Forskning på energi-besparende intelligente hus (heretter smart-house) erblitt mer aktuelt, blant annet fordi tilgang til nåværende energi resurserkan avta i nær fremtid. Forskningsprosjekter i Europa og ellers i verdenønsker å finne frem til nye teknologier som kan implementeres inåværende konstruksjoner og fremtidige smart-house. Spesielt er energibesparingmed og uten alternative energikilder, automatisering,bygningsmaterialer, innemiljø, temperatur kontroll og personlig komfortmye i fokus. Denne oppgaven handler om agenter som lærer og kommuniser i etsmart-house kan føre til at energiforbruket minskes. For å vise til dette erdet laget en simulator (heretter MAS-ENERGY) som bruker forskjelligetype instansieringer av simulatoren. Type en hvor agenter ikke ersofistikerte (refleks-agenter, heretter kalt NO-MAS) kontra type to, etsofistikert system hvor agenter lærer og kommuniserer med hverandre(multi agent system, heretter kalt MAS). Forskjellige parametre brukes, som historiske værdata for å etterligne utetemperaturerfor mer nøyaktige måling av bygningens varmegjennomgangkoeffisientereller bruk av komponenter for blant annetoppvarming av inne-temperatur. Parametre brukes i scenarioer someksperimenterer med data og forskjellige kontekster for å finne etresultat. Ved å sammenligne resultatene kan et scenario for et MASkontra et NO-MAS vise til en eventuell besparelse på energiforbruket. Oppgaven konkluderer med at agenter som lærer og kommunisere ved åbruke maskinlære teknikker og observasjon, er med til å minskeenergiforbruket sammenlignet med agenter som bare bruker kondisjonelleregler og som ikke kommuniserer med hverandre i et smart-house.