Datenqualität und Konfidenz

Eine TESSA-Studie stützt sich auf mehrere Datenschichten – automatisierte Gebäudeauszüge, statistische Bedarfsmodelle, vom Benutzer gelieferte Überschreibungen –, und jede Schicht hat eine andere Sicherheit. Wenn Sie verstehen, woher jeder Wert stammt, erkennen Sie, welche Gebäude eine manuelle Prüfung brauchen und wie sehr Sie den aggregierten Ergebnissen trauen können.

Herkunftsfelder

Für die drei wichtigsten Gebäudegrössen – Energiebezugsfläche (ERA), Raumwärmebedarf und Warmwasserbedarf – hält TESSA ein Textkennzeichen fest, das angibt, wie der Wert abgeleitet wurde. Diese Herkunftsfelder sind im Export der Gebäudetabelle und im Gebäudeinspektor sichtbar.

Werte der ERA-Herkunft

Die ERA (Energiebezugsfläche) ist die beheizte Geschossfläche – die wichtigste Eingabe der Bedarfsberechnung. Der von TESSA verwendete Wert wird durch eine Kaskade bestimmt: Die erste brauchbare Quelle gewinnt.

Je weiter unten in der Kaskade, desto unsicherer die ERA. Ein Gebäude mit dem Kennzeichen total_surface hat keine Korrektur des beheizten Anteils erhalten, was die ERA bei Gebäuden mit grossen unbeheizten Flächen (Keller, Parkhäuser, Industriehallen) überschätzen kann.

Werte der Bedarfsherkunft

Aus Archetypen und Normen abgeleitete Werte sind statistische Mittelwerte – auf Portfolioebene genau, für ein einzelnes Gebäude aber möglicherweise um ±50 % daneben.

Was die Herkunftsfelder in der Praxis aussagen

flowchart LR
    MEASURED["Gemessen / geliefert<br/>──────────────<br/>era_origin = input ERA<br/>qh_origin = measured data"]
    MODEL["Statistisch modelliert<br/>──────────────<br/>era_origin = total_surface * a_s<br/>qh_origin = AVG Value per SIA"]
    FALLBACK["Rückfall / unsicher<br/>──────────────<br/>era_origin = total_surface<br/>qh_origin = Default Value per Archetype"]

    MEASURED --> |"höhere Konfidenz"| MODEL --> |"geringere Konfidenz"| FALLBACK

    classDef high fill:#c8e6c9,stroke:#2e7d32,stroke-width:1.5px,color:#1b5e20
    classDef med fill:#fff3e0,stroke:#ED6000,stroke-width:1.5px,color:#bf360c
    classDef low fill:#ffccbc,stroke:#bf360c,stroke-width:1.5px,color:#bf360c

    class MEASURED high
    class MODEL med
    class FALLBACK low

Bei der Prüfung eines Quartiers gilt:

• Gebäude mit era_origin = input ERA und gemessenen Bedarfswerten haben die höchste Konfidenz. Es ist keine Prüfung nötig, ausser die Werte sehen offensichtlich falsch aus.
• Bei Gebäuden mit aus Archetypen oder Normen abgeleitetem Bedarf lohnt sich ein Abgleich mit allen verfügbaren Messdaten des Gebiets, besonders bei Nichtwohngebäuden, für die die Archetypen weniger detailliert sind.
• Gebäude, bei denen die ERA auf total_surface zurückgefallen ist, sollten geprüft werden – ihr Bedarf kann deutlich über- oder unterschätzt sein. Erwägen Sie, die ERA direkt im Gebäudeeditor zu bearbeiten oder eine korrigierte Eingabedatei zu liefern.

Konfidenz auf Portfolioebene gegenüber Einzelgebäuden

Statistische Bedarfsmodelle sind an grossen Datensätzen kalibriert. Auf Quartierebene (Hunderte von Gebäuden) gleichen sich einzelne Fehler tendenziell aus, und der Gesamtbedarf ist meist auf ±10–20 % genau. Auf Ebene einzelner Gebäude können die Fehler viel grösser sein – das ist zu erwarten und kein Mangel des Modells.

Für die Netzdimensionierung reagiert die Spitzenleistung empfindlicher auf Fehler als die Jahresenergie. Ein Gebäude mit überschätzter ERA ergibt eine höhere Schätzung der Spitzenlast und führt zu einer leicht überdimensionierten Leitung. In der Praxis dimensioniert TESSA anhand der aggregierten Quartierspitze, sodass vereinzelte Ausreisser nur begrenzte Wirkung haben, ausser sie machen einen erheblichen Anteil der Gesamtlast aus.

Datenqualität verbessern

So verbessern Sie die Konfidenz für bestimmte Gebäude:

1. Gebäude auf der Karte bearbeiten – korrigieren Sie mit dem Gebäudeeditor ERA, Bauperiode oder Gebäudetyp falsch klassifizierter Gebäude.
2. Gebäudetabelle hochladen – liefern Sie Ihre eigenen ERA- und Bedarfswerte aus Energieaudits oder Messdaten. Siehe Vorlage für Gebäudedaten.
3. OSM-Daten verwenden – OpenStreetMap kann Grundrisse und Geschosszahlen liefern, wo die Registerdaten fehlen. Siehe das Benutzerhandbuch zu OSM-Daten verwenden.

Führen Sie nach dem Bearbeiten «Gebäudebedarfe erzeugen» erneut aus, um die Bedarfswerte und Herkunftskennzeichen zu aktualisieren.

Wie es weitergeht

• Herkunft der Gebäudedaten – woher TESSA Schweizer Gebäudedaten bezieht (GWR, Swisstopo TLM3D).
• Wärmebedarfsmodell – wie archetypenbasierte Bedarfswerte berechnet werden.
• Vorlage für Gebäudedaten – das Format zum Hochladen eigener Gebäudedaten.
• Glossar der Gebäudevariablen – alle Spalten der Gebäudetabelle einschliesslich der Herkunftsfelder.