Vorwort

Sowohl das Feld der effizienten Energienutzung als auch die Anstrengungen die im Hinblick auf künstlich intelligente Rechnersysteme betrieben werden sind derzeit eines besonderen Blickes würdig.

Steigende ökologische, ökonomische sowie politische Probleme im Zusammenhang mit der Beschaffung von Energieressourcen überschatten die expandierenden Landschaften der Informationsbranche, zu deren Sprösslingen die langsam reife künstliche Intelligenz gehört.

Darum beschäftigt sich die vorliegende Diplomarbeit mit der Zusammenführung beider Bereiche, und der Aussicht auf eine Win-Win Situation, in der sich die KI-Forschung endlich einer marktrelevanten Aufgabe stellen kann, während die effiziente Energie-Nutzung durch die Unterstützung mit vorhandenen Rechenkapazitäten nicht nur bereits im Konstruktionsprozess, sondern vor allem während ihrer Laufzeit, einen großen Sprung machen kann.

Besonders große Hilfen im Umgang mit diesen beiden Themenbereichen waren die beiden Standardwerke auf ihrem Gebiet: das „Energiehandbuch“ herausgegeben von Eckhard Rebhan und „Künstliche Intelligenz. Ein moderner Ansatz“ von Stuart J. Russel und Peter Norvig. Die beiden Werke geben einen umfassenden und strukturierten Einblick in das jeweilige Thema und bilden den aktuellen Forschungsstand in seiner Gesamtheit hoch kompetent ab.

An dieser Stelle möchte ich meinem Betreuer Herrn Professor Martin Ehinger an der Fachhochschule Heidelberg besonders danken, da er mir dabei half, die strukturellen Hürden des wissenschaftlichen Arbeitens spielend zu überwinden. Meinem Vater möchte ich dafür danken, dass er mein großes Interesse an der Technik und Informatik schon seit frühster Kindheit geweckt hat und auch heute noch immer unterstützen kann. Zuletzt danke ich meiner Mutter, die mich immer dazu motiviert hat, Herausforderungen anzunehmen und über meinen eigenen Tellerrand hinaus zu blicken. Ihr möchte ich diese Arbeit widmen.

Heidelberg, im September 2006 Richard Brammer

II

Executive Summary

In a time of rising energy prices and a growing field for information technology, its worth to take a glance of how to combine the two fields of energy efficiency and artificial intelligence.

Aim of this combination is to support human beings in their energy consuming habits and to adjust the usage to the individual requirement. An artificial intelligence today is able to mine data, plan actions and make decisions on a rational basis. Thus an intelligent agent can help to lower energy wastage by controlling and regulating a heating system.

For this application only few sensors and a control for the heating power are sufficient to support the artificial intelligence with enough information about its environment and enough actuators to manipulate it.

On the basis of the collected information the software is able to deduce knowledge, which in turn is stored in a database for later access.

This knowledge is used to take in states, which consume less heating power by still keeping the temperature on the same level. Because the acceptance by the user, next to saving energy, is the prime target of the artificial intelligence, its success is measured on how little intervention by humans occur.

With the help of probability and benefit based algorithms, several training runs before the applied operation and given performance standard the software is able to reduce calculating times to practicable times.

Considering the application possibilities given in this thesis, it is feasible to devolve the use of artificial intelligence and its ability to save energy for many different process controls.

