RIGOR - Towards reproducible, transparent, and valid AI methods for buildings and cities

Das Projekt RIGOR untersucht den tatsächlichen Mehrwert sowie die wissenschaftliche Verlässlichkeit von KI-basierten Methoden im Bereich Gebäude, Quartiere und Städte. Im Fokus stehen Reproduzierbarkeit, Transparenz und der objektive Vergleich moderner KI-Ansätze mit einfachen, robusten Baseline-Modellen. Ziel ist es, eine evidenzbasierte Grundlage für den verantwortungsvollen Einsatz von Künstlicher Intelligenz in energie- und sicherheitskritischen Anwendungen des Gebäudesektors zu schaffen.

Kurzbeschreibung

Ausgangssituation/Motivation

Gebäude und Städte stehen im Zentrum der Energiewende und verursachen einen erheblichen Anteil des globalen Energieverbrauchs und der CO₂-Emissionen. Digitale Energy Services und KI-basierte Methoden gelten als Schlüsseltechnologien, um Energieeffizienzpotenziale zu erschließen, den Betrieb zu optimieren und Emissionen zu senken.

Gleichzeitig wächst jedoch die Unsicherheit darüber, in welchen Anwendungsfeldern KI tatsächlich einen nachweisbaren Mehrwert gegenüber etablierten, einfacheren Methoden bietet.

Methodische Vorgehensweise

Das Projekt RIGOR adressiert diese Herausforderung, indem es KI-gestützte Verfahren für Gebäude, Quartiere und Städte systematisch und kritisch bewertet.

Im Mittelpunkt steht die Frage, ob komplexe KI-Modelle in realen Anwendungen statistisch signifikant bessere Ergebnisse liefern als transparente, leicht interpretierbare Baseline-Modelle. Ergänzend wird untersucht, inwieweit bestehende KI-basierte Arbeiten den grundlegenden wissenschaftlichen Anforderungen an Reproduzierbarkeit und methodische Transparenz entsprechen.

Hierzu analysiert RIGOR wissenschaftliche Publikationen der letzten Jahre, führt reproduzierbare Benchmarks durch und bewertet die Qualität von Datenzugang, Codeverfügbarkeit und Ergebnisdarstellung.

Erwartete Ergebnisse

Die Ergebnisse werden offen dokumentiert und nach den Prinzipien der Open Science veröffentlicht. Ein Mixed-Methods-Ansatz mit Stakeholdern aus Wissenschaft, Industrie und Förderinstitutionen ergänzt die quantitative Analyse und identifiziert strukturelle Barrieren für reproduzierbare Forschung.

RIGOR schafft damit erstmals eine belastbare, empirische Grundlage zur Einordnung des tatsächlichen Nutzens von KI-Anwendungen im Gebäudebereich.

Das Projekt trägt dazu bei, Ressourcen gezielter einzusetzen, überhöhte Erwartungen zu vermeiden und jene KI-Lösungen zu fördern, die einen nachweisbaren Beitrag zu Energieeffizienz, Nachhaltigkeit und Klimaneutralität leisten.

Projektbeteiligte

Projektleitung

TU Wien, Institute of Building and Industrial Construction

Projekt- bzw. Kooperationspartner:innen

TU Graz, Institute of Machine Learning and Neural Computation

Kontaktadresse

TU Wien
Univ. Prof. Gerald Schweiger
Karlsplatz 13
A-1040 Wien
E-Mail: gerald.schweiger@tuwien.ac.at
Web: https://github.com/tuw-isab