Vom Basismodell zur gezielten Quartiersbewertung: Maßnahmenorientiertes GIS-Modell für Wärmeplanung
OBERMEYER Infrastruktur entwickelt und plant seit über 60 Jahren moderne Lösungen für Mobilität, Versorgung und kommunale Infrastruktur. Als Planungspartner im Bauingenieurwesen verbinden wir interdisziplinäre Ingenieurkompetenz mit innovativen digitalen Methoden. Unser Schwerpunkt liegt auf ganzheitlicher Infrastrukturplanung, von Machbarkeitsstudien und Konzepten über Fach- und Systemplanung bis hin zu Genehmigungsmanagement, Projektsteuerung und Bauüberwachung.
Für Kommunen, Stadtwerke und lokale Infrastrukturträger planen und koordinieren wir Versorgungssysteme über alle relevanten Sparten hinweg, von Energie, Gas, Fern- und Nahwärme über Wasser, Abwasser, Stromnetze und Glasfaser bis zu Entwässerung, Straßenraum und Erschließung. Im Fokus stehen umsetzbare Lösungen für Bestandsquartiere, Neubaugebiete, Konversionsflächen und innerstädtische Räume. Dabei verbinden wir technische Planung mit kommunalen Zielen wie Versorgungssicherheit, Wärmewende, Starkregenvorsorge, Klimaanpassung, Flächeneffizienz und möglichst geringen Eingriffen in den laufenden Betrieb.
Die Grundlage dafür bilden datenbasierte und digitale Arbeitsweisen. GIS-gestützte Analysen, digitale Bestands- und Trassenmodelle, planungsbegleitende Vermessung, kinematische Erfassung, 2D-hydrotechnische Modellierungen sowie BIM-/3D- und 5D-Methoden schaffen belastbare Entscheidungsgrundlagen für Variantenvergleiche, Leitungskollisionen, Genehmigungsprozesse sowie Kosten- und Bauablaufplanung. So erhöhen wir Transparenz, Qualität und Effizienz und gestalten nachhaltige Infrastruktur für Energie- und Wärmewende, resiliente Versorgungssysteme und zukunftsfähige Kommunen.
Aus den konkreten Anforderungen großer Infrastrukturprojekte – insbesondere im Umfeld der Korridormaßnahmen der Deutschen Bahn – ist bei OBERMEYER ein spezialisiertes Inhouse-Team entstanden, das sich auf die strukturierte Erfassung, Verarbeitung und Auswertung großer Datenmengen aus unterschiedlichen Quellen und Sensorsystemen konzentriert. Der Schwerpunkt liegt auf der Integration von terrestrischem und mobilem Laserscanning, Photogrammetrie, Bildverortung, Befliegungsdaten und weiteren georeferenzierten Bestandsinformationen.
Die eingesetzten Auswertungsmethoden reichen von regelbasierten und deterministischen Verfahren bis hin zu KI-gestützten Ansätzen und Deep-Learning-Algorithmen. Seit 2023 unterstützt das Team auch umfangreiche GIS-Projekte für große Energieträger und überträgt das aufgebaute Know-how gezielt auf Infrastruktur-, Energie- und Leitungsprojekte.
Konzept
Der Wettbewerb fordert ein GIS-Modell, das die Wärmeplanung mit Energieverbrauchswerten und Potenzialanalysen unterstützt. Unsere Vorgehensweise folgt dem Leitprinzip, die Kosten pro resultierender Maßnahme statt pro Fläche zu optimieren.
Daraus resultieren drei Säulen:
Erstellung eines grundlegenden Datenmodells, das öffentliche und behördliche Informationen einbezieht und erste Leistungsindikatoren berechnet.
Kontinuierlicher Dialog mit dem AG zur Identifikation von Gebieten mit geringer Datenqualität oder besonderem Interesse.
Verfeinerung ausgewählter Gebiete mithilfe lokaler, hochpräziser Erhebungsmethoden und gezielter Energieschätzungen.
Um den richtigen Umfang zu definieren, müssen die verfügbaren Informationen zunächst in ein einheitliches GIS-Modell überführt werden. Dazu zählen beispielsweise Siedlungsstrukturen, Sparten wie Nah- und Fernwärme, Gebäude inkl. Energieeffizienzklassen, industrielle Verbraucher, Wärmepumpen, Heizanlagen sowie Infrastrukturdaten der Versorger. Da die verschiedenen Sparten in der Regel jeweils eigene Datenstrukturen verwenden, sind GIS-Spezialisten erforderlich, um diese zu harmonisieren, vergleichbar zu machen oder bei Bedarf zu digitalisieren.
