Moderne Versorgungsnetze sind eng miteinander verknüpft und dadurch anfällig für komplexe Risiken und weitreichende Kaskadeneffekte. Mit mathematischer Modellierung, Simulation und KI entwickelt die Forschungsabteilung RESIS Methoden, um systemische Risiken frühzeitig zu erkennen, Handlungsoptionen fundiert zu bewerten und kritische Infrastrukturen resilient zu gestalten.

Moderne Gesellschaften sind in hohem Maße von leistungsfähigen und zuverlässigen Versorgungs- und Infrastruktursystemen abhängig. Diese Systeme werden jedoch immer komplexer: Energie-, Wasser-, Verkehrs- und Kommunikationsnetze sind eng miteinander verflochten, werden zunehmend digitalisiert und hängen von einer Vielzahl technischer, sozialer und ökologischer Faktoren ab. Klimawandel und extreme Wetterereignisse, Cyberangriffe, technische Ausfälle und geopolitische Krisen können daher nicht nur einzelne Komponenten beeinträchtigen, sondern sich über bestehende Abhängigkeiten auch auf andere Systeme und Versorgungsbereiche auswirken. Die daraus entstehenden Kaskadeneffekte und kombinierten Belastungen stellen neue Anforderungen an die Sicherheit, Planung, den Betrieb und die Weiterentwicklung kritischer Infrastrukturen.

Vor diesem Hintergrund gewinnt die Resilienz komplexer Systeme als Bestandteil einer vorausschauenden Sicherheits- und Risikovorsorge zunehmend an Bedeutung. Dabei geht es nicht allein darum, Infrastrukturen möglichst robust gegenüber bekannten Störungen zu machen. Vielmehr müssen Systeme in der Lage sein, mit Unsicherheiten und neuartigen Gefahrenlagen umzugehen, sich an veränderte Rahmenbedingungen anzupassen und ihre Funktionsfähigkeit nach Störungen möglichst schnell wiederherzustellen. Eine besondere Herausforderung besteht darin, Resilienz bereits bei der Transformation und Planung zukünftiger Systeme mitzudenken, anstatt Risiken und Verwundbarkeiten erst im Nachhinein zu bewerten. Dies erfordert ein systemisches Verständnis von Abhängigkeiten, Risiken und möglichen Auswirkungen sowie neue Methoden, mit denen unterschiedliche Handlungsoptionen auch unter hoher Unsicherheit bewertet werden können.

Die Forschungsabteilung „Resilient and Smart Infrastructure Systems“ (RESIS) begegnet diesen Herausforderungen mit einem interdisziplinären Ansatz zur Analyse und Gestaltung resilienter Infrastrukturen. RESIS verbindet Netzwerktheorie, Ingenieurwissenschaften und Mathematik, um neue Strukturen, Konzepte und Algorithmen für Energie-, Wasser- und andere Versorgungssysteme zu entwickeln. Ein Schwerpunkt der Abteilung liegt auf integrierten analytischen Frameworks für Multi-Gefahren- und Impactanalysen, in denen unterschiedliche Gefahren, Systemabhängigkeiten und Auswirkungen gemeinsam betrachtet werden. Dadurch lassen sich komplexe Wechselwirkungen und Kaskadeneffekte systematisch untersuchen und ihre Bedeutung für die Sicherheit und Funktionsfähigkeit miteinander gekoppelter Infrastrukturen bewerten.

Auf dieser Grundlage entwickelt die Forschungsabteilung simulationsgetriebene und KI-unterstützte Entscheidungsunterstützungssysteme (Decision Support Systems, DSSs), die auch bei hoher Komplexität und Unsicherheit eine schnelle und nachvollziehbare Bewertung von Handlungsoptionen ermöglichen. Eine besondere Herausforderung besteht in der Suche nach geeigneten Schutz- und Adaptionsmaßnahmen in mathematisch hochdimensionalen Handlungsräumen. Die Arbeiten zeigen, dass dort auch nicht offensichtliche Lösungsoptionen existieren können, die durch eine rein manuelle Analyse nur schwer identifizierbar wären. KI-gestützte Entscheidungsunterstützung soll dabei nicht die Entscheidung von Expertinnen, Experten oder Entscheidungsträgern ersetzen, sondern analytisch begründete und robuste Handlungsalternativen sichtbar machen und damit eine fundierte Abwägung unterstützen. Ein wichtiger Bestandteil sind dabei Trade-off-Analysen, da in realen Krisen-, Adaptions- und Transformationsprozessen häufig Zielkonflikte zwischen Schutzwirkung, Kosten, Nutzen und gesellschaftlichen Auswirkungen bestehen. Damit wird Entscheidungsunterstützung zu einem Instrument, um auch unter Unsicherheit nachvollziehbare und belastbare Entscheidungen zur Vorsorge, Bewältigung und Anpassung zu ermöglichen.

