Das Gebäude denkt mit: Wie KI unser Energiemanagement in Frickenhausen verändert

Wenn ich morgens ins Büro komme, hat das Gebäude bereits entschieden: Die Infrarotheizungen im Obergeschoss laufen seit 6:30 Uhr auf halber Leistung, weil die Wetterprognose für heute 14 °C und Sonne ab 9 Uhr meldet. Der Batteriespeicher wurde nachts auf 40 % gehalten – genug Reserve für den Morgen, aber Platz für den erwarteten PV-Überschuss ab Mittag. Die Wallboxen auf dem Parkplatz stehen auf „Solar Only", weil heute kein dringender Ladebedarf angemeldet ist. Kein Mensch hat das eingestellt. Das Gebäude denkt mit.

Warum ein Gewerbegebäude ein Gehirn braucht

Unser Firmengebäude in Frickenhausen ist seit 2012 ein All-Electric-Standort: 70 kWp Photovoltaik, Infrarotheizungen, dezentrale Lüftung, acht AC-Ladepunkte – und bald ein Batteriespeicher mit 200 kW Leistung. Die Technik ist da. Aber Technik allein reicht nicht.

Denn ein Gebäude mit PV, Speicher, Wallboxen und Heizung ist ein komplexes Energiesystem. Jede Komponente beeinflusst die andere. Wenn die Sonne scheint und niemand lädt, fließt Strom ins Netz – zu Preisen, die sich kaum noch lohnen. Wenn alle gleichzeitig laden und die Wolken kommen, zieht das Gebäude teuren Netzstrom. Die Frage ist nicht, ob man Technik hat, sondern wie intelligent sie zusammenspielt.

Genau hier kommt Künstliche Intelligenz ins Spiel.

Home Assistant als Nervensystem

Das Rückgrat unserer Gebäudesteuerung ist Home Assistant – eine Open-Source-Plattform, die ursprünglich für Smart Homes entwickelt wurde, aber längst im Gewerbe angekommen ist. Über Home Assistant laufen bei uns alle Datenströme zusammen:

• PV-Erzeugung in Echtzeit (Wechselrichter-Daten)
• Batterie-Ladestand und -Leistung
• Verbrauch pro Stockwerk und Geräteklasse
• Wallbox-Status aller acht Ladepunkte
• Außentemperatur, Sonneneinstrahlung, Wettervorhersage
• Raumtemperaturen und Lüftungsstatus

Das allein wäre ein gutes Monitoring. Aber wir gehen einen Schritt weiter.

EMHASS: Wenn Machine Learning den Energieplan schreibt

Auf Home Assistant setzen wir EMHASS (Energy Management for Home Assistant) ein – ein KI-Modul, das unseren Energieverbrauch nicht nur misst, sondern vorausschauend optimiert. EMHASS nutzt drei Kernbausteine:

1. Lastprognose mit Machine Learning
Aus historischen Verbrauchsdaten lernt das System, wann unser Gebäude wie viel Energie benötigt. Montags um 8 Uhr sieht der Verbrauch anders aus als freitags um 14 Uhr. Das Modell erkennt Muster – und plant voraus.

2. PV-Prognose mit Wetterdaten
Über die Integration von Wettervorhersagen berechnet EMHASS, wie viel Solarstrom in den nächsten 24 bis 48 Stunden zu erwarten ist. Das ist die Grundlage für alle Lade- und Heizentscheidungen.

3. Optimierung durch lineare Programmierung
Aus Lastprognose, PV-Prognose und Stromtarifen berechnet EMHASS den optimalen Fahrplan: Wann lädt der Speicher? Wann heizen die Infrarotpaneele? Wann dürfen die Wallboxen volle Leistung ziehen? Das Ergebnis ist ein Zeitplan, der Eigenverbrauch maximiert und Kosten minimiert.

Was das in der Praxis bedeutet

Die Ergebnisse nach den ersten Monaten: Unser Eigenverbrauchsanteil ist von rund 55 % auf über 75 % gestiegen. Die Netzstromkosten sind um geschätzt 30 % gesunken – nicht durch neue Hardware, sondern durch intelligentere Nutzung der vorhandenen.

Kein Hexenwerk: Was Sie dafür brauchen

Das Besondere an diesem Ansatz: Er ist kein Millionenprojekt. Home Assistant ist Open Source und kostenlos. EMHASS ebenfalls. Die Hardware – ein kleiner Server oder Raspberry Pi – kostet unter 200 Euro. Die eigentliche Investition ist Zeit: Sensoren anbinden, Automatisierungen konfigurieren, das System auf das eigene Gebäude abstimmen.

Für ein Gewerbegebäude mit bestehender PV-Anlage und Speicher ist der Return on Investment in der Regel innerhalb von 6–12 Monaten erreicht – allein durch die bessere Eigenverbrauchsquote.

Das Gebäude als Reallabor

Unser Innovation HUB in Frickenhausen ist bewusst als lebendes Demonstrationsobjekt konzipiert. Was wir hier testen, empfehlen wir weiter – mit echten Daten, echten Erfahrungen, echten Fehlern. Die KI-gestützte Energiesteuerung ist das jüngste Kapitel dieser Geschichte.

Und sie zeigt etwas Grundsätzliches: Die Energiewende im Mittelstand scheitert nicht an der Technik. PV-Module, Speicher und Wärmepumpen sind ausgereift und bezahlbar. Was oft fehlt, ist die intelligente Verknüpfung – das „Gehirn", das aus Einzelkomponenten ein System macht.

Genau das leistet KI heute schon. Nicht als Science-Fiction, sondern als Open-Source-Software auf einem Mini-Server im Keller.

Was kommt als Nächstes?

Wir arbeiten aktuell an drei Erweiterungen:

• Bidirektionales Laden (V2G): Die E-Autos auf dem Parkplatz sollen nicht nur laden, sondern bei Bedarf Energie zurück ins Gebäude speisen. Home Assistant und EMHASS können das bereits abbilden – die passende Wallbox-Hardware kommt 2026 auf den Markt.
• Dynamische Stromtarife: Mit variablen Tarifen (z. B. Tibber, aWATTar) wird die KI-Optimierung noch wertvoller. Das System kauft Strom, wenn er billig ist, und vermeidet Bezug in Spitzenzeiten.
• Prädiktive Raumklimasteuerung: Über CO₂-Sensoren und Belegungsprognosen soll die Lüftung und Heizung nicht nur auf Temperatur, sondern auf tatsächliche Nutzung reagieren.

Wer sein Gebäude versteht, kann es optimieren. Wer es optimiert, spart nicht nur Geld – er baut die Infrastruktur für morgen.

Sie möchten sehen, wie das in der Praxis aussieht? Besuchen Sie uns im Innovation HUB Frickenhausen – wir zeigen Ihnen das Dashboard live und besprechen, was für Ihr Gebäude möglich ist.