KI für Wärmepumpe: COP-Wert maximieren

TL;DR

KI-gesteuerte Wärmepumpen erreichen einen um 18 % höheren COP-Wert als herkömmlich geregelte Anlagen. Die KI lernt aus Wetterdaten, Gebäudenutzung und Strompreisen, wann sie wie stark heizen oder kühlen muss. Für ein Gewerbegebäude mit 800 m² bedeutet das €2.400 weniger Stromkosten pro Jahr – bei Nachrüstkosten von €3.500–€6.000.

Warum Wärmepumpen selten optimal laufen

Eine Wärmepumpe arbeitet am effizientesten bei kleiner Temperaturdifferenz zwischen Wärmequelle und Heizkreis. Der COP (Coefficient of Performance) sinkt mit steigender Vorlauftemperatur. Bei 35 °C Vorlauf erreicht eine Luft-Wasser-Wärmepumpe einen COP von 4,2. Bei 50 °C nur noch 2,8.

Das Problem: Die meisten Wärmepumpen-Steuerungen arbeiten mit festen Heizkurven. Außentemperatur runter, Vorlauftemperatur hoch – linear, ohne Rücksicht auf Gebäudeträgheit, Sonneneinstrahlung, interne Wärmelasten oder den aktuellen Strompreis.

Ein Bürogebäude mit 40 Mitarbeitern erzeugt allein durch Computer, Beleuchtung und Personen 15–25 kW interne Wärme. An einem sonnigen Wintertag mit 5 °C Außentemperatur heizt die Standardsteuerung trotzdem mit 45 °C Vorlauf – obwohl 35 °C reichen würden.

Wie die KI-Steuerung funktioniert

Die KI kombiniert fünf Datenquellen zu einer optimalen Steuerstrategie:

1. Wettervorhersage: Temperatur, Sonneneinstrahlung, Wind für die nächsten 24 Stunden
2. Gebäudenutzung: Belegungsplan, Feiertage, Betriebszeiten
3. Gebäudeträgheit: Wie schnell kühlt das Gebäude aus? Betonbau vs. Leichtbau
4. Strompreis: Dynamische Tarife oder PV-Eigenverbrauch
5. Wärmepumpen-Kennlinie: COP bei verschiedenen Betriebspunkten

# KI-Steuerung Wärmepumpe: Parameter
steuerung:
  gebaeude:
    flaeche_m2: 800
    baujahr: 2008
    daemmstandard: "EnEV 2007"
    thermische_traegheit_stunden: 6.5
    interne_waermelast_kw: 22
  waermepumpe:
    typ: "Luft-Wasser"
    nennleistung_kw: 45
    cop_bei_35c: 4.2
    cop_bei_45c: 3.3
    cop_bei_50c: 2.8
  optimierung:
    vorlauf_min_celsius: 30
    vorlauf_max_celsius: 50
    puffer_temperatur_band: 3
    strompreis_optimierung: true
    pv_eigenverbrauch_priorisieren: true
  ergebnis:
    cop_durchschnitt_vorher: 3.1
    cop_durchschnitt_nachher: 3.66
    stromkosten_einsparung_prozent: 18
    stromkosten_einsparung_eur_jahr: 2400

COP-Optimierung: 3 konkrete Hebel

Hebel 1: Vorlauftemperatur senken

Die KI lernt, dass das Gebäude am Montagmorgen 2 Stunden braucht, um von 18 °C auf 21 °C aufzuheizen. Am Dienstag nach einem vollen Arbeitstag nur 45 Minuten, weil das Gebäude noch warm ist. Die Vorlauftemperatur wird dynamisch angepasst – im Durchschnitt 4 °C niedriger als bei der festen Heizkurve. Ergebnis: COP steigt von 3,1 auf 3,5.

Hebel 2: Thermische Speichermasse nutzen

Beton speichert Wärme. Die KI heizt das Gebäude vor, wenn der Strom günstig ist (nachts oder bei PV-Überschuss), und lässt die Wärmepumpe ruhen, wenn der Strom teuer ist. Das Gebäude kühlt dank seiner thermischen Masse in 6 Stunden nur um 1,5 °C ab.

