Statistische Modelle basierend auf empirischen Daten und GIS-Analysen sind ein geeignetes Mittel, um das Landschaftsbild objektiv zu bewerten. Verbreitet sind vor allem lineare Regressionsmodelle, die vergleichsweise einfach anzuwenden und zu interpretieren, jedoch bei der Darstellung komplexer Zusammenhänge eingeschränkt sind. Die vorliegende Arbeit nutzt drei verschiedene Modelltypen für eine bundesweite, flächendeckende Bewertung der landschaftli-chen Schönheit und vergleicht diese hinsichtlich ihrer Plausibilität und ihrer anwendungsbezogenen Vor- und Nachteile. Ein lineares Regressionsmodell wird dazu einem ordinalen Regres-sionsmodell und einem neuronalen Netz gegenübergestellt, mit denen auch nichtlineare Zusammenhänge modelliert werden können. Es werden sowohl die Modelle mit ihren beteiligten Indikatoren als auch die bei der flächenhaften Anwendung entstehenden Ergebniskarten aus-führlich verglichen. Empirische Datenbasis ist eine Onlineumfrage zum Landschaftsbild, die im Rahmen des vom Bundesamt für Naturschutz beauftragten FuE-Vorhabens „Entwicklung eines Bewertungsmodells zum Landschaftsbild beim Stromnetzausbau“ durchgeführt wurde. Bei der Umfrage wurde eine Fotodokumentation mit 822 repräsentativen Landschaftsfotos unter ande-rem hinsichtlich ihrer Schönheit bewertet. Es handelt sich mit mehr als 3.500 Teilnehmenden und 44.000 Fotobewertungen um den bisher umfangreichsten Datensatz zum Landschaftsbild in Deutschland. Die Arbeit behandelt speziell die Schönheit, da sich diese im Vergleich zu an-deren im § 1 Abs. 1 Nr. 3 BNatSchG genannten Kriterien Vielfalt und Eigenart für eine intuitive Bewertung ohne Expertenwissen eignet. Der Vergleich bei der bundesweiten Anwendung der Modelle zeigt für alle drei Modelltypen überwiegend plausible und stark korrelierende Ergebnisse auf. Alle Ergebniskarten zeigen infolge des markanten Reliefunterschieds deutliche Bewertungsunterschiede zwischen der Nord- und Südhälfte Deutschlands. Es zeigt sich, dass Modelleigenschaften des linearen und ordinalen Regressionsmodells dazu führen, dass dieses Bewertungsgefälle deutlich zu stark ausgeprägt ist. Beim neuronalen Netz zeigt sich eine ausgewogenere Bewertung zwischen Norden und Süden, bei der auch Landschaftsräume ohne starke Reliefunterschiede häufig hohe Bewertungsstufen erhalten. Eine erneute Anwendung der Modelle auf die Ausgangsdaten bestätigt leichte Bewertungsvorteile des neuronalen Netzes. Es ist jedoch davon auszugehen, dass kleinere Untersuchungsgebiete mit weniger diversen Landschaftstypen dazu führen, dass die Vorhersagen verschiedener Modelltypen weniger Unterschiede aufweisen. In der Arbeit wird die zugrundeliegende Stichprobe zudem auf die Effekte sozial-empirischer Merkmale untersucht. Es zeigen sich schwache Einflüsse von Alter, Bildungsstand und Fachwissen zum Landschaftsbild. Zudem wurde untersucht, ob die landschaftliche Schönheit mit dem Vorkommen von bestimm-ten Farbtönen zusammenhängt. Ausgewählt wurden für die Analyse Grün- und Blautöne als Indikatoren für Vegetation und Wasser. Die Untersuchung zeigt keine Zusammenhänge mit blauen Farbtönen und eine geringe Korrelation zu grün(-blauen) Farbtönen. Insgesamt bestätigen die Untersuchungsergebnisse, dass in Bezug auf die landschaftliche Schönheit ein ausreichender gesellschaftlicher Konsens besteht, um empirisch-modellierende Methoden zu validen und genauen Bewertungsinstrumenten für dieses Kriterium in der Landschaftsbildbewertung zu machen.:Zusammenfassung 5 Inhalt 7 Abbildungen 10 Tabellen 13 Abkürzungsverzeichnis 15 Allgemeine Informationen 16 1. Einleitung 17 1.1 Anlass und Motivation 17 1.2 Zielstellung 