Der Postprozessor WUFI® FinMould ist in Kooperation des finnischen Forschungsinstituts VTT sowie der Universität Tampere mit dem Fraunhofer IBP entstanden. Dort beschäftigen sich Hannu Viitanen, Tuomo Ojanen und in den letzten Jahren vor allem Juha Vinha und sein Team mit den Wachstumsbedingungen von Schimmelpilzen auf Holz und anderen Baumaterialien. Das in [1,2,3] detailliert beschriebene mathematisch-empirische Modell wurde ursprünglich für Kiefer- und Fichtensplintholz entwickelt (sog. VTT- bzw. Viitanen-Modell) und in Zusammenarbeit von VTT und der Universität Tampere zum „Finnish Mould Growth Model“ (FinMould) weiterentwickelt [4,5,6].
Das Modell prognostiziert das Schimmelpilzwachstum in Abhängigkeit vom Untergrundmaterial, der Temperatur und der relativen Feuchte und bewertet es mit dem sog. Mould Index (MI), der die Bewuchsintensität anhand einer leicht verständlichen sechsstufigen Skala angibt. Gegenüber dem ursprünglichen Modell für Holz erlaubt WUFI® FinMould die Berechnung für alle Baustoffe und Konstruktionen, deren Empfindlichkeitsklasse bekannt ist: Die unterschiedliche Anfälligkeit der Materialien wird über vier „Sensitivity Classes“ (Empfindlichkeitsklassen) sowie vier „Material Classes“ (Klassen für den Rückgang des Bewuchses in Phasen außerhalb der Wachstumsbedingungen) abgebildet [4,5,6]. Die Bewertung des Schimmelpilzwachstumsrisikos nach diesem Ansatz wurde mittlerweile auch in den nordamerikanischen ASHRAE Standard 160 zur hygrothermischen Beurteilung von Bauteilen und Gebäuden aufgenommen.
Der Postprozessor in englischer Sprache ermöglicht eine einfache Handhabung des Modells auf Basis von Messungen oder hygrothermischen Simulationsergebnissen mit wenigen einfachen Einstellungen bezüglich der zu beurteilenden Baustoffoberfläche. Neben dem empfohlenen FinMould-Modell stehen weiterhin das bisherige VTT-Modell sowie die Bewertung nach ASHRAE 160 zur Auswahl. Die Temperatur- und Feuchtedaten können direkt aus WUFI® bzw. aus dem Filmbetrachter Animation1D übernommen oder aus Projekt- und Textdateien importiert werden.
Die Bewertung wird durch ein Ampelsystem [7] unterstützt, das eine Klassifizierung der erzielten Ergebnisse in Abhängigkeit von der Nutzerexposition der zu bewertenden Oberfläche von unkritisch grün bis inakzeptabel rot vornimmt. Im gelben Bereich muss der Anwender selbst entscheiden, ob das Wachstumsrisiko für das spezifische Bauteil noch vertretbar oder bereits zu hoch ist.
Weitere Informationen und Aktualisierungen zum Finnish Mould Growth Model (inkl. Materialzuordnung zu den „Sensitivity Classes“) stellt die Universität Tampere bereit:
https://research.tuni.fi/buildingphysics/finnish-mould-growth-model/
Literatur:
[1] A. Hukka and H. A. Viitanen, „A mathematical model of mould growth on wooden material“, Wood Science and Technology, vol. 33, no. 6, pp. 475–485, 1999. doi: 10.1007/s002260050131 [2] H. A. Viitanen, A. Hanhijärvi, A. Hukka, and K. Koskela, „Modelling mould growth and decay damages“, in Proceedings of Healthy Buildings, vol. 3, 2000, pp. 341–346. [3] H. A. Viitanen, Factors affecting the development of mould and brown rot decay in wooden material and wooden structures. Uppsala: Swedish University of Agricultural Sciences, Dept. of Forest Products, 1996. [4] H. A. Viitanen, J. Vinha, K. Salminen, T. Ojanen, R. Peuhkuri, L. Paajanen, and K. Lähdesmäki, „Moisture and bio-deterioration risk of building materials and structures“, Journal of Building Physics, vol. 33, no. 3, pp. 201–224, 2010. doi: 10.1177/1744259109343511 [5] T. Ojanen, H. A. Viitanen, R. Peuhkuri, K. Lähdesmäki, J. Vinha, and K. Salminen, „Mold growth modeling of building structures using sensitivity classes of materials“, Proceedings Buildings XI, Florida, 2010. [6] T. Ojanen, R. Peuhkuri, H. A. Viitanen, K. Lähdesmäki, J. Vinha, and K. Salminen, „Classification of material sensitivity – new approach for mould growth modeling“, in 9th Nordic Symposium on Building Physics, Tampere: Tampere University of Technology, 2011, pp. 867–874. [7] H. A. Viitanen, M. Krus, T. Ojanen, V. Eitner, and D. Zirkelbach, „Mold risk classification based on comparative evaluation of two established growth models“, Energy Procedia, vol. 78, pp. 1425–1430, 2015. doi: 10.1016/j.egypro.2015.11.165