Forschungsprojekte
Es wurden 4 Einträge gefunden.
InSite - Monitoring und Evaluierung von innovativen Demonstrationsgebäuden
In den Programmen "Stadt der Zukunft" und "Smart City Initiative" wurden in den vergangenen Jahren eine Vielzahl an Demonstrationsprojekten umgesetzt. Um die entwickelten Innovationen in einheitlicher und vergleichbarer Form bewerten zu können und die gewonnen Erkenntnisse für Umsetzer:innen zugänglich zu machen, werden in InSite 10 ausgewählte Objekte dieser Programme über 24 Monate einem energetischen und ökologischen Monitoring sowie sozialwissenschaftlichen Befragungen unterzogen. Die interpretierten Ergebnisse liegen als publizierte Studie sowie als interaktive Online-Plattform vor und sind öffentlich zugänglich.
LenA circular houses - Demonstration des circular architecture design process für zirkuläres und reuse Bauen anhand des Leuchtturmprojekts LenA
Das Hauptziel ist die Erforschung und Demonstration der positiven Klimawirkung durch Wiederverwendung in der Bauindustrie. Durch diesen (Wieder-)Einsatz von Bauteilen, -produkten und stoffgruppen lassen sich große Anteile der, durch die Baubranche entstehenden, Emissionen vermeiden und zur angestrebten Klimaneutralität beitragen. Ein weiterer Aspekt betrifft die Verbindungen der Bauteile so zu gestalten, dass diese rückbau- und wiederverwendbar sind.
Lehmbau 2.0: Lehmbau der Zukunft - Handwerkskunst nach ingenieurwissenschaftlichen Ansätzen
Das Sondierungsprojekt untersucht die Eignung faseroptischer Sensorik zur langfristigen Überwachung von Formänderungsverhalten von Stampflehmwandelementen unter Feuchtigkeits- und Temperaturschwankungen (Schwinden) sowie Auflasten (Kriechen). Die experimentellen Erkenntnisse werden in ein Finite-Elemente-Modell zur Simulation des Versagensverhaltens unter Last integriert.
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.