 Aber und damit herzlich willkommen wieder an diese Morgen zur about future stage. Wir haben jetzt hier einen ganz interessanten Talk über DIY Heizenergie-Optimierung mit einem neuronalen Netzwerk von Jens Dorfmüller hier zu meiner rechten. Jens hat auch die Folien unter seiner Website Jens.dorfmüller.de mit U oder mit U ist egal. Ja Jens, wie bist du darauf gekommen meinen Talk über Heizenergie-Optimierung zu machen? Ich habe mich vor zweieinhalb Jahren, habe ich einen Smart-Mieter eingebaut bekommen und habe mich damit beschäftigt, was man damit machen kann. Und daraus hat sich im Laufe von zweieinhalb Jahren ein bisschen größeres Projekt entwickelt und jetzt war ich in einem ist das Projekt in einem Zustand, wo ich gesagt, naja, jetzt könnte man es eigentlich auch mal zeigen und gucken, ob es für andere Leute interessant ist, ob andere Leute vielleicht auch noch Ideen haben, was man weiter damit machen könnte. Ja, und so habe ich gedacht, melde ich mal ein Talk an und es freut mich sehr, dass ich heute hier in München sein darf und mal wieder auf einer Bühne stehen darf. Wunderbar. Ich würde sagen, damit übergebe ich gleich an dich und wir sind gespannt, was du uns zu erzählen hast. Super, guten Morgen zusammen. So, ich fange gleich mit meiner ersten Folie an. Die ganze Geschichte hat bei mir angefangen vor gut zweieinhalb Jahren, als ich einen Smart-Mieter eingebaut bekommen habe und ich mich damit beschäftigt habe, was kann man denn eigentlich damit machen. Und als ich mich damit beschäftigt habe, habe ich dann festgestellt, naja, dieses Smart-Mieter überträgt alle paar Sekunden den Zählerstand und die aktuell bezogene Leistung. Und zwar macht sie das über eine Infrarotschnittstelle, die da drauf ist. Auf der Folie, auf dem Bild sieht man diese Infrarotschnittstelle abgedeckt durch so einen gelben Messkopf, den ich da drauf gesetzt habe. Darunter sitzt die LED. Diese Infrarot-LED kann man mit einer einfachen Diode, mit einer einfachen Fotodiode, mit einer Infrarot-Fotodiode abgreifen und kann die zum Beispiel über die Infrarotschnittstelle, über eine DPI-O-Schnittstelle eines Raspberry-Pies auslesen oder, ich habe ein bisschen die faule Variante benommen, ich habe jemanden gefunden, der in einer kleinen Serie so einen Messkopf gebaut hat und der, der quasi mit USB-Schnittstelle angeboten hat. Vorteil, wenn man das Ding semi-professionell kauft, dann wird da auch gleich noch einen Magnet-Ring mit eingebaut, der das dann auf der Schnittstelle festhält und das Ganze optisch abdichtet. So, damit kann ich jetzt den Zählerstand auslesen, vielleicht noch ein Hinweis für Leute, die das nachmachen wollen. Man muss erst die Schnittstelle freischalten. Da gibt es eine PIN, die man da ein geben muss, das ist ganz lustig, über Morsezeichen, mit einer Taschenlampe muss man die eingeben und dann kann man die Ausgabe des vollen Datensatz freischalten. Das habe ich dann gemacht. Und ich habe ein Projekt gefunden im Internet volkszähler.org. Dieses Projekt liefert letztendlich die ganze Software, mit der man das dann auslesen kann, die Daten aufbereiten kann. Dieses Projekt besteht letztendlich aus mehreren Programmen. Ein erster Programm ist der VZ-Logger, der liest quasi den Datenstrom mit, teilt ihn auf in verschiedene Kanäle, also in den Kanal Zählerstand Hauptzeit, Zählerstand Nebenzeit und den aktuellen Verbrauch. Der kann aber auch puffern. Das heißt, wenn mein Server, auf dem die Daten gespeichert werden, mal down ist, dann puffert der zwischen, solange bis der wieder ab