Bundesministerium für Bildung und Forschung (BMBF)
ITEA 4 (Teil des Clusterprogramms der europäischen Forschungsinitiative EUREKA)
Kurzbeschreibung
Das Europäische Klimagesetz legt als Zwischenziel fest, die Netto-Treibhausgasemissionen bis 2030 um mindestens 55% zu senken und die europäische Wirtschaft und Gesellschaft bis 2050 klimaneutral zu machen. In der Bundesrepublik Deutschland wurden diese Ziele 2021 weiter verschärft, so müssen laut Klimaschutzgesetz die CO2-Emissionen bis 2030 um 65% sinken und die Klimaneutralität bereits 2045 erreicht werden. Zudem erfordern die drastisch gestiegenen Energiepreise im Jahr 2022 die Nutzung von Energieeinsparpotentialen in Bereichen, die in der Vergangenheit aufgrund niedriger Energiepreise vernachlässigt wurden. Anstehende Investitionen in Energie-, Gebäude- und Produktionsinfrastrukturen in Deutschland und in Europa erfordern, dass die Auslegung und Optimierung von Großanlagen berücksichtigt werden, z. B. für volle Tageszyklen über ein ganzes Jahr, um saisonale Wetterbedingungen zu berücksichtigen. Gegenwärtig können solche groß angelegten Szenarien nur mit stark vereinfachten Modellen analysiert werden. Um daraus resultierende ungenutzte Einsparpotentiale und hohe Investitionsrisiken durch Fehleinschätzungen zu vermeiden, sind stark verbesserte simulationsbasierte Prozesse mit skalierbaren, wiederverwendbaren, glaubwürdigen virtuellen Prototypen und während des Betriebs anpassbaren digitalen Zwillingen erforderlich, die die Reduzierung von Energie und von Treibhausgasemissionen für den gesamten Lebenszyklus eines Produkts berücksichtigen.
Im OpenSCALING Projekt wird die Leistungsfähigkeit offener Standards und Werkzeugketten im Bereich Modellierung, Simulation und Optimierung erhöht, um diesen Anforderungen Rechnung zu tragen. Insbesondere wird es ermöglicht wesentlich größere Systeme und Szenarien unter Berücksichtigung von Unsicherheiten zu simulieren und zu optimieren, sowie Methoden aus dem Bereich der künstlichen Intelligenz zu nutzen, beispielsweise für die hybride Modellierung mit neuronalen Netzen (NN) oder zur Modellkalibrierung. Weiterhin sollen generische Lösungen ermöglicht werden, die automatisiert für die konkrete Aufgabe konfigurierbar und an ihre Ausführungsumgebung anpassbar sind. Dies gilt nicht nur für große Systeme, sondern auch für verteilte Regler, die im Edge-Cloud-Kontinuum eingesetzt werden und zur Laufzeit skalieren müssen, um sich entsprechend der zugewiesenen Ressourcen anzupassen. Mit industriellen Anwendungsfällen aus den Bereichen Energie, Gebäude, Luftfahrt und Verkehr soll demonstriert werden, wie mit stark verbesserten Standards, Werkzeugketten und hierfür neu entwickelten Methoden, Energie und Treibhausgasemissionen reduziert werden können.