Einführung
Ein Wärmenetz kann nur so effizient sein, wie dessen Betrieb. Fehler müssen so früh wie möglich erkannt und zielgerichtet behoben werden. Deshalb setzen immer mehr Wärmenetzbetreiber auf den Einbau von Sensoren, die Nutzdaten kontinuierlich senden. Viele Stadtwerke stehen aber vor derselben Herausforderung: Sensordaten werden erhoben, aber nicht systematisch überwacht und ausgewertet. Auffälligkeiten bleiben unsichtbar, bis sich Kund:innen beschweren oder der Schaden bereits entstanden ist. Die Stadtwerke Norderstedt (SWN) erkannten dieses Potenzial früh und gingen einen entscheidenden Schritt weiter.
Seit Juli 2025 fließen die per LoRaWAN erfassten Messdaten in eine Plattform, die RAUSCH Technology gemeinsam mit den SWN entwickelt hat. Sie werden automatisiert abgerufen, strukturiert gespeichert und im Dashboard sichtbar gemacht. Doch es geht noch weit darüber hinaus: Ein KI-System wacht kontinuierlich über das Wärmenetz und erkennt Auffälligkeiten, lange bevor sie zu Störungen werden. Was früher reaktive Entstörung war, wird so zum aktiven Wärmenetzbetrieb – mit weniger Aufwand, schnelleren Reaktionszeiten und spürbar niedrigeren Betriebskosten.
Ausgangssituation & Problemstellung
Daten vorhanden, Nutzen gleich null
Die Stadtwerke Norderstedt versorgen hunderte Liegenschaften mit Fernwärme – Wohnhäuser, Gewerbeobjekte, öffentliche Einrichtungen. 2.789 Wärmemengenzähler in 583 Liegenschaften erfassen kontinuierlich, was im Wärmenetz passiert: Temperaturen, Volumenströme,Verbräuche. All diese Daten wurden per LoRaWAN an einen Dienstleister übertragen und dort gespeichert – aber nie in eine für den Betrieb nutzbare Form gebracht.
Das bedeutete im Alltag: Wenn eine Liegenschaft Probleme machte, erfuhren es die SWN meistens erst durch Kund:innen-Beschwerden. Eine systematische Übersicht über den Zustand des Wärmenetzes fehlte. Effizienzprobleme, etwa hydraulische Kurzschlüsse oder Anschlüsse mit dauerhaft hoher Rücklauftemperatur, blieben unsichtbar. Jede Anfrage bedeutete manuelle Recherche und eventuell mehrere Einsätze vor Ort.
Ziele des Projekts
Das Ziel war klar. Die SWN wollten ihr Wärmenetz endlich wirklich im Blick haben – und die Effizienz des Wärmenetzes nachhaltig erhöhen. Konkret bedeutete das:
Automatisiertes Abrufen und Speichern aller Wärmemengenzählerdaten in einer eigenen Datenbank
Visualisierung relevanter Kenngrößen je Liegenschaft und Wärmemengenzähler
Erkennung von Auffälligkeiten im Zeitverlauf, sowie von Auffälligkeiten, die mit dem bloßen Auge nicht zu sehen sind
Betriebskosten des Fernwärmenetzes nachhaltig senken
Effizienz des Wärmenetzes erhöhen
Nutzung von offener Software statt proprietärer Systeme, damit die Plattform langfristig durch die SWN selbst betrieben und erweitert werden kann
Technische Umsetzung
Wir von RAUSCH Technology entwickelten eine vollständige Dateninfrastruktur von der Quelle bis zur Anwendung eines Dashboards durch die Betriebsführung der SWN. Dabei wurden die Experten des SWN von Anfang an und kontinuierlich in die Implementation mit eingebunden.Damit entstand ein Produkt, welches Nutzen bietet und eigenständig weiterentwickelt werden kann.
Der erste Schritt war die automatisierte Datenanbindung: Ein eigens entwickelter Dienst ruft die Messdaten regelmäßig beim LoRaWAN-Provider ab und speichert sie strukturiert in einer eigenen Datenbank. Parallel dazu erfassen wir Außentemperaturdaten über öffentliche Wetterdienste – ein entscheidender Kontext, um Auffälligkeiten im Netz richtig einordnen zu können.
Auf dieser Datenbasis entstand ein Grafana-Dashboard – eine Open-Source-Lösung, die sich die SWN langfristig vollständig zu eigen machen können. Das Dashboard zeigt den Zustand jeder einzelnen Liegenschaft im Zeitverlauf: Vorlauf- und Rücklauftemperaturen, Temperaturdifferenzen, Volumenströme, Verbrauchswerte – alles auf einen Blick, geografisch verortet auf einer Kartenansicht. Zusätzlich werden auch Korrelationen berechnet, z.B. über die Außentemperatur, sowie Anomalien erkannt, bewertet und intuitiv dargestellt. Was früher eine manuelle Recherche war, ist heute ein Klick.