ist und schickt dann die Daten rüber. Dieses Programm VZ-Logger schickt die Daten dann an eine Middleware, die auf meinem Server läuft. Das ist im Prinzip eine Schnittstelle, ein ganz einfacher HTDB Request, über den das übertragen wird. Diesen Middleware hat dann die Aufgabe, die Messwerte zu empfangen und sie letztendlich in die MariaDB, die im Hintergrund läuft, zu schreiben. Und dann gibt es noch das Webfrontend, das ist letztendlich das, wie man das Ganze bedient. Die nimmt dann die Daten aus der MariaDB und stellt sie grafisch dar. Und damit kann man schon ganz interessante Dinge machen. Hier zum Beispiel ist der Stromverbrauch, der normale Stromverbrauch von unserem Haus. Und jetzt sieht man unten die Zeitskala und oben aufgetragen die Leistung, die abgerufen wurde. Jetzt habe ich folgendes Ereignis mal mitgeplottet. Hier sieht man, was der Stromverbrauch ist vom Haus, wenn das Deckenlicht im Wohnzimmer an ist. So, dann bin ich hergegangen, habe die Leselampe neben dem Sofa angemacht. Man sieht, der Stromverbrauch steigt. Dann habe ich das Deckenlicht ausgemacht und habe gedacht, naja, jetzt spare ich Strom, weil ich nur noch weniger Licht verbrauche. Dann habe ich aber mal mein Handy rausgezogen, habe die Oberfläche aufgerufen und habe geguckt und habe festgestellt, hm, ich habe gerade genau das Gegenteil gemacht. Ich habe mehr Strom verbraucht. Man sieht, das Ganze kann man rückgängig machen, wenn ich das Deckenlicht wieder anmache und die Leselampe aus, dann verbrauche ich auf einmal wieder weniger Strom. Wenn man darüber nachdenkt, ganz logisch, die Deckenlampe ist eine moderne LED-Lampe, wo die meiste Energie in Licht verwandelt wird. Und die Leuchte neben dem Sofa ist noch eine alte Halogenstandleuchte, die verbrennt eben, die erzeugt nicht nur Licht, sondern auch eine Menge Wärme und verbraucht deswegen mehr Strom. Seitdem ist die Stellampe, ehrlich gesagt, auch ein bisschen in Ungenade gefallen. Sie wird deutlich weniger eingeschaltet. So, jetzt wollte ich aber ein bisschen mehr damit machen. Vorteil von dieser, von dem Projekt Volkszeller.org ist, dass diese HTTP-Schnittstelle sehr, sehr gut dokumentiert ist und man relativ einfach auch andere Dinge da reinhängen kann. Ich habe zum Beispiel noch ein paar Temperatursensoren da reingehängt. Das sind einfache Platin-Messwiderstand-Temperatursensoren. Ich habe mir von Adafruit einen Verstärker dafür gekauft. Da kann ich dann die Temperatur über die SPI-Schnittstelle mit einem Raspberry Pi Zero auslesen. Und ich kann ein einfaches Python-Script schreiben. Das sind wirklich nur 15 Zeilen. Und kann das dann an den VZ-Logger übergeben. Also, hier rechts dargestellt sieht man dann auch, wie das Ganze aussieht. Also, der Temperatursensor ist über ein 4-adreges Kabel an den Verstärker angebunden. Über SPI, dann an den Raspberry Pi Zero. Da geht es dann an den VZ-Logger und über WLAN hängt der an meinem Server. Gut, eine weitere Datenquelle, die mich interessiert hat, war die Heizung. Da habe ich ein bisschen den Nachteil. Da gibt es keine gut dokumentierte freie Schnittstelle. Erst kürzlich hat der Hersteller Wismann die API zum Auslesen auch wirklich freigegeben und einigermaßen dokumentiert. Zum Glück gibt es aber eine Open-Source-Schnittstelle, eine Open-Source-API auf GitHub, die bereits die schon länger gibt und die mir das Leben da erneut macht. Da kann ich eben über diese API die Daten von meiner Heizungsansage auslesen und aus der Cloud auslesen und damit in meinem Volkszeller.org einspielen. Die