Vorhersage des Fensteröffnungszustands unter Anwendung von maschinellem Lernen Der in dieser Publikation beschriebene methodische Ansatz zur Anwendung von Algorithmen des maschinellen Lernens zur Vorhersage des Fensteröffnungsverhaltens von Gebäudenutzenden, basiert auf Monitoring‐Daten eines Bürogebäudes in Regensburg, Deutschland. Das umfangreiche Monitoring zur Erfassung der notwendigen Daten, z. B. der Innenraum‐ und Außentemperaturen, die Fenstergriffzustände etc. wurde im Rahmen eines Forschungsprojektes in den Jahren 2017 bis 2020 durchgeführt. Im Folgenden werden verschiedene Klassifizierungsalgorithmen des maschinellen Lernens auf die gemessenen Daten angewendet, um Modelle für die Vorhersage von Fensteröffnungen und ‐schließungen zu trainieren. Das Ziel ist es, die Potenziale und Grenzen der realistischen Vorhersage des Nutzerverhaltens auf der Grundlage der verfügbaren Daten zu identifizieren.