Kategorie: Nicht kategorisiert

Das Erfassen und Auswerten von Energiedaten ist zentraler Bestandteil von ESG-Reportings und darauf aufbauender Analysen. Doch in der Praxis sind Verbrauchsdaten nicht immer lückenlos verfügbar. Sei es durch technische Fehler bei automatisierten Messsystemen, fehlender Rechnungen oder verspäteter Datenlieferungen. Fehlende Datenpunkte stellen ESG-Verantwortliche vor Herausforderungen, wenn es um das Berechnen von Nachhaltigkeitskennzahlen geht.

Was tun, wenn für eine Berichtsperiode nicht alle Energiedaten vorliegen? In diesen Fällen kommen verschiedene Schätzmethoden zum Einsatz.

Warum fehlen Energiedaten?

Fehlende Energiedaten können verschiedene Ursachen haben:

• Bei automatisierten Messsystemen (z. B. Smart Meter) kann die Datenübertragung temporär aussetzen oder es werden unplausible Werte geliefert.
• Rechnungsdaten fehlen häufig am Ende einer Periode, da die Abrechnung noch nicht abgeschlossen ist, insbesondere bei jährlicher Abrechnung.
• In Einzelfällen fehlen ganze Zählerdaten, etwa bei neu übernommenen Objekten oder bei mangelhafter Dokumentation.

Diese Lücken müssen überbrückt werden, um das Reporting konsistent und termingerecht durchführen zu können. Gleichzeitig ist es empfehlenswert, transparent anzugeben, wie viel der berichteten Werte auf Schätzungen beruhen.

Lineare Extrapolation bei nicht-saisonalen Verbräuchen

Für Strom- und Wasserverbräuche, die nicht direkt durch externe Faktoren wie Wetter oder Jahreszeit beeinflusst werden, kommt eine einfache lineare Hochrechnung zum Einsatz.

1. Tagesverbrauch berechnen: Gesamtverbrauch in der gemessenen Periode geteilt durch die Anzahl Tage (z. B. 1’365 kWh / 273 Tage = 5 kWh/Tag)
2. Verbrauch extrapolieren: Tagesverbrauch multipliziert mit Anzahl fehlender Tage (z. B. 5 kWh/Tag × 92 Tage = 460 kWh)
3. Geschätzter Anteil berechnen: Anteil der Schätzung am Gesamtverbrauch berechnen (z. B. 460 / (1’365 + 460) = 25 %)

Diese Methode ist einfach umzusetzen und für Verbräuche, die keinen saisonalen Schwankungen unterliegen, geeignet.

Berücksichtigung von saisonalen Schwankungen bei Wärmeverbräuchen

Anders sieht es bei saisonalen Energieverbräuchen wie der Wärme aus. Hier reicht eine lineare Hochrechnung nicht aus, da im Winter mehr geheizt wird als im Sommer. Aus diesem Grund muss die Aussentemperatur berücksichtigt werden. Grundlage für die Extrapolation ist z. B. die Akkumulierte Temperaturdifferenz (ATD), wie sie in der SIA Norm 380:2022 definiert ist.

Für die ATD wird die Differenzen zwischen einer Basistemperatur (Näherungswert, ab welcher Aussentemperatur ein Gebäude zu heizen beginnt) und der Aussentemperatur für jeden Tag definiert. Bei einer positiven Tagesdifferenz wird davon ausgegangen, dass geheizt werden muss. Indem die positiven Werte aufsummiert werden, erhält man die akkumulierte Temperaturdifferenz. Saisonale Verbräuche werden mittels ATD extrapoliert:

1. ATD bestimmen: Differenz zwischen Basistemperatur (z. B. 17 °C) und täglicher Aussentemperatur berechnen. Positive Differenzen werden aufsummiert.
2. Verbrauch pro ATD-Grad berechnen: z. B. 25’933.5 kWh / 1’728.9 °C ATD = 15 kWh/°C
3. Fehlenden Verbrauch schätzen: z. B. 15 kWh/°C × 920.5 °C ATD = 13’807.5 kWh
4. Anteil bestimmen: 13’807.5 kWh / 39’741 kWh = 35 %

So wird die saisonale Heizintensität realistisch abgebildet und die Schätzung deutlich genauer als bei linearen Methoden.