III

Inhaltsverzeichnis

1.  Einleitung  11

2.  Stand der Forschung  13

2.1  Energie.  13

2.1.1  Energieeffizienz.  13

2.1.1.1.  Industrie.  14

2.1.1.2.  Dienstleistungsgewerbe  15

2.1.1.3.  Private Haushalte  15

2.1.1.4.  Übereinstimmungen  15

2.1.2  Bedarfsabhängige Steuerungen zur Steigerung der Energieeffizienz.  16

2.2  Künstliche Intelligenz  16

2.2.1  Der Begriff  17

2.2.2  Fuzzy-Logik.  18

2.2.3  Rationale Agenten.  19

2.2.4  Such-Algorithmen und Exploration.  20

2.3  Künstliche Intelligenz und Energie-Effizienz  22

3.  Vorgehensweise  23

4.  Künstlich intelligente Steuerung der Raumtemperatur  26

4.1  Ziele des Agenten  26

4.2  Sensoren und Aktoren  28

4.3  Programmablauf  29

5.  Implementierung der künstlichen Intelligenz.  39

5.1  Schwächen der Tree-Search-Methode  40

5.2  Optimierung des Suchalgorithmus  42

5.3  Bewertung der Aktionen des Agenten  43

5.3.1  Wegkosten  43

5.4  Nutzenfunktion  44

5.5  Induktive Aktionsgeneratoren  48

5.6  Nachbarfelder absuchen.  52

5.7  Optimierter Algorithmus  54

6.  Kritische Betrachtung.  55

6.1  Reaktionsvermögen  55

6.1.1  Datenmenge.  55

6.1.2  Datenpflege.  57

IV

6.2  Energieverbrauch des KI-Rechners  60

6.3  Einsparpotential  61

6.4  Gegenüberstellung der Potentiale einer künstlichen Intelligenz und einer  

linearen  , numerischen Steuerung.  64

7.  Aussicht  66

7.1  Verbesserungen für die KI  66

7.2  Einsparpotentiale in der Bäckerei  67

7.3  Einsparpotentiale bei Druckluftsystemen  67

7.4  Produzierendes Gewerbe  68

8.  Fazit  69

9.  Quellenverzeichnis  70

Literaturverzeichnis.   70

Sonstige  Quellen  71

Anhang A   I

Anhang B   I

V

Verzeichnis der verwendeten Symbole

Fläche [m²] A

Zustände, Parameter-Konfigurationen [ - ] A, B, C Energie [Ws] E Energiekennzahl [kWh/m²a] E Kenn Stellung des Fenstersensors [ - ] F1 Stellung des Heizreglers [ - ] H1 Anzeige auf dem LCD LCD1 Wahrscheinlichkeit [ - ] P Leistung [W] P

P PCmin , P PCmax Leistungsaufnahme des KI-PCs unter Leerlauf, Volllast [W] Temperatur [°C] T Solltemperatur [°C] T Soll Usability [ - ] U Variablen, Parameter [ - ] u, v, w

Grad der Erhöhung der Heizregler-Stellung [ - ] X

Zeitdauer der Zyklus-Unterbrechung [min] Y

Sparkennzahl je nach Verbrauchertyp [ - ] z Spar Differenz [ - ] ∆

VI

Abkürzungsverzeichnis

Advanced Micro Devices, Inc. AMD Computer Aided Design CAD

Central Processing Unit; Prozessor CPU Enterprise Resource Planning ERP

Knowledge Base; Wissensdatenbank KB künstliche Intelligenz KI

Liquid Crystal Display; Flüssigkristallanzeige LCD Pentium 4 P4 Personalcomputer PC

Random Access Memory; Arbeitsspeicher RAM Umdrehungen pro Minute U/min

Glossar

Künstliche intelligente Software, die in der Lage ist ihre Umwelt Agent

Gerät, das einen oder mehrere Effektoren steuert Aktor Problemlösungsweg Algorithmus

Technolgie von AMD, mit der die Prozessorgeschwindigkeit dem Cool’n’Quiet

aktuellen Leistungsbedarf angepasst wird Nicht mobiler, fest installierter Personal Computer Desktop-PC

Physikalisches Gerät, mit dem ein Aktor seine Umwelt beeinflusst Effektor

Suche nach Lösungen durch Beeinflussung einer realen Umge- Online-Suche bung

Gerät, das Messwerte zur weiteren Verwendung zur Verfügung Sensor stellt Bereitschaftsmodus Stand-by

VII

Abbildungsverzeichnis

Abbildung 2.1 Der Leistungsstandard (Performance standard) beeinflusst die Kritik (Critic) auf das Lernelement (Learning element), welches das Leistungselement (Performance element) anpasst und schließlich durch den Problemgenerator (Problem generator) erstellte Aktionen ausführen lässt. [24]................................ 20 Abbildung 2.2 Tree-Search-Algorithmus mit drei Parametern u, v und w ................ 21 Abbildung 3.1 Entwicklung von Energiepreisen für deutsche Haushalte

(Datenquelle: [26]) ................................................................................................ 24 Abbildung 4.1 Auf dieser Kurve hätte der Agent unter einer Heizleistung von 0,8 kW Schwierigkeiten keinen Benutzereingriff zu provozieren, da hier die

