Titel

Verfahren zum Vorhersagen einer Trajektorie eines Fahrzeugs

Die Erfindung betrifft ein Verfahren zum Vorhersagen einer Trajektorie eines Fahrzeugs, insbesondere ein einspuriges Fahrzeug wie ein eBike.

Die Erfindung betrifft weiter ein Fahrzeug, insbesondere ein einspuriges Fahrzeug wie ein eBike, ausgebildet zum Vorhersagen einer Trajektorie des Fahrzeugs.

Obwohl allgemein auf beliebige Fahrzeuge anwendbar, wird die vorliegende Erfindung anhand von eBikes erläutert.

Stand der Technik

Um Kollisionen zu vermeiden ist es bekannt geworden, dass Fahrzeuge ihre erwartete Trajektorie an andere Verkehrsteilnehmer senden, sodass diese davon ausgehend ihre eigene Trajektorie anpassen können. Hierfür schätzen die Fahrzeuge ihre Trajektorie beispielsweise anhand der aktuellen Geschwindigkeit oder der Orientierung des Fahrzeugs ab. Es ist ebenfalls möglich, dass die Fahrzeuge anhand ihrer eigenen Trajektorie abschätzen, ob sie auf Kollisionskurs mit einem anderen Verkehrsteilnehmer sind und entsprechende Warnungen an einen Fahrer ausgeben können.

Es ist ebenfalls bekannt geworden, dass die Trajektorie anhand eines kinematischen Modells in Verbindung mit Sensordaten geschätzt wird. Auf diese Weise kann die kurzfristige Trajektorie des Fahrzeugs mit hoher Wahrscheinlichkeit korrekt geschätzt werden. Mittelfristige Trajektorien basieren primär auf der Intention des Fahrers, beispielsweise dem Weg, den er fahren möchte. Dies kann allein über den Zustand des Fahrzeugs nicht ermittelt werden.

Offenbarung der Erfindung

In einer Ausführungsform stellt die vorliegende Erfindung ein Verfahren zum Vorhersagen einer Trajektorie eines Fahrzeugs bereit, insbesondere eines einspurigen Fahrzeugs wie ein eBike, umfassend die Schritte:

Erhalten von Karteninformationen von einem vorgebbaren Bereich um die aktuelle Position des Fahrzeugs,

Ermitteln eines Straßennetzwerks basierend auf den erhaltenen Karteninformationen,

Ermitteln von einem oder mehreren möglichen Pfaden des Fahrzeugs anhand des ermittelten Straßennetzwerks,

Bestimmen einer kinematischen Trajektorie des Fahrzeugs und/oder eines Zustands des Fahrzeugs anhand zumindest einer der Größen Linearbeschleunigung, Winkelbeschleunigung, Gierrate, Geschwindigkeit, Richtung, Orientierung, Position, Fahrerkadenz, Antriebsmoment des Fahrzeugs, Fahrerantriebsmoment,

Bestimmen von einer oder mehreren möglichen Trajektorien des Fahrzeugs anhand des einen oder der mehreren bestimmten Pfade, und Schätzen von zumindest einer Wahrscheinlichkeit, dass der einen oder den mehreren möglichen Trajektorien von dem Fahrzeug gefolgt wird, mittels der bestimmten kinematischen Trajektorie und/oder dem bestimmten Zustand.

In einer Ausführungsform stellt die vorliegende Erfindung ein Fahrzeug bereit, insbesondere ein einspuriges Fahrzeug wie ein eBike, ausgebildet zum Vorhersagen einer Trajektorie des Fahrzeugs, umfassend: eine Empfangseinrichtung, ausgebildet zum Erhalten von Karteninformationen von einem vorgebbaren Bereich um die aktuelle Position des Fahrzeugs, eine erste Ermittlungseinrichtung, ausgebildet zum Ermitteln eines Straßennetzwerks basierend auf den erhaltenen Karteninformationen, eine zweite Ermittlungseinrichtung, ausgebildet zum Ermitteln von einem oder mehreren möglichen Pfaden des Fahrzeugs anhand des ermittelten Straßennetzwerks, eine erste Bestimmungseinrichtung, ausgebildet zum Bestimmen einer kinematischen Trajektorie des Fahrzeugs und/oder eines Zustands des Fahrzeugs anhand zumindest einer der Größen Linearbeschleunigung, Winkelbeschleunigung, Gierrate, Geschwindigkeit, Richtung, Orientierung, Position, Fahrerkadenz, Antriebsmoment des Fahrzeugs, Fahrermoment, eine zweite Bestimmungseinrichtung, ausgebildet zum Bestimmen von einer oder mehreren möglichen Trajektorien des Fahrzeugs anhand des einen oder der mehreren bestimmten Pfade, und eine Schätzeinrichtung, ausgebildet zum Schätzen von zumindest einer Wahrscheinlichkeit, dass der einen oder den mehreren möglichen Trajektorien von dem Fahrzeug gefolgt wird, mittels der bestimmten kinematischen Trajektorie und/oder dem bestimmten Zustand.

