Distributed Artificial Intelligence Der resiliente und optimierte Betrieb von vollständig erneuerbaren und digitalisierten Energiesystemen erfordert neue Paradigmen in der Systemführung. Intelligente Agentensysteme mit Self-X-Eigenschaften stehen daher im Mittelpunkt der Arbeiten der Gruppe Distributed Artificial Intelligence (DAI).
Die vollständige Umstellung unserer Energieversorgung auf erneuerbare Energien ist eine zentrale gesellschaftliche Herausforderung unserer Zeit und ein unerlässlicher Beitrag zum Klimaschutz und zur Energieautonomie. Dazu müssen nicht nur Erzeugung und Verbrauch von Energie am Markt in Einklang gebracht, sondern auch Energiesysteme zuverlässig und effizient betrieben werden. Mit der zunehmenden Digitalisierung wird aus den historisch gewachsenen Energieversorgungsstrukturen ein komplexes und dynamisches cyber-physisches Energiesystem, in dem tausende Komponenten miteinander interagieren. Dabei müssen sich die eingesetzten digitalen Systeme unterschiedlichen Einsatzbedingungen anpassen sowie Störungen im Betrieb möglichst eigenständig ausgleichen können und dabei den Anforderungen und Bedürfnissen der menschlichen Nutzer:innen vertrauenswürdig gerecht werden.
Vision: Selbst-organisierende, selbst-optimierende und selbst-heilende cyber-physische Energiesysteme
Die Gruppe DAI arbeitet deshalb daran, die verteilten Komponenten eines cyber-physischen Energiesystems mit Intelligenz und Autonomie auszustatten und basierend auf Konzepten des sogenannten Organic Computing untereinander zu vernetzen. In Forschungs- und Entwicklungsprojekten untersuchen wir die Möglichkeiten und Grenzen selbst-organisierender, selbst-optimierender und selbst-heilender cyber-physischer Energiesysteme.
Zum Aktivieren des YouTube Videos bitte auf den Link klicken. Durch das Aktivieren von eingebetteten Videos werden Cookies gesetzt und personenbezogene Daten an Google Ireland Limited übermittelt. Weitere Informationen können Sie unserer Datenschutzerklärung entnehmen.
YouTube Video anzeigen
In ihrem TEDxTalk erklärt Prof. Dr. Astrid Nieße, Mitglied im Bereichsvorstand Energie des OFFIS, was wir vom Schwarmverhalten von Fischen und Radfahrer*innen für intelligente dezentrale Energiesysteme lernen können.
Unsere Themenschwerpunkte
Im Kontext dieser zusammenfassend als „Self-X-Eigenschaften“ bezeichneten Charakteristika von digitalisierten Systemen befassen wir uns mit den folgenden Schwerpunktthemen:
Resiliente Self-X-Systeme
Resilienz ist Fähigkeit eines Systems, schnell einen stabilen Systembetrieb wiederherstellen zu können und langfristig gegenüber Störungen robuster zu werden.
Lernen in Self-X-Systemen
Die Lernfähigkeit von Agenten ist eine Grundvoraussetzung für eine Adaption des Systemverhaltens an neue oder veränderliche Rahmenbedingungen.
Transparenz und Akzeptanz von Self-X-Systemen
Die Akzeptanz von autonom entscheidenden, digitalisierten Systemen hängt auch von deren Fähigkeit ab, Entscheidungen transparent und nachvollziehbar erklären zu können. Erfahren Sie mehr..
Modellierung und agentenbasiertes Management von Flexibilität
Flexibilität ist die Grundlage fast aller Entscheidungsprozesse in digitalisierten Energiesystemen, gerade beim Einsatz von dezentralen Energieanlagen im Verteilnetz. Erfahren Sie mehr..
Open Science – freie und quelloffene wissenschaftliche Ergebnisse
Als Forschungsgruppe bekennen wir uns zur transparenten und offenen Wissenschaft – Open Science, die Ergebnisse aus der Forschung frei und quelloffen zur Verfügung stellt. Die von uns erarbeiteten Artefakte, Daten und Publikationen sollen gemeinschaftlich und ohne Hürden genutzt werden können, um die Qualität der Forschung zu verbessern und zum gesamtgesellschaftlichen Fortschritt beizutragen. Ein wesentlicher Aspekt ist dabei auch die Möglichkeit zur Reproduktion von Forschungsergebnissen. Weitere Informationen..