Temperaturdifferenz stark ansteigt. ...................................................................... 27 Abbildung 4.2 Abstrahierte Darstellung eines zu heizenden Raumes mit Fenster, Sensor, der die Fensterstellung binär misst (F1), Heizung mit angetriebener Regelung (H1) und digitalem Temperatursensor (T1). ......................................... 29 Abbildung 4.3 Nach dem Start überprüft die Steuerung mit Hilfe der Datenspeisung aus Bewegungsmeldern und Kameras, ob sich Personen im Raum befinden. Die Anwesenheitserkennung muss dabei praktikabel arbeiten. Eine kürzere Abwesenheit von Personen soll nicht bedeuten, dass die Heizungsleistung sofort

herunter gefahren wird.......................................................................................... 30 Abbildung 4.4 Sollte die Anwesenheitserkennung den Agenten davon

benachrichtigen, dass keine Personen anwesend sind und auch nicht erwartet werden, so geht dieser in den weniger komplizierten Nachtmodus, um weitere

Energie einzusparen. ............................................................................................ 32 Abbildung 4.5 Der Agent kennt die Anzahl der Runden, die er durchlaufen hat. Ebenso sichert er sich die Einstellung der Heizungsregelung und des Fensters, um Benutzereingriffe während des Zyklus zu erkennen. Anschließend wird die gemessene Temperatur an T1 mit der Solltemperatur T1 Soll (die von einer der Vorrunden in der Datenbank vorliegt) verglichen.................................................. 33 Abbildung 4.6 Sollte die gemessene Temperatur geringer sein als die Solltemperatur, wird bei geschlossenem Fenster die Temperatur erhöht. Ist das Fenster offen, gibt es je nach Heizungsstellung die Aufforderung das Fenster zu schließen, oder eine Anpassung der Solltemperatur. ........................................... 34 Abbildung 4.7 Ist die gemessene Temperatur zu hoch, wird bei ausgeschalteter Heizung und geschlossenem Fenster eine Benachrichtigung zum öffnen

VIII

ausgelöst. Ist die Heizung jedoch aktiviert muss sie entweder heruntergeregelt werden (bei geöffnetem Fenster) oder die höhere Temperatur als Sollwert

übernommen werden. ........................................................................................... 35 Abbildung 4.8 Nach Überprüfung der Zustände von Temperatur, Fenster und Heizung, wird die benötigte Energie des vergangenen Zyklus gemessen, sofern es keine Anpassung der Solltemperatur gab. Ist der Energieverbrauch gesunken und kein Benutzereingriff aufgetreten, werden die Parameter für den späteren Zugriff in einer Tabelle mit positiven Resultaten gesichert (grün), andernfalls in einer mit negativen Ergebnissen (orange). ........................................................... 37 Abbildung 4.9 Wie auch im Nachtmodus steht am Ende des Zyklus’ der induktive Aktionsgenerator, der anhand seines Wissens Schlussfolgerungen zieht, die zu Variationen in der Ausführung des nächsten Zyklus führen. Nur damit hat der Agent die Möglichkeit mehr Energie zu sparen als in dem vergangenen Zyklus.. 38 Abbildung 5.1 Anzahl der Zustände, die der Zustandsraum, in dem sich der Agent befindet, abhängig von den vom Programm beeinflussbaren Variablen und deren

Wertebereich, einnehmen kann. ........................................................................... 41 Abbildung 5.2 Zustandsbaum, den der Heizungssteuerungsagent gemäß der Tree-

Search-Methode nach Optima zu durchsuchen hat.............................................. 41 Abbildung 5.3 Berechnung der Wahrscheinlichkeit p............................................... 46 Abbildung 5.4 Berechnung des Nutzens U .............................................................. 46 Abbildung 5.5 Drittes Axiom der Nutzentheorie [7] .................................................. 47 Abbildung 5.6 Entscheidungsbaum, der der KI anhand ihrer Erfahrung Informationen darüber gibt, welche Einstellungen stochastisch zu guten Ergebnissen führen, und

welche nicht (vgl. [7]). ........................................................................................... 50 Abbildung 6.1 Berechnung der Speicheranforderung pro Zeile ............................... 57 Abbildung 6.2 Ist der Ausdruck wahr, dann lohnt sich eine Installation der KIgesteuerten Heizung (z Typ : Sparkennzahl; E Kenn : Energiekennzahl des Raum; A Raum : Fläche des Raums; P PCmin und P PCmax : Leistungsaufnahme des KI-Rechners

im Leerlauf und unter Vollast). .............................................................................. 64 Abbildung A.1 Kompletter Programmablaufplan.......................................................... I