Einer der damit erzielten Vorteile ist, dass auch längere Trajektorien des Fahrzeugs mit hoher Wahrscheinlichkeit vorhergesagt werden können. Ein weiterer Vorteil ist, dass die Karteninformation mit der kinematischen Trajektorie kombiniert werden kann, um zuverlässig Trajektorien bestimmen zu können.

Der Begriff „Trajektorie“ ist im weitesten Sinne zu verstehen und bezieht sich, insbesondere in den Ansprüchen vorzugsweise in der Beschreibung auf eine erwartete Wegstrecke entlang derer das Fahrzeug sich bewegen wird. Insbesondere umfasst eine Trajektorie eine Anzahl an Wegpunkten mit zugehörigen Zeitpunkten, wobei angenommen wird, dass sich das Fahrzeug zu den Zeitpunkten an den jeweiligen Wegpunkten aufhalten wird.

Der Begriff „kinematische Trajektorie“ ist im weitesten Sinne zu verstehen und bezieht sich, insbesondere in den Ansprüchen vorzugsweise in der Beschreibung auf eine Trajektorie, die lediglich vom aktuellen Zustand des Fahrzeugs abhängt - also von physikalischen Größen, die den Fahrzustand des Fahrzeugs beschreiben -, beispielsweise der Geschwindigkeit, der Gierrate und der Beschleunigung des Fahrzeugs. Umwelteinflüsse wie beispielsweise der Verlauf der Straße, auf der sich das Fahrzeug befindet, werden nicht betrachtet.

Der Begriff „Linearbeschleunigung“ ist im weitesten Sinne zu verstehen und bezieht sich, insbesondere in den Ansprüchen vorzugsweise in der Beschreibung auf eine Beschleunigung parallel zur Fahrtrichtung des Fahrzeugs.

Weitere Merkmale, Vorteile und weitere Ausführungsformen der Erfindung sind im Folgenden beschrieben oder werden dadurch offenbar.

Gemäß einer vorteilhaften Weiterbildung der Erfindung werden zum Ermitteln des einen oder der mehreren möglichen Pfade zumindest eine der Größen Geschwindigkeit, Linearbeschleunigung, Winkelbeschleunigung, Richtung, Gierrate, Position, Antriebsmoment, Fahrermoment, Position, Orientierung des Fahrzeugs genutzt. Ein Vorteil hiervon ist, dass die ermittelten möglichen Pfade genauer bestimmt werden können. Beispielsweise können die ermittelten möglichen Pfade keine engen Kurven aufweisen, wenn die Geschwindigkeit des Fahrzeugs hoch ist.

Gemäß einer vorteilhaften Weiterbildung der Erfindung wird die zumindest eine Wahrscheinlichkeit anhand einer Kreuzkorrelation der möglichen Trajektorien mit der kinematischen Trajektorie geschätzt. Eine Kreuzkorrelation ist hier ein Vergleich zweier Trajektorien, um ähnliche Verläufe der Trajektorien zu identifizieren, insbesondere wird eine Korrelation zwischen den beiden Verläufen der Trajektorien bestimmt. Diejenigen Trajektorien, die denen der kinematischen Trajektorie ähneln, werden mit höherer Wahrscheinlichkeit tatsächlich von dem Fahrzeug gefahren. Durch eine Kreuzkorrelation kann dieser Zusammenhang bestimmt werden und so die Wahrscheinlichkeit genauer geschätzt werden.

