Im Auftrag der Sächsischen Energieagentur (SAENA) entwickelte Bauklimatik Freudenberg eine wissenschaftlich fundierte Methodik zur Ermittlung von Wärme- und Kältebedarfswerten für Gebäude im Rahmen der kommunalen Wärmeplanung.
Die größte Herausforderung bestand darin, den außergewöhnlich hohen Altbauanteil in Sachsen gut abzubilden. Zur Ermittlung der Baujahre wurde neben der umfangreichen sächsischen Denkmal-Datenbank DIVIS auf Daten zur Oberflächenversiegelung gesetzt. Auch für die spärlich klassifizierten Nutzungstypen der sächsischen Gebäude wurden geeignete, frei verfügbare Datenquellen gefunden. Zur Ableitung von Bedarfskennwerten kamen die 2025 (Wohngebäude) und 2023 (Nichtwohngebäude) veröffentlichten IWU-Typengebäude zum Einsatz. Im Ergebnis kann für jeden beliebigen Standort in Sachsen der Bedarf für Heizung und Trinkwarmwasser (Nutzenergie, Endenergie), der Kältebedarf (Nichtwohngebäude) und der prognostizierte Bedarf für das Jahr 2045 berechnet werden.
Die entwickelte Methodik ermöglicht erstmals eine gebäudescharfe und reproduzierbare Abschätzung des Wärmebedarfs für ganze Städte und Regionen und schafft damit eine belastbare Grundlage für kommunale Wärmeplanung, Wärmenetze und langfristige Klimastrategien.
Ergebnisüberblick für eine von drei Anwendungsregionen für den Wärmeatlas Sachsen: Görlitz-Altstadt.
Die kommunale Wärmeplanung benötigt eine möglichst realistische Abschätzung des Wärmebedarfs der Gebäude – flächendeckend und möglichst gebäudescharf. Genau das ist jedoch in der Praxis schwierig: Die notwendigen Daten liegen zwar in großer Menge vor, sind aber oft unvollständig, widersprüchlich oder räumlich sehr unterschiedlich detailliert. Ziel dieser Studie war daher nicht nur die Entwicklung einer Methodik, sondern die Erstellung einer vollständig lauffähigen Analysepipeline, mit der Wärme- und Kältebedarfswerte reproduzierbar für ganze Regionen berechnet werden können.
Im Rahmen der Studie wurde eine datengetriebene Methodik entwickelt, die vorhandene Geodaten, statistische Informationen und Gebäudetypologien systematisch miteinander kombiniert. Dabei entsteht eine transparente Datenpipeline – von der Analyse der verfügbaren Datengrundlagen über die Typisierung der Gebäude bis hin zur Berechnung der Bedarfskennwerte und ihrer Darstellung in Karten.
Ein besonderes Merkmal des Projekts ist, dass die Methodik nicht nur beschrieben, sondern direkt als Python-Bibliothek implementiert wurde. Die gesamte Pipeline – von der Datenintegration bis zur Bedarfsberechnung – ist damit reproduzierbar und kann unmittelbar für kommunale Anwendungen eingesetzt werden.
Eine wichtige Grundlage für die Bedarfsabschätzung ist die Analyse der Gebäudegeometrie. Aus 3D-Gebäudedaten (LoD2) lassen sich Kennwerte wie Gebäudehöhe, Kompaktheit oder Anzahl angrenzender Gebäude ableiten. Diese geometrischen Informationen liefern wichtige Hinweise darauf, um welchen Gebäudetyp es sich handelt – etwa Einfamilienhaus, Reihenhaus oder Mehrfamilienhaus.
Die statistischen Auswertungen der Geometrieanalyse zeigen typische Muster im Gebäudebestand. Sie bilden die Grundlage für die automatische Zuordnung zu Gebäudetypen, die wiederum entscheidend für die Bedarfskennwerte sind.
Einblick in die Geometrieanalyse basierend auf den LOD2-Datensätzen: Anzahl der angrenzenden Gebäude (oben links), mittlere Gebäudehöhe (oben rechts), Kompaktheit (unten rechts) und daraus zugeordneter Typ (unten links) als Grundlage der IWU-Wohngebäude-Typzuordnung.
Die Abbildung zeigt beispielhaft die Baualtersverteilung für Görlitz. Sie verdeutlicht, wie stark sich unterschiedliche Bauperioden im Stadtbild widerspiegeln und welche Bedeutung historische Bauphasen für den heutigen Energiebedarf haben
Ein zentraler Einflussfaktor für den Wärmebedarf ist das Baualter eines Gebäudes. Ältere Gebäude besitzen in der Regel eine deutlich schlechtere energetische Qualität als Neubauten. Das ist besonders für Sachsen relevant, da hier der bundesweit größte Altbauanteil vorhanden ist. Die Vorgängerversion der IWU-Typologie erlaubte hierfür keine Differenzierung, weshalb besonders Altbauten und Denkmäler in bestehenden Wärmeatlanten systematisch unterschätzt werden.
Die gebäudescharfe Baualterszuordnung ist jedoch häufig unvollständig oder nur grob verfügbar. Deshalb kombiniert die Methodik mehrere Datenquellen – darunter Gebäudedatenbanken, Fernerkundungsprodukte und statistische Rasterdaten – zu einer sogenannten Baualter-Kaskade. Auf diese Weise lassen sich Baujahresphasen auch dann plausibel bestimmen, wenn einzelne Datensätze Lücken aufweisen.
