KI‑Optimierung in der Kältezentrale

Am Hauptsitz von Merck in Darmstadt ist Kühlung ein wesentlicher Energieverbraucher: Dort werden jährlich mehr als 20 Mio. m³ Kühlwasser umgewälzt; der Bedarf entsteht vor allem durch die Klimatisierung von Laboren, Büros und Lagerflächen. Im Forschungsprojekt Energy Intelligence System für smarte Kältesysteme in Industriegebäuden (EISKIG; Förderkennzeichen: 03EN6012 A-F) wurde die KI-gestützte Betriebsoptimierung an einem Systemsegment der Kälteversorgung angewandt. In den ersten drei Monaten des autonomen Betriebs sank der strombezogene Energieverbrauch für Kühlung im betrachteten Segment um 21 % [2]. Die entwickelten Verfahren und Methoden wurden im Whitepaper „Analyse und Erweiterung industrieller Kälteversorgungssysteme zur Anwendung KI-gestützter Betriebsoptimierung“ dokumentiert und sind Basis dieses Beitrags [1].

Anlagenstruktur im betrachteten Systemsegment

Das im Projekt betrachtete System bei Merck ist ein Verbund aus Rückkühlung und Kaltwassersystem. Auf der Rückkühlseite umfasst das System vier Nasskühltürme, einen Kühlwassertank sowie eine zugehörige Pumpengruppe. Weiterhin umfasst die Kälteerzeugung u. a. eine Absorptionskältemaschine (angetrieben durch Abwärme aus einem Blockheizkraftwerk (BHKW)), drei reguläre Kompressionskältemaschinen und eine Niedertemperatur-Kältemaschine. Zu den Speicher- und Hydraulikkomponenten zählen eine hydraulische Weiche sowie ein Eisspeicher; die Kaltwasserverteilung erfolgt u. a. über Pumpen je Kältemaschine sowie eine weitere Pumpengruppe zum Kaltwasser-Werksnetz. Ferner ist die deutliche Abhängigkeit der Verbraucher von der Umgebungstemperatur ein typischer Treiber für dynamische
Teillast.

Für die energetische Bewertung ist diese Anlagenstruktur entscheidend: In solchen Verbünden wirken sich kleine Regelabweichungen an Schnittstellen (Weichen, Pumpengruppen, Stufungslogik) schnell auf den Gesamtverbrauch aus.

Zwei Praxishebel aus dem ­Merck-Anwendungsfall

1) Volumenstromdiskrepanz an der hydraulischen Weiche (Kaltwasser)

Ein klassisches Problem in Verbundsystemen ist eine Volumenstromdiskrepanz zwischen Erzeuger- und Verbraucherseite an einer hydraulischen Weiche. Ist der Verbrauchervolumenstrom wesentlich niedriger als der Erzeugervolumenstrom, kann es zur Überströmung kommen: Kaltes Vorlaufwasser fließt teilweise direkt in den Rücklauf, kühlt diesen zusätzlich ab und die Effizienz sinkt.

Die Stellgröße ist dabei „klassisch“: Eine geeignete Volumenstrom- und Druckführung kann Überströmungen reduzieren. Entscheidend ist, dass Erzeuger- und Verbraucherseite im relevanten Betriebsbereich hydraulisch zusammenpassen und die Automatisierung diesen Zustand dauerhaft einregelt statt nur Einzelkomponenten zu regeln.

2) Pumpenstaffelung statt „immer vier Pumpen“

Pumpengruppen sind in Rückkühl- und Kaltwasserkreisen üblich, um einen großen Förderbereich abzudecken. Gleichzeitig haben Kreiselpumpen einen Effizienz-Peak in einem spezifischen Teillastbereich; außerhalb dieses Bereichs fällt die Effizienz schnell ab. Für eine der betrachteten Pumpengruppen zeigt sich, dass bei Volumenströmen unter 1.200 m³/h der Betrieb mit drei Pumpen energetisch günstiger ist als der Parallelbetrieb mit vier Pumpen. Trotz einer Leistungsdifferenz von bis zu 10 kW wird im Ist‑Zustand primär der 4‑Pumpenbetrieb gefahren.

Für Betreiber ist das ein bekannter Zielkonflikt: Konservative Stufungslogik stellt Versorgungssicherheit sicher, verschenkt aber im Alltag Teillast-Potenziale. Genau hier setzen datenbasierte Optimierungsansätze an, indem sie Stufungsgrenzen und Sollwerte dynamisch und im Kontext des Gesamtsystems wählen.

