HLK-Digital-Twin zur Energieoptimierung: Lüftungsgeräte und Kältemaschinen über MQTT

Ein digitaler Zwilling für HLK ist ein lebendiges Softwaremodell Ihrer Lüftungsgeräte, Kältemaschinen und Pumpen, gespeist mit echten Sensordaten, sodass Sie sehen, wie sich die Anlage verhält und wo sie Energie verschwendet. In diesem Artikel entwerfen Sie einen solchen Zwilling von Anfang bis Ende: Datenpunkte aus BACnet-Reglern auslesen, per MQTT veröffentlichen, den Topic-Baum strukturieren und Analysen ausführen, die gleichzeitiges Heizen und Kühlen, eine zu geringe Kaltwasserspreizung und driftende Sollwerte finden. Alles nutzt offene Werkzeuge und einen Standard-MQTT-Broker.

Warum HLK wie geschaffen für einen digitalen Zwilling ist

Heizung, Lüftung und Klimatisierung gehören in Gewerbegebäuden typischerweise zu den größten Energieverbrauchern, und ein Großteil der Verschwendung ist unsichtbar. Ein undichtes Ventil, eine geschlossen klemmende Außenluftklappe oder eine Kältemaschine mit schlechter Temperaturspreizung lösen in der Gebäudeleittechnik (GLT) selten einen Alarm aus. Das Gebäude bleibt komfortabel, während der Energiezähler still weiterläuft.

Ein digitaler Zwilling macht diese Probleme sichtbar, indem er drei Dinge kombiniert:

1. Live-Daten von jedem relevanten Datenpunkt: Temperaturen, Drücke, Ventil- und Klappenstellungen, Ventilatordrehzahlen und Leistung.
2. Ein Modell, wie sich jedes Asset verhalten sollte: Auslegungsspreizung, erwartete Ventilatorleistung bei gegebener Drehzahl, die Regelsequenz.
3. Vergleichslogik, die die Lücke zwischen erwartetem und tatsächlichem Verhalten markiert.

Der Zwilling ersetzt die GLT nicht. Die GLT regelt weiterhin die Anlage; der Zwilling beobachtet, analysiert und berät. Wenn Ihnen das Konzept neu ist, beginnen Sie mit unserem Grundlagenleitfaden zur Digital-Twin-Technologie.

Referenzarchitektur

BACnet/IP controllers (AHU, chiller, VAV, meters)
        |
        |  BACnet ReadProperty / COV
        v
BACnet-to-MQTT gateway (edge PC, industrial gateway or Node-RED)
        |
        |  MQTT over TLS, port 8883
        v
Cloud MQTT broker (ConnectMQ)
        |
        +--> Python analytics service (subscriber) -> publishes KPIs and faults
        +--> Dashboards and 3D views (WebSocket, port 8084)
        +--> Time-series database via Telegraf or a custom subscriber

Das Gateway ist die einzige Komponente, die BACnet spricht. Alles darüber spricht MQTT, was Analytik, Dashboards und Speicherung vom Gebäudenetz entkoppelt. Mehrere kommerzielle Gateways und Open-Source-Optionen können BACnet-Objekte abfragen und als MQTT-Nachrichten veröffentlichen; Node-RED mit einem BACnet-Contribution-Node ist für Pilotprojekte eine beliebte Wahl.

Lassen Sie das Gateway zunächst nur lesen. Sollwerte in die GLT zurückzuschreiben ist möglich, sollte aber erst später kommen, nachdem sich die Empfehlungen des Zwillings Vertrauen erarbeitet haben, und mit sauberem Änderungsmanagement.

Zu erfassende Datenpunkte

Sie brauchen nicht jeden Datenpunkt der GLT. Beginnen Sie mit denen, die Energie und Komfort bestimmen:

Ein praxistaugliches Abfrageintervall für die meisten dieser Datenpunkte ist eine Minute. Sich schnell ändernde Werte wie die Ventilatorleistung können auf BACnet-Seite COV-Abonnements (Change of Value) nutzen, mit einem Totband, damit das Gateway den Broker nicht überflutet.

