
Das Competence Center Energy and Infrastructures (CCEI) erforscht, wie Künstliche Intelligenz eingesetzt werden kann, um den sicheren, effizienten Betrieb zukunftsfähiger Infrastrukturen zu planen und intelligent zu steuern. Durch die Energiewende, die fortschreitende Elektrifizierung aller Lebensbereiche sowie durch die Digitalisierung von Energie-, Versorgungs- und Entsorgungsnetzen, Wohngebäuden sowie auch industriellen Gebäuden und Produktionen wachsen viele bislang komplett getrennte Bereiche zunehmend zu vernetzten und intelligenten Infrastrukturen zusammen: Energienetze, dezentrale Energieanlagen, Gebäude, Produktionssysteme, städtische Mess- und Versorgungsstrukturen usw. sind zukünftig keine isolierten Systeme mehr, sondern Teil eng vernetzter Smart Cities. Smarte Infrastrukturen werden somit zu essenziellen Bindegliedern zwischen technischen, wirtschaftlichen und gesellschaftlichen Prozessen, auf die Gesellschaft, Wirtschaft und öffentliche Dienste täglich angewiesen sind.
Datenraumtechnologien ermöglichen es, Daten aus unterschiedlichsten Quellen in föderierten, semantischen Datenräumen strukturiert zu beschreiben, auffindbar zu machen und interoperabel zu verknüpfen. Ein Großteil dieser Informationen stammt aus vernetzten Geräten, Sensoren, Anlagen und Maschinen – dem Internet of Things (IoT) – aber auch aus traditionellen Datenbanksystemen, Datenportalen und Dokumenten. Solche Datenräume stellen domänenübergreifende Daten und daraus abgeleitetes Wissen datensouverän bereit und bilden eine gute Grundlage für den sicheren Einsatz von KI-Methoden. Im CCEI bilden Datenräume die Grundlage, um bisher getrennte Versorgungs- und Infrastrukturen in dynamische, vernetzte Systeme zu überführen und komplexe Wechselwirkungen tiefgreifend zu verstehen.
Die Analyse großer und heterogener Datenmengen im Energie- und Infrastrukturbereich ist ohne Methoden der Künstlichen Intelligenz kaum möglich. Das CCEI nutzt und entwickelt daher moderne KI-Verfahren zur Modellierung, Analyse und Optimierung komplexer Systeme. Die Schwerpunktthemen kommen aus allen Bereichen der KI und umfassen Datenfusion, neuronale Modelle für Prognosen und Mustererkennung, Foundation Models, klassische und LLM-basierte agentische KI sowie KI-on-Edge. Neben der Erforschung der am besten geeigneten KI-Methoden steht im Sinne der oftmals kritischen Infrastrukturen die Erklärbarkeit und Absicherung von KI-Entscheidungen, -Vorschlägen und -Ergebnissen im Vordergrund. Das Anwendungsziel ist KI-basierte Entscheidungsunterstützung bei kritischen Betriebszuständen sowie adaptive Steuerungsstrategien für vernetzte Infrastrukturen.
Neben der Datenanalyse gewinnt auch die verständliche Darstellung komplexer Zusammenhänge in Infrastruktur- und Energiesystemen an Bedeutung. XR-Technologien (industrial XR) ermöglichen, große Datenmengen, Modelle und Simulationen anschaulich zu visualisieren und interaktiv zu nutzen. Dadurch können Planung, Betrieb und Entscheidungsprozesse in Bereichen wie intelligenten Energienetzen, Smart Cities, Gebäuden oder föderierten Produktionssystemen optimal unterstützt werden.

„Wir überwinden systemische Silos durch die intelligente Vernetzung von bisher getrennten Infrastrukturen. Mit Digitalen Zwillingen, föderierten Datenräumen, modernen KI-Methoden und industrieller XR gestalten wir resiliente, nachhaltige Infrastrukturen von morgen. Das Ziel ist, das Potenzial von KI für die sichere Steuerung komplexer Energie-, Gebäude- und Versorgungsnetzwerke industriell nutzbar zu machen."
Die interdisziplinäre Stärke des CCEI resultiert aus seiner organischen Entwicklung: Aufbauend auf der erfolgreichen Kooperation der Forschungsgruppen „Connected Intelligent Systems“ (CIS) und „Smart Energy Systems“ (SES) im Bereich Smart Living arbeiten inzwischen auch das SmartCity Living Lab (SCLL) sowie die Forschungsgruppen „Future Applied Industrial AI“ (FAI2) und „Interconnected Factory Architectures“ (IFA) zusammen. Diese breite Verankerung ermöglicht es uns, die komplexen Wechselwirkungen moderner Energie- und Infrastruktursysteme aus verschiedenen fachlichen Perspektiven ganzheitlich zu adressieren.