18 1.3 Aufbau und Gliederung der Arbeit 19 2. Inhaltliche Grundlagen 22 2.1 Landschaft 22 2.2 Landschaftsbild 23 2.2.1 Rolle der sensorischen Wahrnehmung in der Landschaftsbildbewertung 23 2.2.2 Die Subjektebene 25 2.3 Begriffstrias Vielfalt, Eigenart und Schönheit 27 2.3.1 Vielfalt 28 2.3.2 Eigenart 28 2.3.3 Schönheit 30 2.4 Expertenbasierte, modellierende und empirisch-modellierende Landschaftsbildbewertung 31 2.5 Schönheit in der Landschaftsbildbewertung 36 2.6 Fotos als Bewertungsmedium 42 3. Fotodokumentation und Onlineumfrage 44 3.1 Erstellung der Fotodokumentation 44 3.1.1 Auswahl von Referenzräumen 44 3.1.2 Anfertigung der Fotodokumentationen 49 3.1.3 Auswahl der Fotos für die Onlineumfrage 51 3.2 Onlineumfrage 52 4. Einfluss sozial-empirischer Merkmale auf die Bewertung 55 4.1 Geschlecht 56 4.2 Alter 60 4.3 Schulabschluss 64 4.4 Berufsabschluss 66 4.5 Affinität zu Natur und Landschaft 69 4.6 Aufenthalt in der freien Landschaft 71 4.7 Berufliche Auseinandersetzung mit dem Landschaftsbild 73 4.8 Entfernung vom Wohnort zur bewerteten Landschaft 77 4.9 Ländliche oder städtische Prägung des Wohnortes 83 4.10 Zusammenfassung 85 5. Auswahl von Indikatoren 88 5.1 Operationalisierbare und nicht-operationalisierbare Indikatoren 88 5.2 Datengrundlagen 89 5.3 Liste aller potenziellen Indikatoren 90 5.4 Erhebung des Indikatorenvorkommens durch Strukturanalyse der Sichträume 95 5.4.1 Verifizierung der Sichträume 95 5.4.2 Vorbereitung der Sichträume im GIS 97 5.4.3 Ermittlung des Indikatorenvorkommens in den Sichträumen 99 5.4.4 Erfassung des Indikatorenvorkommens im GIS 101 6. Ergänzende statistische Analyse der potenziellen Indikatoren 102 7. Einfluss der Farbgebung der Landschaftsfotos auf die Bewertung 104 7.1 Messung der Farbgebung 105 7.2 Definition von Farbbereichen 107 7.3 Statistische Analyse der Daten zur Farbgebung der Landschaftsfotos 109 7.4 Fazit 110 8. Erstellung der Bewertungsmodelle 112 8.1 Lineare Regression 112 8.1.1 Voraussetzungen 114 8.1.2 Lineares Regressionsmodell zur Schönheit der Landschaft 119 8.2 Ordinale Regression 122 8.2.1 Modellerstellung bei der ordinalen Regression 124 8.2.2 Interpretation der Parameterschätzer / Berechnung von Wahrscheinlichkeiten 125 8.2.3 Vorbereitung der Daten / Ordinale Skalierung 128 8.2.4 Voraussetzungen 129 8.2.5 Ordinales Regressionsmodell zur Schönheit der Landschaft 131 8.3 Neuronales Netzwerk 135 8.3.1 Aufbau und Funktionsweise 135 8.3.2 Auswahl von Skalenniveaus für das neuronale Netz 139 8.3.3 Einstellungen zum mehrschichtigen Perzeptron in SPSS 140 8.3.4 Erstellung des mehrschichtigen Perzeptrons mit SPSS 141 8.3.5 Neuronales Netzwerk zur Schönheit der Landschaft 144 8.4 Vergleich des Aufbaus der Modelle 147 8.5 Vergleich der Modellergebnisse 149 9. Flächenhafte Anwendung der Bewertungsmodelle 153 9.1 Wahl der Bewertungseinheit 153 9.2 Erhebung des Indikatorenvorkommens in den Bewertungseinheiten 154 9.3 Übertragung des Distanzzonenkonzepts in die Flächenbewertung 155 9.4 Anwendung der Bewertungsmodelle auf das Untersuchungsgebiet 156 9.5 Einteilung der Bewertungsstufen der Ergebniskarten der Bewertungsmodelle 157 9.6 Auswertung und Vergleich der Ergebniskarten 160 9.6.1 Verteilung der Bewertungsstufen 165 9.6.2 Sichtbarer Einfluss von Indikatoren auf die Wertstufenverteilung 167 9.6.3 Fazit 175 10. Diskussion und Schlussfolgerung 177 10.1 Diskussion der drei Modellierungsmethoden und deren Ergebnisse 177 10.1.1 Einordnung der Ergebnisse 177 10.1.2 Kritische Betrachtung der Methoden und Optimierungspotenzial 179 10.2 Vor- und Nachteile der drei Modellierungsmethoden 183 10.3 Die Berechnung landschaftlicher