Weitere Anwendungsbereiche: PV und Kühlenergie

Auch bei anderen Energieformen kann die Schätzung witterungs- oder saisonabhängig erfolgen:

• Solarstrom: Schätzung auf Basis der Sonnenscheindauer, der Verbrauch pro Sonnenstunde über die gemessene Periode wird auf die fehlende Periode übertragen.
• Kühlenergie: Invers zur Heizenergie; je wärmer, desto höher der Kühlbedarf. Schätzmethoden orientieren sich an der „Kühlintensität“.

Unterschiedliche Richtlinien im Umgang mit geschätzten Werten

Je nach ESG-Standard gelten unterschiedliche Regeln für geschätzte Daten und den daraus berechneten Kennzahlen.

• AMAS / KGAST / ASIP: Schätzungen sind grundsätzlich zulässig, wenn sie transparent ausgewiesen werden, z. B. durch Angabe des Anteils berechneter Werte am Gesamtverbrauch. Allerdings wird zur Berechnung der Kennzahlen die Anwendung der REIDA Methodik empfohlen.
• REIDA: Geschätzte Daten sind nicht erlaubt, es dürfen jedoch Messperioden verwendet werden, die um bis zu 9 Monate von der Reportingperiode abweichen.
• GRESB: Bezieht sich nicht auf den Anteil am Verbrauch, sondern auf die Dauer der geschätzten Periode (z. B. maximal 20 % der Periode, auf die sich die Daten beziehen, darf geschätzt werden). D.h. wenn für 6 Monate gemessene Daten vorhanden sind, dürfen für maximal 1.2 Monate Daten geschätzt werden.

Wenn keine Daten vorliegen: Schätzung via Benchmarks

In Fällen, in denen überhaupt keine gemessenen Daten verfügbar sind, kann auf Benchmarkwerte zurückgegriffen werden. REIDA stellt entsprechende Daten nach Nutzung, Baujahr und Energiequelle zur Verfügung.

Der Benchmarkwert wird mit der Energiebezugsfläche multipliziert, um den Verbrauch zu schätzen. Wichtig zu beachten ist jedoch, dass für den offiziellen CO₂e-Report von REIDA Benchmarkwerte nicht zulässig sind. Es dürfen ausschliesslich gemessene Daten verwendet werden. Sie dienen ausschliesslich der internen Orientierung oder für ergänzende KPIs.

Fazit: Schätzmethoden sinnvoll einsetzen – Transparenz wahren

Fehlende Verbrauchsdaten sind keine Ausnahme, sondern Realität. Mit fundierten, nachvollziehbaren Methoden zur Extrapolation der fehlenden Daten lassen sich diese Lücken realitätsgetreu schliessen. Entscheidend dabei ist:

• Die Wahl der passenden Methodik je nachdem, ob es sich um saisonale oder nicht-saisonale Verbräuche handelt
• Die transparente Dokumentation der geschätzten Anteile
• Die Beachtung der Vorgaben je nach Reporting-Standard

Wünschen Sie Unterstützung bei der Erfassung und Vervollständigung Ihrer Energiedaten? Kontaktieren Sie uns für ein unverbindliches Beratungsgespräch: contact@alphaprop.ch

Witterungsbereinigung für mehr Vergleichbarkeit von Kennzahlen

Im Zuge zunehmender regulatorischer Anforderungen und wachsender Erwartungen von Investoren und regulatorischen Vorschriften wird das ESG Reporting für Immobilienakteure immer relevanter. Ein zentrales Element dabei ist die transparente Ausweisung des Energieverbrauchs, der in Strom und Wärmeenergie unterteilt wird. Wer Energieverbräuche in Immobilienportfolios sauber analysieren und Entwicklungen über die Zeit korrekt darstellen will, kommt an einem Thema nicht vorbei: der Witterungsbereinigung.

