Ja, hallo und guten Morgen von mir nochmal. Schön, dass Sie so früh erschienen sind. Wir haben uns mit dem Thema beschäftigt Ermittlungen von Solarpotentialflächen auf Gebäuden.

Im Zuge unseres Mastermoduls, also wir sind beide noch Studenten an der Hochschule in Mainz und hatten im vergangenen Sommersemester das Thema behandelt im Zuge eines Projekts im Modul Geo Government und werden Ihnen jetzt kurz hier unseren Workflow vorstellen.

Zunächst einmal, ja, das sind einige Schlagworte wie Energie und Klimawandel, die heutzutage unsere Zeit prägen. Darunter sind auch Energieeffizienz, Klimaresilienz, aber auch vor allem die Energiewende zu nennen. Ja, die Energiewende ist aktuell im Folgengange, wie wir eben schon kurz bei unserer Einleitung gehört haben.

Und es ist das Ziel, die erneuerbaren Energien auszubauen und die Abhängigkeit von fossilen Brennstoffen zu verringern und im Zuge dessen dem Klimawandel etwas entgegenzuwirken.

Im Zuge dessen ist im Januar 2023 im vergangenen Jahr auch das Erneuerbare-Energien-Gesetz eingeführt worden, was Ihnen sicherlich etwas sagt. Das ist eine Maßnahme der Politik, die sich das Ziel gesetzt hat, den Stromverbrauch bis 2035 nahezu vollständig erneuerbaren Energien abzudecken.

Man soll vor allem das Ziel von den Photovoltaikanlagen und Windkraftanlagen eher angehen, um den Klimawandel...

Insbesondere die Solarenergie spielt hier eine große Rolle, da wie eben schon gesagt, das ausgebaut werden soll. Und ja, hier kommt jetzt unser Workflow eigentlich in Frage, weil wir uns jetzt die Frage gestellt haben,

wo sind denn überhaupt schon Solar-Fanels installiert und wie kann man denn das Potenziale überhaupt optimal nutzen, um den Ausbau zu erweitern und voranzubringen.

Im Zuge dessen nochmal ein paar aktuelle Fakten vom vergangenen Jahr. Bereits im letzten Jahr hatten wir 260 Terawattstunden aus erneuerbaren Energien und damit schon einen Großteil mehr als die Hälfte aus den erneuerbaren Energien gewonnen.

Und da war schon ein Plus von 7,2 Prozent zu verrechnen im Vergleich zum Vorjahr. Davon waren circa 52 Terawattstunden bereits durch Photovoltaikanlagen produziert worden,

was einen Anteil von circa 12 Prozent an der gesamten Stromerzeugung darstellt. Ja, wieso jetzt überhaupt Photovoltaikanlagen installieren? Zum einen braucht man keine zusätzliche Flächenversiegelung, es handelt sich um erneuerbare Energien.

Dementsprechend sind sie auch regenerativ und das ist eine saubere, umweltfreundliche Energie, die auch recht kostengünstig durch die Subventionen vom Staat installiert werden kann. Und es handelt sich außerdem um eine unabhängige Stromversorgung,

weil man zum Teil auch für das eigene Gebäude was nutzen kann. Ja, nachdem wir jetzt die Motivation und die Ziele mal so ein bisschen vorgestellt haben, haben wir uns halt überlegt, wie kann man diese Ziele besser erreichen und wie können wir eine Handlungsgrundlage dafür schaffen.

Und das halt nicht nur für öffentliche Stellen, also Kommunen oder Behörden, sondern auch für Privatpersonen, um diesen Wandel der Energiewende einfach transparenter und realisierbarer zu machen. Und dafür haben wir uns einen Workflow überlegt, den sieht man einmal hier im Überblick. Wir werden später nochmal Schritt für Schritt da durchgehen.