Daten, die ich da abgreife, das sind vor allen Dingen die Außentemperatur. Ich kann auslesen, ob die Heizung aktiv ist oder ob sie im Sommer ausgeschaltet ist. Und was ganz interessant ist, ich kann lesen, ob die Heizung gerade Warmwasseraufbereitung macht oder ob sie meine Hausfußbodenheizung betreibt. So, damit kann ich jetzt schon eine bisschen interessanter Auswertung machen. Ich kenne also die Leistungsaufnahme meiner Heizung zu jedem Zeitpunkt und ich kenne den Betriebszustand zu jedem Zeitpunkt. Und jetzt kann ich mir einfach ausrechnen, wie viel Strom ich eigentlich zum Heizen brauche und wie viel ich für die Warmwasseraufbereitung brauche. Also hier sieht man jetzt einen Plot über die letzten zweieinhalb Jahre. Jeder Balken ist eine Woche. Im Blau sieht man die Energie, die ich zum Heizen benutzt habe und in Orange sieht man die Energie, die zum Warmwasseraufbereitung benutzt wurde. Ich kann dann auch sehen, ich kann relativ schnell sehen, in welcher Woche ich wie viel Geld ausgegeben habe zum Heizen. So, ich kann aber auch auftragen, wie viel Energie brauche ich gegenüber, bei welcher Temperatur. Und da kriegt man schon was Interessantes raus. Da sieht man relativ schnell eine eindeutige Korrelation. Je wärmer es ist, umso weniger Energie brauche ich zur Warmwasseraufbereitung. Das ist relativ einfach erklärbar. So eine Luftwasser-Wärmepumpe, die hat eine schlechtere Effizienz, wenn es kalt ist. Wenn ich mir das jetzt angucke, könnte ich jetzt, ist eine der Ideen, die ich habe, was ich in Zukunft mal ausprobieren will. Ich könnte jetzt sagen, ich gucke mir die Wettervorhersage an und verlege, versuche die Warmwasseraufbereitung in die Zeit am Tag zu legen, in der es wärmer ist. Und in der kalten Zeit, vor allen Dingen in der Nacht, da unterdrücke ich dann die Warmwasseraufbereitung bis in die frühen Morgenstunden. Ja, das ist eine Idee. So, dann habe ich aber auch zu Hause noch einen Komfortofen, einen Holzofen im Wohnzimmer, den ich betreibe. Und was mich jetzt dann interessiert hat, ist, wie viel Strom spare ich eigentlich, dadurch, dass ich hin und wieder mit Holz heize. Auch da habe ich mal einen einfachen Plot versucht. Ich habe einfach die Temperatur aufgetragen und dann dagegen die Energie, die ich zum heizen, mit meiner Luftwärmepumpe brauche. Jeder Punkt hier, jeder Punkt ist quasi eine Woche, der Mittelwert einer Woche. Und man sieht, in den Wochen, wo ich markiert habe, dass ich den Ofen relativ häufig anhatte, dort scheint der Stromverbrauch tatsächlich ein bisschen reduziert zu sein. Ob jetzt der Holzofen an war oder nicht, das kann ich eben an meinen Temperatursensoren messen. Da sehe ich, wenn die Temperatursensoren nur die Umgebungstemperatur anzeigen, dann war er offensichtlich aus. Und wenn die deutlich über der Raumtemperatur liegen, dann war der an. So, jetzt habe ich mich gefragt, kann ich das eigentlich auch noch genauer ausrechnen? Und da habe ich mir jetzt folgende Idee überlegt. Ich nehme ein neuronales Netzwerk, trainiere das auf die Außentemperatur, die Temperatur des Ofens und den Betriebsmodus der Heizung. Und wenn ich das trainiert habe, dann manipule ich die Ofentemperatur, die dieses neuronale Netzwerk sieht, einfach so, dass ich so tu, als ob der Ofen nie angewiesen wäre. Und jetzt postuliere ich, dass die Differenz zwischen der Vorhersage mit dem Holzofen und die Vorhersage ohne den Holzofen, das müsste ungefähr meine gesparte elektrische Energie sein. So sieht jetzt, sehen die Eingangsgrößen für das neuronale Netzwerk aus. Man