LieberLieber ist Teil des europäischen Forschungsprojekts MATISSE, das sich die „Modellbasierte Entwicklung digitaler Zwillinge für die frühzeitige Verifizierung und Validierung von Industriesystemen“ zum Ziel setzt. In einem konkreten Anwendungsfall wird nun daran gearbeitet, ein bei Siemens Österreich bestehendes Mikronetz (Microgrid) durch die Steuerung über einen digitalen Zwilling laufend automatisiert zu verbessern.
Der Siemens-Use-Case im MATISSE Forschungsprojekt bezieht sich auf die Steuerung eines intelligenten Kleinststromnetzes. Üblicherweise bestehen solche Kleinstromnetze - sogenannte „Microgrids“ - aus mindestens einem Erzeuger (z.B. einer Photovoltaik-Anlage) und gegebenenfalls einem Stromspeicher, Ladepunkten für Elektroautos, einem Lastmanagement und einer Schnittstelle zum Gebäudemanagementsystem. „Typischerweise werden Mikrogrids durch statische Regeln gesteuert. Durch die Modellierung eines digitalen Zwillings möchten wir die Steuerung auf ein System umstellen, das sich automatisiert an die jeweiligen Gegebenheiten anpasst und so einen möglichst optimalen Betrieb gewährleistet“, erläutert Projektleiter Danilo Valerio von der Forschungsabteilung von Siemens Österreich. Als Testumgebung wird ein Mikronetz mit verschiedenen E-Mobilitäts-Ladestationen auf dem Siemens-Campus in Wien genutzt. Dabei bringt die Forschungsgruppe „Configuration Technologies“ von Siemens Österreich ihre hybride und neurosymbolische KI-Forschung ein.
Die Rolle von LieberLieber im Projekt
Als Spezialist für MBSE (Modellbasiertes Systems Engineering) fällt LieberLieber in diesem Anwendungsfall die Rolle zu, aus dem derzeit statischen und regelbasierten System ein dynamisches und datengesteuertes zu machen. In Zusammenarbeit mit Siemens Österreich und den Universitäten Innsbruck und JKU Linz wird dies durch die Modellierung eines digitalen Zwillings geschehen, der letztlich das gesamte Energiemanagement selbsttätig steuert. Dazu Dr. Konrad Wieland, Geschäftsführer von LieberLieber: „Der digitale Zwilling stellt das aktuelle Mikronetz dar, wird jedoch kontinuierlich mit Echtzeitdaten aktualisiert und kann gleichzeitig mit dem realen System interagieren und dieses beeinflussen. Das ermöglicht einen skalierbaren, nachhaltigen und intelligenten Betrieb des Microgrids, der in diesem Fall auf die Anforderungen des Ladens von Elektrofahrzeugen zugeschnitten ist.“
Anwendbare Forschung für die europäische Industrie
MATISSE soll anhand konkreter Fallbeispiele die europäische Forschung und Industrie in die Lage versetzen, auf digitalen Zwillingen basierende Dienste, einschließlich Verifizierung, Vorhersage und Überwachung, anzubieten und damit die Gesamtentwicklung und den Verbund von digitalen Zwillingen zu verbessern. Diese Bemühungen beruhen in hohem Maße auf der Verwendung von Modellen und modellbasierten Techniken, die sowohl allgemeine Sprachen wie UML/SysML als auch domänenspezifische Sprachen (wie z.B.VVML) und Modelltransformationen umfassen.
„Das Ziel in unserem Anwendungsfall ist es, eine Lösung zu entwickeln, die per Plug and Play funktioniert, ohne dass alle betrieblichen Details des Microgrids im Voraus festgelegt werden müssen. Um ein solch ehrgeiziges Ziel zu erreichen, muss die Lösung in der Lage sein, die Wissensbasis kontinuierlich zu vervollständigen. Wir planen, dies mit neurosymbolischen KI-Ansätzen und induktiver Logikprogrammierung zu tun“, erklärt Valerio weiter.
Die Forschungsgruppe von Siemens Österreich erwartet sich aus dem Projekt MATISSE ganz konkrete Ergebnisse:
Die Ziele von LieberLieber im Projekt MATISSE
LieberLieber rechnet durch das Projekt MATISSE mit Innovationen in folgenden Bereichen:
Der Siemens-Use-Case im MATISSE Forschungsprojekt bezieht sich auf die Steuerung eines intelligenten Kleinststromnetzes. Üblicherweise bestehen solche Kleinstromnetze - sogenannte „Microgrids“ - aus mindestens einem Erzeuger (z.B. einer Photovoltaik-Anlage) und gegebenenfalls einem Stromspeicher, Ladepunkten für Elektroautos, einem Lastmanagement und einer Schnittstelle zum Gebäudemanagementsystem. „Typischerweise werden Mikrogrids durch statische Regeln gesteuert. Durch die Modellierung eines digitalen Zwillings möchten wir die Steuerung auf ein System umstellen, das sich automatisiert an die jeweiligen Gegebenheiten anpasst und so einen möglichst optimalen Betrieb gewährleistet“, erläutert Projektleiter Danilo Valerio von der Forschungsabteilung von Siemens Österreich. Als Testumgebung wird ein Mikronetz mit verschiedenen E-Mobilitäts-Ladestationen auf dem Siemens-Campus in Wien genutzt. Dabei bringt die Forschungsgruppe „Configuration Technologies“ von Siemens Österreich ihre hybride und neurosymbolische KI-Forschung ein.
