Aktuell verbreiten sich KI-Anwendungen in vielen Bereichen des alltäglichen Lebens (Chatbots, Übersetzer, autonomes Fahren etc.). Über den Lebenszyklus von Wohn- und Nichtwohngebäuden versprechen Anwendungen des Machine Learning (ML), des Natural Language Processing (NLP) und Reinforcement Learning (RL) ein großes Potenzial zur Optimierung von gebäudetechnischen Prozessen. ML-, NLP- und RL-Methoden dienen dem Erlernen von Mustern oder Verhalten komplexer Systeme, die zur Wiedererkennung oder Vorhersage resp. Beeinflussung ihres Verhaltens genutzt werden können. Im Rahmen des Forschungsprojekts wird diese Methode auf Anwendungen der Gebäudeautomation (GA) übertragen. Das Forschungsprojekt analysiert und bewertet Anwendungsfelder von KI-Anwendungen für sozial, ökologisch und ökonomisch optimierte Gebäudeprozesse. Neben unterstützenden Anwendungen für Planungsprozesse (z. B. NLP-basierte Automatismen zur Erstellung von Funktionslisten etc.) sind Potenziale wiederkehrender Anwendungen auf Basis erlernter Gebäude- oder Systemdynamiken zu analysieren. Ein wichtiges Forschungsziel ist eine interoperable Modularisierung und Wiederverwendbarkeit der als potenziell bedeutsam bewerteten KI-Anwendungen. Hierzu müssen Basismodelle (z. B. RL-Agent zur Optimierung von Gebäudesollwerten) entworfen werden, welche während der Laufzeit der Anwendung auf den spezifischen Anwendungsfall trainiert werden. Zudem werden Lösungen einer Systemarchitektur entworfen, die einerseits den Betrieb der KI-Anwendungen und gleichzeitig deren weiteres Training ermöglichen. Solche modularen Lösungen sollen in die aktuelle GA-Systemarchitektur integriert werden (z. B. als standardisierte Funktionsbausteine). Im Forschungsprojekt entstehen prototypische KI-Anwendungen in Kooperation mit einem Hersteller von Automationssystemen und zwei kommunalen Anwendern der Gebäudeautomation. Durch diese Demonstratoren sollen modulare KI-Anwendungen bzgl. Funktion und Effizienz validiert werden.