IX

Tabellenverzeichnis

Tabelle 5.1 Praktikable Beispiele für die Setzung der Parameter H1 und y mit zugehöriger Wahrscheinlichkeit p, dass kein Benutzereingriff erfolgt, und Nutzenwert U für die entsprechende Parameter-Konfiguration. ........................... 46 Tabelle 5.2 Beispielwerte eines Traininglaufes der künstlichen Intelligenz angepasst an die Sensoren und Aktoren der Heizungssteuerung (vgl. [7]). .......................... 49 Tabelle 6.1 Datentabelle mit Parametervariablen, Datentypen und Datenformat.... 56 Tabelle 6.2 Speicheranforderung in MySQL-Datenbanken für numerische Felder [28] 56 Tabelle 6.3 Speicheranforderung in MySQL-Datenbanken für Datums- und

Zeitfelder [28] ........................................................................................................ 57 Tabelle 6.4 Abfragedauer für n Datensätze im praktischen Test (vgl. Anhang B,

Tabelle B.1) .......................................................................................................... 58 Tabelle 6.5 Berechnung des jährlichen Energieverbrauchs für unterschiedlich basierte Desktop-PCs bei 24 Stunden Betrieb zu 50 Prozent unter Volllast. ....... 61 Tabelle 6.6 Energieverbraucher-Typen mit zugehörigem Sparpotential und

Sparkennzahl zur Berechnung der Raumlosgröße............................................... 62 Tabelle B.1 Praxistest, der die Dauer von n Datenreihen in je 20 Testläufen dokumentiert. Durchschnittswerte am Ende der Tabelle. ........................................ I

X

1. Einleitung

Jenseits der durch die Science-Fiction inspirierten Welt von künstlicher Intelligenz in menschenähnlichen Robotern, findet sich ein weiteres spannendes, wesentlich mehr Erfolg versprechendes Anwendungsgebiet. Die Unterstützung des Menschen in seinem Alltag bleibt als Endzweck sehr wohl auch in diesem Aufgabengebiet erhalten. Denn die künstliche Intelligenz bietet heute die Möglichkeit als quasi unsichtbarer, persönlicher Assistenz für uneingeschränkten Komfort und hocheffizienten Nutzen beim Einsatz von Energieressourcen zu sorgen.

Dabei steht im Vordergrund die Akzeptanz für ein solches System durch den Menschen zu schüren, um dem schwächsten Glied in der Kette des energiebewussten Handelns wichtige Hilfestellung im Umgang mit den wenigen verbliebenen oder kompliziert zu gewinnenden, regenerativen Ressourcen dieser Welt zu geben. Häufig führt ein geringes Wissen über die effiziente Nutzung von Strom, Gas, Öl oder Fernwärme dazu, dass diese Energieträger ihren Einsatzzweck nur zu einem geringen Prozentsatz erfüllen können, und das Output pro Input Verhältnis der Energie nicht zufrieden stellend ist.

Eine intelligente Steuerung verschiedener alltäglicher aber auch wirtschaftlicher Prozesse, deren Ausführung sonst ganz oder teilweise dem Menschen überlassen wäre, könnte somit einen entscheidenden Beitrag dazu leisten, den Menschen erstens zu entlasten, zweitens Prozesse dennoch weiterhin so auszuführen, dass die neue Steuerung auf große Akzeptanz stößt (indem sie sich beispielsweise an den Gewohnheiten des Menschen orientiert) und drittens mit wertvollen Ressourcen so rational umgehen, dass neben den Vorteilen der Kosteneinsparung ebenfalls ökologische Nachhaltigkeit entsteht.

Dabei soll die künstliche Intelligenz unbemerkt im Hintergrund ihre Entscheidungen so treffen, dass sie gleichzeitig höchste Effizient im Umgang mit Energie erreicht, während sie die Bedürfnisse des Menschen voll befriedigt. Das Ziel des Rechners ist es also ein persönlicher Assistent des Benutzers zu werden, der dessen Vorlieben und Verhaltensweisen kennt, und den sparsamen Umgang mit der Energie diesen persönlichen Eigenschaften anpasst.

