Digitaler Zwilling und Sensordatenkopplung in Gebäuden

Deutsche Rahmenbedingungen

In Deutschland experimentieren das Bundesinstitut für Bau-, Stadt- und Raumforschung (BBSR), der Flughafen München und die Charité Berlin mit digitalen Zwillingen für das Gebäudemanagement. Das Fraunhofer IAO und die Technische Universität München forschen zu Digital-Twin-Anwendungen in der gebauten Umgebung. Der ZVEI und der VDMA veröffentlichen Leitfäden zur Digitalisierung von Gebäuden. Die planen.bauen 4.0 GmbH koordiniert BIM-Strategien auf nationaler Ebene, die eine Grundlage für digitale Zwillinge bilden. DIN SPEC 91391 definiert Anforderungen an Common Data Environments, eine wichtige Infrastrukturvoraussetzung für digitale Gebäudezwillinge.

Schlüsselbegriffe

Digitaler Zwilling

Ein dynamisches virtuelles Modell eines physischen Gebäudes, das kontinuierlich mit Sensordaten aktualisiert wird und für Monitoring, Analyse und Simulation genutzt werden kann.

Statisches Modell

Die Grundstruktur des Zwillings: BIM-Modell, Grundrisse, Objektregistrierung. Ändert sich nur bei physischen Veränderungen am Gebäude.

Dynamische Daten

Die Echtzeit-Sensordaten, die das statische Modell zum Leben erwecken: Klimamessungen, Belegung, Energieverbrauch, Störungsmeldungen.

Simulation

Das Durchrechnen von Szenarien im virtuellen Modell: Was passiert, wenn wir eine Etage schließen, den Sollwert erhöhen oder eine Anlage ersetzen?

Reifegrade

Das Maß an Sophistikation eines digitalen Zwillings, von einfacher Datenvisualisierung (Stufe 1) bis zur autonomen Optimierung (Stufe 5). Die meisten Organisationen befinden sich auf Stufe 1–2.

So funktioniert es

Ein digitaler Zwilling beginnt beim statischen Gebäudemodell: einem BIM-Modell oder einem 2D-Grundriss, der mit Objektdaten angereichert ist. Daran werden Sensordaten-Feeds angeschlossen, die das Modell dynamisch machen: Jeder Raum zeigt aktuelle Temperatur, Belegung und Luftqualität. Diese erste Stufe ist im Grunde ein erweitertes Dashboard auf einem Gebäudemodell.

Der eigentliche Mehrwert entsteht auf der Simulationsebene. Mit ausreichend historischen Daten kann das Modell vorhersagen, wie das Raumklima auf eine Hitzewelle reagiert, was passiert, wenn sich die Auslastung verdoppelt, oder wie viel Energie ein Sanierungsszenario einspart. Dies erfordert nicht nur Daten, sondern auch physikalische Modelle (Thermodynamik, Strömung), die das Gebäudeverhalten nachbilden.

Für die meisten FM-Organisationen ist ein pragmatischer Ansatz sinnvoller als ein vollständig ausgearbeiteter digitaler Zwilling. Beginnen Sie mit einer grundrissbasierten Visualisierung von Sensordaten und bauen Sie von dort aus weiter. Der Schritt zur Simulation ist erst sinnvoll, wenn die Datenbasis vollständig ist, das statische Modell aktuell ist und es eine konkrete Optimierungsfragestellung gibt, die die Investition rechtfertigt. Ein teurer Zwilling, den niemand nutzt, ist teurer als kein Zwilling.