ISO 50001: Relevante Variablen mit Regression prüfen

Ich gehe dabei in drei Schritten vor:

Daten prüfen: Fehler klären und Ausschlüsse dokumentieren. Auch 24 Monatswerte reichen nicht automatisch aus.
Modell testen: Neben R² prüfe ich Fehler, plausible Koeffizienten und die abgedeckten Betriebszustände.
Verbrauch vergleichen: Ich berechne den Referenzverbrauch für die Bedingungen des Berichtszeitraums und vergleiche ihn mit dem Ist-Verbrauch – unter Berücksichtigung der Unsicherheit.

Dabei gilt: <u>Die EnPI bewertet die energiebezogene Leistung, die EnB liefert die Referenz.</u> Ich dokumentiere Daten, Modell und Grenzen und prüfe nach Änderungen am Betrieb, ob sie noch passen. Eine Regression allein belegt weder Kausalität noch ISO-50001-Konformität.

ISO 50001: Von Energiedaten zum belastbaren Verbrauchsvergleich

Schritt 1: Vergleichbare Energie- und Produktionsdaten vorbereiten

Der Einfluss der Variablen lässt sich erst dann belastbar prüfen, wenn die Monatsdaten zeitlich übereinstimmen.

Jede Zeile muss denselben Monat abbilden. Ordnen Sie Stromverbrauch, Produktionsmenge und Betriebsstunden entsprechend zu. Prüfen Sie Rechnungen mit abweichenden Abrechnungszeiträumen, bevor Sie die Werte übernehmen. Nutzen Sie durchgehend dieselben Einheiten und halten Sie Datenquelle, Rechnungsdatum und verantwortliche Person im Quellen- und Annahmenprotokoll fest.

Datenqualität vor der Modellierung prüfen

Gleichen Sie Messdaten mit den Betriebsprotokollen ab. So lassen sich Datenfehler von tatsächlichen Betriebszuständen unterscheiden. Die folgende Übersicht hilft bei der Prüfung. In die Regression gehen nur bereinigte Datenreihen ein.

Datenproblem	Mögliche Wirkung auf das Modell	Prüfung oder Korrektur
Fehlende Werte	Weniger nutzbare Beobachtungen; mögliche Verzerrung	Ersatzquellen prüfen. Lücken nur begründet füllen und die Methode dokumentieren.
Doppelte Einträge	Einzelne Monate werden zu stark gewichtet	Zeitstempel und zusammengeführte Exporte prüfen; Dubletten entfernen.
Zählerwechsel	Sprünge in der Verbrauchsreihe	Wechselzeitpunkt sowie alte und neue Zählerstände prüfen. Den Monatsverbrauch nachvollziehbar zusammensetzen.
Ausreißer	Können die Regressionsgerade stark verschieben	Messung mit Produktions- und Wartungsprotokollen abgleichen; nicht vorschnell löschen.
Stillstände	Grundlast statt regulärem Produktionsbetrieb	Zeitraum kennzeichnen. Je nach Modellzweck entscheiden, ob er einbezogen wird.
Geschätzte Werte	Zusätzliche Unsicherheit	Werte kennzeichnen, Schätzverfahren festhalten und möglichst durch Messwerte ersetzen.

Ungewöhnlich bedeutet nicht automatisch fehlerhaft. Halten Sie bei jedem Ausschluss den Zeitraum und den Grund fest. Auch begründet gefüllte Lücken müssen erkennbar bleiben. Bewahren Sie die unveränderten Rohdaten auf.

Ein monatliches Produktionsbeispiel aufsetzen

Hypothetisches Beispiel: Ein Fertigungsstandort erstellt für Januar 2024 bis Dezember 2025 einen Datensatz mit 24 Monatsbeobachtungen. Jede Zeile enthält Monat, Stromverbrauch Y in kWh, Produktionsmenge X in Tonnen und Betriebsstunden. Verwenden Sie durchgehend deutsche Zahlenformate, etwa 12.500 kWh und 25,5 t.

24 Beobachtungen allein ergeben noch kein belastbares Modell. Die Daten müssen unterschiedliche Produktionsmengen, saisonale Bedingungen und relevante Betriebszustände abdecken. Prüfen Sie deshalb nicht nur die Zahl der Monate, sondern auch die Bandbreite der Betriebsbedingungen.

Schritt 2: Regression anpassen und Ergebnisse verstehen

Erstellen Sie mit dem bereinigten Datensatz aus Schritt 1 ein Streudiagramm: Die Produktionsmenge steht auf der X-Achse, der Stromverbrauch auf der Y-Achse. Verwenden Sie dafür ausschließlich Daten aus dem EnB-Referenzzeitraum.

