Prüfbare Gebietseinteilung in der kommunalen Wärmeplanung: LLM-gestützte Bestandsanalyse mit Quellen- und Datenlücken-Transparenz

16 Sept 2026
Main Stage
Sensoren / Moinitoring + AI-Integration

Das deutsche Wärmeplanungsgesetz (WPG) verpflichtet die Kommunen, ihr Gemeindegebiet bis 2026 bzw. 2028 in zukünftige Wärmeversorgungsgebiete einzuteilen. Dazu gehören Wärmenetzgebiete, Prüfgebiete sowie Gebiete mit dezentraler Wärmeversorgung. Hierfür müssen die zuständigen Planungsbehörden räumlich hochaufgelöste, jedoch bislang weitgehend isolierte Geodaten (z. B. Gebäudegrundrisse, ALKIS, Zensus 2022 und LoD2-Gebäudehöhen) mit umfangreichen und regelmäßig aktualisierten rechtlichen sowie methodischen Vorgaben verknüpfen. Bestehende Energieatlanten liefern überwiegend statische Karten ohne rechtliche Nachvollziehbarkeit, während dokumentenbasierte KI-Systeme keinen räumlichen Bezug besitzen. Damit bleibt die entscheidende Frage unbeantwortet: Warum wurde diese Fläche genau so klassifiziert und auf welcher rechtlichen Grundlage?

Wir präsentieren einen funktionsfähigen geobasierten Entscheidungsunterstützungs-Prototypen, der Nachvollziehbarkeit (Auditability) als zentrales Entwurfsprinzip behandelt. Der gebäudescharf berechnete Wärmebedarf wird auf ein Hektarraster aggregiert und in dreistufige Versorgungsgebiete klassifiziert. Jede Klassifizierung ist sowohl mit den zugrunde liegenden Geodaten als auch mit den entsprechenden gesetzlichen Regelungen verknüpft.

Ein räumlich verankerter Retrieval-Augmented Generation (GeoRAG)-Ansatz beantwortet frei formulierte Fragen auf Basis des tatsächlichen Dokumentenkorpus – bestehend aus dem Wärmeplanungsgesetz (WPG), dem Leitfaden Wärmeplanung des Bundes sowie der Landesrichtlinie der KEA-BW. Das System liefert präzise Quellenverweise und unterscheidet explizit zwischen rechtsverbindlichen gesetzlichen Vorgaben und methodischen Empfehlungen. Beispielsweise wird der Schwellenwert von 600 bzw. 300 MWh/(ha·a) ausdrücklich als methodische Empfehlung und nicht als gesetzliche Vorgabe gekennzeichnet. Gleichzeitig wird stets der zugrunde liegende Rechtsstand transparent ausgewiesen.

Im Pilotprojekt für die Stadt Lippstadt (Nordrhein-Westfalen) mit einem jährlichen Gesamtwärmebedarf von rund 1.293 GWh werden 11.806 Hektarzellen klassifiziert. Davon entfallen 537 Zellen auf potenzielle Wärmenetzgebiete, 1.112 Zellen auf Prüfgebiete und 10.157 Zellen auf dezentrale Versorgungsgebiete. Die 537 potenziellen Wärmenetzgebiete bündeln dabei 45,2 % des gesamten Wärmebedarfs.

Das System verbindet räumliche Analysen mit rechtlicher Argumentation, visualisiert die Vertrauenswürdigkeit gemessener und modellierter Daten, unterstützt interaktive What-if-Szenarien für alternative Wärmequellen und bewertet die Sensitivität der Klassifizierung gegenüber methodisch definierten Schwellenwerten.

Da sämtliche Antworten auf einem austauschbaren Dokumentenkorpus basieren, kann das System unkompliziert auf andere Bundesländer oder Regionen übertragen werden, indem die jeweiligen Leitfäden und Richtlinien ersetzt werden. Der vorgestellte Ansatz liefert damit ein wiederverwendbares Konzept für KI-gestützte Werkzeuge der kommunalen Wärmeplanung, das räumliche Präzision mit rechtlicher Nachvollziehbarkeit verbindet und Unsicherheiten transparent kennzeichnet – für den Einsatz in Kommunen, Energieversorgungsunternehmen und Planungsbüros.

Schlüsselwörter: GeoAI, Retrieval-Augmented Generation, Kommunale Wärmeplanung, WPG, räumliche Entscheidungsunterstützung, Nachvollziehbarkeit (Auditability), LLM Grounding, Wärmewende.

Session Moderator
Dimitri Ravin
Dimitri Ravin
Speakers
Hamidreza Ostadabbas
Hamidreza Ostadabbas, Head of the Geoinformation Department - die STEG Stadtentwicklung GmbH
Reza Mohammadi
Dr. Reza Mohammadi, Data Analyst GIS - IZ Immobilien Zeitung

Tags

Datenmanagement / Datenintegration // Data Management / Data Integration,KI // AI,Open Data / Big Data / Datenanalyse // Open Data / Big Data / Data Analytics

Sprache

Englisch // English