Topic-Design für einen digitalen Zwilling für HLK

Eine konsistente Topic-Hierarchie ermöglicht es Zwilling, Dashboards und Analytik, Daten ohne Konfiguration pro Datenpunkt zu finden. Eine Struktur im ISA-95-Stil funktioniert auch für Gebäude gut: Unternehmen, Standort, Bereich, Asset. Es ist dieselbe Logik, die in der Industrie einem Unified Namespace (UNS) zugrunde liegt. In Fertigungsbetrieben, in denen Hallenklimatisierung, Reinraum- oder Prozesskälte einen großen Teil des Energiebedarfs ausmachen, hängen die HLK-Topics deshalb sinnvollerweise direkt im UNS des Werks, etwa acme/werk-stuttgart/kaeltezentrale/kaeltemaschine-1/telemetry, neben den Produktionsdaten.

acme/hq-building/plant/chiller-1/telemetry
acme/hq-building/plant/chwp-1/telemetry
acme/hq-building/floor-3/ahu-3/telemetry
acme/hq-building/floor-3/ahu-3/faults
acme/hq-building/floor-3/ahu-3/kpi

Fassen Sie zusammengehörige Datenpunkte eines Assets in einer JSON-Nachricht zusammen, die im Abfrageintervall veröffentlicht wird:

{
  "ts": "2026-10-16T09:42:00Z",
  "sat": 13.1,
  "rat": 23.4,
  "mat": 17.9,
  "oat": 9.6,
  "clg_valve": 42,
  "htg_valve": 18,
  "oa_damper": 20,
  "fan_speed": 78,
  "fan_kw": 11.2,
  "filter_dp": 185
}

Kältemaschinen folgen demselben Muster mit Feldern wie chws und chwr (Kaltwasservor- und -rücklauftemperatur), flow_lps (Durchfluss in Litern pro Sekunde), kw und status, auf die sich die folgende Analytik stützt.

Eine Nachricht pro Asset statt einer Nachricht pro Datenpunkt hält die Zeitstempel synchron, was wichtig ist, wenn Ihre Regeln mehrere Werte zum selben Zeitpunkt vergleichen. ConnectMQ erkennt Topic-Hierarchien im ISA-95-Stil, sodass die Geräteansicht im Portal Assets nach Ebenen gruppiert. Unser Artikel zum ISA-95 digitalen Zwilling erklärt das Benennungsmodell ausführlich, und Sparkplug B und Unified Namespace zeigt, wie es sich im UNS umsetzen lässt.

Analytik, die Energieverschwendung findet

Der Wert des Zwillings entsteht durch einfache, erklärbare Regeln. Der folgende Python-Dienst abonniert jedes Lüftungsgerät und jede Kältemaschine im Gebäude, wendet drei klassische Prüfungen an und veröffentlicht die Ergebnisse zurück an MQTT, wo Dashboards und Alarmregeln sie aufgreifen können.

import json
import time
import paho.mqtt.client as mqtt

BROKER = "broker.connectmq.com"
PORT = 8883
SITE = "acme/hq-building"

DESIGN_CHW_DELTA_T = 5.5      # degrees C, from the chiller design data
VALVE_OVERLAP_PCT = 10        # both valves open more than this = waste
ECON_OAT_MAX = 15.0           # free cooling expected below this outdoor temp


def check_ahu(asset, d):
    faults = []
    if d["clg_valve"] > VALVE_OVERLAP_PCT and d["htg_valve"] > VALVE_OVERLAP_PCT:
        faults.append("simultaneous_heating_cooling")
    if d["oat"] < ECON_OAT_MAX and d["clg_valve"] > 20 and d["oa_damper"] < 30:
        faults.append("economizer_not_used")
    if d["filter_dp"] > 250:
        faults.append("filter_loaded")
    return {"faults": faults, "fan_kw": d["fan_kw"]}


def check_chiller(asset, d):
    delta_t = d["chwr"] - d["chws"]
    tons = d["flow_lps"] * 4.19 * delta_t / 3.517     # kW thermal to refrigeration tons
    kw_per_ton = d["kw"] / tons if tons > 1 else None
    faults = []
    if d["status"] == "on" and delta_t < 0.6 * DESIGN_CHW_DELTA_T:
        faults.append("low_delta_t")
    return {"delta_t": round(delta_t, 2),
            "kw_per_ton": round(kw_per_ton, 3) if kw_per_ton else None,
            "faults": faults}