Schönheit 185 10.4 Zweck großräumiger Landschaftsbildbewertung in der Landschaftsplanung 187 10.5 Daseinsberechtigung landschaftlicher Schönheit als Bewertungskriterium 188 10.6 Fazit 189 11. Quellenverzeichnis 190 Anhang 1 – Landschaftsfotos 202 Anhang 2 – Korrelationsanalyse der unabhängigen Variablen des linearen Regressionsmodells 213 Anhang 3 – Korrelationsanalyse der unabhängigen Variablen des ordinalen Regressionsmodells 215 Anhang 4 – Korrelationsuntersuchungen der potenziellen Indikatoren 217 Anhang 5 – Verteilung der Bewertungsstufen in den Ergebniskarten 219 Danksagung 227

Critical infrastructure networks (CIN) are essential systems that provide key socio-eco-nomical services. They can be classified into different sectors such as energy supply, in-formation and communication, water, food, health, transport, among others. Their pro-tection from hazards and constant improvements are crucial for ensuring the appropriate operation of a society and economy. In this context, the current study focused on analyzing the factors affecting the function-ing of one particular CIN in the water sector: the urban drainage networks (UDNs). More specifically, the present research focused on evaluating how does the structure of UDNs influence their function. Concepts and methods from complex network theory were used to evaluate structural properties of sewers systems and function was evaluated in terms wastewater flow quantitates and occurrence of node flooding and combined sewer over-flow (CSOs) events, considered as indicators if network performance. Initial results suggested that network metrics can be used as surrogate variables of UDNs main functions, i.e. transport and collection of wastewater. However, efficiency of this de-pended on the type of layout, i.e. physical arrangement of the network. Following studies focused then on developing a graph-theory based method to quantify the structure of an UDN and use it to evaluate the influence of layout on its function. Results suggested that sewer networks with a more meshed layout had a better performance, i.e. adverse events such as urban pluvial flooding and CSO discharges were less likely to occur, than UDNs with a branched layout. Furthermore, transitioning from a tree-like structure to a more meshed system was identified to be a cost-efficient measure for urban flooding manage-ment. It is concluded that the structure of an UDN, in terms of its layout, has a strong influence on its performance and therefore on its resilience. It is expected that the obtained results could serve as support for better management and operational actions of UDNs and could also serve as basis for the development of a new structural resiliency analysis based mainly on the UDN configuration.:1. General Introduction 2. Centrality and Shortest Path Length measures for the functional analysis of Urban Drainage Networks 3. Meshness of sewer networks and its implications for flooding occurrence 4. The Role of Sewer Network Structure on the Occurrence and Magnitude of Combined Sewer Overflows (CSOs) 5. Determination of Optimal Meshness of Sewer Network Based On a Cost-Benefit Analysis 6. Influence of Meshness on Urban Drainage Networks Resilience and its Implications 7. Conclusions and Outlook 8. Supplementary Information