Neben dem Baualter spielt auch die Nutzung eines Gebäudes eine entscheidende Rolle für den Energiebedarf. Wohngebäude, Bürogebäude oder Produktionsstätten weisen sehr unterschiedliche Nutzungsprofile und Energieverbräuche auf.
Die entwickelte Methodik kombiniert über eine Nutzungstyp-Kaskade verschiedene Datenquellen, um Nutzungstypen möglichst zuverlässig zu identifizieren. Dabei werden amtliche Gebäudefunktionen, semantische Informationen aus Geodaten sowie – wenn nötig – zusätzliche Hinweise aus offenen Datenquellen miteinander verknüpft.
Die Abbildung zeigt beispielhaft die Nutzungstypverteilung für Görlitz. Eine Herausforderung stellen in Innenstädten Mischnutzungen dar.
Die Grafik zeigt die Verteilung der Nutzenergie-Bedarfskennwerte für die Beheizung für einen Kartenausschnitt in Görlitz basierend auf den Standortdaten (Klimakorrektur), Denkmalschutzstatus, Baujahr etc.
Auf Basis der Gebäudegeometrie, der Baualtersklassifikation und der Nutzungstypen werden für jedes Gebäude spezifische Bedarfskennwerte für Raumwärme und Trinkwarmwasser bestimmt. Diese Kennwerte stammen aus aktuellen Gebäudetypologien des Instituts für Wohnen und Umwelt in Darmstadt (IWU) und werden mit der aus der Gebäudegeometrie abgeleiteten Nutzfläche kombiniert, um den jährlichen Energiebedarf zu berechnen. Die Berechnung erfolgt zunächst als Nutzenergiebedarf für Raumwärme, der anschließend über Systemwirkungsgrade der vorhandenen oder typisierten Heizungsanlagen in Endenergiebedarfe überführt wird. Damit lassen sich neben dem eigentlichen Wärmebedarf auch die benötigten Energiemengen nach Energieträgern ableiten.
Die Bedarfsklassifizierung berücksichtigt dabei eine Vielzahl von Einflussfaktoren. Neben Baualter, Gebäudetyp und Nutzung fließen auch Sanierungszustände, Eigentumsstrukturen sowie Leerstand in die Bewertung ein, da diese Faktoren das energetische Niveau des Gebäudebestands und dessen zukünftige Entwicklung maßgeblich beeinflussen. Zusätzlich werden klimatische Unterschiede über eine standortbezogene Klimaanpassung berücksichtigt, sodass regionale Abweichungen im Heizbedarf realistisch abgebildet werden.
Für Nichtwohngebäude wird ergänzend auch der Kältebedarf berücksichtigt. Da hierfür in Gebäudetypologien häufig keine direkten flächenbezogenen Kennwerte existieren, erfolgt die Ableitung über typisierte Nutzungsfunktionen und entsprechende elektrische Energiebedarfe. Die resultierenden Werte stellen eine Planungsgröße dar, die insbesondere für größere Städte und klimatisch sensible Nutzungen relevant ist.
Ein weiterer Bestandteil der Methodik ist die Fortschreibung des Wärmebedarfs bis zum Jahr 2045. Hierbei werden Annahmen zu Sanierungsquoten, demografischer Entwicklung, Leerstandsdynamiken sowie zu erwartenden Effizienzsteigerungen berücksichtigt. Dadurch lassen sich nicht nur der heutige Zustand des Gebäudebestands, sondern auch mögliche zukünftige Entwicklungen der Wärmenachfrage abschätzen.
Das Ergebnis sind räumlich hoch aufgelöste Karten der Wärmebedarfe, die sowohl spezifische Kennwerte (kWh/m²a) als auch absolute Jahresbedarfe (kWh/a) enthalten. Diese Daten bilden eine zentrale Grundlage für die kommunale Wärmeplanung – etwa für die Identifikation geeigneter Gebiete für Wärmenetze, die Abschätzung von Sanierungspotenzialen oder die Entwicklung langfristiger Wärmestrategien.
Die dargestellte Karte zeigt beispielhaft die Verteilung der Heizwärmebedarfe im Gebäudebestand eines Stadtgebiets. Unterschiede im Baualter, in der Gebäudetypologie und im energetischen Zustand der Gebäude werden dabei unmittelbar sichtbar und verdeutlichen die räumliche Struktur des Wärmebedarfs.
Ein wesentliches Ziel des Projekts war es, die entwickelte Methodik nicht nur theoretisch zu beschreiben, sondern direkt anwendbar zu machen. Deshalb wurde eine vollständige Python-Bibliothek entwickelt, die die gesamte Datenpipeline abbildet – von der Datenintegration über die Gebäudeanalyse bis zur Berechnung der Bedarfswerte. Die Implementierung ermöglicht reproduzierbare Modellläufe und eine transparente Weiterentwicklung der Methodik. Die Bibliothek soll nach intensiver Prüfung auch der Allgemeinheit zur Verfügung gestellt werden. Das GitHub-Repository existiert bereits:
Die entwickelte Methodik liefert eine robuste und nachvollziehbare Grundlage für Wärmeatlanten und kommunale Energieanalysen. Sie ermöglicht damit:
eine gebäudescharfe Abschätzung des Wärme- und Kältebedarfs
eine transparente und reproduzierbare Modellierung
eine direkt nutzbare Softwarebibliothek für weitere Anwendungen
Damit unterstützt das Projekt Städte, Gemeinden und Energieversorger bei der Planung der zukünftigen Wärmeversorgung – von der Analyse des heutigen Gebäudebestands bis zur Entwicklung langfristiger Wärmestrategien.