sieht also hier die Außentemperatur, das ist eben nicht nur die aktuelle Außentemperatur, sondern eben auch die von den Zeitslots vorher. Ich mittel immer über Zeitslots von sechs Stunden. Das heißt, ich betrachte hier die Außentemperatur bis zu 24 Stunden rückwärts. Da selber mache ich mit dem Ofenspeicher, mit dem Ofen, da nehme ich eben auch nicht nur die aktuelle Temperatur, sondern gucke mir auch drei Slots zurück an. Bei dem Betriebszustand der Heizung, da gucke ich mir jetzt nur an, ist die Heizung aktuell an, oder ist sie im Sparmodus, oder ist gerade die EVU-Sperre. Vielleicht noch ein Wort zu der EVU-Sperre. Das ist eben ein Recht, was mein Energievorsorge hat. Mein Energievorsorge darf mir sagen, dass an bestimmten Zeiten am Tag meine Heizung ausbleiben muss. Und da hält sich die Heizung halt auch dran. Und das hat natürlich auch einen massiven Einfluss darauf, wie viel Strom meine Heizung verbraucht. So die Aus, die Größe, auf die ich das neuronale Netzwerk trainiere, ist letztendlich die Heizenergie. Das ist das Integral über die Leistung, ohne die Warmwasseraufbereitung. So sieht dann das neuronale Netzwerk aus. Ich habe hier das Input Layer mit 11 Größen, einen Hidden Layer mit 24 Neuronen, dann im Hidden Layer 2, 16, im Hidden Layer 3, 12. Und dann habe ich nachher einen Output Layer. Und das Netzwerk ist fully connected. Man sieht hier an der Anzahl der Linien, hier gibt es sehr, sehr viele parameter, sehr viel freie Parameter, mit der ich das neuronale Netzwerk trainieren kann. Für mich als Physiker ist dieses neuronale Netzwerk erst einmal einfach nur eine Funktion mit insgesamt 905 Freiheitsgraden, also ein F von A1 bis A905. Und dann noch die Eingangsgrößen hier. Und die Ausgangsgröße ist der Energieverbrauch. So, und jetzt habe ich Datensätze für dieses X1 bis X11, von Datensatz 1 bis, im Moment sind es über 23.600 Stück, die ich da reinstecken will in diese Funktion und rauskommen soll der Energieverbrauch für jeden dieser einzelnen Datensätze. So, jetzt ganz kurz, wie komme ich zu diesen Datensätzen? Hier sieht man jetzt aufgeplottet die Zeit, das sind 2 Tage. Man sieht hier in der Okkerfarbe den Stromverbrauch der Heizung und man sieht hier zum Beispiel in Pink, das ist jetzt schwer zu erkennen, hier in Pink ist markiert, wo waren Wasseraufbereitung war, das wird rausgerechnet und hier in Rot sieht man die Temperatur des Ofens. Und jetzt gehe ich her und teile das einfach in 6 Stundenslots auf und mittel die Werte für jeden dieser 6 Stundenslots. Wenn ich das ausrechne, würde ich ungefähr auf, wenn ich das so mache über die ganze Zeit, über die ganze 2,5 Jahre, würde ich glaube ich auf 6000 Datensätze kommen, jetzt mache ich ihn noch ein bisschen, schummel ich ihn ein bisschen, ich schiebe diese Zeitslots einfach immer um eine Stunde weiter und so kann ich wesentlich mehr Datensätze generieren mit denselben Daten, die ich letztendlich habe. Das hilft mir sehr beim Trainieren des Netzwerks und erhöht die Genauigkeit. So, jetzt habe ich das neuronale Netzwerk, ich habe die Daten, jetzt ist die einzige Aufgabe, die noch fehlt, ich muss das trainieren. Trainieren läuft normalerweise so, ich lege initiale Parameter fest, dann schätze ich die Datensätze, ich berechne den Fehler, die Ableitung des Fehlers, dann werden verbesserte Parameter bestimmt und so läuft das iterativ immer weiter, solange bis der Fehler klein genug ist und dann sage ich, das neuronale Netzwerk ist trainiert. So, das sind jetzt die Ergebnisse. Hier habe ich jetzt mal