Warum eine Witterungsbereinigung notwendig ist

Der Energieverbrauch eines Gebäudes hängt nicht nur von seiner Effizienz oder von umgesetzten Sanierungsmassnahmen ab, sondern in hohem Masse auch vom Wetter. Ein strenger Winter lässt die Verbräuche steigen, unabhängig von technischen Verbesserungen. Ein milder Winter hingegen kann Effizienzgewinne optisch überzeichnen. Für ESG-Manager, die jährlich Energiekennzahlen veröffentlichen, stellt dies eine Herausforderung dar: Nur wenn Witterungseinflüsse aus den Daten rechnerisch entfernt werden, lassen sich Verbräuche über mehrere Jahre hinweg vergleichen. In einem kalten Winter ist der Heizbedarf naturgemäss höher als in einem milden. Studien zeigen, dass der Wärmeverbrauch pro Grad Celsius Abweichung um bis zu 8 % schwanken kann. Ohne Witterungsbereinigung kann der Vergleich zum Vorjahr zu Fehlinterpretationen führen; Effizienzgewinne bleiben unentdeckt oder Massnahmen erscheinen wirkungsvoller als sie sind.

Für die Berechnung von umweltrelevanten Kennzahlen, wie sie von der AMAS definiert wurden (und die von KGAST und ASIP übernommen wurden), hat sich die REIDA-Methodik etabliert. REIDA legt unter anderem auch Standards zur Witterungsbereinigung fest.

Der Berechnungsprozess im Überblick

Die Bereinigung der Energieverbräuche erfolgt in mehreren Schritten. Dabei werden sowohl individuelle Eigenschaften der Gebäude als auch regionale Wetterdaten berücksichtigt.

1. Erheben von Grundlagedaten

Zunächst müssen saubere Grundlagendaten vorhanden sein:

• Wärmeenergieverbrauch pro Liegenschaft, idealerweise getrennt in Heizwärme und Warmwasser
• Adressdaten der Liegenschaft: sie sind zentral für die geografische Zuordnung.
• Die Energiebezugsfläche pro Liegenschaft
• Idealerweise der Nutzungsgrad der Heizanlage in der Liegenschaft (oder Annahme für den entsprechenden Energieträger gemäss REIDA Methodik)

2. Zuordnung der Liegenschaft zu einer Messstation zur Bestimmung der Aussentemperatur

Der nächste Schritt besteht in der Zuordnung zu einer offiziellen Messstation. In der Schweiz stehen laut SIA-Norm 2028:2010 rund 40 qualitätsgesicherte Wetterstationen zur Verfügung. Entscheidend ist dabei:

• möglichst geringe Distanz zur Liegenschaft
• ein Höhenunterschied von weniger als 200 m, um klimatische Verfälschungen zu vermeiden.

3. Ermittlung der gebäudespezifischen Basistemperatur

Die Basistemperatur ist der Schwellenwert, ab dem ein Gebäude beheizt werden muss, um eine angenehme Innentemperatur zu halten. Diese Temperatur ist ein Näherungswert und wird individuell berechnet. Sie hängt vom energetischen Zustand der Liegenschaft ab. Einflussfaktoren sind:

• Heizwärmeverbrauch (Gesamtenergieverbrauch minus Energie zur Erzeugung von Warmwasser)
• Nutzungsgrad der Heizungsanlage
• Energiebezugsfläche (EBF)

Die Basistemperatur bildet die Grundlage für die nachfolgende Bestimmung der Heizgradtage.

4. Berechnung der aktuellen akkumulierten Temperaturdifferenz (ATD)

Die sogenannte Akkumulierte Temperaturdifferenz ATD (SIA 380:2022; Anhang F) gibt an, wie stark und wie lange in einer Periode geheizt werden musste. Dafür wird die Differenz zwischen der Basistemperatur und den tatsächlichen täglichen Aussentemperaturen berechnet. Positive Differenzen werden aufsummiert – je grösser die Summe, desto mehr Heizbedarf bestand in der jeweiligen Berichtsperiode.