Kartenansicht der Anomalien im Dashboard
Allein diese Transparenz ermöglichte es den SWN, erste Probleme in einzelnen Liegenschaften zu identifizieren, darunter zu niedrige Vorlauftemperaturen und auffällig hohe Rücklauftemperaturen, die auf Ineffizienzen in der Wärmeübergabe bzw. Wärmeausnutzung durch die Kund:innen hinwiesen. Weitere Probleme, die sichtbar gemacht wurden, sind welche Zähler seit Tagen keine Daten mehr sendeten, negativer Volumenstrom bei gleichzeitiger negativer Leistung und negative Temperaturspreizung bei positivem Volumenstrom. Diese Zustände machten Hardwarefehler der Wärmemengenzähler deutlich.
Dabei blieben die Ziele klar definiert: Die SWN sollen die Plattform während der Entwicklung mitgestalten, langfristig eigenständig betreiben und eigene Dashboards erstellen können, und das ohne Abhängigkeiten von externen Dienstleistern.
Visualisierung war der Anfang – nicht das Ende. Denn viele Anomalien in Wärmenetzen sind subtil: Sie folgen keinem offensichtlichen Muster und bleiben in Zeitreihendiagrammen unsichtbar, solange man nicht weiß, wonach man sucht. Außerdem kann ein Techniker, der täglich dutzende Liegenschaften im Blick behalten soll, Ausreißer nicht zuverlässig erkennen. Eine KI schon.
Deshalb haben wir ein mehrstufiges Frühwarnsystem direkt in das Dashboard integriert. Es kombiniert vier Ansätze, die sich gegenseitig ergänzen:
1. Regelbasierte Erkennung:
Domänenwissen der RAUSCH Technology und SWN wird in klare Regeln übersetzt. Wenn eine Rücklauftemperatur im Verhältnis zur Vorlauftemperatur dauerhaft zu hoch ist, schlägt das System an – transparent, nachvollziehbar und direkt aus der Betriebserfahrung der Energieversorger abgeleitet.
2. Statistische Ausreißererkennung
Nicht jede Anomalie lässt sich mit einer festen Regel greifen. Deshalb haben wir verschiedene maschinelle Lernverfahren evaluiert und uns schließlich für den Isolation Forest entschieden. Dieser hat sich auf den Messdaten als besonders robust erwiesen und ist schnell trainierbar. Der Algorithmus erkennt Ausreißer in hochdimensionalen Datenräumen und ergänzt die regelbasierte Erkennung um eine datengetriebene Perspektive. Das Verfahren wird dabei sowohl auf die Betriebsdaten (Temperaturen, Volumenstrom und Leistung) als auch auf die historischen Verbrauchsdaten (kWh) angewendet und ermöglicht so eine ganzheitliche Ausreißererkennung über alle relevanten Datenbereiche hinweg.
3. Individuelle Ausreißererkennung:
Wir von RAUSCH Technology haben auf Basis unseres Domänenwissens mehrere Methoden zur Erkennung von Ausreißern und anomalen Betriebsdaten entwickelt. Unter anderem betrachten wir jeden Sensor einzeln und berechnen dessen individuelle Anomaliegrenze unter Verwendung der bisher gesammelten Messdaten. Damit passt sich das System an die spezifischen Charakteristika jedes Zählers an – unabhängig davon, ob ein Sensor in einer Altbauwohnung oder einem Gewerbeobjekt verbaut ist.
– Felix Reiser, Teamleiter und Meister Wärmenetze, Stadtwerke Norderstedt GmbH
Dashboardansicht für erkannte Anomalie
Das System meldet nicht nur, dass etwas nicht stimmt – es liefert auch den Kontext: Wie war die Außentemperatur? Wie hat sich der Zähler in den vergangenen Wochen verhalten? Damit können Techniker:innen gezielt und vorbereitet reagieren, statt erst vor Ort zu verstehen, was passiert ist. Und weil sich KI-Methoden kontinuierlich weiterentwickeln, haben wir die Systemarchitektur von Anfang an so ausgelegt, dass neue Modelle und Verfahren jederzeit ergänzt werden können – ohne das bestehende System anfassen zu müssen.
– Tim Storbeck, COO/P – Energy & Transformation, Stadtwerke Norderstedt GmbH
Ergebnisse und Mehrwert
Die Plattform ist seit Juli 2025 im Einsatz und hat die Arbeitsweise der SWN bereits spürbar verbessert: Kund:innen anfragen, für die früher eine aufwändige manuelle Recherche nötig war, lassen sich heute in Minuten beantworten. Das Dashboard zeigt sofort, den aktuellen und historischen Zustand der betreffenden Liegenschaft. Störungen werden erkannt, bevor sie zu einem größeren Problem werden. Techniker:innen fahren mit klaren Informationen statt offenen Fragen raus. Sie können direkt vor Ort die Wirksamkeit der Maßnahmen datengestützt nachvollziehen, da sich das Dashboard auch von unterwegs abrufen und anzeigen lässt.
Zum ersten Mal wird das Fernwärmenetz datengetrieben bewirtschaftet. Sichere Zeichen für ineffiziente Wärmeübergabe, wie dauerhaft erhöhte Rücklauftemperaturen, fallen automatisch auf und betroffene Liegenschaften können gezielt angesprochen werden. Vorher unbemerkte Ausfälle werden sofort identifiziert und können behoben werden. Das hebt die Energieeffizienz des gesamten Netzes an und wirkt sich direkt auf die Betriebskosten aus.
2.789 Zähler, 583 Liegenschaften, ~77 Millionen Datenpunkte
und eine Infrastruktur, die mit dem Netz der SWN mitwächst.