Die Rolle von LieberLieber im Projekt
Als Spezialist für MBSE (Modellbasiertes Systems Engineering) fällt LieberLieber in diesem Anwendungsfall die Rolle zu, aus dem derzeit statischen und regelbasierten System ein dynamisches und datengesteuertes zu machen. In Zusammenarbeit mit Siemens Österreich und den Universitäten Innsbruck und JKU Linz wird dies durch die Modellierung eines digitalen Zwillings geschehen, der letztlich das gesamte Energiemanagement selbsttätig steuert. Dazu Dr. Konrad Wieland, Geschäftsführer von LieberLieber: „Der digitale Zwilling stellt das aktuelle Mikronetz dar, wird jedoch kontinuierlich mit Echtzeitdaten aktualisiert und kann gleichzeitig mit dem realen System interagieren und dieses beeinflussen. Das ermöglicht einen skalierbaren, nachhaltigen und intelligenten Betrieb des Microgrids, der in diesem Fall auf die Anforderungen des Ladens von Elektrofahrzeugen zugeschnitten ist.“
Anwendbare Forschung für die europäische Industrie
MATISSE soll anhand konkreter Fallbeispiele die europäische Forschung und Industrie in die Lage versetzen, auf digitalen Zwillingen basierende Dienste, einschließlich Verifizierung, Vorhersage und Überwachung, anzubieten und damit die Gesamtentwicklung und den Verbund von digitalen Zwillingen zu verbessern. Diese Bemühungen beruhen in hohem Maße auf der Verwendung von Modellen und modellbasierten Techniken, die sowohl allgemeine Sprachen wie UML/SysML als auch domänenspezifische Sprachen (wie z.B.VVML) und Modelltransformationen umfassen.
„Das Ziel in unserem Anwendungsfall ist es, eine Lösung zu entwickeln, die per Plug and Play funktioniert, ohne dass alle betrieblichen Details des Microgrids im Voraus festgelegt werden müssen. Um ein solch ehrgeiziges Ziel zu erreichen, muss die Lösung in der Lage sein, die Wissensbasis kontinuierlich zu vervollständigen. Wir planen, dies mit neurosymbolischen KI-Ansätzen und induktiver Logikprogrammierung zu tun“, erklärt Valerio weiter.
Die Forschungsgruppe von Siemens Österreich erwartet sich aus dem Projekt MATISSE ganz konkrete Ergebnisse:
- Automatisierte Pipeline zur Erstellung von Digitalen Zwillingen für komplexe Mikronetz-Systeme durch Verwendung von MBSE
- Überprüfung und Echtzeit-Anpassung des erstellten Digitalen Zwillings in Bezug auf Modelltreue und Simulationsgenauigkeit durch kontinuierliche Verifizierung und Validierung
- Optimierung des Betriebs des Mikronetzes durch erlernte und dynamisch angepasste Regeln unter Berücksichtigung von Echtzeitfaktoren (z.B.: Wettervorhersagen, Saisonalität)
- Ein integriertes Toolkit für die auf digitalen Zwillingen basierende Verifizierung und Validierung des optimierten Betriebs des Mikronetzes
Die Ziele von LieberLieber im Projekt MATISSE
LieberLieber rechnet durch das Projekt MATISSE mit Innovationen in folgenden Bereichen:
- Weiterentwicklung und Vertiefung der von LieberLieber mitentwickelten „Verification and Validation Modeling Language“ VVML
- Modellierung von Verification&Validation (V&V)-Workflows in Enterprise Architect unter Verwendung des VVML-Frameworks, das entwickelt wurde, um Arbeitsabläufe von V&V-Methoden grafisch zu beschreiben. Damit sollen der Zeit- und Kostenaufwand von V&V-Prozessen deutlich verbessert werden.
- Vertiefung von Knowhow und Best Practice in DevOps für die Erstellung digitaler Zwillinge
- Weiterentwicklung von LemonTree im Hinblick auf automatische Versionierung und Validierungsprozesse