5. Vergleich mit einem Referenzzeitraum

Um die aktuelle Wettersituation in einen langfristig vergleichbaren Kontext zu setzen, wird eine Referenz-ATD berechnet. Diese bezieht sich auf die durchschnittliche Temperatur über einen bestimmten Zeitraum. So wird sichergestellt, dass das Ergebnis unabhängig von kurzfristigen Wettereinflüssen ist.

6. Bereinigung des Heizwärmebedarfs

Die Korrektur erfolgt nun mittels Verhältnis-ATD:

• Verhältnis ATD = Referenz-ATD / aktuelle ATD

Dieser Faktor wird auf den Heizwärmeverbrauch angewendet. So entsteht ein witterungsbereinigter Verbrauchswert, der unabhängig von klimatischen Schwankungen ist. Der Warmwasserverbrauch wird nicht bereinigt, da er von der Aussentemperatur weitgehend unabhängig ist. Er wird zum Schluss wieder zum bereinigten Heizwärmeverbrauch addiert.

Erweiterte Anwendungsbereiche

Die Logik der Witterungsbereinigung lässt sich auf weitere Energiethemen anwenden. Auch Kühlenergie unterliegt klimatischen Schwankungen, allerdings in umgekehrter Richtung: Je wärmer der Sommer, desto höher der Kühlbedarf. Eine ATD-basierte Bereinigung kann helfen, Klimaschwankungen zu neutralisieren. Gleiches gilt für die Produktion von Solarstrom, deren Ertrag stark von der Sonneneinstrahlung abhängt. Normierungen machen Erträge vergleichbarer.

Fazit: Eine Pflicht für jede ESG-Datenstrategie

Die Witterungsbereinigung ist weit mehr als eine methodische Spielerei. Sie ist ein zentrales Element für belastbares, transparentes und vergleichbares ESG Reporting. Nur wenn klimatische Effekte herausgerechnet werden, lassen sich Entwicklungen über die Zeit wahrheitsgetreu analysieren und Portfolios oder Liegenschaften untereinander vergleichen.

Mit der REIDA-Methodik steht ein bewährter und transparenter Standard zur Verfügung, der sich zunehmend durchsetzt.

Wünschen Sie Unterstützung bei der Erfassung und Aufbereitung Ihrer Energiedaten? Kontaktieren Sie uns für ein unverbindliches Beratungsgespräch: contact@alphaprop.ch

Interview mit Dr. Niklas Naehrig, Leiter Consulting & Sustainability, Wincasa

Die Berichterstattung zur Nachhaltigkeit wird immer komplexer. Verschiedene Benchmarks, Standards und Zertifikate verlangen eine Vielzahl an Daten und Kennzahlen. Wincasa, als führender Immobilien-Dienstleister der Schweiz, bewirtschaftet die Portfolios mehrerer grosser institutioneller Eigentümer, die direkt von diesen Herausforderungen betroffen sind. Als Bewirtschafter ist Wincasa an der Quelle der Liegenschaften der Kunden und somit am Kern der ESG-Performance der Liegenschaften. Das Nachhaltigkeitsteam von Wincasa rund um Niklas Naehrig kümmert sich um die Erfassung und Aufbereitung dieser Daten für das ESG-Reporting in den Geschäftsberichten der Kunden sowie für Zertifikate und Benchmarks. Dafür wird Wincasa von Novalytica im gesamten Prozess mit technischem Knowhow in der Erfassung und Prozessierung der Daten unterstützt, um die Datenflüsse möglichst automatisieren zu können.

Niklas Naehrig, wie haben sich die Anforderungen an euch als Bewirtschafter und an eure Kunden, die Eigentümer, im Zusammenhang mit dem ESG-Reporting verändert?

