Wie viel Beton, Ziegel, Stahl oder Holz steckt eigentlich in einem bestehenden Gebäude? Bei einem Neubau lässt sich diese Frage anhand von Planungs- und Baudaten vergleichsweise gut beantworten. Bei einem 50 oder 100 Jahre alten Gebäude sieht die Situation häufig völlig anders aus.

Genau hier setzt ein an der Technischen Universität Graz gemeinsam mit Revitalyze entwickelter Urban Mining Screener an. Das digitale Werkzeug kombiniert Geodaten mit Gebäudearchetypen und kann daraus abschätzen, welche Materialien in einem bestehenden Gebäude wahrscheinlich verbaut wurden. Das Interessante daran, für eine erste Einschätzung muss das Gebäude weder geöffnet noch vollständig digital erfasst werden. Ausgangspunkt kann bereits seine Adresse sein.

Damit zeigt das Projekt, wohin sich Urban Mining entwickeln könnte. Vom Wissen über einzelne Gebäude hin zu digitalen Materialkatastern ganzer Quartiere und Städte.

Von der Adresse zur Materialschätzung

Grundlage des Urban Mining Screeners sind unter anderem Geodaten aus OpenStreetMap. Über die Adresse wird das betreffende Gebäude identifiziert. Aus den vorhandenen Geodaten können Informationen zur Gebäudegeometrie abgeleitet werden.

Weitere Angaben wie Gebäudetyp, Bauperiode, Bauweise oder energetischer Zustand helfen anschließend dabei, das Gebäude einem passenden Archetyp zuzuordnen. Das Grundprinzip lässt sich vereinfacht so darstellen. Adresse → Geodaten → Gebäudegeometrie → Gebäudearchetyp → Bauteile → Materialien → geschätzte Materialmengen

Der Screener schaut also nicht tatsächlich durch Wände und Decken. Er rekonstruiert vielmehr anhand typischer Bauweisen, welche Materialien mit welcher Wahrscheinlichkeit in einem bestimmten Gebäudetyp vorhanden sind.

Genau diese Unterscheidung ist wichtig

Die Ergebnisse ersetzen keine detaillierte Bestandsaufnahme und keinen Materialpass. Sie ermöglichen jedoch eine erste Einschätzung des vorhandenen Rohstofflagers – gerade dort, wo detaillierte Bestandsdaten fehlen.

Das Herzstück des Ansatzes bilden 154 Gebäudearchetypen, die an der TU Graz entwickelt wurden. Sie bilden unterschiedliche Gebäudetypen und Bauperioden ab und verbinden diese mit typischen Konstruktionen und Materialzusammensetzungen. Das ist für Urban Mining entscheidend. Ein Mehrfamilienhaus aus den 1960er-Jahren besitzt schließlich einen anderen Materialbestand als ein Gründerzeithaus, ein Einfamilienhaus aus den 1990er-Jahren oder ein modernes Bürogebäude.

Kennt das System beispielsweise Gebäudegröße, Bauperiode und Konstruktion, können typische Bauteilaufbauten zugeordnet werden. Aus Bauteilen werden anschließend Materialien.

Aus Materialvolumen und Rohdichte lässt sich wiederum eine geschätzte Masse berechnen. So entsteht aus vergleichsweise wenigen Informationen ein erstes digitales Abbild des Materiallagers eines Gebäudes.

Kein digitaler Röntgenblick

Die Grenzen des Verfahrens müssen dabei berücksichtigt werden. Ein Gebäudearchetyp kann nicht wissen, ob bei einem konkreten Gebäude vor 25 Jahren eine Wand entfernt, das Dach erneuert oder ein anderer Baustoff verwendet wurde. Auch Umbauten und individuelle Konstruktionen können die tatsächlichen Materialmengen verändern.

Der Urban Mining Screener liefert deshalb modellbasierte Schätzungen und keine exakten Materialinventare. Tests der Forschenden zeigen nach Angaben der TU Graz insbesondere bei mineralischen Baustoffen gute Ergebnisse. Schwieriger wird es bei Materialien und Bauteilen, die sich weniger gut über standardisierte Gebäudearchetypen erfassen lassen.

Für eine konkrete Rückbauplanung bleibt daher eine detailliertere Untersuchung des Gebäudes notwendig. Doch möglicherweise liegt die größte Stärke des Ansatzes ohnehin nicht beim einzelnen Gebäude.

Was passiert, wenn wir nicht ein Haus, sondern eine ganze Stadt betrachten?

Genau hier wird der Urban Mining Screener besonders interessant. Stellen wir uns vor, die Materialbestände von nicht einem, sondern 10.000, 50.000 oder 100.000 Gebäuden könnten auf vergleichbare Weise modelliert werden. Dann würde aus einzelnen Gebäudedaten schrittweise ein kommunales Materialkataster entstehen.

