Ziel der Arbeit ist die approximative Abbildung komplexer dynamischer Zusammenhänge in der Umweltökonomie, wie sie z.B. in der Klimapolitik oder der Fischereipolitik auftreten, durch dynamische unscharfe Modelle und die Anwendung dieser Modelle zur Bestimmung einer robusten Politik. Das Konzept der unscharfen Modelle wird hierbei eingesetzt, um komplexe ökologische Zusammenhänge mit mathematisch handhabbaren Modellen abzubilden und insbesondere um Probleme unzulässiger Aggregation zu umgehen. Aufbauend auf diese Modelle werden dann unscharfe Bewertungsverfahren aus der Social-Choice-Theorie hergeleitet und zur Bestimmung einer robusten Politik verwendet.
In diesem Teilprojekt werden Methoden fuer ein hybrides, wissensbasiertes Pilotsystem zur Fuehrung und Ueberwachung von Grossfeuerungsanlagen aufgebaut und untersucht. Die Prozessfuehrung basiert dabei sowohl auf einer mathematisch-physikalischen Systemmodellierung als auch auf dem Wissen der Anlagenbediener und -experten. Die so gebildeten Strukturen werden durch lernfaehige Verfahren, z.B. in Form von Neuro-Fuzzy-Systemen, schrittweise an das tatsaechliche Verhalten der Bediener adaptiert. Zusaetzlich wird eine direkte Anpassung der Wissensbasis an das tatsaechliche Prozessverhalten angestrebt, um das Ziel, die Realisierung einer insgesamt optimaleren Prozessfuehrung, zu erreichen. Die Leistungsfaehigkeit der untersuchten Verfahren wird am Versuchskraftwerk der RWE evaluiert.