Forschungsprojekte
Es wurden 28 Einträge gefunden.
TOPS – Topologieoptimierte Stahlbetondecken mit digitaler Schalung und Bewehrung
Das Projekt TOPS untersucht materialeffiziente Rippendecken aus Stahlbeton, die durch Topologieoptimierung bis zu 50 % Beton im Vergleich zu herkömmlichen Flachdecken einsparen. Ein „File-to-Factory“-Prozess ermöglicht die automatisierte Schalungs- und Bewehrungsfertigung mit digitalen Technologien. Die Anwendung der Bauweise reduziert CO₂-Emissionen und trägt zur Dekarbonisierung des Bauwesens bei.
BOSS - Causal AI für erklärbare und skalierbare Fehlerdiagnose in Gebäuden
Das Projekt entwickelt neuartige Causal-AI-Methoden zur automatisierten Fehlererkennung in Gebäuden. Ziel ist es, semantische Strukturen aus Zeitreihen abzuleiten und Ursache-Wirkungs-Beziehungen transparent zu modellieren. So entsteht die Grundlage für skalierbare, erklärbare FDD-Lösungen zur Reduktion von Energieverbrauch und Emissionen im Gebäudesektor.
Green BIM 3 - Werkzeuge für standardisierte Daten zur Integration von BIM und digitalen Zwillingen einschließlich Ökosystemleistungen
Das Projekt verfolgt das Ziel, die Verfügbarkeit und Integration von BIM-Daten, ökologischen Kennwerten und weiteren relevanten Informationen in die Arbeitsprozesse der Grünen Branche zu optimieren. Dazu wird eine webbasierte Anwendung mit passenden Schnittstellen entwickelt. Die Basis hierfür bildet eine detaillierte Anforderungsspezifikation, die durch Interviews, Workshops und Recherchen erarbeitet wird und die einzelnen Bausteine der Anwendung miteinander verknüpft.
Urban Sky – Satellitengestützte Planungs- und Analyseanwendungen für klimaneutrale und resiliente Städte
Im Projekt wird untersucht, wie Satellitendaten Städte und Gemeinden z.B. in der Stadtentwicklung, Energieraumplanung und Mobilitätswende unterstützen können. Basierend auf Bedarfs- und Potenzialanalysen sowie rechtlichen Rahmenbedingungen werden Servicekonzepte abgeleitet, die bestehende Daten mit Satellitenanwendungen integrieren. Die Ergebnisse werden in einer Studie und Space4Cities-Umsetzungs-Roadmap präsentiert.
GreenGEO – Datengestützte Integration von Klimawandelanpassungsmaßnahmen in die Raumplanung
Die grüne und blaue Infrastruktur (GBI) bildet ein zentrales Instrument im Kampf gegen den Klimawandel. Trotzdem bleibt die Entscheidung, wo und in welcher Form sie am effektivsten eingesetzt werden soll, in der raumplanerischen Praxis eine Herausforderung. Durch die Entwicklung eines digitalen Modells, das ortsspezifische Klimarisikodaten mit passenden GBI-Maßnahmenvorschlägen verknüpft, soll dies deutlich erleichtert und objektiviert werden.
SAGE – Skalierbare Agenten für Gebäudemanagement und Energieeffizienz
Im Projekt SAGE werden skalierbare Multi-Agenten-Architekturen entwickelt, die Gebäude in die Lage versetzen, Betriebsanomalien autonom zu erkennen und dynamisch auf Umweltveränderungen zu reagieren. Durch die Integration von Multi-Agenten-Architekturen in Kombination mit Large Language Models (LLMs) und der Entwicklung eines Human-in-the-Loop-Ansatzes wird die Zusammenarbeit zwischen Mensch und Maschine optimiert. Diese Lösungen sollen den Energieverbrauch von Gebäuden signifikant senken und die Benutzerfreundlichkeit steigern.
