Bezirksverwaltung Berlin Pankow

Während der sich abzeichnenden Energiekrise im Jahr 2022 setzte, die Abteilung Energiemanagement der BIM Berliner Immobilienmanagement GmbH unsere Edge-Technologie auf dem Campus des Bezirksamtes Berlin Pankow ein. Ziel war es, sich schnell und einfach einen Überblick über die Energieversorgung des Geländes zu verschaffen und die Energieeffizienz der Fröbelstr. 17 zu heben. Edge überzeugte durch seine einfache Installation, Datentransparenz und Skalierbarkeit über ein breites Gebäudeportfolio hinweg.

Der Campus in der Fröbelstr. 17 in Berlin ist ein geschichtsträchtiger Ort. Er besteht aus 9 Gebäuden mit jeweils einzelnen Heizungsunterstationen und einer Hausanschlussstation, die zusammen eine Fläche von 36.783 m² beheizen. An diesem Standort, der früher ein Krankenhaus und später die sowjetische Militärkommandantur beherbergte, sind heute wichtige Verwaltungseinrichtungen des Bezirks untergebracht, darunter das Bürgeramt und das Ordnungsamt.

Die BIM hat sich im Rahmen einer Ausschreibung für Edge, unser KI- und IoT-System, entschieden, um einen realistischen Überblick über den Energieverbrauch des vielfältigen Gebäudeportfolios auf dem Campus der Bezirksverwaltung Berlin Pankow abbilden zu können. Die Hauptgründe dafür sind, dass das System schnell eingeführt werden kann und sich bei der Optimierung historischer Gebäude bewährt hat.

Liegenschaft: Campus Fröbelstr. 17 in Berlin, 9 Gebäude wurden mittels Kiona Edge integriert.
Liegenschaft: Campus Fröbelstr. 17 in Berlin, 9 Gebäude wurden mittels Kiona Edge integriert.


Herausforderungen und Lösung

Das Management eines Mikro-Fernwärmenetzes wie das in der Fröbelstr. 17 stellte einige Herausforderungen dar, insbesondere die natürlichen Energieverluste, die von der Haupt- zur Unterstation auftreten. 

Mit Edge wurden diese Ineffizienzen digital kartiert (durch Digitalisierung der Raum- und Systemtemperaturen), dadurch wurden Möglichkeiten zur Optimierung des Netzes aufgezeigt. Im Sommer wurde unnötiges Heizen unterbunden und im Winter wurden die Systemtemperaturen so angepasst, dass der Komfort erhalten bleibt und gleichzeitig der Energieverbrauch minimiert wird.  

Mit Hilfe des Edge KI-Algorithmus der Daten aus 107 Raumsensoren, 20 Anlegefühlern und 10 Hubs kontinuierliche auswertet, ist dabei das Herzstück und erzeugt eine automatisierte Effizienzsteigerung.

 
Installation und Technik

Mit der Installation der Hubs wurden die Anlegefühler in der Heizzentrale und Raumsensoren in das System eingebunden. Sobald die Daten eingehen, werden sie automatisch an Edge gesendet. Die Daten werden dann ausgewertet, analysiert und dazu verwendet, den Energieverbrauch ständig zu optimieren.

Die schnelle Installationszeit und die Flexibilität des Systems machen es zu einer idealen Wahl. Es war nicht nötig, die Heizungsanlagen umzubauen oder vorab zu besichtigen. Innerhalb von zwei Tagen war der gesamte Campus online.

Edge arbeitet nun rund um die Uhr an der Optimierung des Energieverbrauchs auf dem Campus. Aufgrund der Datentransparenz ist es leicht zu erkennen, ob eine Maßnahme zielführend war und weitere Maßnahmen ergriffen, werden müssen, um die Effizienz weiter zu steigern. Zugriff auf die Anlage und die Optimierung können effizient aus der Ferne in Edge durchgeführt werden.

Energieeinsparung und Verbesserungen

Die Umsetzung von Edge führte im Jahr 2023 zu einer Senkung des Energieverbrauchs für die Fernwärme um 9,1 %, was einer Einsparung von etwa 300 MWh entspricht.

Für das Jahr 2024 plant das BIM-Energiemanagementteam eine Verfeinerung der Raumtemperaturen gemäß den Arbeitsplatzrichtlinien, um den Energieverbrauch noch weiter zu senken.

Edge hat nach der von Carbon Trusts ITU-T L.1480 Net Zero methodology Messung der Auswirkungen und indirekten Nachhaltigkeitseffekte einen positiven Nettoeffekt zweiter Ordnung. Eine perfekte Ergänzung, wenn es darum geht, nicht nur sofortige Einsparungen zu erzielen, sondern auch langfristige Umweltvorteile für historische Gebäude zu unterstützen.

Möchten Sie mehr über dieses Anwendungsbeispiel erfahren?

Ergebnisse im Überblick

Verringerung des Fernwärme 
verbrauchs:

9,1%

Energieeinsparung:

300 MWh

Installationszeit der Ausrüstung:

2 Tage

Kontakte

Möchten Sie mehr über unsere selbstlernende KI erfahren?