Unsere Projekte
Wir kooperieren national und international in 15+ Forschungsprojekten im Bereich künstlicher Intelligenz, Energie, smarte Gebäude, Datenanalyse, IoT und prädiktive Regelung mit Universitäten und Industriepartnern.
In allen Projekten verfolgen wir dieselben übergeordneten Ziele: Energieeffizienz und Userkomfort durch Innovationen gleichzeitig maximieren.
UrbanHP (FFG Nr. 915023)
#Wärmepumpensysteme in urbane Bestandsquartiere integrieren und systemdienlich betreiben
2025-2027
Das übergeordnete Ziel des Projekts UrbanHP ist eine strukturierte Analyse zur optimierten und systemdienlichen Integration von Wärmepumpen in urbane Bestandsquartiere. Die Analyse basiert auf detaillierten energietechnischen Modellen, ökonomischen und ökologischen Bewertungen, sowie auf einer semi-virtuellen Implementierung an der realen Fallstudie eines großen Gebäudekomplexes.
​​Mehr Informationen zum Projekt gibt es HIER.
Partner: Technische Universität Graz,EAM Systems GmbH, BEST - Bioenergy and Sustainable Technologies GmbH, Energie Steiermark Business GmbH, EQUA Solutions AG, Bundesimmobiliengesellschaft m.b.H
RINGs (FFG Nr. 905702)
#Struktur- und Prozessoptimierung resilienter Quartiers-Anergienetze
2024-2027
​Im RINGs Projekt werden mittels eines zu entwickelnden Optimierungsmodells verschiedene Betriebsweisen eines Gebäudekomplexes mit unterschiedlichen Gewichtungen zwischen Kosten, Autarkiegrad und Emissionen bewertet. Daraus werden Regeln und Strategien abgeleitet, um die Effizienz des hybriden Energiesystems in Bezug auf diverse Zielfunktionen zu maximieren, um Auskunft über Resilienz und Verhalten in Blackout Szenarien zu erhalten. Ein Katalog mit Kriterien und Handlungsempfehlungen für die Konzeption von Energiesystemen basierend auf Anergienetzen wird erstellt.
​​Mehr Informationen zum Projekt gibt es HIER.
Partner: Technische Universität Graz, RANGGERTECH GmbH, EQUA Solutions AG
WELLFIT (FFG Nr. 920134)
#Wearables for Energy-efficient Living and Psychological Fitness with Intervention Tailoring
2024-2026
WELLFIT erforscht die Schlafqualität, das thermische Wohlbefinden und die Produktivität mit Hilfe von Smartwatch-basierter mobiler Sensortechnologie in Kombination mit Ecological Momentary Assessment (EMA). Im Zuges des Projekts werden Nudging und Just-in-Time Adaptive Interventions (JITAIs) entwickelt und zusammen mit Low-Tech & Low-Cost Kühllösungen getestet. Damit können gut informierte und maßgeschneiderte Interventionen zur Aufrechterhaltung von Gesundheit und Produktivität gesetzt werden.
​
​​Mehr Informationen zum Projekt gibt es HIER.
Partner: Universität Graz, Technische Universität Wien
OctoAI (FFG Nr. 893494)
2022-2024
Im Projekt OctoAI wird die nächste Generation hochleistungsfähiger Edge AI für intelligente Gebäude entwickelt. Wir verbinden das Konzept von Edge-AI mit nutzer:innenzentrierten Energy Services und erproben zwei Edge-Ready Anwendungen.
Mehr Informationen zum Projekt gibt es HIER.
Partner: Technische Universität Graz (Institut für Softwaretechnologie, Institut für Bauphysik, Gebäudetechnik und Hochbau), Innovationslabor Digital Findet Stadt​
Autology (FFG Nr. 901761)
2023-2025
Für die Skalierung von datenbasierten Optimierungsmaßnahmen in Gebäuden ist die semantische Beschreibung (Ontologie) von Datenpunkten zentral. Übergeordnetes Projektziel ist die automatisierte Gewinnung und Erzeugung von Metadaten zur Erstellung von Ontologien aus dem Gebäudeautomationssystem unter Anwendung innovativer, KI-basierter Ansätze.
Partner: Technische Universität Graz (Institut für Softwaretechnologie)
VR4UrbanDev (FFG Nr. 893555)
2023-2025
Das zentrale Projektergebnis ist eine Virtual Reality Digital Twin Umgebung der Testareale „My Smart City Graz“ und „TU Graz – Innovation District Inffeld“. Darin können Nutzer:innen energietechnische Gebäudesimulationen sowie Internet of Things Monitoringdaten der Quartiere interaktiv bedienen und visualisieren. Weiters werden mehrere Forschungsfragen zu bisher nicht betrachteten Themengebieten, wie die Möglichkeiten Virtual Reality mit Simulationsmodellen oder IoT Plattformen zu koppelt, beantwortet und die Forschungsergebnisse werden international publiziert.