aufgetragen, wie viel Energie mein Ofen bei welcher Außentemperatur spart, das ist in Rot aufgetragen. In Schwarz sieht man noch, was passiert, wenn ich meine Heizung im Urlaubsmodus betreibe, aber wer kann zu trainieren, jetzt hier auf die rote Linie und da sieht man, wie tiefer die Temperatur ist, umso mehr Energie spart er und zum Beispiel hier, so bei minus 5, zwischen 0 und minus 5 Grad gibt es einen Pieck, da spart mir mein Holzofen, da trägt er bis zu 0,5 KW zur Heizung bei. So, das Modell an sich, wenn ich das auf integriere über den ganzen Zeitraum, dann sagt das Modell relativ gut den realen Energieverbrauch voraus. Das überschätzt den Energieverbrauch leicht um 0,21%. Ich habe das mehrmals wiederholt, ich habe mal über 100 Stück, über 100 Läufe gemittelt und da komme ich auf eine Standardabweichung auf 3,2%. Das finde ich schon relativ gut für den Ansatz. So, die Energieersparnis, die das Modell voraussagt, ist im Durchschnitt ungefähr 6,4% und die Standardabweichung dort ist auch so gering, dass ich sage, ja, dem Wert kann man vertrauen. Insgesamt sagt das Modell mir voraus, dass ich mit dem Betrieb des Holzofens so ca. 575 KW an elektrischer Energie gespart habe oder in Stromkosten ca. 135 Euro. Gut, wie kann man das einschätzen? Hier die beiden Wärmequellen verglichen. Einerseits meine Luftwasserwärmepumpe, auf der anderen Seite der Holzkaminofen. So, Energieträger bei der Luftwasserwärmepumpe ist Strom, inzwischen bezieh ich da nur noch Ökostrom. Die Kosten, hatte ich gesagt, 135 Euro und die eingesparte Energie 575 KW. So, das ist aber der Stromverbrauch der Wärmepumpe. Und das, was an Heizenergie dann wirklich zu Hause ankommt, ist höher. Da gibt es eben einen Umrechnungsfaktor, der sagt, wie viel Energie wirklich im Haus ankommt, denn die Wärmepumpe erzeugt ja nicht die Wärmeenergie, sondern sie pumpt die Wärmeenergie einfach von außen in das Haus hinein. Und der Holzofen wurde betrieben meiner Durchschnittstemperatur von 5 Grad und da liegt der Coefficient of Performance meiner Luftwasserwärmepumpe ca. bei 4,7. Das heißt, das, was an Heizenergie bei mir im Haus ankommt oder angekommen wäre von dieser eingesparten Energie, ist das 4,7-Fache. So, auf der anderen Seite habe ich den Holzkaminofen. Da habe ich in den 2,5 Jahren ca. 4 Schüttraummeter Buchenholz verbrannt. Hier sieht man, wie viel das ist. Das sind 2 Schüttraummeter Buchenholz. Das heißt, das Doppelte von dem habe ich ca. in dem Ofen in der Zeit verbrannt. Er bezahlte habe ich dafür wesentlich mehr als für den Strom, was ich gespart habe. Die Energie, die dieses Holz hat, sind ca. 5,5 Kilowatt, 5.500 Kilowattstunden. Jetzt hat der Ofen natürlich auch eine gewisse Effizienz. Die wird angegeben bei ca. 82 Prozent. Das heißt, auch davon kommt natürlich nicht alles bei mir im Haus an. Jetzt, wenn man guckt, ist es eine Differenz von fast 2.000 Kilowattstunden. Das wirkt erst mal relativ groß. Aber an sich lege ich da in der richtigen Größenordnung. Die möglichen Ursachen für die Differenz, die da noch ist, unterschätze ich wahrscheinlich noch den Effekt von meinem Holzofen. Ich gucke nur bis zu 24 Stunden zurück. Wenn der Ofen ordentlich läuft und auch die Wände vom Haus erhitzt, dann ist der Effekt wahrscheinlich noch wesentlich länger. Und zum anderen, die Effizienz von 82 Prozent reiche ich garantiert nicht zu Hause. Denn der Ofen steht nur in einem Raum und er heizt genau einen Raum und da kommt nicht alles im ganzen Haus an. Auch da könnte man wahrscheinlich verbessern. So, was schließe ich