Sei pronto a trasformare i tuoi obiettivi ESG in realtà?Inizia sondaggio
Logo

Calcola il risparmio energetico del tuo edificio

Retrofit Recommender

Ottimizza il potenziale del tuo edificio riducendo al minimo l'esposizione ai costi relativi alle emissioni di carbonio e al rischio di stranding.  

Calcola il tuo retrofit
  • Rileva potenzialità
  • Risparmia tempo
  • Aumenta il valore
Sommario

Retrofit recommender in sintesi

Il Retrofit recommender è uno strumento basato su machine learning (ML), progettato per assistere i gestori di immobili e asset nell'identificazione tempestiva di potenziali retrofit che aumentino il valore degli immobili. Con un input minimo, lo strumento individua gli investimenti necessari e i potenziali risparmi energetici, consentendo agli utenti di identificare le opzioni più adatte per aumentare il valore complessivo dell'immobile, prolungarne la vita e migliorare l'efficienza energetica e dei costi. 

Scopri
il Retrofit Recommender

Questo motore di raccomandazione di facile utilizzo tiene conto di una serie di variabili specifiche dell'edificio, tra cui: 

  • Anno di costruzione 

  • Area di misurazione 

  • Tipo di asset (secondo le definizioni del GRESB) 

  • Dati sul consumo energetico attuale (non disponibili nella versione online gratuita, solo tramite la piattaforma online completa). 

Il nostro algoritmo di modellazione degli scenari, istruito su centinaia di dati e risultati di retrofit reali, genera scenari di retrofit di alto livello per aiutare le parti interessate a prendere decisioni critiche volte a proteggere il valore delle loro proprietà. Le misure consigliate allineano gli scenari di retrofit con gli obiettivi degli utenti, sia che questi siano legati a un tetto massimo di costi di investimento che a un limite massimo di riduzione di CO2. 

Le raccomandazioni del nostro strumento si focalizzano sul risparmio energetico e l'ottimizzazione delle fonti di riscaldamento (compresi gasolio, pompe di calore, gas naturale e teleriscaldamento), suggerendo al contempo potenziali miglioramenti ai sistemi di riscaldamento, raffrescamento, ventilazione e illuminazione. Inoltre, lo strumento esamina le sottocategorie dell'involucro termico dell'edificio, come il tetto, la facciata e le finestre.

Calcola il tuo retrofitLight

Prova la versione light dello strumento qui sotto e scopri il valore che il machine learning (ML) di BuildingMinds può apportare al tuo portafoglio, evitando i rischi e migliorando le tue strategie di investimento per le proprietà esistenti. 

Fai una scelta

Select your building type

Come funziona

Sulla base delle informazioni sull'edificio, il Retrofit Recommender calcola le stime di rendimento e testa diversi scenari tramite il nostro strumento di machine learning (ML), in modo da aiutarti a pianificare il prossimo retrofit. 

input

Inserisci i tuoi parametri

come l'anno di costruzione e il tipo di edificio

graph

Ottieni delle stime output

o inserisci i fattori relativi a:

• Costi
• Aree di retrofit con il miglior ritorno per l'impatto sulle emissioni di carbonio
• Misure di riduzione della CO2

funnel

Output personalizzati 

Specifica uno o più output per generare le stime degli altri. 

ai

Scenari sviluppati con ML  

Testa con diverse variabili gli scenari sviluppati tramite ML.

flag

Pianifica il tuo prossimo retrofit

Glossario

Input standard

Il modello prevede possibili interventi di retrofit, stima i risparmi energetici e i costi delle misure di retrofit in base alle caratteristiche dell'edificio (input standard): 

  • tipo di edificio (ufficio, residenziale, ecc.) 

  • anno di costruzione 

  • superficie dell'edificio (in m2) 

  • ubicazione (paese, secondo il codice ISO-3166 ALPHA-2, ad es. DE) 

  • fonte primaria di riscaldamento (opzionale) 

  • consumo di riscaldamento ed elettricità prima del retrofit (kWh/m2 all'anno). 

Ottimizza il tuo portafoglio per renderlo efficiente e pronto per il futuro.

Prenota un incontro con uno dei nostri esperti di soluzioni e scopri come Buildingminds può aiutarti a creare valore sostenibile.