Die Technologie der künstlichen Intelligenz beschleunigt die Reduzierung der CO2-Emissionen im Baubereich

Einführung

• Durch den Einsatz von maschinellem Lernen, künstlicher Intelligenz und physikbasierter Modellierung können Eigentümer von Gebäudeportfolios laut einem am 29. November von McKinsey veröffentlichten Bericht Möglichkeiten zur Dekarbonisierung von Gebäuden schneller erkennen.
• Durch die Verwendung von Daten von Satelliten, Geodatenanalysen, Vorschriften, Arbeits- und Ausrüstungskosten und der Bewertung der Machbarkeit von Heiz- und Kühlsystemen, Isolationsniveaus und Solar- oder Geothermieenergie können Algorithmen Lösungen für die Umsetzung von Netto-Null-Emissionen im Gebäudeportfolio analysieren und vorschlagen .
• Mit diesem neuen Ansatz können innerhalb von Wochen finanzielle Optimierungspläne für das gesamte Portfolio entwickelt werden, die das regulatorische Umfeld sowie die einzigartigen Eigenschaften und Mietverhältnisse des Gebäudes berücksichtigen, so Experten in dem Bericht.

INSIGHTS

McKinsey-Experten sagen, dass angesichts der Tatsache, dass Gebäude für 40 % der weltweiten verbrennungsbedingten Emissionen verantwortlich sind, die direkten Gebäudeemissionen bis 2030 um 50 % und die indirekten Emissionen um 60 % reduziert werden müssen. Nur bis 2050 können wir dies erreichen Netto-Null-CO2-Emissionen aus dem Gebäudebestand. McKinsey sagte, traditionelle Ansätze zur Dekarbonisierung, einschließlich physischer Energieaudits und Netto-Null-Strategien für jedes einzelne Gebäude, würden als mühsam und teuer angesehen. Darüber hinaus hat der Mangel an zentraler Bestandsaufnahme und Standardisierung zu der Auffassung geführt, dass die Dekarbonisierung von Gebäuden unrentabel sei.

Der Bericht besagt, dass KI-gesteuerte Ansätze die Geschwindigkeit und den Umfang der Dekarbonisierungsplanung im Vergleich zu herkömmlichen Energieaudits und Netto-Null-Studien um mehr als das Hundertfache erhöhen und so die Abhängigkeit von Fuzzy-Gebäudeprototypen überflüssig machen.

Dies unterstreicht das Potenzial KI-basierter Ansätze, neutrale oder positive Renditen in Immobilienportfolios zu erzielen, vorausgesetzt, es gibt keine Faktoren wie künftige schrittweise Regulierung, CO2-Bepreisung und -Mieten oder grüne Prämien bei Immobilienbewertungen. Der Bericht hebt hervor, dass die Optimierung der Beschaffung erneuerbarer Energien auf Portfolioebene bei gleichzeitiger Umsetzung von Energieeffizienz- und Elektrifizierungsmaßnahmen für jedes Gebäude es Gebäudeeigentümern und -nutzern ermöglicht, ihre Investitionen durch Energieeinsparungen, optimierte Kapitalkosten und die Vermeidung regulatorischer Strafen wieder hereinzuholen.

Merkmale der besten Pläne zur Dekarbonisierung von Gebäuden

McKinsey betont, dass das Erreichen der effektivsten Pläne zur Dekarbonisierung von Gebäuden aus sieben Komponenten besteht, die durch den Einsatz künstlicher Intelligenz und Methoden des maschinellen Lernens optimiert werden können:

• Effiziente Netto-Null-Planung : Eigentümer können durch gemeinsame Beschaffung und strategische Abfolge einen koordinierten, umfassenden Plan für ihr gesamtes Portfolio sicherstellen, im Gegensatz zu herkömmlichen Dekarbonisierungsplänen, die oft auf ausgewählte Gebäude basierend auf Emissionen oder bestehenden Vorschriften ausgerichtet sind.
• Anlagenspezifische Pläne: Maßgeschneiderte Pläne, die Aspekte wie Gebäudelayout und Isolierungsart berücksichtigen, sind erforderlich, um eine kostengünstige Dekarbonisierung zu erreichen. Für jedes Gebäude ist eine einzigartige Strategie erforderlich, die seinen Ausgangspunkt, die örtlichen Gegebenheiten und Vermögensdetails wie Mietermix und Mietvertragsstruktur berücksichtigt.
• Der vollständige Weg zum Netto-Nullpunkt: Dazu gehört auch die Vermeidung von Teilen des Plans, die den langfristigen Ergebnissen schaden. Unternehmen müssen umfassende, vorausschauende Entscheidungen treffen, denn kurzfristige Strategien können die Kosten erhöhen und Synergien wie Dämmmaßnahmen, die sich auf zukünftige HVAC-Anforderungen auswirken, außer Acht lassen.
• Integrierte Scope-1- und Scope-2-Pläne: Unzusammenhängende Ansätze für Energieeffizienz und Elektrifizierung behindern die Effizienz, heißt es in dem Bericht. Werden die gegenseitigen Abhängigkeiten nicht voll ausgenutzt, könnte dies zu einer langsameren und kostspieligeren Beschaffung erneuerbarer Energien führen.
• Umsetzbare Schritte: Baupläne müssen Facility-Managern genaue Anweisungen geben und eine einfache Kommunikation zwischen Anbietern und Facility-Management-Teams ermöglichen, um eine schnelle Ausführung zu gewährleisten.
• Quantifizierung: Pläne müssen spezifisch genug sein, um detaillierte Einblicke in die Finanzplanung zu bieten, einschließlich Netto-Null-Zielen, Herausforderungen bei Kapitalinvestitionen, Betriebskosten, potenziellen Schulden und der Verteilung von Kosten und Nutzen zwischen Eigentümern und Mietern, damit Führungskräfte die genauen Informationen verstehen können Kosten für das Erreichen von Netto-Null-Emissionen.
• Net Zero-orientierte Entscheidungsfindung: Eigentümer und Betreiber können Dekarbonisierungspläne in ihren Betrieb integrieren, indem sie Prozesse, Anreize und Governance-Strukturen aufeinander abstimmen. Dazu gehören die Aktualisierung von Kapitalplänen, Budgets für emissionsarme Systeme und die Einbeziehung von Dekarbonisierungsanalysen in den Erwerb neuer Vermögenswerte.

Dekarbonisierungsherausforderungen im Zusammenhang mit der Skalierung von Lieferketten zur Deckung der neuen Nachfrage, der Ausbildung von Fachkräften für den Einsatz von Nachrüstungen und anderen Elektrifizierungsbemühungen werden sich auch auf die Branche auswirken, heißt es in dem Bericht.

McKinsey sagte, dass die Einführung eines KI-gestützten Lebenszyklus-Dekarbonisierungsansatzes erhebliche Fortschritte bei der Bekämpfung gebäudebedingter Emissionen erzielen kann, indem Pläne vereinfacht, Prozesse beschleunigt und Kosten gesenkt werden.

Das obige ist der detaillierte Inhalt vonDie Technologie der künstlichen Intelligenz beschleunigt die Reduzierung der CO2-Emissionen im Baubereich. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!