Ziel des Vorhabens ist es einerseits Algorithmen für die automatisierte Analyse der an RLT-Anlagen aufgezeichneten Messdaten mit Hilfe maschineller Lernverfahren zu entwickeln. Andererseits dienen die Messdaten zur Parametrierung von Simulationsmodellen, welche dann zur simulationsgestützten Optimierung des Anlagenbetriebs eingesetzt werden. Mit den erarbeiteten Verfahren lässt sich die Anlagenfahrweise hinsichtlich Energieeffizienz bewerten und Schwachstellen in der Regelung bzw. Programmierung der Gebäudeautomationssysteme aufdecken. Im Ergebnis kann eine Verbesserung des Anlagenbetriebs hinsichtlich der Energieeffizienz mit minimalinvasiven Mitteln, d.h. insbesondere ohne hardwaretechnische Umrüstungen und lediglich auf Basis einer Umparametrierung bzw. Umprogrammierung der Automationssysteme erzielt werden. Es entsteht für den einzelnen Gebäudebetreiber eine Kostenersparnis mit geringen ROI-Zeiten. Aus volkswirtschaftlicher Sicht kann der Primärenergiebedarf und der CO2-Ausstoß im Bereich der Gebäude signifikant gesenkt werden, wenn das Verfahren auf viele Gebäude ausgerollt wird.