IKIGas - Industrielle Künstliche Intelligenz für Sicherheit in Gasnetzen

Read full text Summarise with VIRAT
Authors: Alexander Schiendorfer
Cited by: 0

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

Ziel des Teilvorhabens der Technischen Hochschule Ingolstadt (THI) im Verbundprojekt IKIGas (Industrielle Künstliche Intelligenz für Sicherheit in Gasnetzen) war die wissenschaftliche Untersuchung und prototypische Umsetzung lernbasierter KI-Verfahren zur Analyse und Bewertung komplexer Netz- situationen im Gasnetzbetrieb. Der Schwerpunkt lag dabei auf der Entwicklung datengetriebener Modelle zur Prognose von Netzreaktionen sowie auf der Untersuchung von Reinforcement-Learning-Verfahren für die Ableitung möglicher Handlungsstrategien. Im Mittelpunkt des Teilvorhabens standen insbesondere folgende Zielsetzungen: - Entwicklung und Untersuchung datengetriebener Prognosemodelle zur Abschätzung zukünftiger Netzreaktionen, - Anwendung und Evaluation moderner KI-Verfahren, insbesondere Reinforcement Learning (RL), Multi-Objective Reinforcement Learning (MORL) und Imitation Learning (IL) sowie Adversarial RL, - Analyse von Zielkonflikten im Netzbetrieb mithilfe lernbasierter Entscheidungsstrategien, - Integration der entwickelten KI-Ansätze in eine simulationsbasierte Forschungsumgebung zur Untersuchung industrieller Infrastruktursysteme, - Beitrag zur wissenschaftlichen Weiterentwicklung lernbasierter Entscheidungsverfahren im Kontext industrieller Anwendungen. Die Ziele des Teilvorhabens waren darauf ausgerichtet, neue wissenschaftliche Erkenntnisse zur Anwendung moderner KI-Verfahren in komplexen technischen Infrastruktursystemen zu gewinnen und damit eine Grundlage für weiterführende Forschungs- und Entwicklungsarbeiten zu schaffen.

Fields of Study & Subjects

Reinforcement Learning in Robotics Artificial Intelligence Applications Water Systems and Optimization

Publication details

Journal / source
RENATE
Publication date
14 March 2026
Language
DE