Sharp wave-ripple Komplexe (SWRs) sind kurze Ereignisse von kohärenter Netzwerkaktivität im Hippocampus. SWRs spielen eine wichtige Rolle bei der Konsolidierung von expliziten Gedächtnisinhalten, die Mechanismen sind aber bis heute ungeklärt. Pyramidenzellen (PYR) und Parvalbumin-positive Korbzellen (PV+BCs) feuern während SWRs besonders häufig, wohingegen sie außerhalb beinahe inaktiv sind. SWRs treten spontan auf, und können durch Stimulation von PYR und PV+ Zellen hervorgerufen werden. Um die Rolle von PV+ Zellen in SWR Generierung zu klären, untersuche ich wie das Zusammenspiel von exzitatorischen Neuronen (PYR) und zwei Klassen von Interneuronen (PV+BCs und derzeit unbekannte Anti-SWR-Zellen) die Entstehung und die Häufigkeit von SWRs beeinflusst. Erstens entwickle ich ein Netzwerk aus feuernden Neuronen, das spontane Übergänge vom Anti-SWR-Zustand zum SWR-Zustand zeigt. Die Aktivität von PV+BCs, die die Aktivität von PYR disinhibieren, dominiert den SWR-Zustand. SWRs können hervorgerufen werden durch Stimulation von PYR oder PV+BCs, und durch Inaktivierung von Anti-SWR-Zellen. Durch Kurzzeitdepression der synaptischen Verbindung von PV+BCs zu Anti-SWR-Zellen wird die Dauer der SWRs reguliert. Die Koexistenz von Anti-SWR- und SWR-Zuständen bei konstanten Stärken der synaptischen Depression erlaubt die Untersuchung der Bistabilität des Netzwerks. Durch eine Mean-field-Näherung können Voraussetzungen für bistabile Netzwerkaktivität analytisch hergeleitet werden. Das Modell prognostiziert die Existenz von Anti-SWR-Zellen. Im letzten Teil dieser Arbeit zeige ich erste experimentelle Ergebnisse, die die Existenz von CA3-Interneuronen belegen, die anti-moduliert sind bezüglich SWRs. Durch die Untersuchung der Rolle von Interneuronen hinsichtlich der Generierung von SWRs trägt diese Arbeit zu einem tieferen Verständnis der neuronalen Schaltkreise im Hippocampus bei, die essentiell für den Erwerb und die Konsolidierung expliziter Gedächtnisinhalte sind. / Sharp wave-ripple complexes (SWRs) are events of coordinated network activity originating in the hippocampus. SWRs are thought to mediate the consolidation of explicit memories, but the mechanisms underlying their occurrence remain obscure. Pyramidal cells (PYR) and parvalbumin-positive basket cells (PV+BCs) preferentially fire during SWRs and are almost silent outside. SWRs emerge spontaneously or by activating PYR or PV+ cells. To understand how the activation of PV+ interneurons can result in an increase of PYR firing, I explore how the interaction of excitatory neurons (PYR) and two groups of interneurons (PV+BCs and a class of anti-SWR cells) contributes to the initiation, termination, and incidence of SWRs. First, I show that a biophysically constrained network of spiking neurons can exhibit spontaneous transitions from a non-SWR state to a SWR state, in which active PV+BCs disinhibit PYR by suppressing anti-SWR cells. SWR events can be triggered by activating PYR or PV+BCs, or inactivating anti-SWR cells. Short-term synaptic depression at the PV+BCs-to-anti-SWR cells connections regulates the termination of SWR events. The coexistence of states for intermediate values of the depression allows to study the network behavior in terms of bistability. To this end, I consider a mean-field approximation of the spiking network, where conditions for the emergence of a bistable configuration are derived analytically. This allows to unveil the mechanisms regulating the existence of bistable disinhibitory networks. The model predicts the existence of a class of anti-SWR cells. In the last part of this work, I show the first experimental evidence for CA3 interneurons anti-modulated with respect to SWRs, and discuss their involvement in the SWR generation process. Overall, the results of this thesis elucidate the role of interneurons in SWR generation and broaden our understanding of the microcircuits supporting the dynamics of memory-related networks.