Mit Hilfe einer theoretischen Implementierung von künstlicher Intelligenz in ein System zur Steuerung einer Heizungsanlage wird die Machbarkeit, Effektivität und das Potential dieser Computerprogramme dokumentiert.

11

Fragen denen sich die Arbeit in diesem Teil stellen wird sind: „Woher weiß die künstliche Intelligenz, wie sie Heizen muss, um Energie zu sparen?“, „Wie passt sich die Steuerung den Bedürfnissen des Menschen an?“ und „Wie entscheidet sich das System, wenn diese Bedürfnisse hohe Energiekosten verursachen sollen?“. Ebenso soll die Diskussion die künstliche Intelligenz aber einer kritischen Betrachtung unterziehen und deren Vorteile gegenüber einer programmierten Steuerung aufzeigen. Dabei fällt die Wahl auf die Darstellung einer Heizungsanlage auf Grund der in Kapitel 3 erläuterten Energiesituation.

Die Erkenntnisse aus der Anwendung im Heizungssystem werden zum Schluss exemplarisch auf weitere Prozesssteuerungen übertragen. Mit Hilfe dieser Beispiele wird die generelle Machbarkeit der künstlichen Intelligenz als universal einsetzbare Prozessteuerung untermauert.

Die unterschiedlichen Anwendungen zeigen, dass es jederzeit Ziel der Steuerung ist, dem Menschen Denkarbeit abzunehmen, und so die Gefahr potentieller Fehler im Umgang mit Energie zu vermeiden.

12

2. Stand der Forschung

Die Bereiche der Energieeffizienz einerseits und der künstlichen Intelligenz andererseits haben bis dato sehr wenige Überschneidungen. Dies liegt zum einen daran, dass die Ursprünge der Felder sehr unterschiedlicher Natur sind. So liegen die Wurzeln künstlicher Intelligenz in der Informationstechnik, das Feld der Energiebereitstellung und -nutzung jedoch ist ein typisches Gebiet der Ingenieurswissenschaften. Zum anderen dominieren, wie im Folgenden beschrieben, in der Energienutzung mechanische oder höchstenfalls programmierbare Steuerungen. Sinnvolle Einsatzfelder für künstliche Intelligenz im Zusammenhang mit Energie finden sich bisher nur vereinzelt. Beide Bereiche sollen somit im Folgenden stärker differenziert werden, um in Kapitel 2.3 diese vereinzelten Anwendungen in der Nutzung des kombinierten Wissens aufzuzeigen.

2.1 Energie

Da die Bedeutung des Begriffs Energie durch REBHAN [2] hinreichend erklärt wird, soll im Folgenden die Konzentration auf der Wortkombination „Energieeffizienz“ liegen.

2.1.1 Energieeffizienz

Energieeffizienz ist der erste Schritt in Richtung Nachhaltigkeit. Dabei stehen drei Maßnahmen zur Steigerung dieser Effizienz im Vordergrund:

• „Schonung der natürlichen Ressourcen“ [2]

• „Verminderung der Schadstoffbelastung und Klimaveränderungen“ [2]

• „Optimierung des Einsatzes von Kapital und Betriebskosten.“ [2] Zur Verfolgung dieser Ziele ist das räumliche und zeitliche Geringhalten des Energiebedarfs der erste Schritt. Weitergehend müssen die Verluste bei der Deckung des Energiebedarfes gering gehalten werden.

REBHAN [2] zählt acht weitere Bedeutungen des Wortes Energieeffizienz auf. Wichtig ist dabei das Verständnis, dass Energieeffizienz in privaten Haushalten, wie auch im Dienstleistungssektor vor allem bedeutet weniger Endenergie einsetzen zu müssen, um den gleichen Bedarf zu erfüllen. Dies ist insbesondere dann der Fall, wenn sich durch bauliche Maßnahmen die aktive Energienutzung minimieren lässt. Das Passivhaus, das kaum bis gar keine zusätzliche Beheizung benötigt [3], ist das Paradebeispiel dafür, wie viel Energie gespart werden kann.

