CADFEM Promotionsstipendium

Diese Dissertation untersucht die agentenbasierte dynamische Simulation der Energieversorgung eines urbanen Quartiers als Bestandteil eines digitalen Zwillings. SimStadt dient dabei als Modellierungswerkzeug auf Quartiersebene und als Orchestrierungsplattform für die Kopplung weiterer Anwendungen.

Verglichen werden zwei Integrationsansätze zur Anbindung von SimStadt an Verbraucher wie EnergyPlus, KI-Agentenmodelle (z. B. EV-Laden) und 3DCityDB: FMU-basierte Co-Simulation sowie API/OGC-basierte Webservices. Die Leistungsfähigkeit beider Ansätze wird über verschiedene Szenarien mittels KI-gestütztem Benchmarking bewertet. Wo physikalische Modellierung zu aufwendig ist, kommen vereinfachte KI-Agenten zum Einsatz. Die Arbeit entsteht im Rahmen des EU-Projekts FlexPED.

F1: Welche Vorteile und Grenzen weisen FMU- und API/OGC-basierte Ansätze bei der Anbindung von SimStadt an nachgelagerte Anwendungen auf? 

F2: Wie kann KI-gestütztes Benchmarking zur Bewertung der Workflow-Leistung über unterschiedliche Szenarien eingesetzt werden? 

F3: Inwieweit können KI-Agentenmodelle (z. B. EV-Laden) physikalische Modelle ersetzen oder sinnvoll ergänzen? 

F4: Wie beeinflussen Szenarioeigenschaften und Orchestrierungsansatz Skalierbarkeit, Robustheit und Interoperabilität? 

F5: Wie ermöglichen Orchestrierungsansatz (F1), KI-Agenten (F3) und Szenario-Benchmarking gemeinsam dynamische Quartierssimulationen für digitale Zwillinge?

Die Dissertation folgt einem vergleichenden Versuchsdesign, in dem FMU- und API/OGC-basierte Orchestrierungsstrategien (F2, F4) unter identischen Eingangsdaten und Szenariobedingungen bewertet werden. SimStadt stellt dafür zentrale Modellierungsergebnisse bereit – insbesondere Geometrie-, Konstruktions- und Wärmebedarfsdaten –, die je nach Anwendung unterschiedlich genutzt werden.

Fallstudie 1:

EnergyPlus führt detaillierte Gebäudesimulationen durch; die Ergebnisse werden in 3DCityDB mittels CityGML- und Energy-ADE-Strukturen gespeichert. Im FMU-Ansatz wird EnergyPlus als FMU eingebunden und über einen FMI-Co-Simulationsmaster orchestriert. Im API-Ansatz stellt SimStadt REST/OGC-Endpunkte mit optionalem Publish/Subscribe für asynchronen Datenaustausch bereit.

Fallstudie 2:

KI-basierte Agentenmodelle, z. B. für das Ladeverhalten von Elektrofahrzeugen (FlexPED-Daten), werden für Komponenten entwickelt, deren physikalische Abbildung schwierig oder unvollständig ist. Diese Surrogate werden je nach Architektur, als FMUs und API-Mikrodienste integriert, ermöglichen die Untersuchung verhaltensabhängiger Einflüsse auf die Simulation.

Evaluierung:

Ein strukturierter Szenarioraum wird mittels KI-gestütztem Benchmarking automatisiert analysiert. Beide Ansätze werden über wiederholte Szenariovariationen hinweg anhand quantitativer Metriken wie Skalierbarkeit, Robustheit, Interoperabilität, Latenz und Erweiterbarkeit bewertet. Die Ergebnisse münden in ein generalisiertes Orchestrierungsframework, das zukünftige dynamische und skalierbare Quartierssimulationen unterstützt.

1. Ein validierter Vergleichsrahmen, der FMU- und API-basierte Orchestrierungs-Trade-offs anhand quantitativer Benchmarks charakterisiert

2. Eine erweiterte SimStadt-Plattform mit REST/OGC-Adapter und integrierten KI-Surrogaten

3. Evidenzbasierte Richtlinien zur Auswahl geeigneter Orchestrierungsstrategien für urbane digitale Zwillinge