Komplexe Muster neuronaler Aktivität entstehen während der Sharp-wave Ripples (SWRs) im Hippocampus und während der Up States im Neokortex (Zuständen mit hoher Aktivität). Sequenzen von Verhalten, die in der Vergangenheit erlebt wurden, werden während des komplexen Musters abgespielt. Die zugrunde liegenden Mechanismen sind nicht gründlich erforscht: Wie können kleine synaptische Veränderungen die großflächige Netzwerkaktivität während des Gedächtnisabrufes und der Gedächtniskonsolidierung kontrollieren? Im ersten Teil dieser Abhandlung wird die Hypothese aufgestellt, dass eine schwache synaptische Konnektivität zwischen Hebbschen Assemblies von der bereits vorhandenen rekurrenten Konnektivität gefördert wird. Diese Hypothese wird auf folgende Weise geprüft: die vorwärts gekoppelten Assembly-Sequenzen werden in neuronale Netzwerke eingebettet, mit einem Gleichgewicht zwischen exzitatorischer und inhibitorischer Aktivität. Simulationen und analytische Berechnungen haben gezeigt, dass rekurrente Verbindungen innerhalb der Assemblies zu einer schnelleren Signalverstärkung führen, was eine Reduktion der notwendigen Verbindungen zwischen den Assemblies zur Folge hat. Diese Aktivität kann entweder von kleinen sensorisch ähnlichen Inputs hervorgerufen werden oder entsteht spontan infolge von Aktivitätsschwankungen. Globale -- möglicherweise neuromodulatorische -- Änderungen der neuronalen Erregbarkeit können daher die Netzwerkzustände steuern, die Gedächnisabruf und die Konsolidierung begünstigen. Der zweite Teil der Arbeit geht der Herkunft der SWRs nach, die in vitro beobachtet wurden. Neueste Studien haben gezeigt, dass SWR-ähnliche Erscheinungen durch optogenetische Stimulation der Subpopulationen von inhibitorischen Neuronen hervorgerufen werden können (Schlingloff et al., 2014). Um diese Ergebnisse zu erklären wird ein de-inhibierendes Schaltkreis-Modell diskutiert, das die beobachteten Populationsausbrüche generieren kann. Die Auswirkungen der pharmakologischen GABAergischen Modulatoren auf die SWR-Häufigkeit werden in vitro untersucht. Die gewonnenen Ergebnisse wurden in Rahmen des Schaltkreis-Modells analysiert. Insbesondere wird den folgenden Fragen nachgegangen: Wie unterdrückt Gabazine, ein GABA_A-Rezeptor-Antagonist, die Entwicklung von SWRs? Wird das Zeitintervall zwischen SWRs durch die Dynamik der GABA_B Rezeptoren moduliert? / Complex patterns of neural activity appear during up-states in the neocortex and sharp-wave ripples (SWRs) in the hippocampus, including sequences that resemble those during prior behavioral experience. The mechanisms underlying this replay are not well understood. How can small synaptic footprints engraved by experience control large-scale network activity during memory retrieval and consolidation? In the first part of this thesis, I hypothesise that sparse and weak synaptic connectivity between Hebbian assemblies are boosted by pre-existing recurrent connectivity within them. To investigate this idea, sequences of assemblies connected in a feedforward manner are embedded in random neural networks with a balance of excitation and inhibition. Simulations and analytical calculations show that recurrent connections within assemblies allow for a fast amplification of signals that indeed reduces the required number of inter-assembly connections. Replay can be evoked by small sensory-like cues or emerge spontaneously by activity fluctuations. Global--potentially neuromodulatory--alterations of neuronal excitability can switch between network states that favor retrieval and consolidation. The second part of this thesis investigates the origin of the SWRs observed in in-vitro models. Recent studies have demonstrated that SWR-like events can be evoked after optogenetic stimulation of subpopulations of inhibitory neurons (Schlingloff et al., 2014; Kohus et al., 2016). To explain these results, a 3-population model is discussed as a hypothetical disinhibitory circuit that could generate the observed population bursts. The effects of pharmacological GABAergic modulators on the SWR incidence in vitro are analysed. The results are discussed in the light of the proposed disinhibitory circuit. In particular, how does gabazine, a GABA_A receptor antagonist, suppress the generation of SWRs? Another explored question is whether the slow dynamics of GABA_B receptors is modulating the time scale of the inter-event intervals.

