Ziel von KI-SAN ist die Entwicklung, Validierung und Integration eines KI-gestützten Verfahrens zur gebäudescharfen Erkennung energetischer Sanierungszustände auf Quartiers- und Stadtebene. Hierzu trainieren wir Neuronale Faltungsnetze auf Zeitreihen unterschiedlicher Luftbildprodukte, um skalierbar Sanierungen an Dächern und Fassaden zu erkennen. Basierend auf unseren Ergebnissen sollen Wärme- und Kühlbedarfsanalysen für kommunale Planungsprozesse wissenschaftlich fundiert und präzisiert werden. 

• Mit welcher Genauigkeit lassen sich energetische Sanierungsmaßnahmen an Dach und Fassade allein aus zeitlich gestaffelten Luftbilddaten erkennen?
• In welchem Umfang genügt auch die Betrachtung von Dachflächen in Ortholuftbildern, um den energetischen Gebäudezustand hinreichend zuverlässig abzuschätzen?
• Wie wirkt sich die Einbindung der so abgeleiteten Sanierungszustände auf die Genauigkeit von gebäude- und quartiersbezogenen Wärme- und Kühlbedarfsberechnungen aus?

Wir analysieren Dach und Fassade von Gebäuden aus Schrägluftbildern, da diese Gebäudekomponenten einen wesentlichen Einfluss auf den Energiebedarf haben und über den Vergleich von Aufnahmen aus verschiedenen Jahren uns Schlüsse auf energetische Sanierungen und den Zeitpunkt der Sanierungen ermöglichen. Hieraus bestimmen wir den Korrelationsgrad zwischen Dach- und Fassadensanierungen und untersuchen, in welchem Umfang Ortholuftbilder, d.h. rein von oben aufgenommene Bilder, die als Open Data verfügbar sind, aber nur eine Betrachtung des Daches ermöglichen, alleine für die Bewertung eines energetischen Gebäudezustands genügen können. Unsere Methodik wird nach erfolgreicher Evaluation in die Simulationsplattform SimStadt eingespielt, um die in diesem Tool bestehenden Workflows zu Gebäudeenergiebedarfen unter Einbezug bestimmter baulicher Sanierungsmaßnahmen in ihrer Genauigkeit deutlich zu verbessern.

• Entwicklung und Validierung von KI-Modellen zur Erkennung von Dach- und Fassadensanierungen aus Schräg- und Ortholuftbildern
• Standardisierte Abbildung des Sanierungszustands im CityGML-/Energy-ADE-konformen Datenmodell und Implementierung einer offenen API-Schnittstelle für Nutzung in SimStadt.