Eine Stadt könnte beispielsweise abschätzen, wie viele Millionen Tonnen Beton in ihrem Gebäudebestand gebunden sind, welche Mengen Ziegel vorhanden sind, wo größere Holzbestände liegen oder in welchen Baualtersklassen besonders relevante Rohstoffmengen konzentriert sind. Die entscheidende Frage des Urban Mining lautet dann nicht mehr nur, was wurde verbaut? Sondern ebenso, wo befinden sich diese Rohstoffe, in welchen Mengen sind sie vorhanden und wann könnten sie wieder verfügbar werden?

Damit verändert sich die Perspektive auf den Gebäudebestand.

Gebäude sind nicht mehr ausschließlich Immobilien. Sie werden gleichzeitig zu temporären Rohstofflagern. Vom Materialbestand zum zukünftigen Rohstoffstrom. Noch interessanter wird das Modell, wenn die Materialdaten mit zeitlichen Informationen verbunden werden. Aus Baualter, Gebäudetyp, Sanierungszustand, Stadtentwicklung und geplanten Rückbaumaßnahmen könnten perspektivisch Prognosen entstehen, wann bestimmte Materialien wieder verfügbar werden.

Ein Materialkataster würde dann nicht nur zeigen hier befinden sich 500.000 Tonnen Beton. Sondern möglicherweise, in diesem Quartier könnten innerhalb der kommenden zehn Jahre größere Mengen mineralischer Baustoffe aus Sanierung und Rückbau verfügbar werden.

Für die Kreislaufwirtschaft wäre das ein erheblicher Unterschied. Recyclingunternehmen könnten Kapazitäten besser planen. Hersteller von Recyclingbaustoffen könnten zukünftige Stoffströme abschätzen. Kommunen könnten Rückbau- und Neubauaktivitäten stärker miteinander verbinden. Projektentwickler könnten potenzielle Quellen wieder verwendbarer Bauteile frühzeitig erkennen.

OpenStreetMap als Baustein für Urban Mining.

Bemerkenswert ist dabei auch die Rolle von OpenStreetMap. Die offene Geodatenplattform wird meist mit Karten, Navigation und geografischen Anwendungen verbunden. Der Urban Mining Screener zeigt jedoch, dass solche Daten auch Ausgangspunkt einer vollkommen anderen Infrastruktur sein können.

Gebäudegrundrisse und Geometrien werden mit zusätzlichen Informationen und Materialdaten verbunden.

Ergänzung zum Gebäuderessourcenpass

Damit ergibt sich auch eine interessante Verbindung zum Gebäuderessourcenpass. Ein Gebäuderessourcenpass soll möglichst detailliert dokumentieren, welche Materialien und Produkte in einem konkreten Gebäude vorhanden sind und welche Möglichkeiten für Wiederverwendung oder Recycling bestehen.

Bei Neubauten kann diese Dokumentation bereits während Planung und Bau entstehen. Bei Bestandsgebäuden fehlen solche Informationen jedoch häufig.

Hier könnten archetypenbasierte Systeme eine vorgelagerte Ebene bilden. Dadurch würde ein mehrstufiges Verfahren entstehen, vom großflächigen Screening bis zum präzisen Gebäuderessourcenpass.

Weiterführende Informationen

• TU Graz: Urban Mining Screener – Rohstoffe in Gebäuden sichtbar machen Die TU Graz stellt den Urban Mining Screener vor und erklärt, wie Geodaten, OpenStreetMap und 154 Gebäudearchetypen genutzt werden, um Materialmengen in bestehenden Gebäuden abzuschätzen.
• TU Graz: Forschungsprojekt Urban Mining Screener Hintergrundinformationen zum Forschungsprojekt und zur Entwicklung eines Open-Source-Werkzeugs für die Abschätzung von Materialien und Rohstoffen im Gebäudebestand.
• TU Graz: Entwicklung des Urban-Mining-Screener-Prototyps
  Informationen zur ursprünglichen Entwicklung des Prototyps und zum Forschungsansatz hinter der digitalen Erfassung urbaner Rohstofflager.
• Graz Center of Sustainable Construction: Urban Mining Screener Projektsteckbrief mit Informationen zu Zielen, Methodik und Anwendungsmöglichkeiten des Urban Mining Screeners.
• Circular DigiBuild und Kreislaufwirtschaft im Gebäudesektor Weiterführende Informationen zum europäischen Kontext von Circular DigiBuild, digitalen Gebäudedaten und neuen Ansätzen für Urban Mining und zirkuläres Bauen.
• ingenieur.de: Wie viel Beton steckt im Haus? Deutschsprachiger Fachbeitrag über die Funktionsweise des Urban Mining Screeners, die Nutzung von OpenStreetMap und die Möglichkeiten und Grenzen der Materialschätzung.