Technischer Ansatz: druckbasiertes Systemmodell und koordinierte Sollwerte

Im Merck-Projekt wird eine KI-gestützte Optimierungssoftware eingesetzt („etaONE“), die das Zusammenspiel von Kältemaschinen, Kühltürmen und Pumpensystemen koordiniert. Die KI berücksichtigt das aktuelle Systemverhalten sowie Umgebungsbedingungen und optimiert die Fahrweise über Sollwerte. Kern ist ein druckbasiertes Systemmodell, das das hydraulische Verhalten digital abbildet. Dadurch können Druckniveaus in Echtzeit nachverfolgt und angepasst werden, während die Kühlleistung konstant gehalten wird. Der Eingriff erfolgt softwarebasiert, ohne bauliche Änderungen an der bestehenden Infrastruktur.

Für die Praxis ist wichtig: Eine solche Optimierung wirkt nur dann nachhaltig, wenn Stellgrößen im Verbund gesetzt werden. Typische Stellgrößen in vergleichbaren Anlagen sind Pumpendrehzahlen bzw. Differenzdruck‑Sollwerte, Stufung/Freigaben von Kältemaschinen sowie Betriebsparameter der Rückkühlung (z. B. Lüfterstufen). Welche Sollwerte konkret der KI-gestützten Optimierung freigegeben werden, hängt von Messkonzept, Automationsstruktur und Betreibergrenzen ab.

Betriebssicherheit: Fallback als Muss-Kriterium

Eine zentrale Anforderung in Kälte- und Klimabetrieb ist die sichere Rückfallebene. Hierfür kommt eine generisch anwendbare Fallback-Methodik innerhalb der Gebäudeautomation zum Einsatz: Ein zentraler Hebel entscheidet, ob konventionelle Sollwerte oder optimierte Sollwerte genutzt werden (siehe Abbildung 2). Dazu werden kontinuierlich Fallback-Überprüfungen durchgeführt, die u. a. Konnektivität/Heartbeats, Freigabe der KI-Regelung sowie die Einhaltung definierter Grenzen überwachen; bei Abweichungen wird auf konventionelle Regelung zurückgeschaltet. Für Betreiber heißt das: Die KI-gestützte Betriebsoptimierung bleibt jederzeit „beherrschbar“ – automatisch und manuell.

Inbetriebnahme und Nachweis der Einsparung

Nach einem Testlauf im März 2025 erfolgte der Übergang in den autonomen Betrieb innerhalb von zwei Wochen; das System läuft seitdem kontinuierlich. In den ersten drei Monaten des autonomen Betriebs wurde der strombezogene Energieverbrauch für Kühlung im betrachteten Systemsegment um 21 % reduziert – ohne bauliche Maßnahmen und ohne Unterbrechung laufender Produktionsprozesse.

Insbesondere im Bereich der Pumpengruppe reduziert sich der Energiebedarf im betrachteten Zeitraum um bis zu 36 %, während der Energiebedarf der Kühltürme leicht um 5 % steigt [1]; dieser Effekt ist in der elektrischen Leistungsaufnahme sichtbar (siehe Abbildung 3). Aus kälte- und klimatechnischer Sicht ist das nachvollziehbar: Wird der Volumenstrom reduziert (geringere Pumpenleistung) und gleichzeitig die Vorlauftemperatur abgesenkt, kann der Anteil der Rückkühlung leicht steigen, während die Gesamtbilanz dennoch verbessert wird.

Fazit

Der Anwendungsfall bei Merck zeigt, dass in Bestandsanlagen der Kälte- und Klimatechnik relevante Einsparungen möglich sind, wenn die Betriebsführung des Verbunds systematisch verbessert wird. Besonders wirksam sind klassische Stellhebel wie Volumenstrom-/Druckführung an hydraulischen Weichen und eine zur Teillast passende Pumpenstaffelung. Für den sicheren Praxiseinsatz ist eine robuste Rückfallebene in der Automatisierung entscheidend.

Quellen

[1] Lademann, T.; Weigold, M.; Petruschke, L.; Weber, T.; Helfert, M.; Elbæk, E.: Analyse und Erweiterung industrieller Kälteversorgungssysteme zur Anwendung KI-gestützter Betriebsoptimierung. EISKIG – Energy Intelligence System für smarte Kältesysteme in Industriegebäuden (Whitepaper). TU Darmstadt / etalytics GmbH / ETA-Solutions GmbH, 22.10.2025. Lizenz: CC BY 4.0. Verfügbar unter: https://doi.org/10.26083/tuprints-00031434 (Kurzlink: www.t1p.de/KKA26-EISKIG)

[2] etalytics GmbH: Merck und etalytics realisieren 21 % Energieeinsparung bei industrieller Kühlung, 11.02.2026. Verfügbar unter: https://etalytics.com/de/resources/blog/merck-und-etalytics-realisieren-energieeinsparung-bei-industrieller-kuehlung (Kurzlink: www.t1p.de/KKA26-Merck)