Aber dieser gesamte Workflow basiert auf zwei Haupteingangsdaten quasi, oder zwei Haupteingangsdaten, die beide frei verfügbar sind. Das ist einmal ein WMS und einmal ein WFS, auf dem wir unsere Analyse durchgeführt haben. Als erstes der WMS, das war einmal ein Luftbild mit 3-Kanal Echtfarbenbild der Stadt Mainz

mit einer relativ hohen Auflösung von 10 cm, die wir später für unsere Detektion verwenden werden. Dann als nächstes das Solarkataster Rheinland-Pfalz. Das konnten wir über eine WFS-Schnittstelle verwenden,

wo jeweils die Gebäude mit ihren einzelnen Dachausrichtungen als Polygonen vorlagen. Das sieht man hier einmal rechts in dem Bild. Und jetzt kann man sich natürlich fragen, wieso haben wir dann überhaupt unsere Analyse gemacht? Wo gibt es schon Photovoltaikanlagen und wo nicht? Weil es gibt ja dieses Tool schon.

Unser Ansatz war eher so, dass wir eine zentrale Verwaltung haben wollten. Wo sind schon Photovoltaikanlagen installiert und wie gut sind diese genutzt? Und vor allen Dingen auch, wo sind noch Freiflächen? Um nicht nur für private Nutzer, was hauptsächlich im Solarkataster Anwendung findet, zu schauen, kann ich auf meinem Dach noch was installieren? Macht das Sinn?

Sondern hauptsächlich für Kommunen oder Behörden, die für eine bestimmte Region Anreize und Motivationen noch mal geben können. Wenn man sieht, in diesem Gebiet ist jetzt weniger ertragreiche Fläche genutzt. Und in diesem Meer kann man da natürlich viel besser Angriff nehmen.

Und wie wir da vom Prinzip her vorgegangen sind, stellen wir euch dann jetzt mal weiter vor. Genau, hier sieht man jetzt mal symbolisch dargestellt, die Dachflächen als Quadrate bzw. Rechtecke unterschiedlich eingefärbt.

Wobei jetzt hier die unterschiedlichen Farbgebungen, gerade das Dunkelrot, für besonders hohes Energiepotenzial steht, also für eine besonders attraktive Dachfläche, die viel Energie generieren kann. Und man deshalb darüber nachdenken sollte, dort Solarpanels anzulegen,

sofern das möglich ist. Und die blauen bzw. türkisfarbenen Dachflächen, ja, eher ungeeignet sind, bzw. es sich eher um geringere Energieschancen handelt, die man dort generieren kann.

Genau, dann war unser Vorgang eigentlich so, dass wir erstmal uns schaffen wollten. Wir haben uns dann für eine prototypische Untersuchung entschieden, für einen Stadtteil von Mainz, Hartenberg-Münchfeld, wo wir dann erstmal uns einen kleineren Bildsausschnitt gesucht haben und dann feststellen wollten, wo sind denn überhaupt schon Solarpanels installiert

und auf welchen Dachflächen sind die installiert. Ist es so sinnvoll bzw. erstmal so eine aktuelle Ist-Situation, die uns so einen Überblick verschaffen sollte? Daraufhin haben wir uns dann die Frage gestellt,

wird schon das Solarpotenzial gut genutzt oder gibt es noch einige ungenutzte, sehr gute Dachflächen, die aber noch gar keine Solarpanels installiert haben? Genau, jetzt gehen wir mal Schritt für Schritt durch unseren Workflow durch,

den man eben in der Übersicht auch gesehen hat. Wir haben die zwei Eingangslayer mal vorgestellt, einmal den WMS als Luftbild des Stadt Mainz und einmal das Solarkataster. Und die Frage haben Sie sich jetzt vielleicht schon gestellt, wo kriegen wir überhaupt her, wo die Photovoltaikanlagen installiert sind?

Das haben wir mit einem Bilddetektionsalgorithmus auf den Luftbildern durchgeführt, in dem wir ein paar Python-Methoden geschrieben haben und haben uns da eine Schnittstelle von einem trainierten Modell von der Plattform Roboflow zu Nutze gemacht. Das ist eine Plattform, da kann jeder Nutzer selber Bilder hochladen,

labeln und ein Modell trainieren lassen. Und wir haben uns dann eins rausgesucht, was auf unserem Stadtgebiet ganz gut funktioniert hat und haben diese detektierten Solarpanels, die als Json-Datei nach der Detektion vorlagen, georeferenziert, sodass wir da eine Feature Collection von mehreren Polygonen vorliegen hatten.

