Das Themenfeld 'Energieeffizienz' gewinnt aus Gr��nden des Klimaschutzes, der Importabh��ngigkeit von Energietr��gern, der Beschr��nktheit bestimmter Rohstoffe und aus wirtschaftlichen Gr��nden immer mehr an Bedeutung. Die Europ��ische Union r��umt dieser im Rahmen der 'Energieeffizienz-Richtlinie' gro��e Bedeutung ein, sodass die nationalen Parlamente in der Union entsprechende Ziele zur Erh��hung der Energieeffizienz beschlossen haben. Diese Arbeit beschreibt eine Methode, mit deren Hilfe der Einspareffekt von Energieeffizienzma��nahmen im Geb��udebereich bewertet werden kann. Diese tr��gt dem Umstand Rechnung, dass in Bewertungsprozessen unsichere Einflussgr����en die nach Ma��nahmenumsetzung eingesparte Energiemenge wesentlich beeinflussen k��nnen. Einflussparameter wie die Au��entemperatur oder die Betriebszeit einer Anlage sind nicht ��ber die Lebensdauer einer Ma��nahme vorhersagbar, k��nnen allerdings erheblichen Einfluss auf den Energieverbrauch haben. Daher unterscheidet die vorgestellte Methode zwischen festen, bekannten Einflussparametern, und unsicheren Modellparametern, welchen eine statistische Verteilung zugeordnet wird. Mittels Monte-Carlo-Simulation wird eine Verteilung des Einspareffekts gewonnen, sodass anstelle eines Einzahlwerts ein entsprechendes Intervall das Ergebnis der Bewertung darstellt, was das Ergebnis wesentlich robuster macht. Im Zusammenhang mit Bewertungsmethoden spielen die Definition und Normalisierung des Vergleichsszenarios, der Baseline, eine bedeutende Rolle, was in dieser Arbeit allgemein und anhand von Beispielen diskutiert wird. Im Folgenden wird die Methode zun��chst allgemein beschrieben und anschlie��end ihre Anwendbarkeit im Rahmen von ausgew��hlten Beispielma��nahmen demonstriert. Dabei zeigte sich, dass Modellparametern, welche nicht n��her bekannt sind, aufgrund der Durchf��hrung von Monte-Carlo-Simulationen eine geeignete statistische Verteilung basierend auf realistischen Annahmen zugewiesen werden kann, sodass die Methode selbst bei geringer Datenlage hilfreiche Ergebnisse bereitstellt. Dar��ber hinaus kann mit ihrer Hilfe der Einfluss m��glicher 'Rebound-Effekte' abgesch��tzt werden und es k��nnen jene Einflussparameter erkannt werden, welche ��ber den Einsparerfolg einer Energieeffizienzma��nahme entscheiden. Die behandelten Beispielma��nahmen f��r die betrachtete Geb��udestichprobe w��rden nach Umsetzung in Summe zu einer j��hrlichen Einsparung von rund 1200 t CO2 f��hren.

As a consequence of climate protection, dependances on imports of energy resources, limited availability of non-renewable energy carriers and due to economic reasons, energy efficiency has gained in importance. The European Union even emphasizes its importance in a directive leading national parliaments to pass laws to increase energy efficiency. This thesis describes a method to evaluate the achievable energy savings by measures in the building sector. The fact that uncertain factors can significantly affect the calculated amount of saved energy is taken into account by implementation of energy efficiency measures. Influencing quantities, such as outside temperature or the operating time of an energy consuming system, cannot be predicted precisely throughout the lifespan of a measure. Consequently, the introduced method distinguishes between fixed model parameters, which stay the same throughout the simulation and uncertain model parameters, which are identified by an appropriate statistical distribution. Via a Monte-Carlo-Simulation a distribution of the achievable energy savings can be evaluated. Instead of delivering a single quantity, the introduced method provides a range of variations for the expectable energy savings leading to a much more robust result. The specification and normalization of the baseline plays a very important role in the process of evaluating energy savings of an energy efficiency measure, which will be discussed both in general and on the basis of case studies. In the following, the above mentioned method will be described in general and its applicability will be shown using a real dataset of selected buildings. It will be shown that if required model parameters are unknown for a building, it is possible to estimate them using an appropriate statistical distribution and applying it in the Monte-Carlo-Simulations. Consequently, the method leads to useful results even if there is little knowledge of required model parameters. Moreover, the influence of possible ��rebound-effects�� can be estimated as well. Finally, using the method provides information, which influencing quantities have the highest impact on the achievable savings. If all in this thesis presented examples of energy efficiency measures were implemented, about 1200 tons of CO2 emissions could be saved per year.