen werden Gebäude bereits großflächig renoviert, wobei vor allem verbesserte Isolation und neue Heizungskonzepte den Energiebedarf senken sollen. Der Klimawandel sorgt allerdings dafür, dass sich die Umwelt ständig verändert, was auch die Anforderungen an die Renovierungsmaßnahmen beeinflussen könnte. Beispielsweise könnte ein Anstieg der Temperaturen dazu führen, dass gut Isolierte Gebäude gekühlt werden müssten, was den Energiebedarf wiederum erhöhen würde. Außerdem hat die SARS-CoV-2-Pandemie gezeigt, dass unvorhergesehene Ereignisse einen großen Einfluss auf alle Bereiche des Lebens haben und besonders Bauvorhaben ins Stocken bringen können.

Deshalb sollten Renovationsvorhaben sowohl im Design, als auch in der Durchführung so geplant werden, dass sie resilient gegenüber solchen Veränderungen sind. Das bedeutet, dass Veränderungen der Umwelt einen möglichst geringen Einfluss auf die Funktionsfähigkeit der Maßnahmen sowie auf deren Durchführung haben sollte.

Ziel dieses deutsch-französischen Projekts sind die KI-basierte resiliente Planung und Design von Renovationsprojekten für Häuser sowie die Planung von Renovierungsmaßnahmen und Überwachung von Straßen mit Hilfe von Sensordaten und KI-Unterstützung. OFFIS unterstützt das Projekt in der Planung von Renovationsprojekten für Häuser und erstellt eine Simulationsumgebung für die Simulation solcher Renovierungsprojekte. Dazu werden Daten bei den Projektpartnern, die auf große Erfahrungswerte in diesem Bereich zurückgreifen können, aus unterschiedlichsten Quellen erfasst oder erhoben. Aus diesen Daten werden anschließend Simulationsmodelle abgeleitet. Diese Simulationsmodelle ermöglichen es, Renovierungsprojekte mit Hilfe von Adversarial Resilience Learning auf ihre Resilienz zu untersuchen und zu optimieren. Dieses System soll es Entscheidungsträgern ermöglichen, Renovierungsprojekte so zu planen, dass Verzögerungen bei Bauvorhaben und frühzeitige erneute Renovierungen aufgrund von veränderten Umweltbedingungen vermieden werden können.

• Adversarial Resilience Learning
• Reinforcement Learning
• Simulation
• Data Science