Kataster Photovoltaik durch KI-basierte Auswertung von Fernerkundungsdaten

Im Zuge der Energiewende besteht ein erheblicher Informationsbedarf darüber, welche Flächen sich eignen, um PV-Anlagen zu installieren. Während die Ermittlung potenzieller Freiflächen samt Eigentümer häufig keine große Herausforderung mehr darstellt, besteht bei Dachflächen noch ein erhebliches Potenzial für Photovoltaik-Anlagen, das bislang nicht ausgeschöpft ist. Der Grund: Auf Anhieb ist das genaue Flächenpotenzial, die Eignung sowie Eigentums- und Nutzungsverhältnisse kaum einsehbar und bei manueller Suche mit erheblichen Aufwand verbunden.

Es soll ein Projekt gestartet werden, in dem mittels künstlicher Intelligenz sehr genau alle PV-Dachflächenpotenziale Berlins erfasst werden können.

Dafür ist eine KI-Anwendung erforderlich, die mittels Machine Learning und Deep Learning Methoden in der Lage ist, digitale Orthophotos (Luftbilder) vollautomatisiert, pixelgenau und flurstückscharf auszuwerten und die Dacheigenschaften hinsichtlich ihres Potenzials für die Installation von PV-Anlagen zu klassifizieren und das Potenzial zu berechnen.

Wenn es im Projekt gelingt, die Dachflächenpotenziale georeferenziert mit Adressdaten zu verbinden, können nicht nur PV-Potenziale und damit CO2 Einsparpotenziale für Berlin berechnet, sondern auch Eigentümer informiert werden.

Gegenstand des Projektes sollte es sein, Eignungskriterien für PV-Potenzial-Dächer gemäß örtlichen Verordnungen zu definieren (z.B zusammenhängende Flächen, Dach-Ausrichtungen oder Nutzungsarten des Gebäudes; Definition ungeeignete Kombinationen aus Dachfläche und Nutzung z.B.  Bahnhofshallen). Die Machine Learning Anwendung kann anschließend das PV-Potenzial für Berlin ermitteln.