Wir sind von komplexen Systemen umgeben, die durch immer mehr verfügbare Daten analysiert werden können. Das Verständnis dieser komplexen Systeme ist äußerst wichtig, um sie stabil und effizient zu betreiben. Betrachten wir beispielhaft für komplexe Systeme das elektrische Energiesystem. Der Umstieg von fossil befeuerten Kraftwerken hin zu erneuerbaren Erzeugern und von rein passiven Komponenten hin zu Leistungselektronik erhöht die Komplexität des Stromnetzes. Darüber hinaus macht das Zusammenspiel der immer größer werdenden Zahl von Geräten die Gesamtdynamik weniger transparent und schwieriger abzuschätzen, sodass detaillierte Modelle aller Komponenten (Bottom-up) schwieriger zu verwendet sind. Daher werden Top-Down-Ansätze zur Systemidentifikation mittels datengesteuerter Werkzeuge eine zentrale Rolle bei der Verarbeitung der zunehmenden Mengen an Betriebsdaten spielen. Die Forschungs-Community zu komplexen Systemen hat zahlreiche Inferenz- und Identifikationswerkzeuge sowohl für deterministische als auch für stochastische Systeme entwickelt. Diese werden jedoch oft nur an synthetischen Daten demonstriert.

Im Rahmen dieses Projekts soll ein empirischer Datensatz für die Identifizierung von Systemen vorbereitet werden, der aus realen Energiesystemen stammt, die von großen Systemen bis hin zu kleinen und experimentellen Umgebungen reichen, wie z. B. einzelne Häuser oder Batteriesysteme. Anhand dieser Datensätze sollen Methoden zur Ableitung der dynamischen und stochastischen Bewegungsgleichungen entwickelt und verfeinert werden. Ergänzend zu den traditionellen Ansätzen sollen Modelle der künstlichen Intelligenz, wie z. B. physikalisch informierte neuronale Netze, eingesetzt werden, um diese (tiefe) symbolische Regressionsaufgabe durchzuführen. Insgesamt wird das Projekt damit einerseits direkt Inferenz- und Identifikationswerkzeuge entwickeln und gleichzeitig für die gesamte Community aufzeigen, wo und wie weitere Methoden entwickelt werden müssen. Das Energiesystem dient hier als ein sehr relevantes Beispiel, aber die Methodik soll allgemein anwendbar sein.