Im Monatsbeispiel zeigt jeder Punkt einen Referenzmonat mit Stromverbrauch und Produktionsmenge.

Das Diagramm macht einen ersten Zusammenhang sichtbar. Das Regressionsmodell drückt ihn in Zahlen aus.

Das einfache lineare Modell verstehen

Das Modell lautet Ŷ = aX + b. Dabei beschreibt a in kWh/t, wie sich der Stromverbrauch je zusätzlicher Tonne verändert. b in kWh steht für den berechneten Verbrauch bei null Produktion. Was diese Werte bedeuten, lässt sich nur im Zusammenhang mit dem jeweiligen Prozess beurteilen.

Weitere Variablen nur mit Prozessbezug aufnehmen

Eine statistisch auffällige Größe gehört nicht automatisch ins Modell. Nehmen Sie weitere Variablen nur auf, wenn sie einen klaren Prozessbezug haben. Prüfen Sie vorher, ob sie sich stark mit der Produktionsmenge überlappen.

Betrachten Sie neben dem Einzelmodell auch die Wechselwirkungen zwischen den Einflussgrößen. Verlaufen etwa Produktionsmenge und Betriebsstunden nahezu parallel, lassen sich ihre jeweiligen Effekte schwer voneinander trennen. Das nennt sich Multikollinearität. Prüfen Sie deshalb, wie stabil das Modell bei einer anderen Variablenauswahl bleibt.

Halten Sie für jede aufgenommene oder verworfene Variable den technischen Grund und den statistischen Befund fest. Modellieren Sie andere Energieträger getrennt, wenn sich ihre Einflussgrößen oder Bilanzgrenzen unterscheiden.

Schritt 3: Modell prüfen und Vergleiche normalisieren

Modellgüte, Fehler und Plausibilität prüfen

Ein hohes R² allein reicht nicht aus. Im Monatsbeispiel muss sich jetzt zeigen, ob das Modell auch außerhalb der Anpassung stabil bleibt. Prüfen Sie nach der Datenbereinigung und Modellanpassung die Residuen: Das sind die Abweichungen zwischen gemessenem und berechnetem Verbrauch. Betrachten Sie diese sowohl in Abhängigkeit von der Produktionsmenge als auch im Zeitverlauf. Auffällige Muster können darauf hinweisen, dass die gewählten Variablen nicht ausreichen oder nicht passen.

Prüfgröße	Hinweise auf ein brauchbares Modell	Warnzeichen
R² und korrigiertes R²	Das Modell erklärt die Streuung; zusätzliche Variablen erhöhen auch das korrigierte R².	R² steigt, während das korrigierte R² sinkt.
Residuen und Streuung	Die Abweichungen liegen ohne Muster um null; ihre Streuung bleibt ähnlich.	Kurven, Trichterformen oder zeitliche Häufungen.
Vorhersagefehler	Die Abweichungen sind für den Bewertungszweck klein genug und liegen im Unsicherheitsbereich.	Große, systematische oder unerklärte Abweichungen.
Koeffizienten	Vorzeichen und Größenordnung passen zum Prozess.	Vorzeichen oder Größenordnung passen nicht zum Prozess.
Datenabdeckung	Die Referenzdaten decken die zu bewertenden Bedingungen ab.	Wichtige Betriebszustände fehlen; neue Bedingungen liegen außerhalb des erfassten Bereichs.
Technische Plausibilität	Das Modellverhalten passt zum tatsächlichen Anlagenbetrieb.	Saisonale Muster oder geänderte Betriebsbedingungen bleiben unerklärt.

Muster in den Residuen können auf fehlende Einflussgrößen, nichtlineare Zusammenhänge, Zeitabhängigkeit oder veränderte Betriebsbedingungen hindeuten. Klären Sie diese Ursachen, bevor Sie das Modell nutzen. Prüfen Sie es nach Möglichkeit zusätzlich an einem separaten Zeitraum, dessen Daten nicht in die Anpassung eingeflossen sind. Bei wenigen Monatswerten bleibt die Aussagekraft begrenzt. Stützen Sie sich dann vor allem auf das korrigierte R².

Nach dieser Prüfung folgt der Vergleich mit der Referenz im laufenden Betrieb.

Ist-Verbrauch mit der angepassten Baseline vergleichen

Setzen Sie im Monatsbeispiel die tatsächlichen Einflussgrößen des Berichtszeitraums in das geprüfte Referenzmodell ein. Vergleichen Sie anschließend den berechneten Referenzverbrauch mit dem Ist-Verbrauch. Die Differenz ist zunächst nur eine modellierte Abweichung.