Partner: Technische Universität Graz, EQUA Solutions GmbH, Ernst RAINER Büro für resiliente Raum- und Stadtentwicklung
ECom4Future (ERA-net Nr. 903927)
2023-2026
Prosumer und Energiegemeinschaften sind Bestandteil moderner Energiesysteme. Durch den Einsatz von maschinellem Lernen zur Fehlererkennung und -diagnose sollen Erzeugungs- und Verbrauchsdaten dazu dienen, die Verfügbarkeit und Sicherheit der technischen Anlagen auf Prosumer-Ebene zu verbessern. Die Bemühungen werden in den fünf internationalen ECom4Future-Versuchsanlagen und -Labors, einschließlich einer groß angelegten Versuchsanlage mit einer netzgekoppelten Batteriespeicherkapazität von 140 kWh, demonstriert und validiert.
Partner (Österreichischer Projektteil): Universität Graz, FH Joanneum GmbH, Campus 02, Technische Universität Graz, dwh GmbH
INFRAMONITOR
Seit 2021
Wasser und Energie in TU Graz-Gebäuden immer im Blick haben - das Projekt zeigt vor, wie eine Internet-of-Things-Plattform die Echtzeitkommunikation zwischen Gebäuden, verschiedenen Anlagen und dem Personal ermöglicht und eine übergeordnete künstliche Intelligenz den Energie- und Wasserverbrauch optimiert und überwacht. Das Projekt dient der Entwicklung intelligenter und nachhaltiger Gebäude und Energiesysteme. Erster Demonstrator ist das Electronics Based Systems Center am Campus Inffeldgasse, in welchem die Wasser- und Energieversorgung in Echtzeit überwacht und visualisiert wird.
Der INFRAMONITOR wird aktuell in mehreren nationalen und europäischen Projekten weiterentwickelt.
Partner: Technische Universität Graz, Facility Management Technische Universität Graz
ALFA (FFG Nr. 914932)
#AI for Smart Diagnosis in Building Automation
2024-2027
Im Projekt ALFA werden Synergien zwischen modellbasierten und ML Diagnoseverfahren im Zusammenhang mit der Fehlerdiagnose in der Gebäudeautomation gefördert. Dabei ist es ein Ziel das sog. 'Kaltstartproblem' (Allgemeinen einen Mangel an Daten für neu in Betrieb genommene Gebäude) zu entschärfen. Dazu werden Simulationen genutzt, um ein ML-Modell zu erzeugen. Durch einen kritischen Blick auf Interpretierbarkeit von ML-Diagnosen durch XAI für transparente Entscheidungsprozesse und auf weitere Synergien, werden neue Maßstäbe in der Gebäudeautomatisierung gesetzt.
​​Mehr Informationen zum Projekt gibt es HIER.
Partner: Technische Universität Graz
​
VENTUS (FFG Nr. 910263)
#Causal, Probabilistic and Physics-Informed ML for Diagnosis and Predictive Maintenance in Wind Turbines
2024-2027
Im VENTUS-Projekt wenden wir aktuelle Forschung in den Bereichen physikinformierte KI und probabilistisch-kausale KI an, um den Betrieb und die Wartung von Windkraftanlagen drastisch zu optimieren. Basierend auf einer Analyse von Fehlerfällen und Leistungsverschlechterungen, die gemeinsam mit den relevanten Interessengruppen durchgeführt wird, werden wir ein erklärbares KI-System anstreben, das das Potenzial hat, Verluste aufgrund von Ausfallzeiten und Wartung um 50% zu reduzieren.
​
​​Mehr Informationen zum Projekt gibt es HIER.
Partner: Technische Universität Wien, Technische Universität Graz
SELF2B (FFG Nr. 920143)
#self-aware, self-diagnosing buildings, HVAC, and PV systems for the next generation of energy efficient operations
2024-2026
Im Projekt SELF²B geht es um eine KI-basierte selbstlernende & selbstdiagnostizierende Fehlererkennung- und Diagnoselösung (FDD) im Gebäudeportfolio der Bundesimmobiliengesell-schaft. Die erarbeiteten Lösungen werden als Echtzeit-Online-FDD-Prototyps im Realbetrieb demonstriert (inkl. stetiger Überwachung von HLK-Systemen und PV-Anlage). Erstellt wird auch ein Technologiekonzept für „selbstlernende, selbstoptimierende“ Bestandsgebäude für die nächste Generation des effizienten Gebäudebetriebs.
