Gebäude verursachen einen erheblichen Anteil am Gesamtenergieverbrauch. Untersuchungen zeigen, dass durch Verbesserungen des Gebäudebetriebs Einsparungen zwischen 5 % und 50 % erzielt werden können (das entspricht ungefähr 40 Mrd. Euro pro Jahr weltweit). Allerdings werden Gebäudebetriebsoptimierungen bisher in der Regel unsystematisch, uneffektiv und ohne Konvergenzkontrolle durchgeführt, unsichere Randbedingungen werden trotz ihrer hohen Relevanz gerade für neue hocheffektive Gebäude nicht beachtet. In dieser Arbeit werden daher Methoden entwickelt, um die Konvergenz bei der Gebäudeoptimierung systematisch zu dokumentieren und zu verbessern. Des Weiteren werden verschiedene Methoden zur Gebäudeoptimierung unter unsicheren Randbedingungen entwickelt und verglichen. Zunächst wird gezeigt, dass eine klassische gradienten-basierte Optimierungsmethode im Gebäudebereich Konvergenzprobleme aufweisen kann. Dann werden die Methoden zur Verbesserung von Optimierungen und zur Optimierung unter unsicheren Randbedingungen an vier Beispielen aus dem Gebäudebereich mit der Particle-Swarm-Optimierungs-Heuristik (PSO) demonstriert. Bei diesen Beispielen kann mit den hier entwickelten Methoden der numerische Aufwand für die Optimierungen zwischen 50 % und 80 % reduziert werden. Zusammen mit den entwickelten Parallelisierungsmöglichkeiten könnte damit eine modellprädiktive Regelung unter unsicheren Randbedingungen für thermoaktive Bauteilsysteme (TABS) in Echtzeit realisiert werden.

A major portion of global energy consumption comes from the building sector. Studies on ongoing commissioning show a savings potential of 5 % to 50 % by improved building operation (this corresponds to potential savings of approximately 40 billion euros per year worldwide). Optimization methods for buildings are often applied in ineffective, non-systematic ways without convergence control. Furthermore, uncertain boundary conditions are not taken into account although this is particularly relevant for new high efficiency buildings. Methods to systematically document and improve the convergence of building optimization methods are developed in this dissertation. In addition, different methods accounting for uncertain boundary conditions in building optimization are developed and compared. First, convergence problems of a classical gradient based optimization method for building problems are shown. Next the methods for improving optimizations and optimizations with uncertain boundary conditions are applied to examples from the building sector with a Particle Swarm Optimization heuristic. For these examples, the necessary numerical effort is reduced by 50 % to 80 % by using the developed methods. Combined with the outlined parallelization techniques, it seems possible to realize a model predictive control under uncertain boundary conditions for the thermally activated building systems (TABS) in real time.