In dieser Veranstaltung wird zunächst die Relevanz von Agenten im Energiekontext herausgestellt. Dann werden Simulationen im Energiekontext thematisiert, wobei unterschiedliche Arten von Simulationen und deren Relevanz beleuchtet werden. Als nächstes werden lernende Agenten im Energiekontext untersucht, wobei darauf eingegangen wird, für welche Themen Lernverfahren sinnvoll sind. Hier werden anschließend verschiedene Einsatzbereiche wie Anomalieerkennung, Vorhersagemodelle oder strategische Koalitionsformation im Detail besprochen inklusive der Grundlagen für geeignete Verfahren. In der Übung werden entsprechend verschiedene Modelle für die unterschiedlichen Anwendungsfälle untersucht. Dazu erstellen die Studierenden eigene Energie-Simulationen anhand derer anschließend Datensätze für die Erstellung von maschinell lernenden Modellen generiert werden. Hierbei entwickeln die Studierenden fortlaufend ein eigenes Artefakt, welches sie in den einzelnen auf einander aufbauenden Übungen immer weiter entwickeln. Am Ende haben die Studierenden neben Grundlagen bzgl. lernender Systeme die Kompetenz erlernt, einschätzen zu können, ob das jeweilige verwendete Verfahren für das gegebene Beispiel geeignet war.
Für die Veranstaltung sind Vorkenntnisse in Python erforderlich. Kenntnisse in den Bereichen Maschinelles Lernen und Simulationen sind nicht nötig. Nützlich sind Vorkenntnisse in den Bereichen Energiesystem und Verteilte Systeme / Agentensysteme.