Intelligente Multi‑Ziel‑Optimierung von thermischem Komfort und Lüftungsleistung im Entwurf stratifizierter Belüftung

Warum die Luft an Ihrem Schreibtisch wichtig ist

Wir verbringen den Großteil unseres Lebens in Innenräumen, doch die unsichtbare Luft, die uns umgibt, beeinflusst stark, wie gesund, aufmerksam und behaglich wir uns fühlen. Heiz‑ und Kühlsysteme werden meist stückweise entworfen — ein Werkzeug sagt Bedingungen voraus, ein anderes reduziert den Energieverbrauch, ein drittes unterstützt Entscheidungen — sodass Gebäudebetreiber Kompromisse oft durch Versuch und Irrtum austarieren müssen. Diese Studie zeigt, wie sich diese Bausteine zu einem „intelligenten“ Entwurfsprozess für ein vielversprechendes System namens stratum‑Belüftung zusammenfügen lassen, das Frischluft direkt in die Atemzone bringt, statt einfach den ganzen Raum umzurühren.

Gezielte Frischluft statt Einheitslösung

Herkömmliche Systeme vermischen oft die gesamte Raumluft oder drücken sie vom Boden nach oben. Stratum‑Belüftung geht einen anderen Weg: Sie liefert saubere, konditionierte Luft horizontal in etwa Kopfhöhe, sodass die Nutzer frischer atmen mit weniger Aufwand und in vielen Fällen bei geringerem Energieeinsatz. Die Herausforderung ist, dass Komfort, Luftqualität und Heizeffizienz in unterschiedliche Richtungen ziehen. Ändert man die Geschwindigkeit des Zuluftstrahls, den Winkel des Auslasses, die Lufttemperatur, die Wärme der Wand oder sogar die Kleidung der Menschen, können sich diese drei Ziele auf komplexe Weise gemeinsam verbessern oder verschlechtern. Die Autoren nutzen detaillierte Computersimulationen eines typischen Büros und verwandeln diese in Daten, die ein intelligentes System lehren, wie diese Faktoren zusammenwirken.

Dem Computer beibringen, Komfort und Frische vorherzusagen

Aus 50 sorgfältig validierten Simulationen trainiert das Team künstliche neuronale Netze — Computer‑Modelle, die locker vom Gehirn inspiriert sind — um vier Schlüsselergebnisse vorherzusagen: wie warm sich Menschen im Durchschnitt fühlen, wie lange Luft bleibt, bevor sie ersetzt wird, wie groß die Temperaturunterschiede zwischen Kopf und Knöcheln sind und wie effizient Heizenergie genutzt wird. Dann lassen sie zwei Suchmethoden, einen genetischen Algorithmus und eine „Harris‑Hawks“‑Strategie, die internen Regler dieser Netze automatisch abstimmen, sodass Vorhersagen möglichst genau mit den Simulationsdaten übereinstimmen. Der evolutionär anmutende genetische Algorithmus erweist sich als leicht überlegen und erreicht Korrelationswerte über 0,995, was bedeutet, dass die Modellvorhersagen nahezu exakt den ursprünglichen Simulationsergebnissen folgen.

Auf der Suche nach guten Kompromissen, nicht einem einzelnen perfekten Punkt

Sobald der Computer die Leistung sofort vorhersagen kann, lässt das Team einen Multi‑Ziel‑Optimierer tausende mögliche Design‑Einstellungen erkunden. Statt einer einzigen besten Lösung baut er eine „Pareto‑Front“ von Kompromissen: Betriebszustände, bei denen man Komfort, Luftfrische oder Temperaturgleichmäßigkeit nicht verbessern kann, ohne mindestens eines der anderen zu verschlechtern. Die Ergebnisse zeigen klare Muster. Menschen fühlen sich am neutralsten, wenn die Zuluft recht schnell, aber nicht zugig ist (etwa 1,18–1,20 m/s), leicht warm (rund 22 °C) und die Kleidung ungefähr einer leichten Strickjacke entspricht. Die Frische verbessert sich bei kleinen Auslasswinkeln und stärkeren Luftstrahlen, die alte Luft schneller ausfegen, während unerwünschte Schichtung mit warmem Kopf und kühlem Fuß durch größere Auslasswinkel und mäßig warme Wandflächen gemildert wird. Bemerkenswert bleibt die Heizeffizienz über all diese konkurrierenden Lösungen hinweg hoch und nahezu konstant.

Aus einer Wolke von Optionen konkrete Entscheidungen machen

Für Planer und Betreiber ist eine Wolke von gleichwertigen Optionen weiterhin ein praktisches Problem. Um die Ergebnisse nutzbar zu machen, wenden die Autoren eine Entscheidungs­methode namens VIKOR an, die die optimierten Lösungen unter verschiedenen Prioritäten einordnet. Sie erstellen zehn repräsentative „Szenarien“. Eines bevorzugt reinen Komfort — ideal für Chefbüros oder Krankenzimmer. Ein anderes konzentriert sich auf schnelle Luftauffrischung, besser geeignet für Kliniken oder überfüllte Klassenräume, in denen das Infektionsrisiko relevant ist. Weitere Szenarien balancieren Komfort, Frische und vertikale Temperatur‑Uniformität für große Hallen, Turnräume oder offene Bürolandschaften. Jedes Szenario enthält konkrete Bereiche für Auslasswinkel, Luftgeschwindigkeit, Luft‑ und Wandtemperatur sowie erwartete Bekleidungsstärken und macht abstrakte Optimierung zu einfachen Einstellknöpfen für den Gebäudebetreiber.

Was das für gewöhnliche Gebäude bedeutet

Für Nicht‑Fachleute ist die Botschaft klar: Wir müssen nicht länger erraten, wie man komfortable, gesunde und effiziente Innenraumluft erreicht. Durch die Kombination fortschrittlicher Vorhersagewerkzeuge, automatischer Suche und transparenter Rangfolge von Optionen liefert diese Studie eine Roadmap, um stratum‑Belüftungssysteme an verschiedene Raumtypen und Prioritäten anzupassen. Praktisch bedeutet das Büros, in denen sich Menschen wohlfühlen, ohne die Heizung aufzudrehen, Krankenhausstationen, in denen Frischluft Patienten zuverlässiger erreicht, und große Veranstaltungsorte, in denen das Problem „warmer Kopf, kalte Füße" in Grenzen gehalten wird. Die Arbeit zeigt, dass intelligentes Design das abstrakte Versprechen besserer Lüftung in konkrete, einstellbare Parameter überführen kann, die in der Praxis funktionieren.

Zitation: Hammouda, N.G., Ahmed, Z., Omar, I. et al. Intelligent multi-objective optimization of thermal comfort and ventilation performance in stratum ventilation design. Sci Rep 16, 6272 (2026). https://doi.org/10.1038/s41598-026-36233-7

Schlüsselwörter: Innenraumluftqualität, thermischer Komfort, stratum‑Belüftung, energieeffiziente Gebäude, Maschinelles Lernen Optimierung