Autology - the automated ontology generator
Ontologien bilden die Basis für die Erfassung, Analyse/Verarbeitung, Verwertung, Dokumentation und Archivierung von Gebäude- und Bauteildaten in allen Phasen des Lebenszyklus. Aktuell ist die semantische Beschreibung und Strukturierung der Daten nur mit großem manuellem Aufwand möglich. Genau an dieser Stelle setzt das Projekt Autology durch die Anwendung Künstlicher Intelligenz an. Übergeordnetes Projektziel ist die automatisierte Gewinnung und Erzeugung von Metadaten zur Erstellung von Ontologien aus dem Gebäudeautomationssystem unter Anwendung innovativer, KI-basierter Ansätze.
cityclimAIte - Studie zu KI-Anwendungen zur Erreichung und Unterstützung klimaneutraler Städte
Das übergeordnete Ziel der Studie ist es, Entscheidungsträger:innen einen umfassenden Überblick über den Nutzen und die Einsatzmöglichkeiten von Künstlicher Intelligenz (KI) für klimaneutrale Städte zu bieten. Auf Basis der abgeschätzten Auswirkungen werden Empfehlungen erarbeitet, um den effizienten Einsatz von KI zu fördern und die nationale Wertschöpfung im Bereich dieser Schlüsseltechnologie zu steigern.
MokiG: Monitoring für klimaneutrale Gebäude
Ziel des Projektes ist die Entwicklung und Umsetzung eines innovativen Monitoringkonzepts, welches bei der Erreichung der Klimaneutralität von Gebäuden unterstützt. Ein zentrales Element hierbei ist die Einbindung und Verknüpfung diverser Datenquellen. Die Basis dafür bilden eine Datameshstruktur, künstliche Intelligenz und der Aufbau von digitalen Zwillingen. Das Monitoring soll die aktuellen Emissionen aufzeigen und automatisiert Vorschläge zur Erreichung der Klimaneutralität aufbereiten. Abschließend wird die Methodik an Realgebäuden getestet und mit den Anwender:innen diskutiert.
Flex HP - Regelungsmodelle für die Flexibilitätsoptimierung von Wärmepumpen zur Entlastung des Stromnetzes
Entwicklung eines neuartigen Energiemanagementsystems für Wärmepumpen, das Methoden für einen intelligenten Wärmepumpenbetrieb ermöglicht und damit maximale Flexibilität ermöglicht. Dazu sind Forecast-gestützte Modelle für die Regelung nötig, die Technologien wie Machine Learning nutzen.
Circular Bio Floor- Fußbodenaufbau aus Biomaterialien
Im Projekt werden biogene Baumaterialien aus Holzindustrie-Abfällen und Geopolymer-Bindemitteln entwickelt, die als Stampf-Schüttung oder 3D-gedruckte Trockenestrichelemente im Holzbau verwendet werden können. Diese Materialien bieten funktionale Vorteile und eine hervorragende Ökobilanz, tragen zur Schonung der Wälder bei und ermöglichen durch digitale Fertigungstechnologien die Herstellung trenn- und wiederverwendbarer Fußbodensegmentplatten. Dadurch wird der Verbrauch von Primärrohstoffen signifikant reduziert.
m-hub: Datendrehscheibe für die Erhebung und Sichtung von Materialzusammensetzungen des Gebäudebestands der Stadt Wien
Das Projekt stellt eine webbasierte Plattform her, mit der die materielle Zusammensetzung von Gebäuden innerhalb der Stadt Wien eingetragen sowie abgefragt werden kann. Im Hintergrund wird ein Vorhersagemodell basierend auf Künstlicher Intelligenz trainiert, um Prognosen für noch nicht katalogisierte Gebäude durchzuführen.
SIMPLE AD Evaluator - S.I.M.P.L.E. Sustainable Integration Modeling and Predictive Leveraging Evaluator
SIMPLE AD Evaluator schließt eine bestehende Lücke in der nachhaltigen Gemeindeplanung, indem er eine niedrigschwellige und kooperative Bewertungsmöglichkeit für frühe Planungsphasen bietet. Durch die Verknüpfung von Fragebögen mit System Dynamics Modellen liefert das Tool fundierte Entscheidungsgrundlagen und maßgeschneiderte Nachhaltigkeits-Checklisten. Damit unterstützt es Gemeinden, Projektentwickler:innen und Entscheidungsträger:innen bei einer strategischen und kosteneffizienten nachhaltigen Transformation von der Idee bis zur Umsetzung.