daraus? Zum einen, wirtschaftlich ist der Betrieb meines Holzofens definitiv nicht rentabel. Wenn wir draußen in Temperaturen so jenseits der minus 10 Grad sind, dann macht es wahrscheinlich auch wirtschaftliche Sinn, den zu betreiben. Da muss man einfach bedenken, der Coffitions of Performance einer Wärmepumpe sinkt drastisch, wenn man in Richtung minus 10 Grad geht. Ich habe mal aus dem Datenblatt hergeleitet. Leider wird das für die Temperaturen nie angegeben, weil die Werte dann relativ schlecht sind. Deswegen habe ich mir die aus dem Datenblatt hergeleitet. Bei minus 10 Grad Celsius ist der Coffitions of Performance wahrscheinlich nur noch so bei 2,5. Dagegen die Leistung und die Effizienz des Ofens bleibt aber unabhängig von der Außentemperatur immer gleich. Das heißt, irgendwo bei sehr tiefen Temperaturen draußen steigt das, macht es immer mehr Sinn, diesen Ofen zu betreiben. Von der CO2-Bilanz her kommt es ganz drauf an, was man für einen Strommix hat. Dadurch, dass ich jetzt nur noch Ökostrom nehme, macht das da auch nicht mehr so viel Sinn. Wenn ich die energetische Betrachtung von vorhin angucke, ja, dann komme ich hier drauf, dass die Analyse-Methode an sich scheinbar ganz gut funktioniert und mir da auch Daten in der richtigen Größenordnung liefert. An sich lässt sich dieser Ansatz auch übertragen, eben auf andere Dinge. Die Methode lässt sich eigentlich immer dann einsetzen, wenn man vorher sagen möchte, ob eine manchmal verwendete Faltensmethode bei dauerhafter Anwendung zu einer Einsparung führen würde. Und dann kann man auch auszeichnen, wie groß diese Einsparung wäre. Das könnte man zum Beispiel machen, indem man die Umweltspumpe für die Warmwasseraufbereitung mal einschaltet, mal ausschaltet, dann darauf ein Modell trainiert und am Schluss sich dann ausrechnet, wenn ich die dauerhaft ausgeschaltet lasse, lassen würde, wie viel würde ich dann sparen. Oder ich könnte mir überlegen, wenn ich die Jalusin regelmäßig bei Kälte runterlasse, alle Jalusin runterlasse, dann würde ich wahrscheinlich auch was sparen. Und ich könnte mir angucken, wie viel diese Verhaltensänderung nachher auch an Energie sparen würde. Gut, zum Schluss noch einmal die Projekte, die Software und die ich verwendet habe. Zum einen habe ich schon erwähnt, dass Open Source Projekt volkszeller.org, was mir sehr geholfen hat. Und die Wiesmann App von True Avatar auf GitHub. Zum Auswerten habe ich sehr viel NumPy verwendet. Ich habe auf das Backend von Wiesmann zugegriffen. Da gibt es das Developer Portal, wo man dann die dokumentierte API findet. Programmiersprachen habe ich das meist in Python geschrieben, auch ein bisschen PHP ist dabei. Machine Learning habe ich in Keras mit TensorFlow als Backend. Angewendet. Und als Package Manager hatte ich Anaconda. Und ein Buch, was ich empfehlen kann, ist hier von Jörg Frochte. Machine Learning, das hat mir sehr viel Spaß gemacht, es zu lesen. Und es hat mir sehr viel gebracht zum Verständnis von neuronalen Netzwerken. Damit bin ich fertig, möchte mich herzlich bedanken fürs Zuhören. Die Folien, wie gesagt, habe ich abgelegt auf meiner Homepage. Wir können mich per E-Mail erreichen oder auch über Eventphone. Wenn ich wieder zu Hause bin, könnt ihr mich auch über Eventphone anrufen. Vielen Dank. Wunderbar, wir sagen auch vielen Dank. Ich hoffe, es hat den Zuschauerinnen an den Endgerät gefallen. Wir haben 1, 2, 3 Fragen bekommen. Wir haben auch noch Zeit für eine kurze Q&A. Falls noch Fragen aufkommen, einfach in den IAC. Da kommt es am besten zu uns durch. Es wurde gefragt, ob es schon vorher mit einem einfachen physikalischen Modell versucht hat, dass einfach nur den Wärmefluss oder den Energiefluss mit einbezieht. Nicht ein komplettes neuronales Netzwerk mit 509 Parameter. 