Abstract This paper presents a concise overview of sensitivity-based methods for solving large-scale optimization problems in distributed fashion. The approach relies on sensitivities and primal decomposition to achieve coordination between the subsystems while requiring only local computations with neighbor-to-neighbor communication. We give a brief historical synopsis of its development and apply it to both static and dynamic optimization problems. Furthermore, a real-time capable distributed model predictive controller is proposed which is experimentally validated on a coupled water tank system.

Article 2025 Reisensburg conference on fundamentals of networked and cognitive systems in measurement and automation was published on March 1, 2026 in the journal at - Automatisierungstechnik (volume 74, issue 3).

Zusammenfassung Die industrielle Produktion steht vor der Herausforderung, Virtualisierung in bestehende Automatisierungsumgebungen zu integrieren, wobei die deterministische Kommunikation industrieller Anwendungen sichergestellt werden muss. Die IT/OT-Konvergenz und damit zunehmende Vernetzung von Systemen verstärkt diese Anforderungen, wodurch neue Architekturansätze erforderlich werden. Die Dissertation handelt von der Entwicklung eines modularen Architekturkonzeptes für deterministische Kommunikationsnetzwerke auf Basis von Software-defined Networking (SDN), Quality of Service (QoS) und Redundanzmechanismen. Das Konzept ermöglicht die Konsolidierung von Automatisierungsapplikationen auf einer Edge Cloud und eine zuverlässige, sichere und deterministische Datenübertragung.

Abstract Intraoperative neurophysiological monitoring (IONM) uses electrical stimulation to track neural integrity during high-risk surgeries. A key challenge is that stimulation to assess integrity of motor pathways induces patient movement, disrupting the surgical field. This causes irregular application of stimulation and therefore surveillance gaps. This emphasizes the need for automated, adaptive strategies. We retrospectively analyzed stimulation intervals in 130 procedures across two centers, comparing transcranial (TES) and direct cortical stimulation (DCS). Stimulation patterns varied markedly within and across surgeries and centers. We propose a closed-loop workflow combining accelerometer-based movement tracking, and machine learning (ML) based signal forecasting. Such a system could adapt stimulation to surgical context and use ML to reduce variability, supporting consistent motor surveillance in minimally invasive neurosurgery.

Zusammenfassung Das kurative Engpassmanagement ermöglicht es, Stromversorgungssysteme näher an ihren Betriebsgrenzen zu betreiben. Dieser Artikel analysiert die Online-Berechnung temporärer thermischer Grenzwerte für Freileitungen und erläutert einen Anwendungsfall für kurative Maßnahmen unter Verwendung von Netzkuppeltransformatoren zwischen Verteil- und Übertragungsnetzen.