Die Identifikation von Vulnerabilitäten in kritischen Infrastrukturen ist essenziell, um zu verhindern, dass terroristische Akteure sie ausnutzen. Digitalisierung und Lokalisierung des Stromnetzes gehen mit neuen technischen Anwendungen einher, die ein effizienteres und resilienteres Energiemanagement versprechen. Eine solche Technologie sind die Microgrids, und die Verwendung von künstlicher Intelligenz (KI) in ihrer Entscheidungslogik wächst rapide. Neue technologische Innovationen und Assemblagen tendieren dazu, unbeabsichtigte Folgen nach sich zu ziehen und sie steigern die Unsicherheit im Management komplexer technischer Systeme. In Anbetracht des vernetzten Charakters kritischer Infrastrukturen sowie deren latentem Potential für Kaskadeneffekte könnte eine erhöhte Komplexität neue Vulnerabilitäten hervorbringen. Das technische Design und der sozial eingebettete Betrieb von KI-gestützten Microgrids macht diese möglicherweise verletzlich für gezielte Angriffe.

Dementsprechend liegt der Fokus des grundfinanzierten Projekts, das die KIT-interne Vernetzung vorantreiben soll, in einem dreiteiligen Vulnerability Assessment: Zuerst werden die Vorteile evaluiert, die man sich von Microgrids hinsichtlich des Stromnetzes und seiner Resilienz verspricht. Um zu einem besseren Verständnis des technischen Designs und der notwendigen sozialen Organisation um dessen Betrieb zu gelangen, entwickelt das Projekt eine Beschreibung von Microgrids als soziotechnische Entitäten. Daran knüpft die Aufgabe an, den Stand der Verwendung von KI in Microgrids systematisch zu erfassen. Welche wahrscheinlichen Entwicklungsrichtungen können identifiziert werden und welche potentiellen Vulnerabilitäten führt die KI in das System ein? Schließlich will das Projekt die Fragen beantworten, wie soziale Akteure einen resilienten Betriebszustand KI-gestützter Microgrids aufrechterhalten und welche Akteure von denkbaren terroristischen Angriffen auf KI-gestützte Microgrids betroffen wären. Am Ende soll das Projekt ein technisch und soziologisch tragfähiges Model vorlegen, mit dem die Vulnerabilitäten KI-gestützter Microgrids beurteilt werden können. Darüber hinaus soll das Modell so anpassbar sein, dass es perspektivisch auch auf andere soziotechnische Systeme kritischer Infrastrukturen angewendet werden kann.