def on_connect(client, userdata, flags, reason_code, properties):
    print("Connected:", reason_code)
    client.subscribe(f"{SITE}/+/+/telemetry", qos=1)


def on_message(client, userdata, msg):
    parts = msg.topic.split("/")
    area, asset = parts[2], parts[3]
    data = json.loads(msg.payload)

    if asset.startswith("ahu"):
        result = check_ahu(asset, data)
    elif asset.startswith("chiller"):
        result = check_chiller(asset, data)
    else:
        return

    base = f"{SITE}/{area}/{asset}"
    client.publish(f"{base}/kpi", json.dumps(result), qos=1, retain=True)
    if result["faults"]:
        client.publish(f"{base}/faults", json.dumps({"ts": time.time(), "faults": result["faults"]}), qos=1)


client = mqtt.Client(mqtt.CallbackAPIVersion.VERSION2, client_id="YOUR_CLIENT_ID")
client.username_pw_set("YOUR_USERNAME", "YOUR_PASSWORD")
client.tls_set()   # system CA store trusts the broker's Let's Encrypt certificate
client.on_connect = on_connect
client.on_message = on_message
client.connect(BROKER, PORT, keepalive=60)
client.loop_forever()

Die drei Prüfungen zielen auf bekannte Energieprobleme in HLK-Anlagen:

1. Gleichzeitiges Heizen und Kühlen. Sind in einem Lüftungsgerät beide Ventile offen, arbeitet das Gerät gegen sich selbst. Die Ursachen reichen von einem undichten Ventil bis zu einem schlecht eingestellten Regelkreis.
2. Economizer ungenutzt. Wenn es draußen kühl ist und das Gerät trotzdem mechanisch kühlt, während die Außenluftklappe nahe am Minimum steht, bleibt freie Kühlung ungenutzt.
3. Zu geringe Kaltwasserspreizung (Low Delta-T). Ein Kaltwasserkreis, der deutlich unter seiner Auslegungsspreizung läuft, erzwingt mehr Pumpenleistung und oft zusätzliche Kältemaschinen. Es ist eine der häufigsten und teuersten Ineffizienzen in Kältezentralen.

Jeder Schwellenwert hier ist ein Ausgangspunkt. Justieren Sie ihn je Asset anhand von Auslegungsunterlagen und einigen Wochen beobachteter Daten. Der Artikel zum digitalen Zwilling für Energie geht weiter auf Baselines und die Messung von Einsparungen ein.

Alarme und Visualisierung

Da die Ergebnisse einfache MQTT-Nachrichten sind, kann jeder Subscriber sie konsumieren. Im ConnectMQ-Portal können Sie Schwellenwert-Alarmregeln für numerische Werte anlegen, etwa kw_per_ton oder eine Zulufttemperatur, und ausgelöste Alarme im Alarmprotokoll prüfen. Die Fehlermeldungen selbst leiten Sie am besten mit Ihren eigenen Werkzeugen weiter: Node-RED kann daraus E-Mails oder Tickets machen, und ein Grafana-Dashboard auf Basis einer Zeitreihendatenbank kann Trends zeigen.

Zur Visualisierung verbindet sich ein Browser über Secure WebSocket auf Port 8084 (Pfad /mqtt) und abonniert die Topics kpi und telemetry. Ein 2D-Grundriss mit eingefärbten Lüftungsgeräten ist für Facility-Teams oft nützlicher als ein fotorealistisches Modell. Wenn Sie sehen möchten, wie ein Live-3D-Zwilling aussieht: Die Digital-Twin-Webdemo von ConnectMQ animiert eine Fabrik mit Maschinen, Tanks, Pumpen und Förderbändern, die über WSS aktualisiert werden, und dasselbe Muster gilt für eine Technikzentrale.