GreenFDT – Green Facade Digital Twin – Fassadenbegrünung mit digitalem Zwilling
In interdisziplinärem Rahmen werden die Möglichkeiten zur Optimierung des Hinterlüftungsabstandes von Fassadenbegrünungselementen und deren Wirkungspotenziale auf Raum- und Stadtklima untersucht. Die genaue und umfassende Untersuchung dieser Zusammenhänge wird durch den Einsatz umfangreicher Messtechnik, sowie die Entwicklung und Integration eines Digitalen Zwillings in ein BIM-Modell ermöglicht.
iLESS - Intelligente Lastprofilanalyse zur Eigenverbrauchsmaximierung von Solarstrom
Ziel ist es aus vorhandenen Lastprofilkurven die Einzelbeiträge verschiedener Gerätschaften zu rekonstruieren. Dieses Problem ist im Kontext von Eigenverbrauchsmaximierung von Solarstrom von privaten Haushalten von elementarer Bedeutung.
TEA-PUMP – Techno-ökonomische Analyse thermoelektrischer Module als Effizienz- und Leistungssteigerung für Wärmepumpen im Wohnbau
Das Projekt TEA-Pump untersucht den innovativen Einsatz thermoelektrischer Elemente (TEM) in Kompressionswärmepumpen, um deren Effizienz und Leistungsfähigkeit zu steigern. Durch eine umfassende techno-ökonomische Analyse werden vielversprechende Wärmepumpenkonfigurationen für den Einsatz im urbanen Mehrfamilienwohnbau identifiziert. Das Vorhaben leistet einen wichtigen Beitrag zur Dekarbonisierung der Wärme- und Kälteversorgung und unterstützt die Umsetzung klimaneutraler Städte durch energieeffiziente, zukunftsweisende Wärmepumpentechnologien.
ReSpace – Reclaiming Spaces
ReSpace entwickelt ein KI-gestütztes Modell zur Identifikation, Kategorisierung und Aktivierung versiegelter Flächen. Dabei werden bestehende Datenquellen (Luft- und Satellitenbilder, Mobilfunkdaten, Grundbucheinträge) integriert und mit einer dynamischen Analyse angereichert, um evidenzbasierte Handlungsempfehlungen abzuleiten.
KIMONI – Künstliche Intelligenz für das Monitoring der Wirkungsleistung von Grünen Infrastrukturen
Kimoni entwickelt ein KI-gestütztes Toolset zur hochauflösenden Analyse und Bewertung Grüner Infrastrukturen für die Klimawandelanpassung. Durch die Kombination von Satelliten- und Geodaten mit Machine Learning ermöglicht Kimoni eine kosteneffiziente und skalierbare Lösung zur Einhaltung der EU-Taxonomie und zur Optimierung klimafreundlicher Investitionen.
Bundesweite Steuerungsmatrix zur interinstitutionellen Abbildung, Optimierung und Förderung der räumlichen Planung und des Städtebau (BW STMX STB)
Entwicklung einer interaktiven "Steuerungsmatrix" zur bundesweiten Erfassung und Optimierung der Programme und Förderinstrumente der räumlichen Planung auf allen Maßstabsebenen. Die Matrix schafft Transparenz, ordnet bestehende Programme und Instrumente zueinander und ermöglicht so eine ressort- und institutionsübergreifende Zusammenschau, um Synergien zu nutzen und Lücken zu schließen.
AI4FM - Artificial Intelligence for Facility Management
KI-basierte Erkennung von Anomalien und Fehlern in TGA-Systemen von Gebäuden. Digitale Zwillinge von Gebäuden mit Simulationsmodellen zum Testen und Optimieren von regelbasierten Fehlererkennungsmethoden. Mining der aufgezeichneten Zeitreihendaten aus bestehenden Gebäudemanagementsystemen, um Machine-Learning-Modelle für die Fehlererkennung zu trainieren.