13

Leider ist eine Wärmeschutzverordnung, die eine starke Dämmung des Gebäudes fordert erst seit 1995 in Kraft und 2001 in die Verordnung über energiesparenden Wärmeschutz und energiesparende Anlagentechnik bei Gebäuden übergegangen. [4] Ältere Gebäude sind daher bis zur Sanierung auf einem erheblich schlechteren Niveau, was die Heizwärmeeffizienz anbelangt. Da eine solche Sanierung aber nicht kurzfristig an jedem Altbau vorgenommen werden kann, ist es notwendig, die Effizienz auf andere Art und Weise zu erhöhen, oder zumindest auf einem stabilen Niveau zu halten. Daher ist für diese Arbeit die relevanteste Bedeutung des Begriff Energieeffizienz die „betriebliche Optimierung durch Regulierung nach Bedarf (…)“ [2]. Diese umfasst beispielsweise den Einsatz regelbarer Pumpen und Beleuchtungsanlagen oder auch Heizungsregelsysteme.

Auch REBHAN [2] widmet sich insbesondere der betrieblichen Optimierung. Dabei geht er davon aus, dass ein Haus dann energieeffizient ist, wenn eingesetzte Anlagen zeitlich, räumlich und leistungsmäßig nur in dem Grad eingesetzt werden, in welchem sie auch benötigt werden.

Den Grund dafür, dass sich derartige Steuerungsanlagen noch nicht durchgesetzt haben, sieht er darin, dass es eine verbreitete Angst der Arbeitgeber ist, dass energieeffiziente Anlagen die Zufriedenheit des Personals beeinträchtigen könnten, während die Energiekosten lediglich ein Prozent der Gesamtkosten betragen. Einen weiteren Grund sieht er darin, dass in privaten Haushalten das ökonomische Denken weniger verbreitet ist. Nur auf Grund der stetig steigenden Energiepreise könnte der Bedarf nach Effizienz steigernden Methoden steigen.

Potentiale die Energieeffizienz zu steigern gibt es viele. Im Folgenden sein diejenigen Alternativen bezogen auf Industrie, Dienstleistungsgewerbe und private Haushalte aufgelistet, die zumindest theoretisch durch den Einsatz von künstlicher Intelligenz weiter verbessert werden können (Quelle: [2])

2.1.1.1. Industrie

• Leerlauf energietechnischer Einrichtungen vermeiden,

• Überheizen von Räumen und Werkhallen vermeiden,

• Raumtemperatur nicht durch Öffnen der Fenster regeln

• Künstliche Beleuchtung nicht genutzter Räume abschalten

• Keine künstliche Beleuchtung bei genügend Tageslicht

• Zu starke Klimatisierung vermeiden

• Anwendung der Steuerungs- und Regeltechnik

14

• Bedarfsabhängige Volumenstromregelung in lüftungstechnischen Anlagen

• Anpassung der Betriebszeit an den Bedarf

• Teilbereiche eines Druckluftnetzes zeitweise stilllegen

• Beleuchtungskontrollsysteme

• Abschalten nicht benutzter Bürogeräte

2.1.1.2. Dienstleistungsgewerbe

• Bedarfsabhängige Raumtemperaturregelungen, die örtlich und zeitlich auf Präsenz der Benutzer reagieren

• Niedertemperatursysteme für die Heizverteilung

• Kontinuierliche oder Ein-/Aus-Regelung aufgrund der Präsenz der Benutze-rund/oder genügender Außen-/Innenhelligkeit

• Last- und bedarfsabhängige Regelung der mechanischen Energie

• Last- und zeitabhängiger Betrieb von elektronischen Anlagen (Prozessoren, Datenspeicher, Bildschirme etc.)

• Lastabhängiger Betrieb von Sende- und Empfangsgeräten für die Telekommunikation

2.1.1.3. Private Haushalte

• Bedarfsabhängige Raumbeheizung und Lüftung

• Vermeidung von Stand-by Betrieb

• Zulauftemperaturregelung von Heizwasser

• Regelung von Kleingeräten wie Staubsauger und Bügeleisen

2.1.1.4. Übereinstimmungen

Auffällig häufig wird die Steigerung der Effizienz durch die bedarfsabhängige Nutzung prognostiziert. Dies sind auch diejenigen Einsatzgebiete in denen zwar nicht künstlich intelligente, aber informationstechnisch gesteuerte Systeme zumindest bereits verwendet werden. Das folgende Kapitel führt zwei typische Beispiele dieser programmierten Anwendungen aus.

15