Unsere Projekte

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.

​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.

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.

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.

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.

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.

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. 

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. 

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.

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.

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.

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.

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.

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.

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.