Gemäß einer vorteilhaften Weiterbildung der Erfindung umfassen die eine oder mehreren möglichem Trajektorien die kinematische Trajektorie. Eine mögliche Trajektorie kann die kinematische Trajektorie sein, beispielsweise wenn der Fahrer nicht entlang einer Straße, sondern durch ein Feld fährt. Auf diese Weise können eine größere Anzahl von möglichen Trajektorien bestimmt werden. Gemäß einer vorteilhaften Weiterbildung der Erfindung werden die eine oder mehreren Trajektorien anhand von physikalischen Randbedingungen bestimmt Mögliche physikalische Randbedingungen sind beispielsweise ein zu geringer Wendekreis oder eine zu hohe Beschleunigung. Auf diese Weise können die Trajektorien plausibilisiert werden, sodass physikalisch unplausible Trajektorien nicht bestimmt werden beziehungsweise die bestimmten Trajektorien physikalisch möglich sind.

Gemäß einer vorteilhaften Weiterbildung der Erfindung werden die eine oder mehreren Trajektorien basierend auf der kinematischen Trajektorie bestimmt. Hierdurch wird die Genauigkeit der Trajektorien verbessert, da der aktuelle Status des Fahrzeugs miteinbezogen wird. Beispielsweise können hierdurch die Zeitpunkte geschätzt werden, an denen sich das Fahrzeug an Wegpunkten entlang der Trajektorie befinden wird.

Gemäß einer vorteilhaften Weiterbildung der Erfindung werden der eine oder die mehreren Pfade mithilfe von parametrisch modellierten Kurven, insbesondere Be- zierkurven, ermittelt. Straßen können scharfe Ecken, Knicke oder Kanten in ihrem Verlauf aufweisen, sodass auch das Straßennetzwerk dementsprechend Ecken, Knicke oder Kanten aufweist. Somit könnten ermittelte Pfade innerhalb des Straßennetzwerks ebenfalls Ecken oder dergleichen aufweisen, beispielsweise wenn ein Pfad bestimmt wird, bei dem Fahrzeug abbiegt. Um diese - unrealistischen - Pfade zu glätten, können Bezierkurven verwendet werden, sodass die ermittelten Pfade den realen Verlauf realistischer wiedergeben. Hierdurch weisen die ermittelten Pfade eine geringere Abweichung von den physikalisch möglichen Trajektorien des Fahrzeugs auf.

Gemäß einer vorteilhaften Weiterbildung der Erfindung werden die eine oder mehrere Trajektorien anhand eines Maschinenlernmodells bestimmt und/oder die Wahrscheinlichkeiten werden anhand des Maschinenlernmodells geschätzt. Insbesondere mittelfristige Trajektorien hängen insbesondere von den Absichten des Fahrers ab. Die Absicht des Fahrers kann dabei von dem Straßennetzwerk abhängen, beispielweise kann er an einer Kreuzung abbiegen. Hierfür würde er das Fahrzeug abbremsen und möglicherweise bereits die Richtung des Fahrzeugs leicht verändern. Somit gibt es einen Zusammenhang zwischen dem Straßennetz- werk, dem aktuellen Zustand des Fahrzeugs und der erwarteten Trajektorie. Mittels eines Maschinenlernmodells kann dieser Zusammenhang erkannt werden und somit das Maschinenlernmodell darauf trainiert werden, ausgehend von dem Straßennetzwerk und dem Zustand des Fahrzeugs erwartete Trajektorien zu berechnen. Dabei kann das Maschinenlernmodell sowohl die Trajektorien als auch zugehörige Wahrscheinlichkeiten berechnen. Ein Vorteil hiervon ist, dass Trajektorien zuverlässig ermittelt werden können.

Gemäß einer vorteilhaften Weiterbildung der Erfindung werden dem Maschinenlernmodell als Eingangsgröße der eine oder die möglichen Pfade und/oder ein Zustand des Fahrzeugs bereitgestellt. Ausgehend von den durch das Straßennetzwerk ermittelten möglichen Pfaden sowie dem Zustand des Fahrzeugs, beispielsweise der Geschwindigkeit, können mittels des Maschinenlernmodells mögliche Trajektorien und zugehörige Wahrscheinlichkeiten bestimmt werden. Hierdurch kann das Maschinenlernmodell auf effektive Weise mögliche Trajektorien ermitteln. Es ist ebenfalls möglich, dass dem Maschinenlernmodell die kinematische Trajektorie als Eingangsgröße bereitgestellt wird, entweder zusätzlich oder als Alternative zum Zustand des Fahrzeugs.