​Mehr Informationen zum Projekt gibt es HIER.
Partner: Technische Universität Wien
GreenHeat (FFG Nr. 899931)
2023-2025
Das Projekt GreenHeat entwickelt interpretierbare AI-Methoden zur Fehlererkennung und -diagnose sowie zur optimalen Regelung von Wärmepumpen. Das interdisziplinäre Projekt GreenHeat strebt einerseits wissenschaftliche Entwicklungen an, die über den internationalen Stand der Technik hinausgehen. Gleichzeitig streben die Industriepartner eine weltweite Technologieführerschaft für die innnovativen Energy Services an.
Partner: Technische Universität Graz (Institut für Softwaretechnologie, Institut für Wärmetechnik), Solarfocus GmbH​
PersonAI (FFG Nr. 901784)
2023-2025
Die Entwicklungen in PersonAl zielen auf eine radikale Innovation im Bereich von user-zentrierten Energy Services im Gebäudesektor durch die Anwendung von „Personal Comfort Models PCM“ ab. Erstmals sollen in einem Proof-of-Concept Personal Comfort Models mit innovativen Energy Services in die Gebäudeautomation integriert und neben modellierungsspezifischen Performance-Indikatoren auch ein Fokus auf Energieeffizienzauswirkungen gelegt werden.
Partner: Technische Universität Graz (Institut für Softwaretechnologie), Universität Graz, Forschung Burgenland GmbH, Green Energy Lab
COOL-KIT (FFG Nr. 894603)
2023-2026
Das Projekt COOL-KIT entwickelt, demonstriert und strukturiert Systemlösungen zur Kühlung von Gebäuden, mit dem Schwerpunkt auf der Gründerzeit. Ausgewählte Systemkonfigurationen werden in mehreren Gebäuden der beteiligten Universitäten implementiert, prädiktive Regelungsansätze mit Hilfe eines digitalen Zwillings auf Basis einer IoT-Plattform getestet und energietechnisch, komfortbezogen, ökonomisch und ökologisch umfassend evaluiert.
Partner: Technische Universität Graz, Universität Graz, Bundesimmobiliengesellschaft, EAM Systems, Ing. Siegfried Stark, Uponor Vertriebs GmbH, IDM Energiesysteme GmbH
multiSENSE (FFG Nr. 904614)
2024-2026
Der Klimawandel verursacht weltweit erhebliche gesellschaftliche und gesundheitliche Wechselwirkungen. Hitzewellen sind für die Alltagsbewältigung vulnerabler Gruppen herausfordernd. Ziel des Projekts ist die Durchführung einer umfassenden Studie in Pflegeheimen und Krankenhäusern zu den Themen kontaktloses Vitalzeichenmonitoring mittels Radartechnologie sowie Verknüpfung der Präsenzinformationen aus dem Radarsensor zur optimalen, energieeffizienten Regelung der Haustechnik für ein gesundes Raumklima.
Partner: Universität Graz, Technische Universität Graz (Institut für Softwaretechnologie, Institut für Messtechnik)
Projektarchiv
Bereits erfolgreich abgeschlossene Projekte.
BEYOND (FFG Nr. 887002)
2021 - 2023
Der Anspruch von BEYOND ist es, das technologische Fundament für die „Next Generation Energy Services“ zu entwickeln, welches durch ein Zusammenspiel der folgenden Technologien ermöglicht wird: Virtual Reality zur Visualisierung und Echtzeitinteraktion; Machine Learning und physikalische Simulationen und IoT-Plattformen für die bidirektionale Echtzeitkommunikation zwischen Gebäude und Nutzer:innen.
Partner: Technische Universität Graz, EAM Systems GmbH​
DomLearn (FFG Nr. 892573)
2022-2023
Ziel des Sondierungsprojektes DomLearn ist es, erstmals das Potential für Domain-Informed Machine Learning im Bereich intelligenter Energiesysteme gemeinsam mit potentiellen AnwenderInnen aus der Industrie zu evaluieren. Des Weiteren werden gemeinsam mit internationalen ExpertInnen konkrete Implementierungen diskutiert. Anhand eines Proof of Concepts werden ausgewählte Lösung implementiert, getestet und evaluiert.
Partner: Technische Universität Graz​
WhichWay (FFG Nr. 893075)
2022-2023
Ziel von WhichWay ist die systematische Analyse und Vergleich von IoT-Plattformen für die Digitalisierung des Energiesystems. Dazu werden gemeinsam mit internationalen ExpertInnen sowohl funktionale als auch nichtfunktionale Anforderungen an IoT-Plattformen aus der Perspektive verschiedener Stakeholder definiert.
Partner: Technische Universität Graz, Fachhochschule Salzburg​