Ich sehe hier im Wesentlichen drei Trends: Während die Offenlegung der Nachhaltigkeit lange Zeit auf Freiwilligkeit basiert hat, wurde dies in den letzten beiden Jahren immer mehr zu einer Verpflichtung. In der Schweiz zum Beispiel sind AMAS-Mitglieder inzwischen angehalten, bestimmte umweltrelevante Kennzahlen zu veröffentlichen. Auch KGAST und ASIP publizieren Leitlinien für ihre Mitglieder, die sich stark an den Vorgaben der AMAS orientieren. Schaut man ins nahe Ausland, so verpflichtet in der EU die CSRD (Corporate Sustainability Reporting Directive) resp. ESRS (European Sustainability Reporting Standards) Unternehmen zur Offenlegung ihrer Nachhaltigkeit.

Das zweite Thema findet innerhalb des Reportings statt. In der Vergangenheit war die Offenlegung bereits ein Wert an sich. Das widerspiegelt sich zum Beispiel in der AMAS Kennzahl des Abdeckungsgrades, wo angegeben wird, für welchen Anteil der Liegenschaften im Portfolio Energieverbrauchsdaten erhoben werden. In Zukunft sehe ich eine klare Entwicklung zu konkreten Aktions- und Transitionsplänen. Eigentümer werden offenlegen müssen, mit welchen Massnahmen sie ihre Strategien umsetzen.

Der wichtigste Punkt aber betrifft die Daten selbst. Die Anforderungen sowohl an die Qualität als auch die Quantität der rapportierten Daten sind massiv gestiegen. Hier spielt auch die Auditierung durch Dritte eine wichtige Rolle.

Die Erfassung von Verbrauchsdaten spielt eine zentrale Rolle im ESG-Reporting. Wie geht ihr bei Wincasa dabei vor?

Spricht man von Verbräuchen, muss man zunächst definieren, von welcher Art von Verbräuchen man spricht. Bei Wincasa befassen wir uns intensiv mit den Kategorien Energie, Wasser und Abfall. Eine grosse Herausforderung ist dabei insbesondere der Stromverbrauch. Um diesen automatisiert zu erfassen, kann man private Zählerinfrastrukturen implementieren. Dies ist aber eher eine Luxusvariante. Ein Grossteil der Erfassung läuft manuell über die Verbrauchsabrechnungen. Hier hat man dann unstrukturierte Daten in PDF-Dokumenten, die man zuerst strukturieren muss. Um diesen Prozess effizienter zu gestalten, haben wir gemeinsam mit Novalytica eine innovative Lösung entwickelt. Einerseits geht es darum, dass die Rechnungen mithilfe von künstlicher Intelligenz (KI) ausgelesen und strukturiert werden, aber auch um technologische Unterstützung bei der Plausibilisierung der Daten.

Wie nutzt ihr KI und moderne Technologien, um diese unstrukturierten Daten aus den Verbrauchsabrechnungen zu erfassen?

Energiewerke sind sehr oft noch nicht so weit, dass Daten direkt von dort bezogen werden können. Darum haben wir mit Novalytica eine alternative Lösung entwickelt. Dabei werden die vorhandenen PDF-Abrechnungen oder Scans von Abrechnungen eingelesen und die relevanten Daten daraus mittels modernen, KI-basierten Algorithmen extrahiert. Dieser Prozess wird für jede einzelne Abrechnung durchgeführt. Verschiedene Qualitätsprüfungen plausibilisieren die extrahierten Daten und stellen so eine hohe Qualität in der Datengrundlage sicher.

In der Schweiz gibt es hunderte verschiedener Energiewerke, deren Abrechnungen jeweils unterschiedlich formatiert sind. Das ist eine grosse Herausforderung, da die relevanten Datenpunkte nicht immer am gleichen Ort sind. Dafür braucht es eine Technologie, die einerseits flexibel und gleichzeitig akkurat ist. Neben intelligentem OCR-Scanning, das den Text in den Abrechnungen maschinenlesbar macht, helfen insbesondere moderne Sprachmodelle dabei, die relevanten Datenpunkte in den Abrechnungen automatisiert und in hoher Genauigkeit zu finden und zu extrahieren.

Wir haben nun viel über die Erfassung der Grundlagendaten gesprochen. Wie werden daraus Kennzahlen, wie sie von Standards wie AMAS verlangt werden, berechnet?