Gemäß einer vorteilhaften Weiterbildung der Erfindung wird anhand des Maschinenlernmodells ein Beschleunigungs- und/oder Gierratenprofil berechnet. Das Maschinenlernmodell kann als Ausgangsgröße eine Beschleunigungs- und/oder Gierratenprofil aufweisen. Ein Beschleunigungs- und/oder Gierratenprofil beinhaltet erwartete Beschleunigungen und/oder Gierraten des Fahrzeugs zu mehreren zukünftigen Zeitpunkten. Ausgehend von diesen Größen können mögliche Trajektorien ermittelt werden. Ein Vorteil hiervon ist, dass auf einfache Weise die möglichen Trajektorien ermittelt werden können.

Gemäß einer vorteilhaften Weiterbildung der Erfindung werden die eine oder mehreren Trajektorien anhand des Beschleunigungs- und/oder Gierratenprofils sowie einem kinematischen Modell bestimmt. Durch das kinematische Modell können beispielsweise physikalische Grenzen miteinbezogen werden, sodass die möglichen Trajektorien realistisch fahrbar sind. Darüber hinaus kann eine initiale Gierrate zur Berechnung der möglichen Trajektorien herangezogen werden. Weitere wichtige Merkmale und Vorteile der Erfindung ergeben sich aus den Unteransprüchen, aus den Zeichnungen und aus der dazugehörigen Figurenbeschreibung. Es versteht sich, dass die vorstehend genannten und die nachstehend noch zu erläuternden Merkmale nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen oder in Alleinstellung verwendbar sind, ohne den Rahmen der vorliegenden Erfindung zu verlassen.

Bevorzugte Ausführungen und Ausführungsformen der vorliegenden Erfindung sind in den Zeichnungen dargestellt und werden in der nachfolgenden Beschreibung näher erläutert.

Dabei zeigt in schematischer Form

Figur 1 Schritte eines Verfahrens gemäß einer Ausführungsform der vorliegenden Erfindung;

Figur 2 Ein Straßennetzwerk mit Trajektorien gemäß einer Ausführungsform der vorliegenden Erfindung,

Figur 3 Ein System eines Maschinenlernmodells gemäß einer Ausführungsform der vorliegenden Erfindung, und

Figur 4 Ein Fahrzeug gemäß einer Ausführungsform der vorliegenden Erfindung.

Figur 1 zeigt in schematischer Form Schritte eines Verfahrens gemäß einer Ausführungsform der vorliegenden Erfindung.

In Figur 1 werden Schritte eines Verfahrens zum Vorhersagen einer Trajektorie eines Fahrzeugs beschrieben. In einem ersten Schritt S1 erhält das Fahrzeug Karteninformationen von einem vorgebbaren Bereich um die aktuelle Position des Fahrzeugs. Die Karteninformationen können beispielsweise in dem Fahrzeug gespeichert sein oder über eine Mobilfunk-Schnittstelle bereitgestellt werden. Da die Trajektorie des Fahrzeugs lediglich für einige Sekunden vorhergesagt wird, kann ein lokaler Ausschnitt der Karte um die aktuelle Position des Fahrzeugs genutzt werden, beispielsweise ein Umkreis von 50 Metern. Die aktuelle Position des Fahrzeugs kann beispielsweise mittels eines GPS-Empfängers ermittelt werden.

Die Karteninformationen umfassen möglicherweise zusätzliche irrelevante Daten, wie beispielsweise markierte Gebäude. Deswegen wird in einem zweiten Schritt S2 ein Straßennetzwerk basierend auf den erhaltenen Karteninformationen ermittelt. Das Straßennetzwerk umfasst insbesondere Informationen über den Verlauf der Straßen in der Umgebung des Fahrzeugs, sowie möglicherweise die Breite der Straßen. Ausgehend von dem Straßennetzwerk wird in einem dritten Schritt S3 einer oder mehrere mögliche Pfade des Fahrzeugs ermittelt Die Pfade beschreiben mögliche Strecken, die das Fahrzeug zurücklegen kann. Beispielsweise könnte das Fahrzeug an einer Kreuzung abbiegen oder geradeaus weiterfahren. Zur Ermittlung der Pfade kann beispielsweise der Zustand des Fahrzeugs genutzt werden. Zum Beispiel kann bei einer Kurve ein Radius der Trajektorie vergrößert werden, wenn die Geschwindigkeit des Fahrzeugs hoch ist. Straßen treffen für gewöhnlich winklig aufeinander. Entsprechend könnten in dem Straßennetzwerk ermittelte Pfade ebenfalls winklig ausgebildet sein. Ein solcher winkliger Pfad ist aber in Realität nicht von einem Fahrzeug fahrbar. Deswegen können die Pfade mittels Bezier- Kurven ermittelt werden, sodass die Pfade keine scharfen Winkel aufweisen.

