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.
Freiheit und Offenheit sind wesentliche Merkmale der Wissenschaft. Ohne einen offenen Austausch von Ideen und einen unbeschränkten Zugang zu wissenschaftlichen Vorarbeiten können keine fundierten wissenschaftlichen Fortschritte – und damit auch keine Innovationen – entstehen. Und der freie Zugang zu Ergebnissen unter anderem in Form von Softwareartefakten, Daten und Publikationen entscheidet langfristig über die Qualität und die Anschlussfähigkeit von wissenschaftlichen Arbeiten. Gerade für die Nachvollziehbarkeit von wissenschaftlichen Ergebnissen ist der Zugang zu den zugrundeliegenden Daten sowie den für die Datenerzeugung und -auswertung genutzten oder entwickelten Softwaretools unerlässlich.
Insbesondere wenn wissenschaftliche Ergebnisse in Projekten mit öffentlichen Fördermitteln entstehen, sollten sie nach unserer Überzeugung 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 veröffentlichten Forschungsergebnissen im Sinne der Richtlinien zur guten wissenschaftlichen Praxis der DFG.
Nachfolgend stellen wir einige unserer veröffentlichten Ergebnisse dar. Unsere Softwaretools, Frameworks, Daten, Modelle und andere Artefakte sind in der Regel in unserer Gitlab-Gruppe veröffentlicht.
mango – Modular Python Agent Framework
mango ist ein Python Framework für die Entwicklung von Multiagentensystemen. Es stellt ein Grundgerüst für den Aufbau eines einzelnen intelligenten Softwareagenten zur Verfügung, bietet einfache Schnittstellen für die Kommunikation zwischen Agenten und ermöglicht die Modularisierung von komplexen Agenten. Ein Container-Mechanismus dient der Beschleunigung des Nachrichtenaustausches für Agenten, die sich innerhalb eines dedizierten Prozesses befinden.
Mit mango können sowohl große Simulationen durchgeführt als auch Agenten für den Einsatz im Feld entwickelt werden. Die Software wird seit 2019 am OFFIS und an der Uni Oldenburg entwickelt, ist als Open Source verfügbar und umfangreich dokumentiert. Weiterhin existiert eine öffentliche “mango library”, in der verschiedene Referenzimplementierungen von mango Agenten verfügbar sind.
cosima – Kommunikationssimulation für Agenten in Energiesystemen
In smarten Energiesystemen wird Co-Simulation verwendet, um heterogene Simulatoren wie z. B. Erzeugungsanlagen, Steuerungsalgorithmen und Analysewerkzeuge miteinander zu komplexen Szenarien zu verbinden und diese Szenarien für verschiedene Ziele zu untersuchen. In diesen Szenarien wurden bisher die für den Informationsaustausch zwischen den Simulatoren notwendige Kommunikation als ungestört und unverzögert angenommen. Die Wechselwirkung zwischen Energie- und Kommunikationssystem wurde daher vernachlässigt.
In cosima wird daher der Kommunikationssimulator OMNeT++ in das Co-Simulationsframework mosaik eingebunden, um eine kombinierte Betrachtung von Energie- und Kommunikationssystemen zu ermöglichen und IKT-gestützte Überwachungs- und Steuerungsanwendungen (wie bspw. Multiagentensysteme) im Energiesystem zu untersuchen. Durch die OMNeT++-Einbindung können konkrete Kommunikationstechnologien (LTE, 5G) simuliert werden und die Auswirkung von Topologieänderungen und gestörten und ungestörten Nachrichtenverkehrs auf bspw. Latenz, Bandbreite und Paketverlusten erfasst werden.
Weitere Informationen sind unter https://cosima.offis.de/ zu finden.
Amplify – Abstract Multi-Purpose-Limited Flexibility Model
Um den mit Batteriespeichern erwirtschafteten Ertrag zu erhöhen, ist es sinnvoll, sie für mehr als eine Anwendung einzusetzen. Dies ist möglich, weil sich herausgestellt hat, dass sie nur durch z.B. Spitzenlastkappung oder Eigenverbrauchsmaximierung häufig nicht voll ausgelastet werden.
Mit Amplify kann überschüssige Flexibilität von Batteriespeichern beschrieben und kompakt versendet werden, nachdem eine lokale Anwendung bereits erfüllt und keine weitere Flexibilität für diese benötigt wird. Das Modell zeichnet sich dadurch aus, dass es sehr schnell berechnet werden kann und über eine integrierte Problemerkennung verfügt. Damit kann es detektiert werden, wenn die Beiträge des Batteriespeichers für die verschiedenen Anwendungen sich entgegenlaufen. Außerdem benötigt ein Aggregator kein weiteres Wissen über den Batteriespeicher und kann trotzdem Beiträge für z.B. Strommarktgeschäfte dimensionieren.
Amplify ist auf Pypi als “amplify-model” und als Open Source auf Gitlab.com veröffentlicht.
Ansprechpersonen
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 - 2024T
W
WWNW
WärmewendeNordwest – Digitalisierung zur Umsetzung von Wärmewende- und Mehrwertanwendungen für Gebäude, Campus, Quartiere und Kommunen im Nordwesten
Laufzeit: 2021 - 2025 Publikationen
2025
Amplify: Multi-purpose flexibility model to pool battery energy storage systems
Paul Hendrik Tiemann, Marvin Nebel-Wenner, Stefanie Holly, Emilie Frost and Astrid Nieße; Applied Energy; 2025
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
