Bild: Алексей Сергеев / Adobe Stock

Masterprojektgruppe untersucht Anwendung von Machine Learning für Selbstadaptive Systeme

Eignet sich Machine Learning als Hilfsmittel für Software-Ingenieure? Master-Studierende haben dies bei der Entwicklung einer selbstadaptiven Gebäudesteuerung experimentell untersucht.

Manuelles Software-Engineering kann langwierig sein; oft zu langsam für die dynamischen Umgebungen, in denen Software heute eingesetzt wird. Zunehmend wichtiger werden daher selbstadaptive Softwaresysteme, die sich automatisch an ihre Umgebung anpassen. Doch die Entwicklung der Adaptionslogik ist nicht trivial. Ein Lösungsansatz ist der Einsatz maschineller Lernverfahren, wodurch die Entwicklung der Adaptionslogik automatisiert werden kann. Damit lernt die Software während des Betriebs durch Interaktion mit ihrer Umgebung, welche Adaption als Reaktion auf welche Umgebungssituation sinnvoll ist.

Vier Studierende der kürzlich abgeschlossenen Masterprojektgruppe Learning4Adaption haben maschinelle Lernverfahren für die Realisierung einer selbstadaptiven Gebäudesteuerung untersucht. Hierzu haben sie sich zunächst intensiv mit dem Maschinellen Lernen und verschiedenen Lernalgorithmen auseinandergesetzt. Für die Entwicklung der selbstadaptiven Gebäudesteuerung wählten sie schließlich zwei moderne Reinforcement-Learning-Algorithmen aus: Soft Actor-Critic (SAC) und Proximal Policy Optimization (PPO).

Diese beiden Reinforcement-Learning-Algorithmen brachten sehr gute Ergebnisse. Auf Basis einer Raumsimulation konnten die Studierenden zeigen, dass ihre entwickelte Steuerung die Raumtemperatur mit wenigen Ausnahmen innerhalb eines Toleranzbereichs halten kann (siehe Abbildung unten) und gleichzeitig der Energieverbrauch optimiert werden konnte. Die Studierenden wiesen ebenfalls nach, dass sich der Lernprozess zur Laufzeit der Systeme beschleunigen lässt, indem man zur Design-Zeit bereits ein Vorab-Training mit vereinfachten Annahmen über die Umgebung durchführt.

Aufgrund der Corona-Pandemie musste die Gruppe auf physische Treffen verzichten und hat die gesamte Zusammenarbeit durch Videokonferenzen und andere Online-Tools organisiert – eine besondere Herausforderung, die das Team hervorragend gemeistert hat.

Über Masterprojektgruppen am Lehrstuhl für Software Systems Engineering

Masterprojekte zeichnen sich durch einen starken Praxisbezug aus. Die Studierenden bearbeiten in Gruppenarbeit ein aktuelles Forschungsthema und können dabei ihr im Studium erworbenes Wissen praktisch anwenden. Zusätzlich vertiefen sie ihre Kenntnisse über wissenschaftliches Arbeiten. Hierzu gehören u.a. eine gründliche Literaturarbeit und das Verfassen wissenschaftlicher Text.

Auf dieser Seite können Sie sich über die Themen der vergangenen Masterprojektgruppen informieren.

Temperatursteuerung mit Vorab-Training: Verlauf der Innentemperatur im Vergleich zur Außentemperatur über das Jahr