Checkliste für die Einführung

1. Bestandsaufnahme: Exportieren Sie die Datenpunktliste der GLT und wählen Sie die Datenpunkte aus der obigen Tabelle für ein Lüftungsgerät und eine Kältemaschine.
2. Gateway: Installieren Sie ein BACnet-zu-MQTT-Gateway im Gebäudenetz, nur lesend, mit Veröffentlichung über TLS.
3. Topics: Einigen Sie sich auf die Hierarchie und die JSON-Feldnamen, bevor Sie das zweite Asset anbinden.
4. Broker: Erstellen Sie einen privaten Broker mit Zugangsdaten pro Gateway und pro Analysedienst.
5. Validieren: Vergleichen Sie einen Tag lang die Werte des Zwillings mit der Oberfläche der GLT; korrigieren Sie Skalierung und Einheiten.
6. Regeln: Aktivieren Sie die drei Prüfungen, besprechen Sie die Ergebnisse wöchentlich mit dem Facility-Team und justieren Sie die Schwellenwerte.
7. Skalieren: Ergänzen Sie die übrigen Lüftungsgeräte, Pumpen und Zonen und erwägen Sie dann prädiktive Anwendungsfälle wie Filter- und Lagerverschleiß.

Zur Instandhaltungsseite siehe Predictive Maintenance mit dem digitalen Zwilling, und für das Gesamtbild des Gebäudes den Leitfaden zum digitalen Zwilling für Gebäude.

Sicherheitsaspekte

Gebäudenetze sind oft alt, flach und schlecht segmentiert, daher ist das Gateway ein sensibler Punkt. Platzieren Sie es in einem eigenen Netzsegment, erlauben Sie nur ausgehende Verbindungen zum Broker auf Port 8883, machen Sie BACnet niemals aus dem Internet erreichbar und geben Sie jedem Gateway eigene Zugangsdaten; das Zonen-und-Conduit-Modell der IEC 62443 ist dafür ein guter Rahmen. Ein verwalteter MQTT-Broker macht eingehende Ports im Gebäudenetz vollständig überflüssig, weil alle Verbindungen vom Standort ausgehen. Veröffentlichen Sie niemals echte Gebäudedaten auf einem öffentlichen MQTT-Broker; nutzen Sie ihn beim Prototyping nur mit synthetischen Werten.

Bauen Sie Ihren digitalen Zwilling für HLK auf ConnectMQ

ConnectMQ ist ein Cloud-MQTT-Broker, der die Live-Daten transportiert, auf die Ihr HLK-Zwilling angewiesen ist: MQTT 3.1.1 und 5.0, TLS, WebSockets für Dashboards, ISA-95-fähige Geräteansichten und Schwellenwertalarme im Portal. Ihre Gateways, Analysedienste und Dashboards verbinden sich als Standard-MQTT-Clients. Erstellen Sie einen kostenlosen Serverless-Broker unter app.connectmq.com, ohne Kreditkarte, und streamen Sie noch heute Ihr erstes Lüftungsgerät.

Häufig gestellte Fragen

Was ist ein digitaler Zwilling für HLK?

Ein lebendiges Modell von HLK-Anlagen wie Lüftungsgeräten und Kältemaschinen, das laufend mit echten Sensordaten aktualisiert und mit dem erwarteten Verhalten verglichen wird, um Fehler und Energieverschwendung zu finden.

Muss ich meine GLT ersetzen, um einen HLK-Zwilling zu bauen?

Nein. Der Zwilling liest Daten aus der bestehenden GLT über ein BACnet-zu-MQTT-Gateway und überlässt die Regelung der GLT. Er ergänzt Analyse, kein neues Regelsystem.

Warum MQTT statt BACnet direkt auslesen?

BACnet ist für lokale Gebäudenetze konzipiert. MQTT transportiert Daten sicher über ausgehende Verbindungen in die Cloud und lässt viele Konsumenten wie Analytik, Dashboards und Speicherung denselben Datenstrom nutzen.

Wie schnell zeigt ein HLK-Zwilling Ergebnisse?

Einfache Regeln wie gleichzeitiges Heizen und Kühlen oder eine zu geringe Kaltwasserspreizung können Probleme schon in den ersten Wochen mit Daten aufdecken, aber die Einsparungen hängen vom Gebäude ab und davon, ob auf die Erkenntnisse reagiert wird.