Man sieht hier in dem Bild vielleicht schon ganz gut, dass das mäßig gut funktioniert hat. Wir haben uns für den Stadtteil Hardenberg-Münchfeld entschieden, weil die Detektionsergebnisse da einfach am besten waren. Wir werden da beim Ausblick auch nochmal darauf eingehen, dass dieser Schritt auf jeden Fall noch Potenzial enthält.

Man sieht hier vielleicht, dass es so leicht verschoben ist. Deshalb ist es auf jeden Fall ein Punkt, wo man nochmal eingreifen könnte, aber ich denke, das Prinzip wird ganz gut klar. Anschließend hatten wir dann unsere Solarpanels als Layer vorliegen und die einzelnen Dachflächen mit den Ausrichtungen nach Nordost-, West-, Süd- und Flachdach,

die wir auch ein bisschen als Orientierung genutzt haben. Wo kann am meisten Sonnenenergie genutzt werden, weil südausgerichtete Dächer und westausgerichtete Dächer dann doch am meisten Sonne abbekommen, weshalb wir unsere Analyse heute später auch darauf fokussiert haben.

Wir sind dann so vorgegangen, dass wir uns erstmal angeschaut haben, wo sind Solarpanels installiert und wie gut sind diese genutzt. Und man sieht hier einmal ein Modell aus dem Kugus Model Builder. Da haben wir mitgebracht, dass wir den Layer der Solarpanels mit den Dächern verschnitten haben

und dann analysiert haben, wo sind die Solarpanels installiert, anhand welcher Kriterien und ist es schon gut genutzt. Dazu muss man sagen, dass wir die Dachflächen vorher selektiert haben, weil natürlich so ein Solarpanel auch eine gewisse Größe hat und Dachflächen, die kleiner als diese Größe sind, natürlich nicht genutzt werden können.

Ein Vorteil war dabei, dass der Layer der Dachflächen gewisse Attribute beinhaltet hat, wie die Neigung, die Information, ob es ein öffentliches Gebäude ist oder nicht, ob es ein Denkmal ist oder nicht. Das hat vor allen Dingen für die Installation nochmal gewisse Vorschriften.

Dann auf jeden Fall die Himmelsausrichtung und auch die Größe, anhand dessen wir dann später die Analyse durchgeführt haben. Neben der Verschneidung haben wir uns natürlich auch noch mit der Differenz beschäftigt, um noch die freien Flächen zu analysieren.

Hier war der Workflow recht ähnlich. Hier sieht man wieder einen Ausschnitt vom Model Builder, worüber wir dann die Statistiken gebildet haben und natürlich die ähnlichen Attribute wie vorab schon zur Verfügung hatten, wobei wir hier auch vor allem nochmal nach dem Ausdruck extrahiert hatten,

dass wir nur die 10 bis 40 Grad geneigten Dächer verwenden wollten, weil diese nach Forschung das höchste Solarpotenzial haben aufgrund ihrer Neigung. Hier sieht man jetzt die blau eingefärbten Flächen. Das sind die Freiflächen, die nach dieser Differenzbildung zur Verfügung standen.

Dabei hatten wir auch wieder dieselben Attribute wie vorher und haben daraufhin dann die Statistiken neben Kugels auch mit Excel ausgewertet, wobei ich jetzt kurz etwas zur Auswertung sagen werde.

Hier sieht man einmal, dass ca. 39% der noch ungenutzten Flächen mit Photovoltaikanlagen bestückt sind und es ca. noch mehr als die Hälfte an Freiflächen gab.

Von den bereits installierten Anlagen befanden sich gut ein Dreiviertel auf privaten Gebäuden und nur ein Viertel ungefähr auf öffentlichen Gebäuden, wobei wir hier dann auch nochmal ausgewertet haben nach den Himmelsrichtungen, weil uns interessiert hat, wo dann überhaupt primär installiert wird.

Das war dann mit überraschender Weise, waren Süd- und Nordausrichtungen recht ähnlich, mit ca. 12.000 Quadratmetern bedeckt und die Flachdächer waren mit ca. 130.000 Quadratmetern,

aber der Vorreiter bei den öffentlichen Gebäuden ist das recht ähnlich, aber das Verhältnis ist hier geringer, weil ja der Anteil nur ein Drittel war vom Gesamten. Dann haben wir nochmal gewertet, ob es sich um ein denkmalgeschütztes Gebäude handelt oder nicht.