Der Internet-Boom am Ende des 20. Jahrhunderts wurde von zahllosen Veröffentlichung begleitet, in denen Auswirkungen der globalen Vernetzung auf Kultur und Gesellschaft, auf öffentliches und privates Leben beschrieben wurden. Die Dissertation geht der Frage nach, wie dieses ungeheure Ausma§ kultureller Produktion zu erklären ist. Welche kulturellen Strukturen scheinen durch diese Diskursproduktion durch? Es geht um Freilegung von Produktionsbedingungen, unter denen kulturelles Handeln erst möglich wird. Als Zentrum der untersuchten Aushandlungsprozesse wird die Idee der Vernetzung in den Blick genommen. Diese entfaltet sich zwar erst seit den 90er Jahren in voller Breite, reicht historisch aber weiter zurück, im Falle des Internet bis in die 60er. Sie wirkt dabei restrukturierend auf Diskurse, soziale Gruppierungen oder die Organisation von Zeit und Raum. Vernetzung ist damit eine Wahrnehmungsdimension, die sich, katalysiert durch das Internet, zu einem kulturellen Paradigma ausgeweitet hat. / The Internet-Boom of the late 20th century was escorted by countless publications, describing the effects of a global network on culture and society, on public and private life. The thesis searches for explications for this enormous degree of cultural productions. What kind of cultural structures are revealed by this discourses? What are the conditions of cultural productions? The centre of the research is the idea of networks and meshes. Although the diffusion of this idea attained its peak in the nineties, its historical roots are to be found in the sixties. It structures discourses, social groups or the organisation of time and space. Catalysed by the Internet, networks have evolved from a dimension of perception to a cultural paradigm.

In einer prospektiv-randomisierten klinischen Studie zur Leistenhernienreparation wurde die konventionelle Shouldice Operation mit den spannungsfreien Verfahren durch Netzimplantation in endoskopischer (transabdominelle praeperitoneale Netzplastik, TAPP) und offener Technik (Plug und Patch Reparation; PP) verglichen. Bezogen auf das Hauptzielkriterium postoperative Schmerzen ergaben beide spannungsfreie Verfahren (TAPP, PP) signifikant guenstigere Ergebnisse als die Shouldice Operation. Bei vergleichbarer Komplikationsrate war die Dauer postoperativer Einschraenkungen bei den spannungsfreien Verfahren ebenfalls signifikant kuerzer als nach Shouldice Operation. Zur Verbesserung der fuer die spannungsfreie Reparation erforderlichen Netzimplantate wurde in einer Tierstudie versucht, die bislang durch Resorption ungenuegende mechanische Stabilitaet eines resorbierbaren Polyglycolsaeure-Netzes durch Zugabe von Fibrinkleber bzw. humanen thrombozytaeren Wachstumsfaktoren zu verbessern. Hierdurch gelang ein signifikanter Anstieg der mechanischen Stabilitaet, so daß in dem verwendeten Tiermodell keine Herniationen auftraten. / In a prospective-randomized study conventional Shouldice operation was compared with tension-free procedures using mesh implantation in endoscopic (transabdominal preperitoneal mesh repair, TAPP) and open technique (Plug and patch repair; PP) for inguinal hernia repair. Regarding the mean end point postoperative pain both tension-free procedures (TAPP, PP) revealed significantly better results than Shouldice operation. Complications were comparable between the groups but duration of postoperative restrictions was significantly shorter after both tension-free procedures. To improve mesh quality for tension-free hernia repair an animal experiment was performed using a resorbable polyglycolic acid mesh. Despite good incorporation this mesh shows insufficient tensile strength due to absorption. Application of fibrin glue or platelet releasates significantly improve the mechanical stability of the repair protecting against herniation in this animal model.

In this thesis the possibilities of smart antenna systems in wireless mesh networks are examined. With respect to the individual smart antenna tradeoffs, a routing protocol (Modified HWMP, MHWMP) for IEEE 802.11s mesh networks is presented, that exploits the full range of benefits provided by smart antennas: MHWMP actively switches between the PHY-layer transmission/reception modes (multiplexing, beamforming and diversity) according to the wireless channel conditions. Spatial multiplexing and beamforming are used for unicast data transmissions, while antenna diversity is employed for efficient broadcasts. To adapt to the directional channel environment and to take full benefit of the PHY capabilities, a respective MAC scheme is employed. The presented protocol is tested in extensive simulation and the results are examined.