11 Parameter waren es, glaube ich, und 509 Einstellmöglichkeiten. Das habe ich nicht probiert, weil mir relativ schnell klar wurde, dass es sehr viele verschiedene Kombinationen aus verschiedenen Dingen gibt. Also spielen eben so viele verschiedene Dinge eine Rolle. Dass ich gesagt habe, naja, da mache ich mir das Leben einfacher. Ich probiere es mit einem neuronalen Netzwerk. Da muss ich mich nicht um die Details kümmern. Okay, genau. Die zweite Frage geht in eine ähnliche Richtung. Nämlich, dass man das neuronalen Netzwerk auch als modellfreien Ansatz charakterisieren könnte, weil da weniger Parameter und weniger Daten von würden werden. Hast du da mal drüber nachgedacht? Ne, habe ich so noch nicht drüber nachgedacht. Okay, genau. Und es wurde noch gefragt, was für eine Wärmepumpe du benutzt hast, ob die Wärme aus der Luft oder aus dem Boden kommt. Von dem, wie sich es angehört hat, kommt sie aber aus der Luft. Es ist eine Luftwasserwärmepumpe. Das heißt, die Wärmepumpe zieht die Wärme aus der Luft raus. Auf der einen Seite saugt sie die Luft an. Auf der anderen Seite pumpt sie die kalte, abgekühlte Luft wieder raus. Ja, natürlich könnte man die Effizienz steigern, indem man auf eine andere Art von Wärmepumpe, wie zum Beispiel mit einer Tiefbohrung, die Energie aus dem Boden holen, das würde wahrscheinlich die Effizienz und vor allen Dingen den Effizienzverlust bei tiefen Temperaturen, der wäre dann längst nicht so stark. Ich kann mir auch vorstellen, dass der Boden ja auch einen guten Puffer oder einen guten Zeitpuffer da bietet, besser als die Luft. Ja, es gibt inzwischen Wärmepumpen, wo man sich einen großen Wassertank in den Boden einlässt und über den Winter macht man das zu Eis und im Sommer lässt man es langsam schmelzen. Auch sehr interessant. Es gab sogar noch Feedback über den IAC, dass der Talk sehr informativ war und das wird dir gedankt. Vielen Dank. Gut, wenn sonst jetzt noch nichts mehr hier eintrudelt, ah doch noch was. Und zwar, ob es die Lese am Stromzähler auch mit Wi-Fi und Akku gibt, dass sie nicht über eben diese Vier-Draht-Leitung angeschlossen werden müssen. Die am Stromzähler oder die ... Die Lese am Stromzähler, ja genau. Am Stromzähler habe ich noch keine gesehen. Das frage ich mich auch, warum wir machen überall Smart Home, machen alle Lichtschalter per WLAN, aber ein Zähler, der auf den Zähler aufgesteckt wird und dann per WLAN einfach so überträgt, habe ich noch nirgendwo gefunden. Das wäre ja mal ein spannendes Bastelprojekt für die Community. Ein WLAN- und Akku-Infraud-Lesegerät für den Stromzähler. Ich komme noch eine Frage. Okay, nochmal die gleiche Geschichte. Ein nettes kleines Modell mit gekoppeltem Wärmespeicher als Differenzialgleichung hätte sehr viel weniger Parameter. Und die Daten müssten nicht erst gemittelt werden. Ich glaube, du hast eine Hausaufgabe bekommen. Dann sehen wir uns vielleicht nächstes Jahr mit einem kleineren Modell. Mal gucken. Wenn ich das im Jahr hinkriege, dann melde ich mich für nächstes Jahr. Dann würde ich sagen, vielen Dank an alle Zuschauer da draußen. Ich hoffe, es hat euch gefallen. Auch nochmal vielen Dank an Jens. Ich würde dir noch das letzte Wort lassen und dann sind wir soweit fertig. Vielen Dank euch auch fürs Organisieren. Und dann bis demnächst. Tschüss.