Das Projekt "GameOpSys: Gamification für die Optimierung des Energieverbrauchs von Gebäuden und übergeordneten Systemen" wird vom Umweltbundesamt gefördert und von dwh GmbH durchgeführt. Eine zentrale Herausforderung zukünftiger Energiesysteme besteht darin, die verfügbare Energie mit der Nachfrage örtlich, zeitlich und quantitativ abzustimmen. Dieser Übergang zu nachhaltigen Systemen setzt Politik, Stadtplaner, Energielieferanten und Netzbetreiber zunehmend unter Druck. In den letzten Jahrzehnten hat die Forschung und Entwicklung (F&E) im Bereich von Gebäudestandards und Gebäudeeffizienz sowie im Bereich von Heizung, Lüftung und Klimatechnik (HLK) Systemen große Fortschritte erzielt; es ist mit keinen Breakthroughs mehr zu rechnen. Die Partizipation der NutzerInnen sowie die Nutzbarmachung von neuen Daten- und Informationsquellen zeigt jedoch noch ein großes Potential für die Energieoptimierung und Planung von Gebäuden, Quartieren und übergeordneten Energiesystemen.
Zentrales Ziel des Projektes GameOpSys ist die Entwicklung einer mobilen Anwendung, welche durch Partizipation des Nutzers und der Nutzerin via Gamification nutzbare Daten und Informationen zur eigenen Kosten- und Energieoptimierung (Strom und Wärme) generiert. Die Kombination von diesen Daten mit Smart-Home Anwendungen und Internet of Things ermöglicht das übergeordnete Ziel zu erreichen: die sektorübergreifende Energieoptimierung und verbesserte Planung von Gebäuden, Quartieren und übergeordneten Energiesystemen. Der transdisziplinäre Ansatz des Projektes hat folgenden Innovationsgehalt gegenüber bestehenden Konzepten und Dienstleistungen: (i) Das Potential der Nutzerpartizipation durch Gamification sowie die Nutzbarmachung von Daten und Informationen wird durch die Integration von mathematischen und computational Methoden in die mobile Anwendung signifikant erhöht. Während relevante Technologien und Entwicklungen (z.B. PEAKapp) auf vereinfachten Modellen (z.B. auf ökonomischen Zeitreihenanalysen) basieren, hat die Integration von detaillierten physikalischen und datengetriebenen Modellen (maschinelles Lernen) in Kombination mit ausgefeilten Optimierungsmethoden signifikante Vorteile: Der Energieverbrauch, Kosten oder Emissionen können basierend auf der Lösung eines dynamischen Optimierungsproblems für die nächsten Stunden und Tage minimiert werden. Dabei können dynamische Effekte und Trägheiten wie die Bauteilaktivierung für Heizung und Kühlung berücksichtigt werden. Der User kann - optional in Verbindung mit Smart-Home Anwendungen - beispielsweise Setpoints für Raumtemperaturen oder Einsatzzeiträume für Haushaltsgeräte definieren. Der Energieversorger hat die Möglichkeit durch Incentives und Reward-Systeme den Prozess der Optimierung zu beeinflussen. (ii) Sozialpsychologische Erkenntnisse des Nutzerverhaltens sind integraler Bestandteil der Entwicklung und (iii) innovative Marktkonzepte (Blockchain etc.) werden berücksichtigt.
Die Anwendung wird hinsichtlich ihrer kommerziellen Weiterentwicklung auf maximale Flexibilität hin implementiert (App-ready, basierend auf Rapid Prototyping Methoden). (Text gekürzt)