Personen 
F
G
Dr. rer. nat. Benjamin Giesers
E-Mail: benjamin.giesers(at)offis.de, Telefon: +49 441 9722-747, Raum: Flx-E
H
Dr. rer. nat. Stefanie Holly
E-Mail: stefanie.holly(at)offis.de, Telefon: +49 441 9722-732, Raum: Flx-E
Jan Philipp Hörding
E-Mail: jan.philipp.hoerding(at)offis.de, Telefon: +49 441 9722-573, Raum: Flx-E
O
R
S
T
Dr. rer. nat. Martin Tröschel
E-Mail: martin.troeschel(at)offis.de, Telefon: +49 441 9722-150, Raum: Flx-E
Projekte
D
DEER
Dezentraler Redispatch (DEER): Schnittstellen für die Flexibilitätsbereitstellung
Laufzeit: 2022 - 2025N
NFDI4Energy
National Research Data Infrastructure for the Interdisciplinary Energy System Research
Laufzeit: 2023 - 2028R
REMARK
Resilienz im digitalisierten Stromsystem: Toolbox zur Bewertung von Systemdienstleistungsmärkten
Laufzeit: 2022 - 2024W
WWNW
WärmewendeNordwest – Digitalisierung zur Umsetzung von Wärmewende- und Mehrwertanwendungen für Gebäude, Campus, Quartiere und Kommunen im Nordwesten
Laufzeit: 2021 - 2025 Publikationen
2024
A Digital Infrastructure for Integrating Decentralized Assets Into Redispatch : Decentralized Redispatch (DEER): Interfaces for providing flexibility
Körner, Marc-Fabian and Nolting, Lars and Heeß, Paula and Schick, Leo and Lautenschlager, Jonathan and Zwede, Till and Ehaus, Marvin and Wiedemann, Stefanie and Babel, Matthias and Radtke, Malin; 2024
cosima-mango: Investigating Multi-Agent System robustness through integrated communication simulation
Emilie Frost and Malin Radtke and Marvin Nebel-Wenner and Frauke Oest and Sanja Stark; SoftwareX; 2024
Enabling Moral Agency in Distributed Energy Management An Ethics Score for Negotiations in Multi-Agent Systems
Malte Stomberg; Martin Tröschel; ACM SIGENERGY Energy Informatics Review; October / 2024
Enhancing Cyber-Physical Energy Systems Simulations Through Communication Behavior Classification
Radtke, Malin and Lehnhoff, Sebastian; European Simulation and Modelling Multiconference (ESM '24); Oktober / 2024
Mango.jl: A Julia-Based Multi-Agent Simulation Framework
Sager, Jens and Schrage, Rico; Journal of Open Source Software; October / 2024
mango: A modular python-based agent simulation framework
Rico Schrage and Jens Sager and Jan Philipp Hörding and Stefanie Holly; SoftwareX; 2024
Poster Abstract: Towards Online Meta-Modeling of Communication Networks in Energy Systems
Malin Radtke; ACM SIGEnergy Energy Informatics Review; Oktober / 2024
2023
A Multi-Criteria Metaheuristic Algorithm for Distributed Optimization of Electric Energy Storage
Schrage, Rico and Tiemann, Paul Hendrik and Niesse, Astrid; SIGENERGY Energy Inform. Rev.; feb / 2023
Applied Digital Twin Concepts Contributing to Heat Transition in Building, Campus, Neighborhood, and Urban Scale
Lesnyak, Ekaterina and Belkot, Tabea and Hurka, Johannes and Hörding, Jan Philipp and Kuhlmann, Lea and Paulau, Pavel and Schnabel, Marvin and Schönfeldt, Patrik and Middelberg, Jan; Big Data and Cognitive Computing; 2023
Coupling OMNeT++ and mosaik for integrated Co-Simulation of ICT-reliant Smart Grids
Frauke Oest, Emilie Frost, Malin Radtke, Sebastian Lehnhoff; ACM SIGENERGY Energy Informatics Review; 03 / 2023