Hebel 3: PV-Eigenverbrauch maximieren

Ein 30-kWp-Solardach auf dem Gewerbegebäude erzeugt an Sonnentagen Überschuss. Die KI erkennt den Überschuss 15 Minuten vorher und schaltet die Wärmepumpe zu, um den Pufferspeicher zu laden. Ergebnis: 35 % mehr PV-Eigenverbrauch, €800/Jahr weniger Netzstrom.

Nachrüstung: Hardware und Kosten

Die KI-Steuerung wird als Edge-Gateway nachgerüstet. Es verbindet sich über Modbus oder BACnet mit der bestehenden Wärmepumpen-Steuerung. Keine Änderung am Kältekreis, keine Änderung an der Hydraulik.

Amortisation: 14–26 Monate bei €2.400 jährlicher Einsparung. Detaillierte Kostenplanung für KI-Projekte im Budget-Guide.

Ergebnisse aus drei Gewerbegebäuden

Ein Facility-Management-Unternehmen rüstete drei Gewerbegebäude in Nordrhein-Westfalen nach:

• Bürogebäude 800 m²: COP von 3,1 auf 3,66 (+18 %), €2.400/Jahr gespart
• Produktionshalle 1.200 m²: COP von 2,7 auf 3,24 (+20 %), €4.100/Jahr gespart
• Lagerhalle 2.000 m²: COP von 2,5 auf 2,85 (+14 %), €1.800/Jahr gespart

Die Produktionshalle profitiert am stärksten, weil die internen Wärmelasten durch Maschinen am variabelsten sind – und die KI diese Variabilität nutzt. Mehr zur KI-Implementierung für produzierende Unternehmen.

Integration mit Gebäudeleittechnik

Moderne Gewerbegebäude haben eine Gebäudeleittechnik (GLT) mit BACnet oder KNX. Die KI-Steuerung liest Raum- und Außentemperaturen aus der GLT und sendet optimierte Sollwerte zurück. Für Bestandsgebäude ohne GLT reichen die nachgerüsteten Sensoren.

Die Daten laufen über einen lokalen Edge-Server – keine Cloud nötig, DSGVO-konform. Der Server lernt in den ersten 4 Wochen das Gebäudeverhalten und optimiert ab Woche 5 aktiv.

Häufige Fragen

Funktioniert die KI-Steuerung mit jeder Wärmepumpe?

Mit jeder Wärmepumpe, die über Modbus, BACnet oder eine offene Schnittstelle ansteuerbar ist. Die meisten gewerblichen Wärmepumpen von Viessmann, Daikin, Mitsubishi und Stiebel Eltron unterstützen das. Bei älteren Modellen ist ein Schnittstellenadapter nötig (€200–€400).

Wie lange dauert die Lernphase?

4 Wochen für die Grundoptimierung. Nach einer vollen Heiz- und Kühlsaison (12 Monate) erreicht die KI 95 % ihres Optimierungspotenzials, weil sie saisonale Muster gelernt hat.

Kann die KI auch kühlen optimieren?

Ja. Im Kühlbetrieb gelten die gleichen Prinzipien: Vorlauftemperatur erhöhen (statt senken), thermische Speichermasse nutzen, PV-Überschuss zum Vorkühlen verwenden. Die Einsparung im Kühlbetrieb liegt bei 12–22 %.

Was passiert bei Ausfall der KI-Steuerung?

Die Wärmepumpe fällt auf ihre Standard-Heizkurve zurück. Kein Komfortverlust, nur die Optimierung pausiert. Der Edge-Server hat eine Watchdog-Funktion, die bei Kommunikationsausfall sofort auf Fallback schaltet.

Lohnt sich die Nachrüstung auch für Wohngebäude?

Für Mehrfamilienhäuser ab 6 Wohneinheiten ja. Für Einfamilienhäuser ist der absolute Einsparungsbetrag (€400–€800/Jahr) bei Nachrüstkosten von €2.500–€4.000 grenzwertig. Der ROI-Rechner hilft bei der Entscheidung.