Da waren die Ergebnisse auch wieder sehr ähnlich und die freien Flächen von den genutzten bzw. ungenutzten

waren auch wieder analog zu dem von vorher. Ja, man sieht hier nochmal, wenn wir uns jetzt mal die ungenutzten Flächen anschauen, dass die ca. zwei Drittel in unserem Testgebiet vorlagen. Das liegt auch so ein bisschen daran, dass es große Industrieflächen dort gibt,

Schulen, wenn wir auch uns auf die Auswertung von öffentlichen und privaten Gebäuden fokussiert haben. Und hier sieht man einmal, dass im privaten Bereich deutlich mehr Potenzial steckt in Freiflächen, die genutzt werden können im Vergleich zum öffentlichen. Das haben wir uns dann auch nochmal angeschaut, wie dort die Ausrichtung ist,

weil wir wie gesagt Süd-, Flach- und Westausrichtungen als starkes Potenzial gesehen haben, weil dort einfach die Sonneneinstrahlung stärker ist. Und man sieht hier bei den Freiflächen, dass auf jeden Fall in diesen Ausrichtungen noch sehr, sehr viel Potenzial steckt. Weil dort einfach die größten Flächen noch frei sind und mit Photovoltaik belegt werden könnten.

Bei dem Denkmal sieht es ähnlich aus, diese Analyse haben wir gemacht, weil Denkmäler natürlich gewissen Vorschriften unterliegen, die wir jetzt auch nicht im Detail kennen. Aber da müsste man halt nochmal explizit prüfen, kann man dort überhaupt Solaranlagen installieren, weil wenn es ältere Gebäude sind, ist es mit der Dachstabilität dann doch ein bisschen problematischer.

Aber auch hier sind einige Gebäude gewesen, die natürlich auch Potenzial beinhalten. Damit wären wir mit unseren Ergebnissen durch und würden einmal nochmal kurz auf die Herausforderungen in diesem Workflow kommen.

Man hat es vielleicht bei den Detektionsergebnissen schon gemerkt, dass dort auf jeden Fall noch ein Punkt wäre, den man ausbauen müsste, wenn man diesen Workflow auch wirklich in Kommunen einsetzen will. Wir haben uns auch ein bisschen schlau gelesen, war nur in dem zeitlichen Rahmen von unserer Modularbeit nicht möglich. Dann ist natürlich auch die Aktualität der Luftbilder eine Sache, die da reinspielt,

weil natürlich, wenn einmal im Jahr eine Bepflegung ist, die Daten nicht immer topaktuell vorliegen und auch die Gebäudedaten natürlich nicht immer auf dem neuesten Stand sind. Was man dann natürlich noch anschließen könnte, um konkrete Zahlen und Energiewerte herauszukriegen,

ist eine Analyse der Energieeffizienz, dass man konkret berechnet, wie viel Energie könnte man wirklich auf diesen Dachflächen erzeugen, gerade auch vielleicht pro Gebäude, für die Privatnutzer ist das natürlich recht interessant, um einfach anhand dieser Zahlen auch nochmal konkreter darauf hinzuweisen,

wie wichtig und wie umsetzbar und sinnvoll das auf jeden Fall wäre, die Photovoltaikanlagen auszubauen. Dann nochmal kurz zum Ausblick. Generell lässt sich einfach sagen, dass unser Workflow gerade durch Sensorsdaten, aber auch durch Bodenrichtwerte sehr gut erweiterbar wäre

und man dadurch natürlich konkretere Handlungsempfehlungen generieren kann. Und außerdem die Detektion, unsere Detektion konnte jetzt auch nicht so gut unterscheiden zwischen Solarthermie und den Photovoltaikanlagen. Generell kann man aber sagen, wenn man mehrere Layer noch einbindet oder zusätzliche Informationen,

dass man auf jeden Fall konkretere Handlungsempfehlungen für potenzielle Interessierte generieren kann, um quasi so eine wünschenswerte Situation wie diese hier anzustreben, Ausbauziele zu erreichen, angetrieben durch Ansätze wie unseren,

um einen Beitrag zu leisten, um so etwas zukünftig ein bisschen zu mindern. Und abschließend, damit das letzte Bild nicht so traurig wirkt, wollten wir nochmal sagen, dass wir wahrscheinlich nicht die einzigen sind, die gute Ansätze zur Energiewende und zur Umsetzbarkeit und für Handlungsbasis Ansätze finden.

