Immobilienwirtschaft : ESG Monitoring und KPIs: Darauf kommt's an

Ab dem nächsten Jahr müssen die Daten im Bereich Environment, Social and Governance (ESG) mit hoher Qualität erfasst werden, um die nicht-finanzielle Berichterstattung im Jahr 2025 durchführen zu können. Viele Unternehmen haben diese Aufgabe schon freiwillig die letzten Jahre realisiert und erkannt, welcher Aufwand damit verbunden ist. Sie haben daher begonnen, die Datenerhebung zu automatisieren. Viele andere Organisationen unterschätzen immer noch den Aufwand und vor allem die Vorlaufzeiten.

Die meisten von der EU-Taxonometrie und den übrigen Verordnungen der EU betroffenen Unternehmen haben schon begonnen, sich auf die Reporting-Verpflichtungen vorzubereiten. Sie haben meistens schon ihre Ziele in Hinblick auf ESG definiert und die Kennzahlen, um diese zu messen, festgelegt. Gängige Ziele liegen vor allem im Bereich Carbon-Neutralität. Um diese zu erreichen, muss zuerst der Verbrauch gemessen werden, damit er dann gezielt reduziert werden kann.

Messen kann man bei einigen kleinen Objekten einfach manuell. Das heißt, aus den Abrechnungen der Energielieferanten werden die Werte erhoben und dann zusammengefasst. Am besten wäre es, auch den Verbrauch pro Jahr genau, sprich vom 1. Jänner bis zum 31. Dezember, zu erfassen. Dazu muss man aber Begehungen nahe dem 31. Dezember machen, oder über den Verbrauch in den Monaten diesen hochrechnen. Mit dieser Methode wird aus dem Verbrauch der letzten zehn Monate der Verbrauch der restlichen zwei hochgerechnet.

Bei vielen Gebäuden ggf. sogar in mehreren Ländern, wird hier die manuelle Messung oder, wenn Smart Meter vorhanden sind, die Auswertung deren Daten sowie die Hochrechnung schon sehr aufwendig. Natürlich kann hier spezielle Software zur automatischen Analyse der Rechnungen, der Smart Meter Daten etc. helfen, aber der Aufwand für die Validierung ist meist dennoch groß, und auch die Verfügbarkeit der Smart Meter ist leider in vielen Bereichen noch sehr gering.

Der erste Ansatz eignet sich vor allem für modernere Gebäude, in denen schon eine Gebäudetechnik zum Einsatz kommt. Hier werden entweder bestehende Gateways aktiviert oder einzelne Geräte als Gateway eingebaut. Die Kosten unterscheiden sich je nach Hersteller sehr. Einzelne SPSSen, die als Gateway dienen können, gibt es schon unter 1.000 Euro. Für einige Gateways direkt in der GLT-Software sind schon ganz andere Kosten zu zahlen.

Im zweiten Fall raten wir eine SPSS als zentrale Messeinheit und Gateway zu verwenden. Dieses IoT Device steuert dann im Gebäude die Datenerfassung von den einzelnen Energieformen wie Strom, Gas, Fernwärme und -kälte sowie Wasser. Dabei kann man sich auf die Messung der Wurzel beschränken oder auch den Verbrauch der Mieter*innen gesamt erfassen. Dies dient dazu, den Scope 3 abzubilden. Bei einem Green Lease Ansatz macht es Sinn, den Verbrauch der Mieten einzeln zu messen. Sie sehen, hier kann es dann zu vielen Messeinrichtungen kommen. Ich würde im ersten Schritt eine Messung der Wurzel vorschlagen. Wenn das Gebäude sehr hohe Werte zeigt, kann man immer noch detaillierter erfassen.

Es ist immer sehr wichtig, die Daten genau zu spezifizieren, die man in die Berichte einfließen lassen will, die Frequenz der Messung und auch das Format der Daten und der Datenübertragung. Wenn man nur KPIs berechnen will, reicht ggf. ein Datensatz pro Tag oder sogar Woche. Je weniger Daten man überträgt, desto mehr sinken die Kosten. Aber wenn dann Werte auf Grund von Übertragungsproblemen fehlen, ist ggf. auch die KPI-Berechnung gefährdet. Aus diesem Grund ist der Einsatz von Markengeräten und von standardisierten Übertragungsprotokollen, die auch eine Datenqualität sicherstellen, von Bedeutung.

Wenn man schon Gebäude mit Messtechnik nachrüstet, kann man diese neben der KPI-Generierung auch für die operative Optimierung nutzen. Dann muss aber die Samplerate eher im Minuten oder Viertelstunden-Bereich liegen. Durch diese Messungen können einfach größere Verbraucher überwacht und optimiert werden. Ebenso lassen sich Wasseraustritte einfach erkennen, und es können Sofortmaßnahmen gesetzt werden. Gerade im letzten Fall ist eine Alert-Benachrichtigung von großer Bedeutung. Bei dieser erhalten operative Mitarbeitende einfach eine E-Mail oder SMS auf ihr Mobiltelefon, wenn eine Unregelmäßigkeit erkannt wird.

Ein weiterer Schritt wäre die Predictive Maintenance, wo auf Grund der Verbrauchsdaten sogar zukünftige Fehler erkannt werden können. Diese basieren auf statistischen Modellen. Dazu müssen die Messeinrichtungen aber sogar im unter einer Minute-Bereich samplen, um Anfahrströme messen zu können. Moderne IoT basierte Messeinrichtungen ermöglichen dies. Die Umstellung erfolgt einfach per Softwareeinstellung.

Je genauer Sie samplen, desto größer werden die Datenmengen, die pro Zeiteinheit anfallen. Wir haben in unseren Projekten an der TU Wien, in der Hofburg oder im Theater in der Josefstadt sehr schnell Giga- und Terabyte an Daten pro Monat erfasst. Wenn es sich nun nicht nur um ein Gebäude, sondern um mehrere hundert oder sogar tausende handelt, kommt eine große Last auf die Datenbank zu. Hier helfen dann nur mehr Enterprise-taugliche Big Data Systeme. Lokale Datenbanken auf der SPSS sind da sehr bald am Limit.

Cloud-Lösungen bieten sich an. Dabei sind aber die Kosten für diese Life Datenverfügbarkeit sehr unterschiedlich. Gerade gängige Cloud Anbieter lassen sich die vielen Daten gut bezahlen und beschränken teilweise sogar die Verfügbarkeit auf eine gewisse Zeit, um die Datenmenge zu begrenzen.