In einem vierten Schritt S4 wird eine kinematische Trajektorie des Fahrzeugs und/oder ein Zustand des Fahrzeugs anhand zumindest einer der Größen Linearbeschleunigung, Winkelbeschleunigung, Gierrate, Geschwindigkeit, Richtung, Orientierung, Position, Fahrerkadenz, Antriebsmoment des Fahrzeugs, Fahrerantriebsmoment, bestimmt. Die kinematische Trajektorie entspricht derjenigen Trajektorie des Fahrzeugs, die es durchfahren würde, wenn es entsprechend dem aktuellen Zustand weiterfahren würde, also beispielsweise mit derselben Geschwindigkeit oder derselben Richtung.

In einem fünften Schritt S5 werden eine oder mehrere mögliche Trajektorien des Fahrzeugs anhand des einen oder der mehreren bestimmten Pfade bestimmt. Zur Bestimmung der möglichen Trajektorien können die ermittelten Pfade mit der kinematischen Trajektorie kombiniert werden. Auf diese Weise kann bestimmt werden, zu welchen Zeitpunkten das Fahrzeug sich an Wegpunkten des Pfades befinden wird. Es ist ebenfalls möglich, dass die Pfade anhand der kinematischen Trajektorie angepasst werden, um so die möglichen Trajektorien zu erhalten. Außerdem können die Trajektorien in Bezug auf physikalische Restriktionen, beispielsweise einer maximalen Geschwindigkeit in einer Kurve angepasst werden. Es ist ebenfalls möglich, dass die möglichen Trajektorien mittels eines Maschinenlernmodells bestimmt werden. Auf diese Weise erhält man eine Gruppe von möglichen Trajektorien, wobei die kinematische Trajektorie zusätzlich Teil der Gruppe ist. Beispielsweise können die möglichen Pfade und/oder die möglichen Trajektorien anhand eines Kalman Filters bestimmt werden. In einem sechsten Schritt S6 wird zumindest eine Wahrscheinlichkeit geschätzt, dass das Fahrzeug der einen oder den mehreren möglichen Trajektorien folgt, mittels der bestimmten kinematischen Trajektorie und/oder dem bestimmten Zustand. Durch eine Kreuzkorrelation der möglichen Trajektorien mit der kinematischen Trajektorie oder anhand des Maschinenlernmodells können die Wahrscheinlichkeiten geschätzt werden, dass das Fahrzeug eine bestimmte Trajektorie entlangfährt.

Figur 2 zeigt in schematische Form ein Straßennetzwerk mit Trajektorien gemäß einer Ausführungsform der vorliegenden Erfindung.

Das Straßennetzwerk 201 zeigt den Verlauf der Straßen an. Ausgehend von dem Startpunkt 202 des Fahrzeugs werden drei Trajektorien bestimmt. Die zwei möglichen Trajektorien 203, 203' werden mittels Bezierkurven und dem Zustand des Fahrzeugs, beispielsweise der Geschwindigkeit, der Gierrate, der Position und der Richtung des Fahrzeugs bestimmt, wobei der Startpunkt des Fahrzeugs der Startpunkt der Bezierkurven ist. Die kinematische Trajektorie 204 zeigt den erwarteten Verlauf des Fahrzeugs, wenn das Straßennetzwerk unberücksichtigt bleibt. Aus einer Korrelation der kinematischen Trajektorie 204 mit den möglichen Trajektorien 203, 203' können die Wahrscheinlichkeiten berechnet werden, dass das Fahrzeug den möglichen Trajektorien 203, 203' folgen wird. Die tatsächliche Trajektorie 205 des Fahrzeugs ähnelt der möglichen Trajektorie 203. Somit ist das Fahrzeug annähernd einer der möglichen Trajektorien 203, 203‘gefolgt.