Ergänzend wurden vier zusätzliche Hauptquellen für die Analyse mit Machine Vision und KI-Systemen identifiziert: (i) Luftbilder zu Dächern, vorhandenen Solaranlagen und potenziellen PV-Flächen, (ii) LiDAR zu Gebäudeformen, Topografie und Vegetation, (iii) Wärmebilder (DLR oder Landsat) zur Identifikation von Wärmeentwicklung und Gebieten mit potenziell hohem Energieverbrauch und (iv) Bodenaufnahmen zur verbesserten Klassifizierung von Fassaden- und Baumaterialien.
Anhand des kombinierten GIS-Modells kann der witterungsbereinigte Wärmebedarf pro Gebäude abgeschätzt und in Zonen gruppiert werden. Für jede Zone werden Wärme- und Wärmeliniendichte sowie technisches Potenzial aufbereitet und geeignete Wärmequellen vorgeschlagen. In Mini-Workshops werden diese Zonen diskutiert, priorisiert und Kandidaten für kurz- und mittelfristige Projekte herausgearbeitet. Für die ausgewählten Zonen werden gezielte Messkampagnen geplant und mit Partnern umgesetzt.
Die Messkampagnen können je nach Fragestellung Bodenaufnahmen, FLIR-Aufnahmen, Erkundungen, Begehungen, LiDAR-Scans, lokale Drohnenaufnahmen (LiDAR/Wärmebild), Photogrammetrie und Befragungen umfassen. Nach unserer Erfahrung aus Infrastrukturprojekten erfüllt keine Vermessungsmethode alle Anforderungen. Am effektivsten ist daher eine Methodenauswahl anhand der vorgesehenen Wärmequellen: FLIR-Daten liefern Einblicke in den tatsächlichen Wärmebedarf, LiDAR-Scans präzise Geometrien für Gebäudeumrisse und Freileitungen. FLIR-Aufnahmen müssen in der Heizperiode erfolgen; LiDAR-Erhebungen für Gebäudegeometrien sind im Winter bzw. bei geringer Vegetation am aussagekräftigsten.
Unser Mehrwert liegt in der maßnahmenorientierten Methodik: Statt flächendeckend teure Hochpräzisionsdaten zu erzeugen, bauen wir zunächst ein belastbares Basismodell auf und verfeinern gezielt dort, wo Datenlücken, hohe Wärmedichten oder Projektchancen bestehen. Unsere Erfahrung aus der Planung von Infrastrukturprojekten hilft, Messmethoden, Datenqualität und Aufwand einzuordnen. Das erstellte GIS-Modell ermöglicht fundierte Potenzialanalysen, belastbarere Investitionsschätzungen und nachvollziehbare Abwägungen zwischen neuen Wärmeerzeugungsanlagen, dem Ausbau bestehender Wärmenetze und gezielten Sanierungen einzelner Gebäude. Es bildet die Grundlage für einen kosteneffizienten, datengestützten Übergang zu einer klimaneutralen Energieinfrastruktur.
Methoden und Auswertung:
Für die Auswertung des Basismodells werden zwei Ansätze verfolgt: (i) Objekterkennung und Klassifizierung mit Vision-Transformern und (ii) auf XGBoost basierende Entscheidungsbäume.
Vision-Transformer klassifizieren Materialien und Fassaden aus Aufnahmen und erkennen Objekte in Satellitenbildern. Entscheidungsbäume unterstützen die Kategorisierung anhand erhobener Daten wie z. B. Dachgeometrie, Fassadentyp, Siedlungsstruktur, Baujahr und Wärmesignatur. Ihre Arbeitsweise ist technisch transparent und kann speziell für die jeweilige Region kalibriert werden. Beide Verfahren eignen sich für die Fernerkundung und haben eine nahezu unbegrenzte Flächenleistung (>50 km²/d). Die Kalibrierung basiert auf realen Daten und wird auf 3-6 Monate geschätzt.
Je nach Messkampagne kommen Auswertungsmethoden mit unterschiedlicher Genauigkeit und Flächenleistung in Betracht, z. B.: a) Kleinere Gebiete, Straßen und Weiler: Photogrammetrie mit Wärmebildüberlagerung und 2 cm ± 1 ‰ Genauigkeit. b) Größere Gebiete wie Dörfer und Stadtteile: LiDAR-basierte Drohnen mit 1–5 cm Gesamtgenauigkeit; Punktwolken werden in Dachflächen, Straßen, Bäume und Infrastrukturelemente klassifiziert, benutzerdefinierte Klassen oder Objekte ergänzt. c) Ergänzende Messungen mit Ladybug, lokalen Scans und 360°-Bildern: meist innerhalb von 10 cm Genauigkeit, mit Fassaden- und thermischen
