Ergonomie des Innenraumklimas

  EIE Urheberrecht: © e3D

Den Großteil des Tages verbringen wir in geschlossenen Räumen, sei es in der Wohnung oder am Arbeitsplatz. Unser Wohlbefinden und unsere Leistungsfähigkeit werden durch eine Vielzahl von Umgebungsfaktoren beeinflusst. Hierzu zählen neben Raumtemperatur, Beleuchtung oder CO2 Konzentration auch arbeitsorganisatorische Störungen in Form von Lärm oder Unterbrechungen. Maßgeblich bei der Erforschung dieser Einflüsse ist für uns die Überzeugung, dass eine hohe Energieeffizienz in Gebäuden bei gleichzeitigem Nutzerkomfort allgemeinen möglich und erstrebenswert ist. Energieeinsparungen zur Erreichung der ambitionierten Klimaziele müssen durch geschickte Gestaltung dieser Faktoren nicht zu Lasten einer gesundheitsförderlichen Innenraumatmosphäre gehen.

Die Nutzerverhaltensmodellierung erfolgt unter anderem durch Methoden des Machine Learning und Deep Learning. Neuronale Netze bieten vielversprechende Möglichkeiten, Vorhersagen des Nutzerverhaltens durch das Training anhand großer Datenmengen zu verbessern. Die Modellierung der zugrundeliegenden thermophysiologischen Prozesse des Menschen erfolgt zum Beispiel durch das numerische Menschmodell MORPHEUS.

Auch eine Fahrzeugkabine stellt einen Innenraum dar, der Nutzern größtmöglichen Komfort bereitstellen soll. Die auf Nutzerfeedback beruhende lokale Konditionierung durch Lenkradbeheizung oder Flächenstrahler im Fußraum kann dabei helfen, den thermischen Komfort in Elektrofahrzeugen aufrecht zu erhalten, ohne Einbußen bei der Reichweite hinnehmen zu müssen. Echtzeitanalysen der Körpertemperatur durch Wärmebildkameras erlauben eine effizientere Regelung dieser Klimatisierungsstrategien.

Durch Probandenstudien versuchen wir, die entwickelten Modelle, Regelungsstrategien und Feedbacksysteme unter möglichst realen Bedingungen zu prüfen. Hierzu wird auch das Urban Energy Lab 4.0 einen maßgeblichen Beitrag leisten.

Insgesamt verfolgen wir bei der Bearbeitung dieser Fragestellungen einen stark interdisziplinär geprägten Ansatz, um das Nutzerverhalten aus physiologischer, psychologischer und verhaltensbasierter Perspektive erforschen zu können.

Ausgewählte Publikationen der Gruppe:

Personal Climatization Systems : A Review on Existing and Upcoming Concepts
In: Applied Sciences, 9 (1), 35, 2019 [DOI: 10.3390/app9010035]

Window opening model using deep learning methods
In: Building and environment, 145, 319-329, 2018 [DOI: 10.1016/j.buildenv.2018.09.024]

Learning short-term past as predictor of window opening-related human behavior in commercial buildings
In: Energy and buildings, 185, 1-11, 2018 [DOI: 10.1016/j.enbuild.2018.12.012]

Too hot to carry on? : Disinclination to persist at a task in a warm office environment
In: Ergonomics : an international journal of research and practice in human factors and ergonomics, 61 (4), 476-481, 2017 [DOI: 10.1080/00140139.2017.1353141]

Ansprechpartner

Telefon

work
+49 241 80 25033

E-Mail

E-Mail