In 5 Minuten erhalten Sie eine wissenschaftlich fundierte Ersteinschätzung zu Datenreife, MPC-Eignung, Energie- und Flexibilitätspotenzial Ihres Objekts oder Quartiers.
Sechs Module, je 8–11 strukturierte Fragen, knapp 5 Minuten Aufwand. Am Ende: gewichteter Gesamtscore, Status-Ampel, Radarprofil über sechs Dimensionen, Top-Risiken, Top-Potenziale und drei klar getrennte Maßnahmenlisten. Basiert auf dem aktuellen Stand der Forschung zu Model Predictive Control und datengetriebener Gebäuderegelung — einem Feld, in dem mehrere Studien deutliche Energieeinsparungen gegenüber klassischen Hystereseregelungen dokumentieren.
Die akademische Forschung zu Model Predictive Control (MPC) im Gebäudebetrieb hat in den letzten Jahren einen Reifegrad erreicht, an dem sie für den realen Bestand interessant wird. Mehrere unabhängige Studien dokumentieren — nicht nur in Simulation, sondern in bewohnten Realgebäuden — signifikante Energieeinsparungen gegenüber klassischen Hystereseregelungen.
Die zentrale praktische Erkenntnis dieser Forschung: Für den industriellen Einsatz funktionieren oft einfache, physik-informierte Modelle besser als komplexe Deep-Learning-Ansätze, weil sie mit weniger Trainingsdaten auskommen und mathematisch handhabbare Optimierungsprobleme erzeugen. Quartiere mit zentraler Wärmepumpe und Pufferspeicher haben zusätzlich das Potenzial, dem Stromnetz elektrische Reserven bereitzustellen — ein neuer monetisierbarer Vermögenswert.
Für Sie heißt das: Ihre Datenreife und Anlagenstruktur entscheiden heute, ob Sie morgen einen sinnvollen MPC-Piloten starten können. Genau das misst dieses Tool.
Jede Frage des Schnellchecks gehört zu genau einer von sechs Bewertungs-Dimensionen. Die Gewichte sind aus dem Forschungsstand zu prädiktiver Gebäuderegelung abgeleitet: Datenreife ist die wichtigste Voraussetzung (ohne Daten kein Forecast), gefolgt von Anlagentechnik und Energieoptimierungspotenzial.
| Dimension | Bedeutung | Gewicht |
|---|---|---|
| Datenreife | Digitale Mess-, Anlagen- und Zählerdaten, Schnittstellen, Datenhistorie | 25 % |
| Technische MPC-Eignung | Wärmepumpe, Speicher, GLT, regelbare Stellgrößen — die Hardware | 20 % |
| Energieoptimierungspotenzial | Aktuelle Regelstrategie, dokumentierte Grenzen, Tarif-Variabilität | 20 % |
| Flexibilität & Quartier | Speichermasse, Quartiersstruktur, Demand-Response-Bereitschaft | 15 % |
| Betriebs- & Instandhaltungsrisiko | Anlagenalter, Störungshäufigkeit, Wartungsstatus, Kritikalität | 10 % |
| Umsetzungsreife / Organisation | Verantwortliche Rolle, Berichtswesen, Pilotbudget, Dokumentation | 10 % |
| Summe | 100 % | |
Jede Frage hat vier Antwortmöglichkeiten, die mit 0 bis 3 Punkten bewertet werden. „0" steht jeweils für den schlechtest möglichen Zustand (z. B. „keine Verbrauchsdaten"), „3" für den höchsten Reifegrad (z. B. „stündliche Daten + offene API"). Die Punkte fließen direkt in die zugehörige Dimension.
Für jede der sechs Dimensionen wird die Summe aller erreichten Punkte durch die Summe aller maximal erreichbaren Punkte geteilt und mit 100 multipliziert:
Aus den sechs Subscores wird mit den festen Gewichten der gewichtete Mittelwert berechnet:
Wenn zwei oder mehr Dimensionen einen Subscore unter 25 % haben, wird der Gesamtscore aus Vorsicht um 15 Punkte abgewertet (mindestens auf 0). Damit verhindert die Methodik, dass ein Objekt mit massivem Defizit in zwei oder mehr Kategorien nur deshalb pilotfähig erscheint, weil andere Bereiche zufällig stark sind.
Der Gesamtscore wird einem von fünf Statusbändern zugeordnet:
| Score | Status | Bedeutung |
|---|---|---|
| 0–25 | Nicht bereit | Stammdaten, Zähler, Anlagenstruktur müssen erst aufgebaut werden |
| 26–45 | Vorbereitungsphase | Datenbasis vorhanden, aber noch nicht ausreichend für echte Optimierung |
| 46–65 | Pilotfähig | Geeignet für Monitoring, Benchmarking und erste Prognosemodelle |
| 66–80 | Optimierungsfähig | Geeignet für gezielte Betriebsoptimierung und prädiktive Regelung |
| 81–100 | Fortgeschritten | Geeignet für MPC, Flexibilitätsnutzung und KI-gestützte Betriebsstrategie |
Über den reinen Score hinaus prüft eine Wenn-Dann-Regel-Engine bestimmte Kombinationen — zum Beispiel: Wenn keine digitalen Verbrauchsdaten vorhanden sind, blockiert das jeden Forecast; oder: Wenn Wärmepumpe und Pufferspeicher vorhanden sind, ist das eine starke Konstellation für Demand-Response. Aus diesen Regeln entstehen die Top-Risiken-, Top-Potenziale- und Maßnahmenlisten im Ergebnis.
Der PEMS-Score ist eine strukturierte Reifegrad-Heuristik, keine ingenieurmäßige Simulation und keine garantierte Einsparungsaussage. Veröffentlichte Energieeinsparungen aus wissenschaftlicher Forschung beziehen sich auf konkrete Versuchsstände und sind nicht ohne Pilotmessung auf beliebige Bestandsgebäude übertragbar. Der Score zeigt, ob ein Pilot heute sinnvoll wäre — er ersetzt keinen Fachplaner.
Nach dem Schnellcheck zeigen wir Ihnen im Ergebnis-Bereich die konkrete Aufschlüsselung Ihres individuellen Scores — Punkt für Punkt, Dimension für Dimension.
Aus Ihren Antworten ergibt sich folgende Detail-Berechnung:
| Dimension | Punkte | von max. | Subscore | Gewicht | Beitrag |
|---|
Formel: Gesamtscore = Σ (Subscore × Gewicht) ÷ 100
Methodische Basis. Die sechs Dimensionen dieses Schnellchecks und ihre Gewichte (Datenreife 25 %, MPC-Eignung 20 %, Energieoptimierung 20 %, Flexibilität 15 %, Risiko 10 %, Organisation 10 %) leiten sich aus dem aktuellen Stand der Forschung zu Model Predictive Control und datengetriebener Gebäuderegelung ab.
Was diese Bewertung nicht ist. Keine Simulation, keine garantierte Einsparungsaussage, kein Ersatz für eine ingenieurmäßige Pilotplanung durch qualifizierte Fachplaner. Eine strukturierte Ersteinschätzung — nicht mehr und nicht weniger.
Weiterführende Literatur. Eine kommentierte Auswahl der Studien, die in die Methodik eingeflossen sind, finden Sie in unseren Fachartikeln zur prädiktiven Gebäuderegelung.
Sie wollen wissen, welcher Pilot zu Ihrem Objekt und Ihrem Budget passt? Sprechen Sie mit uns — unverbindlich und ohne Marketingfolien.