In this thesis the possibilities of smart antenna systems in wireless mesh networks are examined. With respect to the individual smart antenna tradeoffs, a routing protocol (Modified HWMP, MHWMP) for IEEE 802.11s mesh networks is presented, that exploits the full range of benefits provided by smart antennas: MHWMP actively switches between the PHY-layer transmission/reception modes (multiplexing, beamforming and diversity) according to the wireless channel conditions. Spatial multiplexing and beamforming are used for unicast data transmissions, while antenna diversity is employed for efficient broadcasts. To adapt to the directional channel environment and to take full benefit of the PHY capabilities, a respective MAC scheme is employed. The presented protocol is tested in extensive simulation and the results are examined.:1 Introduction 2 Wireless Mesh Networks 3 IEEE 802.11s 4 Smart Antenna Concepts 5 State of the Art: Wireless Mesh Networks with Smart Antennas 6 New Concepts 7 System Model 8 Results and Discussion 9 Conclusion and Future Work

Das drahtlose Sensornetzwerk (WSN) ist eine Technologie, die Umgebungsbedingungen oder physikalische Parameter misst, weiterleitet und per Fernüberwachung zur Verfügung stellt. Normalerweise werden die Sensorknoten, die diese Netzwerke bilden, von Batterien gespeist. Diese sollen aus verschiedenen Gründen nicht mehr verwendet werden, sondern es wird auf eine eigenständige Stromversorgung gesetzt. Dies soll den aufwendigen Austausch und die Wartung minimieren. Energy Harvesting kann mit den Knoten verwendet werden, um die Batterien zu unterstützen und die Lebensdauer der Netzwerke zu verlängern. Aufgrund der hohen Leistungsdichte der Solarenergie im Vergleich zu verschiedenen anderen Umweltenergien sind Solarzellen die am häufigsten eingesetzten Wandler, allerdings stellt die schwankende und intermittierende Natur der Solarenergie eine Herausforderung dar, einen funktionalen und zuverlässigen Sensorknoten zu versorgen. Um den Sensorknoten effektiv zu betreiben, sollte sein Energieverbrauch sinnvoll gesteuert werden. Ein interessanter Ansatz zu diesem Zweck ist die Steuerung der Aktivitäten des Knotens in Abhängigkeit von der zukünftig verfügbaren Energie. Dies erfordert eine Vorhersage der wandelbaren Sonnenenergie für die kommenden Betriebszeiten einschließlich der freien Zeiten der Sonne. Einige Vorhersagealgorithmen wurden mit stochastischen und statistischen Prinzipien sowie mit Methoden der künstlichen Intelligenz (KI) erstellt. Durch diese Algorithmen bleibt ein erheblicher Vorhersagefehler von 5-70%, der den zuverlässigen Betrieb der Knoten beeinträchtigt. Beispielsweise verwenden die stochastischen Methoden einen diskreten Energiezustand, der meist nicht zu den tatsächlichen Messwerten passt. Die statistischen Methoden verwenden einen Gewichtungsfaktor für die zuvor registrierten Messwerte. Daher sind sie nur geeignet, um Energieprofile bei konstanten Wetterbedingungen vorherzusagen. KI-Methoden erfordern große Beobachtungen im Trainingsprozess, die den benötigten Speicherplatz erhöhen. Dementsprechend ist die Leistung hinsichtlich der Vorhersagegenauigkeit dieser Algorithmen nicht ausreichend. In dieser Arbeit wird ein Vorhersagealgorithmus mit einem neuronalen Netzwerk entwickelt und eingebunden in einen Mikrocontroller, um die Verwaltung des Energieverbrauchs von solarzellengesteuerten Sensorknoten zu optimieren. Das verwendete neuronale Netzwerk wurde mit einer Kombination aus meteorologischen und statistischen Eingangsparametern realisiert. Dies hat zum Ziel, die erforderlichen Designkriterien für Sensorknoten zu erfüllen und eine Leistung zu erreichen, die in ihrer Genauigkeit die Leistung der oben genannten traditionellen Algorithmen übersteigt. Die Vorhersagegenauigkeit die durch den Korrelationskoeffizienten repräsentiert wird, wurde für das entwickelte neuronale Netzwerk auf 0,992 bestimmt. Das genaueste traditionelle Netzwerk erreicht nur einen Wert von 0,963. Das entwickelte neuronale Netzwerk wurde in einen Prototyp eines Sensorknotens integriert, um die Betriebszustände oder -modi über einen Simulationszeitraum von einer Woche anzupassen. Während dieser Zeit hat der Sensorknoten 6 Stunden zusätzlich im Normalbetrieb gearbeitet. Dies trug dazu bei, eine effektive Nutzung der verfügbaren Energie um ca. 3,6% besser zu erfüllen als das genaueste traditionelle Netz. Dadurch wird eine längere Lebensdauer und Zuverlässigkeit des Sensorknotens erreicht. / Wireless Sensor Network (WSN) is a technology that measures an environmental or physical parameters in order to use them by decision makers with a possibility of remote monitoring. Normally, sensor nodes that compose these networks are powered by batteries which are no longer feasible, especially when they used as fixed and standalone power source. This is due to the costly