Figur 3 zeigt in schematischer Form ein System eines Maschinenlernmodells gemäß einer Ausführungsform der vorliegenden Erfindung.

Der Eingang 301 des Systems umfasst eine Gruppe von möglichen Pfaden, den ein Fahrzeug nehmen kann und den Zustand des Fahrzeugs. Die möglichen Pfade können beispielsweise gemäß Schritt S3 nach Figur 1 ermittelt werden und der Zustand kann beispielsweise gemäß Schritt S4 nach Figur 1 ermittelt werden. Es kann auch eine kinematische Trajektorie genutzt werden. Mithilfe eines Pfad-Ko- dierers 302 werden die möglichen Pfade kodiert, sodass sie als Eingangsgröße für das neuronale Netz 304 genutzt werden können. Analog wird der Zustand des Fahrzeugs durch einen Zustand- Kodierer 303 in eine Eingangsgröße für das neuronale Netz 304 umgewandelt.

Das neuronale Netz 304 berechnet ein zukünftiges Beschleunigungs- und/oder Gierratenprofil und/oder Gierratenabweichungsprofil 305. Davon ausgehend wird durch ein kinematisches Modell 306 und unter Berücksichtigung einer initialen Gierrate 309 sowie den möglichen Pfaden eine Gruppe von möglichen Trajektorien 307 berechnet. Das kinematische Modell 306 umfasst insbesondere physikalische Randbedingungen des Fahrzeugs, beispielsweise eine maximale Geschwindigkeit oder ein minimaler Wendekreis, sodass die Gruppe aus berechneten Trajektorien 307 realistisch ist. Außerdem kann durch das kinematische Modell 306 die Abweichung der Gruppe von Trajektorien 306 von den möglichen Pfaden 310 reduziert werden. Das neuronale Netz 304 kann basierend auf gefahrenen Strecken trainiert worden sein.

Durch das neuronale Netz 304 kann des Weiteren eine Gruppe von Wahrscheinlichkeiten 308, dass das Fahrzeug entlang der jeweiligen Trajektorien fährt, berechnet werden.

Figur 4 zeigt in schematischer Form ein Fahrzeug gemäß einer Ausführungsform der vorliegenden Erfindung.

Das Fahrzeug 1 , hier in Form eines eBikes, ist ausgebildet eine Trajektorie des Fahrzeugs 1 vorzusagen. Hierfür umfasst das Fahrzeug 1 : eine Empfangseinrichtung 2, ausgebildet zum Erhalten von Karteninformationen von einem vorgebbaren Bereich um die aktuelle Position des Fahrzeugs 1 , eine erste Ermittlungseinrichtung 3, ausgebildet zum Ermitteln eines Straßennetzwerks basierend auf den erhaltenen Karteninformationen, eine zweite Ermittlungseinrichtung 4, ausgebildet zum Ermitteln von einem oder mehreren möglichen Pfaden des Fahrzeugs 1 anhand des ermittelten Straßennetzwerks, eine erste Bestimmungseinrichtung 5, ausgebildet zum Bestimmen einer kinematischen Trajektorie des Fahrzeugs 1 und/oder eines Zustands des Fahrzeugs 1 anhand zumindest einer der Größen Linearbeschleunigung, Winkelbeschleunigung, Gierrate, Geschwindigkeit, Richtung, Orientierung, Position, Fahrerkadenz, Antriebsmoment des Fahrzeugs 1 , Fahrermoment, eine zweite Bestimmungseinrichtung 6, ausgebildet zum Bestimmen von einer oder mehreren möglichen Trajektorien des Fahrzeugs 1 anhand des einen oder der mehreren bestimmten Pfade, und eine Schätzeinrichtung 7, ausgebildet zum Schätzen von Wahrscheinlichkeiten, dass der einen oder den mehreren möglichen Trajektorien von dem Fahrzeug 1 gefolgt wird, mittels der kinematischen Trajektorie und/oder dem Zustand.

Das Fahrzeug 1 ist insbesondere ausgebildet, die Schritte S1 bis S6 gemäß Figur 1 durchzuführen.

Obwohl die vorliegende Erfindung anhand bevorzugter Ausführungsbeispiele beschrieben wurde, ist sie nicht darauf beschränkt, sondern auf vielfältige Weise modifizierbar