Für die Gebäudeberechnung existieren verschiedene klimatische Einteilungen Deutschlands, etwa drei Kühllastzonen nach VDI 2078 zur Kühllastauslegung oder zwölf Testreferenzjahr-Regionen zur Energiebedarfsberechnung. Diese Einteilungen beruhen auf Datenauswertungen, die über 30 Jahre zurückliegen. Heute stellt der Deutsche Wetterdienst umfangreiche Datensätze online bereit, darunter quadratkilometergenaue Testreferenzjahre mit stündlichen Werten. Diese Daten ermöglichen es, auf Basis moderner Methoden neue, objektive Regionseinteilungen zu entwickeln.

Im Rahmen dieser Arbeit sollen Kenngrößen (z. B. Jahresmitteltemperatur, Extremwerte, Anzahl der Frosttage) definiert und mittels Berechnungsskript automatisiert für eine große Anzahl von Standorten bestimmt werden. Darauf basierend sollen die Standorte mit Methoden des maschinellen Lernens (Clustering) zu neuen Klimaregionen zusammengefasst werden. Dabei sollen verschiedene Clustering-Verfahren getestet, die Anzahl der Cluster variiert sowie unterschiedliche Betrachtungszeiträume (ganzjährig, Sommer, Winter) analysiert werden. Ziel ist es, eine belastbare und nachvollziehbare alternative Regionseinteilung für die Gebäudesimulation und TGA-Auslegung abzuleiten.

Der Umfang und die konkrete Ausrichtung der Arbeit können angepasst werden.

Für die Durchführung der Arbeit sind Programmierkenntnisse (vorzugsweise in Python, z. B. mit der Bibliothek scikit-learn) erforderlich. Kenntnisse in Statistik sind von Vorteil.

Da unsere Praktika und die Betreuung der studentischen Arbeiten in erster Linie dem Erwerb praktischer Erfahrungen und der beruflichen Orientierung dienen bitten um Verständnis, dass keine Vergütung erfolgt. Gern stellen wir Dir aber eine qualifizierte Praktikumsbescheinigung/-zeugnis aus und nominieren Deine studentische Arbeit für den jährlichen Studienpreis, der durch den Verein zur Förderung der Luft- und Kältetechnik e.V. herausgegeben wird.