Mulayim et al. 2025 — MPC vs RL HVAC (Feldversuch)

Zentrale Befunde (relevant zu WFK-2.1.5)

• Field Deployment an einem realen Uni-Gebäude (Carnegie Mellon/Purdue): Model Predictive Control (MPC) erzielte 12,7 % Einsparung, Reinforcement Learning (RL) nur 7,3 % — bei gleicher Comfort-Normalisierung.
• RL lernte in Simulation physikalisch implausible Parameter, die im Feldversuch nicht generalisierten.
• Ergebnis konterkariert rein simulationsbasierte Studien (z.B. Alsayed 2024: 40–55 % Einsparung bei RL), die unter kontrollierten Bedingungen deutlich höhere Werte berichten.
• Fazit: Simulation-to-Reality-Gap ist ein kritischer Validierungspunkt bei RL-HVAC-Anwendungen.

Relevanz

K3-Quelle (kritische Perspektive) zu WFK-2.1.5. Schwächt unkritische RL-Einspar-Versprechen (Alsayed-24-Werte) mit empirischem Feldversuchs-Befund ab. Methoden-Kontext: arXiv-Preprint, angenommen bei Applied Energy (peer-reviewed Journal IF >9). Konfidenz: medium (einzelner Feldversuch, Gebäude-spezifisch).

Verifikations-Status

preprint (Applied Energy accepted). Lizenz: arXiv open access (green OA). Refresh-Frequenz: statisch nach Veröffentlichung.