Die von RESIS entwickelten Methoden werden in verschiedenen Bereichen angewendet und erprobt. Dazu gehören Anpassungsstrategien im Kontext des Klimawandels, Vorsorge und Reaktion sowie sicherheitsrelevante Szenarien. Ein Beispiel ist die Weiterentwicklung des radiologischen Entscheidungshilfesystems JRODOS für nukleare und radiologische Notfälle.In aktuellen Arbeiten wird JRODOS mit dem am KIT entwickelten Framework FRAMESS (Framework for Analyzing Systemic Risks and Exploring Sustainable Solutions) kombiniert. Während JRODOS etablierte Modelle zur Bewertung radiologischer Gefahren bereitstellt, erweitert FRAMESS die Analyse um eine integrierte Bewertung anderer Gefahrenklassen (natürlicher oder vom Menschen verursachter Art) sowie um systemische Abhängigkeiten, Auswirkungen und potenzielle Reaktionsstrategien. Damit lassen sich unterschiedliche Krisenszenarien in einem gemeinsamen systemischen Kontext untersuchen – von den Auswirkungen von Katastrophen und Extremereignissen auf kritische Infrastrukturen bis hin zu sicherheitsrelevanten Szenarien. Ein aktuelles Anwendungsfeld ist dabei die Untersuchung möglicher kriegsbedingter Schäden an Kernkraftwerken, insbesondere im Kontext des Krieges in der Ukraine (KIT, 2023). Durch die Verknüpfung radiologischer Ausbreitungsmodelle (Abb. 1) mit der Analyse von Infrastrukturabhängigkeiten und potenziellen Kaskadeneffekten können neben den unmittelbaren radiologischen Auswirkungen auch mögliche Folgen für angrenzende Versorgungs- und Infrastruktursysteme betrachtet werden.

Ein weiteres Anwendungsfeld ist die Resilienz urbaner Energiesysteme. Am Beispiel von Microgrids untersucht die Arbeitsgruppe, wie dezentrale Strukturen die Versorgung nach Extremereignissen oder Cyberangriffen stabilisieren können (KIT, 2024). Dabei werden neben technischen Kriterien auch räumliche und sozioökonomische Faktoren berücksichtigt. Die Forschung zeigt, dass die konkrete Gestaltung von Versorgungsnetzen Auswirkungen darauf hat, wie unterschiedliche Bevölkerungsgruppen von Störungen und Versorgungsausfällen betroffen sind. Resilienz wird damit nicht ausschließlich als technische Eigenschaft verstanden, sondern als Ergebnis des Zusammenspiels von Infrastruktur, Umwelt, Raum und Gesellschaft – und damit als wesentlicher Bestandteil einer ganzheitlichen Betrachtung von Sicherheit und Daseinsvorsorge.

Übergreifendes Ziel der Forschungsarbeiten ist es, wissenschaftlich fundierte Methoden bereitzustellen, mit denen komplexe Risiken frühzeitig erkannt, systemische Auswirkungen bewertet und Transformationsprozesse resilient gestaltet werden können. Die Verbindung von Netzwerktheorie, mathematischer Modellierung, Simulation und KI schafft hierfür die Grundlage für neue, robuste und praxisnahe Formen der Entscheidungsunterstützung. Somit schützt diese Forschung nicht nur kritische Dienstleistungen für die Bevölkerung vor bekannten Gefahren, sondern stärkt auch deren Fähigkeit, sich an neue, vielschichtige und schwer vorhersehbare Bedrohungen anzupassen und darauf zu reagieren.

Referenzen:

KIT (2023): Rechnen für den Ernstfall, KIT Themenhighlights, Karlsruher Institut für Technologie, Karlsruhe, Deutschland (verfügbar: https://www.kit.edu/kit/rechnen-fur-den-ernstfall-atomkraft-ukraine.php).

KIT (2024): Microgrids: Resiliente Stadt für alle, KIT Presseinformation 056/2024, Karlsruher Institut für Technologie, Karlsruhe, Deutschland (verfügbar: https://www.kit.edu/kit/pi_2024_056_microgrids_resiliente_stadt_fuer_alle.php).

Ahmed, R.-B., Schichtel, T., Trybushnyi, D., Raskob, W., Ottenburger, S, S. (2026): Multi-model ensemble analysis of JRODOS atmospheric dispersion models for nuclear emergency planning. J. Environ. Radioact., 298, 108075, doi: 10.1016/j.jenvrad.2026.108075.

Kropp, C., Ley, A., Ottenburger, S. S., Ufer, U. (2021): Climate-neutral and intelligent cities in Europe. TATuP, 30, 10-55, doi: 10.14512/tatup.30.1.10.

Kropp, C., Ley, A., Ottenburger, S. S., Ufer, U. (2021): Making intelligent cities in Europe climate-neutral. TATuP, 30,11-16, doi: 10.14512/tatup.30.1.11.

Ottenburger, S.S., Möhrle, S., Müller, T.O., Raskob, W. (2022): A Novel MCDA-based methodology dealing with dynamics and ambiguities resulting from citizen participation in the context of the energy transition. Algorithms, 15, 47, doi:10.3390/a15020047.

Ottenburger, S. S., Ufer, U. (2023): Smart cities at risk: Systemic risk drivers in the blind spot of long-term governance. Risk Analysis, 43, 2158¬–2168, doi: 10.1111/risa.14102.

Ottenburger, S.S., Cox, R., Chowdhury, B.H., Trybushnyi, D., Al Omar, E., Kaloti, S. A, Ufer, U., Poganietz, W.R., Liu, W., Deines, E., Müller, T.O., Möhrle. S., Raskob, W. (2024): Sustainable urban transformations based on integrated microgrid designs. Nat Sustain., 7, 1067–1079, doi:10.1038/s41893-024-01395-7.

Ottenburger, S. S., Ufer, U. (2025): Long-term urban microgrid design: Socio-spatial resilience to promote energy democracy. TATuP, 34, 54-60, doi:10.14512/tatup.7206.

Ottenburger, S. S., Möhrle, S., Müller, T. O., Al Omar, E., Deines, E., Müller, A., Rouse, C., Heymann, M. (2026): Adaptive Resilience Assessment and AI-Based Decision Support for Evolving Complex Systems, Karlsruhe Institute of Technology, Karlsruhe, Germany, doi:10.5445/IR/1000196898.