Der erste Schritt besteht in der Erfassung aller relevanter Grundlagendaten. Anschliessend müssen diese miteinander verknüpft werden. Für die Berechnung der CO2-Intensität werden beispielsweise neben den reinen Verbrauchsdaten auch Flächendaten und Emissionsfaktoren benötigt. Diese verschiedenen Datenquellen müssen kombiniert werden, um die verlangten KPIs zu berechnen. Im Hintergrund müssen alle Daten sauber erfasst sein, damit pro Energieträger der entsprechende Emissionsfaktor hinzugefügt werden kann und somit pro Energieträger CO2-Emissionen berechnet werden können. Schlussendlich wird mit den Flächenangaben die Intensität berechnet. Nun können die Daten so aufbereitet werden, dass sie bereit für die Veröffentlichung im Geschäftsbericht sind.

Wie stellt ihr in diesem Prozess die Qualität der Daten sicher?

Unser Erfolgsrezept ist eine Kombination aus Fachexpertise und modernen Technologien. Novalytica hat mithilfe von künstlicher Intelligenz und modernen Algorithmen verschiedene Datenqualitätsprüfungen implementiert, die zum Beispiel warnen, wenn ein Datenpunkt mehr als der definierte Schwellwert vom Wert der Vorjahresperiode abweicht oder wenn ein Datenwert fehlt. Kombiniert mit der Erfahrung des Nachhaltigkeitsteams von Wincasa, die solche Warnungen oder Fehler prüfen und bei Bedarf korrigieren, führt dies zu einer sehr hohen Datenqualität.

Um an einem Benchmark wie GRESB teilzunehmen, aber auch für andere Reportingstandards braucht es neben Verbräuchen noch weitere Daten. Diese sind oft in verschiedenen Systemen erfasst. Wie optimiert ihr die Datenflüsse für eure Kunden, sodass schlussendlich das benötigte Reporting möglichst automatisiert erstellt wird?

Das ist effektiv eine grosse Herausforderung. Ein zentrales Element ist dabei die Datenstrategie. In der Praxis fragen unsere Kunden oft sehr kurzfristig Daten an, zum Beispiel für GRESB. Diese so rasch und ohne Datenstrategie im Hintergrund liefern zu müssen, ist leider oft mit Qualitätseinbussen verbunden. Wir ermuntern unsere Kunden darum, schon in einem frühen Stadium eine zentrale Strategie zu erarbeiten. Dazu muss zuallererst definiert werden, an welchen Benchmarks/Zertifikaten teilgenommen und nach welchem Reportingformat berichtet werden soll. Auf dieser Basis wird dann evaluiert, welche Daten für die entsprechenden Benchmarks/Zertifikate erforderlich sind und wie man an diese Daten gelangt.

Nun können die Datenflüsse analysiert werden: Welche sind manuell zu bewerkstelligen, welche sind bereits (teil-)automatisiert? Wo können sie automatisiert und optimiert werden?

Wie unterstützt euch Novalytica dabei?

Gemeinsam mit Novalytica haben wir eine Lösung entwickelt, die die oben genannten Datenflüsse möglichst weit automatisiert. Relevante Daten aus verschiedenen Quellen werden in eine zentrale Plattform überführt, wo sie prozessiert und auf die Qualität geprüft werden. Alle relevanten Daten sind so an einem zentralen Ort, dem Data Lake, gespeichert. Aus dieser sauber aufbereiteten Datengrundlage können dann auf Knopfdruck verschiedene Endprodukte generiert werden, zum Beispiel ein GRESB Asset Spreadsheet oder ein interaktives Analyse-Dashboard. Gemeinsam vereinen wir Expertise und Knowhow aus der Bewirtschaftung und moderne Datentechnologien, um unseren Kunden die für das ESG-Reporting notwendigen Kennzahlen mit möglichst wenig Aufwand und in hoher Qualität liefern zu können.

Vielen Dank für das Gespräch!

Weiterführende Information

• Novalytica ESG Reporting
• Wincasa Consulting & Sustainability