Ich glaube, hier auf der Konferenz gibt es auch einige Vorträge und Ansätze, wie man da auf jeden Fall auch mitwirken kann. Weshalb wir relativ zuversichtlich sind, dass man mit vielen Leuten, die hier irgendwie gute Ideen haben, das vielleicht doch noch schaffen kann oder dass es nicht so schlimm wird.

Das als ein bisschen nettere letzte Worte. Damit bedanken wir euch für eure Aufmerksamkeit und für Fragen gerne. Vielen Dank für den Vortrag.

Wir versuchen jetzt noch die letzten zwei, drei Minuten ein paar Fragen zu klären. Wir skippen mal die Fragen im Raum, sondern nehmen nur den Chat. Und zwar wäre eine Frage bzw. geht es so ein bisschen um weitere Einflussfaktoren. Welche Faktoren spielen Gebäudehöhe und Baumabdeckung? Habt ihr solche Dinge betrachtet oder nehmt ihr die mit in den Ausblick?

Ja, das wäre dieser Punkt vom Ausblick, dass man natürlich noch mehr Daten mit reinnehmen könnte. Ob es gerade so Verschattungslayer gibt, das glaube ich auch. Oder man könnte auch anhand vom 3D-Modell Einstrahlungssituationen simulieren, um die Auswertung noch konkreter zu machen.

Dann gibt es noch ein, zwei Fragen rund um Roboflow. Habt ihr eine Vermutung, warum die Detektion mit der Library von Roboflow nur teilweise funktioniert hat? Bei der Frage direkt als Bezugspunkt hinsichtlich der Lagegenauigkeit. Das hattet ihr auch auf der Folie.

Roboflow selber hat natürlich Modelle von Nutzern, die das privat ausprobiert haben. Da gibt es auch sehr, sehr viele. Grundsätzlich hängt die Qualität von so einem Bilddetektionsalgorithm immer von der Testtrainings- und Validierungsgröße ab. Das ist bei Roboflow tatsächlich unterschiedlich, wie viel da an Daten auch reingeflossen ist.

Natürlich könnte man auch selber noch ein Modell trainieren, in dem man sehr, sehr viele Bilder verwendet und das einfach so lange durchlaufen lässt, bis man mit den Ergebnissen zufrieden ist. Und die Detektionsergebnisse, da denke ich, dass wahrscheinlich irgendwie durch die Bilder,

einfach diese Verschiebung hergekommen ist bei unserer Georeferenzierung. Ich glaube, da knüpft so ein bisschen die nächste Frage auch dran an. Da hat jemand gefragt, ob ihr zusätzliche Trainingsdaten in Roboflow in die Modelle getan habt.

Ist aber technisch möglich? Ja, man kann dieses Modell auch selber noch erweitern. Dann muss ich noch mal gucken. Ich glaube, wir haben noch die letzte Minute. Dann würde ich noch eine Frage platzieren, die wieder so ein bisschen in nicht das Technische geht, sondern das Inhaltliche.

Können unbegrenzte Flächen auch noch baulich bedingt sein, also hinsichtlich der Konstruktion der handelsüblichen Solaranlagen, und könnte man das noch berücksichtigen? Also ich denke mal, das spielt irgendwie drauf ab. Flachdach und Schrägdach, was gibt es da so für Solarmöglichkeiten? Gibt es da Vorteile, Nachteile?

Also bei den Flachdächern würde man ja teilweise auch trotzdem schräge Solaranlagen installieren. Da gibt es da irgendwie eine optimale Neigung. Aber ansonsten bist du jetzt... Sonst von den Dachziegeln irgendwie, dass man sagt, du brauchst gewisse...

Also es gibt auf jeden Fall die gewisse Größe, die ein Solarmodul hat, aber sonst... Natürlich die Dachstatik muss es natürlich hergeben. Genau, dann sind wir doch schon am Ende angelangt. Fünf Minuten, dann gehen schon die nächsten Vorträge los. Vielen Dank.