replacement and maintenance. Ambient energy harvesting systems can be used with these nodes to support the batteries and to prolong the lifetime of these networks. Due to the high power density of solar energy in comparison with different environmental energies, solar cells are the most utilized harvesting systems. Although that, the fluctuating and intermittent nature of solar energy causes a real challenge against fulfilling a functional and reliable sensor node. In order to operate the sensor node effectively, its energy consumption should be well managed. One interesting approach for this purpose is to control the future node’s activities according to the prospective energy available. This requires performing a prior prediction of the harvestable solar energy for the upcoming operation periods including the sun’s free times. A few prediction algorithms have been created using stochastic and statistical principles as well as artificial intelligence (AI) methods. A considerable prediction error of 5-70% is realized by these algorithms affecting the reliable operation of the nodes. For example, the stochastic ones use a discrete energy states which are mostly do not fit the actual readings. The statistical methods use a weighting factors for the previous registered readings. Thus, they are convenient only to predict energy profiles under consistent weather conditions. AI methods require large observations to be used in the training process which increase the memory space needed. Accordingly, the performance concerning the prediction accuracy of these algorithms is not sufficient. In this thesis, a prediction algorithm using a neural network has been proposed and implemented in a microcontroller for managing energy consumption of solar cell driven sensor nodes. The utilized neural network has been developed using a combination of meteorological and statistical input parameters. This is to meet a required design criteria for the sensor nodes and to fulfill a performance exceeds in its accuracy the performance of aforementioned traditional algorithms. The prediction accuracy represented by the correlation coefficient has been registered for the developed neural network to be 0.992, which increases the most accurate traditional network which has a value 0.963. The developed neural network has been embedded into a sensor node prototype to adjust the operating states or modes over a simulation period of one week. During this period, the sensor node has worked 6 hours more towards normal operation mode. This in its role helped to fulfill an effective use of available energy approximately 3.6% better than the most accurate traditional network. Thus, longer lifetime and more reliable sensor node.

Beim Entwurf großer Netzwerke der Automation ermöglichen Methoden der Leistungsbewertung den Test und die Dimensionierung eines Netzwerkes bereits vor der Inbetriebnahme und erlauben damit einen effizienten, qualitätsorientierten Entwurf. Es ist jedoch sehr wissensintensiv und aufwendig, entsprechende Analyse- oder Simulations-Modelle aufzustellen und die Ergebnisse auszuwerten, weshalb die Methoden in der Praxis der Automation selten verwendet werden. Viel vertrauter sind dem Entwerfer hingegen die speziellen Software-Tools, mit denen in der Automation Netzwerke entworfen werden. Auf Basis der Datenbanken dieser Tools werden in dieser Arbeit verschieden Verfahren zur automatischen Systemmodellierung, Verkehrsmodellierung, Leistungsbewertung und Fehlerdiagnose zu einem Control Network Performance Engineering kombiniert, welches die Qualitätsbewertung und -beratung nahtlos und ohne Mehraufwand in den Netzwerkentwurf integriert. (Die Dissertation wurde veröffentlicht im Jörg Vogt Verlag, Voglerstr. 20, 01277 Dresden, Internet: http://www.vogtverlag.de/, email: info@vogtverlag.de, ISBN 978-3-938860-10-6) / During the design of large automation networks, performance analysis methods can be used for testing and dimensioning the network before implementation and are essential for an efficient and reliable design process. However, setting up the necessary analytical or simulative models is time-consuming, requires in-depth knowledge, and is therefore often not applicable in practice. The network designers are much more used to the design tools used to develop automation networks. Based on these tools' databases various methods for automated system and traffic modeling, performance analysis and diagnoses are combined in the control network performance engineering that seamlessly integrates quality analysis and consulting into network design without requiring additional effort. (This manuscript is also available - in the form of a book - from Jörg Vogt Verlag, Voglerstr. 20, 01277 Dresden, Germany world-wide web address: http://www.vogtverlag.de/, electronic-mail address: info@vogtverlag.de, ISBN 978-3-938860-10-6 )