Der Vergleich ist nur belastbar, wenn das Modell geprüft ist, die Betriebsbedingungen durch die Referenzdaten abgedeckt sind und die Vorhersageunsicherheit berücksichtigt wird. Eine positive Differenz belegt noch keine Einsparung, die einer bestimmten Maßnahme zugerechnet werden kann. Prüfen Sie deshalb Modellfehler, geänderte Betriebsbedingungen und andere mögliche Ursachen. Liegt die Differenz im Unsicherheitsbereich, lässt sich daraus allein keine belastbare Verbesserung ableiten.

Fazit: Ergebnisse dokumentieren und Modellgrenzen prüfen

Modell dokumentieren und vor der Nutzung prüfen

Nach der Modellprüfung folgt die saubere Dokumentation: Halten Sie die EnPI- und EnB-Grenzen, Datenquellen, die fachliche Begründung der Variablenauswahl sowie die Ergebnisse der Datenprüfung und Validierung fest. So bleibt nachvollziehbar, warum Sie einzelne Variablen aufgenommen oder verworfen haben und für welche Vergleiche Modell und Baseline geeignet sind. Vergeben Sie eine eindeutige Projektkennzeichnung, legen Sie einen eindeutigen Referenzzeitpunkt für die Dokumentation fest und speichern Sie die Unterlagen in editierbaren Formaten.

Prüfen Sie vor der Freigabe, ob Modell und Daten noch zum Betrieb passen. Dokumentieren Sie dabei die Plausibilitätsprüfung der Koeffizienten und den zulässigen Geltungsbereich.

Datengrenzen erkennen und bei Bedarf Unterstützung nutzen

Datenlücken, kleine Stichproben und stark zusammenhängende Variablen schränken die Aussagekraft des Modells ein. Schließen Sie Messlücken schrittweise. Solange wichtige Betriebszustände in den Daten fehlen, begrenzen Sie die Nutzung des Modells. Prüfen Sie nach Umbauten oder bei neuen Randbedingungen, ob Sie das Modell anpassen oder die EnB neu begründen müssen.

Bei Bedarf unterstützt PONE Solutions bei der Energiedatenbewertung, der Messlückenanalyse und der Vorbereitung auf die Zertifizierung.

FAQs

Wie prüfe ich mein Modell bei wenigen Monatsdaten?

Wenn nur wenige Monatsdaten vorliegen, kommt es auf eine gründliche Plausibilitätsprüfung an. Kennzeichnen Sie Schätzungen, Datenlücken und Unsicherheiten klar. Dokumentieren Sie Annahmen und Datenquellen nachvollziehbar, damit die Angaben im Audit prüfbar sind. Verlassen Sie sich nicht auf unsichere Durchschnittswerte.

Vergleichen Sie Verbräuche und Einflussgrößen nur für exakt deckungsgleiche Zeiträume. Prüfen Sie außerdem, ob die Messintervalle und Zählerzuordnungen dafür ausreichen. Schließen Sie Datenlücken durch Belege oder Messungen, statt ungesicherte Schätzwerte ungeprüft in die energetische Ausgangsbasis (EnB) zu übernehmen.

Wie groß muss eine Einsparung gegenüber der Modellunsicherheit sein?

Einen festen prozentualen Schwellenwert gibt es dafür nicht. Auch bei Modellunsicherheit lässt sich eine Einsparung belastbar belegen – wenn die Berechnung sauber durchgeführt und nachvollziehbar dokumentiert wird.

Dafür müssen im Nachweisordner alle Einflussgrößen, Rechenwege, Annahmen und Unsicherheiten transparent festgehalten werden. Gutachter können so prüfen, ob der geringere Verbrauch tatsächlich auf eine bessere energetische Leistung zurückgeht. Das verhindert, dass ein Verbrauchsrückgang vorschnell als Effizienzgewinn gewertet wird.

Wann muss ich meine energetische Ausgangsbasis anpassen?

Die energetische Ausgangsbasis (EnB) sollte angepasst werden, wenn sich die Rahmenbedingungen wesentlich ändern. Das gilt etwa bei neuen Anlagen, grundlegend veränderten Produktionsprozessen oder Gebäudeumbauten. Prüfen Sie eine Anpassung auch nach längeren Stillständen oder wenn veränderte statische Faktoren dazu führen, dass die EnB den tatsächlichen Betrieb nicht mehr repräsentativ abbildet.

Gehen Sie bei Änderungen nach dokumentierten Kriterien vor. Halten Sie den Anlass, den Berechnungsweg und das Freigabedatum schriftlich fest. So bleibt nachvollziehbar, warum und wie die EnB angepasst wurde.