| Technologie-Reifegrad | TRL 4 |
| Anwendungsfeld | Rechenzentren |
| Komplexität | |
| Wirkung | |
| Machbarkeit |
Indem ganz unterschiedliche Datenquellen (multi-modal) in einer Plattform zusammengeführt werden, gibt C-in.City einen klaren, aktuellen Überblick darüber, wo genau Emissionen entstehen. Das hilft Städten, besser zu planen, gezielte Maßnahmen zu setzen und nachvollziehbar mit Bürger*innen zu kommunizieren.
- Anwendung & Kontext
- Technologie
- Rechtlicher Rahmen
- Implementierung & Lessons Learned
- Anbieter & Kontakt
Praktischer Nutzen der KI-Technologie
Planung und Erweiterung von Wärmeversorgungsystemen, sowohl auf gesamtstädtischer Ebene für zentrale Fernwärmenetze, als auch für Stadtteile und Quartiere zur Entwicklung dezentraler Wärmenetze (z.B. Energienetze).
Anwender
Stadtverwaltung und Fachabteilung Stadtplanung
Gebiet
Österreich, EU
KI-Technologie
KI-gestützte Bild- und Videoanalyse, Bilderkennung/Visuelle Inspektion
Datenkomplexität
Mittel
Energieverbrauch & Kosten Projektlaufzeit
Mittel
Rechtlicher Rahmen / Data Governance
EU-DSVGO, EED III, KI-VO, EnEfG
Übertragbarkeit
Gegeben
Implementierungsstrategie
"Nah- und Fernwärmenetze haben sich in Österreich zu einem bedeutenden Energieträger entwickelt. Aktuell basiert die Erzeugung allerdings zu 98% auf Verbrennungstechnologien, der Anteil Erneuerbarer österreichweit liegt bei ca. 50%, was zu großen Teilen auf biogenen Brennstoffen basiert1. In den großen Fernwärmenetzen der Landeshauptstädte Wien, Graz, Linz und Salzburg liegt der Anteil Erneuerbarer z.T. weit unter 30%2. Der Einsatz von Biomasse wird jedoch in Zukunft voraussichtlich limitiert werden aufgrund a) einer steigenden Nutzungskonkurrenz für Anwendungen, die nicht ohne weiteres elektrifiziert werden können und b) Nachhaltigkeitsbedenken bzw. immer strengere EU-Vorschriften.
Entsprechend ist es zur Dekarbonisierung und Diversifizierung der Fernwärme wesentlich, alternative Wärmequellen wie die oben genannte Abwärme oder andere urbanen Wärmequellen einzusetzen. Deren Potentiale und wirtschaftliche Nutzbarkeit sind aber von den konkreten örtlichen Gegebenheiten abhängig, wie z.B. der Verortung und der Entfernung zum Fernwärmenetz, sowie der Größe und Art der technischen Anlagen bzw. der nutzbaren Freifläche. Hierfür sind aber im Regelfall nur begrenzt einheitliche und aktuelle Informationen öffentlich und frei verfügbar. Entsprechend kann eine automatisierte Erkennung über ein flächendeckendes und aktuelles Bildmaterial die Identifikation der gennannten Wärmequellen wesentlich unterstützen."
Lessons Learned
Der Ansatz eignet sich insbesondere dann, wenn hochwertige Luftbilder sowie Straßenansichten aus Diensten wie Google Street View verfügbar sind. Dabei müssen Bildqualität und Auflösung ausreichend sein, um relevante Strukturen zuverlässig zu erkennen. Zudem spielt die Aktualität je nach Abwärmequelle eine wichtige Rolle: Für Industrie- und Gewerbestandorte einschließlich Rechenzentren sollten die verwendeten Bilder idealerweise nicht älter als zwei bis drei Jahre sein, um Veränderungen am Standort abzubilden. Eine vollständige Bewertung der wirtschaftlichen Machbarkeit einer konkreten Abwärmeintegration in ein Wärmenetz ist jedoch allein auf Basis KI-gestützter Bildauswertung nicht möglich, da zentrale Informationen fehlen – etwa zur tatsächlichen Nutzung und zum Betriebsprofil der Anlagen, zu Temperaturniveaus der Abwärme oder zu Eigentümer- und Zugangsverhältnissen.
Anbieter und Kontakt
AIT Austrian Institute of Technology mit picapipe GmbH, Digitalsunray Media GmbH, Grazer Energieagentur GmbH
E-Mail
Ernst.Gebetsroither@ait.ac.at
Weblinks
https://doi.org/10.1016/j.apenergy.2023.121561
https://nachhaltigwirtschaften.at/de/sdz/projekte/hot-city.php
Methodenpool