Die vorliegende Bachelorarbeit beschäftigt sich mit Möglichkeiten der Kalibrierung von Parametern bezüglich des Energieverbrauchs eines spezifischen Gebäudemodells. Dazu werden verschiedene Metaheuristiken hinsichtlich ihrer Eignung untersucht und auf Basis dieser ein Softwaremodul entwickelt, welches auf numerischem Wege eine Optimierung der zu Anfang eingepflegten Parametern durchführen soll. Der Energieverbrauch eines Gebäudes unterliegt vielfältigen Faktoren. Es müssen dabei Aspekte wie die Gebäudetypologie, die Art der Nutzung, die Anzahl der nutzenden Personen und viele andere Faktoren berücksichtigt werden. In dieser Arbeit wird das Augenmerk auf jene Parameter gelegt, die bei der Modellierung eines Einfamilienhauses entsprechend kalibriert werden müssen, um einen bestimmten Verlauf des Energieverbrauchs hervorzubringen. Da bei Erhebungen von Daten jederzeit Fehler passieren können, werden oft fundierte Annahmen getroffen, die das Fehlerpotential zwar reduzieren, jedoch nicht die gewünschte Validität gewährleisten. Sollte mit diesen Annahmen ein Energieverbrauch simuliert werden, ist nicht zu sagen, inwieweit mit den Simulationsdaten gearbeitet werden kann. Das im Rahmen der Arbeit entwickelte Softwaremodul zieht bei der energetischen Simulation, welche mit der Software EnergyPlus erfolgt, bestimmte Smart Meter Daten hinzu, um bei einer Anfangskalibrierung eine schrittweise Optimierung vorzunehmen, welche das Modell und deren Parameter anpasst, bis der Verlauf der Smart Meter Daten möglichst erreicht wurde. Dieser Sachverhalt beschreibt also einen Minimierungsprozess, welcher, analog zur Methode der kleinsten Quadrate, die Summe der quadratischen Abweichungen bildet und minimiert. Aufgrund der Tatsache, dass die Funktionswerte durch Eingabe in ein Modell ermittelt werden, werden insbesondere Metaheuristiken, basierend auf der Schwarmintelligenz, analysiert. Hierbei werden zunächst die Partikelschwarmoptimierung und die Ameisenkolonieoptimierung genauer beschrieben. Für das Modul der Kalibrierung wurde die Partikelschwarmoptimierung aufgrund ihrer Vorteile in der Implementierung gewählt. In diesem Rahmen wird die Arbeitsweise der Partikelschwarmoptimierung analysiert, indem verschiedene Einstellungen hinsichtlich verschiedener Strategien bis hin zur Konfigurierung der Metaheuristik ausprobiert und dokumentiert werden. Die Partikelschwarmoptimierung bietet viele Möglichkeiten zur Implementierung und zeigt eine große Flexibilität, womit mehrere Tests Aufschluss über die genaue Arbeitsweise und das Verhalten auf verschiedene Einflüsse geben können. Dabei soll deutlich gemacht werden, welche Einstellung für den spezifischen Sachverhalt am geeignetsten ist. Die Aspekte, auf die bei der Arbeitsweise beachtet wurden, wie die Schnelligkeit, Zeitpunkt der Konvergenz und Diversität der Ergebnisse, spielte bei der Analyse demnach eine große Rolle.