Forscher der University of Notre Dame, in Zusammenarbeit mit Fakultäten der University of Maryland und der University of Utah, haben eine neue Methode entwickelt, um Energiekosten vorauszusagen.

Sie nutzen dazu Bilder von Google Street View, um bestimmte Eigenschaften von Gebäuden zu analysieren. Im Fokus steht die Größe von Fenstern und ob diese geöffnet werden können oder nicht. Außerdem spielt der Anteil des Gebäudes, der ausreichend beschattet ist, eine Rolle.

Diese Daten wurden von Gebäuden in Chicago gesammelt. Mithilfe verschiedener Techniken des maschinellen Lernens suchten die Forscher nach dem effektivsten Modell für ihre Vorhersagen. Ihre Ergebnisse zeigen, dass die untersuchten Gebäudeeigenschaften einen deutlichen Zusammenhang mit der durchschnittlichen Energiebelastung aufweisen.

Die Studie zeigt, dass Forscher den Energieverbrauch von Gebäuden anhand relativ begrenzter Daten mit einer Genauigkeit von 74,2 Prozent vorhersagen können. Ihr Modell ist leicht skalierbar und übertrifft damit andere Methoden zur Vorhersage des Energieverbrauchs.

Aktuell möchten die Wissenschaftler weitere Faktoren wie die Qualität der Dämmung oder das Vorhandensein von Gründächern in ihr Modell integrieren. Ziel ist es, die Genauigkeit ihrer Vorhersagen weiter zu steigern.

Die gewonnenen Erkenntnisse sollen politischen Entscheidungsträgern und Stadtplanern wertvolle Informationen geben, um gefährdete Stadtteile zu erkennen und die Entwicklung intelligenter sowie nachhaltiger Städte zu fördern, wie Tech Xplore berichtet.

In den kommenden Monaten planen die Forscher, ihr Modell auf zusätzliche Stadtteile Chicagos auszuweiten, um eine breitere Datengrundlage zu schaffen. Ihr Ziel ist es, das Modell auf die gesamte USA auszudehnen.

Damit möchten sie herausfinden, in welchen Gebieten die Energiekosten besonders hoch sind und wo es Potenzial für Verbesserungen gibt.