Volume 54, Issue 1 -

A vehicle´s basic energy consumption is determined by its design, but the driving behavior is another important factor having a major influence on the overall consumption. In this work we show how information technology can be used to gain an understanding of the whole traffic situation and use it to derive energy optimal behavior. It can be used to optimize operation strategies and in cooperation with the driver helping him to maximize fuel saving by anticipatory driving. We summarize the research challenges that need to be solved to create energy efficiency assistance systems and present an overview of our solutions. Zusammenfassung Der Basis-Energieverbrauch eines Fahrzeugs wird durch dessen Design festgelegt, aber das Fahrverhalten hat ebenfalls einen großen Einfluss auf den Gesamtverbrauch. In dieser Arbeit zeigen wir, wie Informationstechnik eingesetzt werden kann, um ein Gesamtverständnis der Verkehrssituation aufzubauen und davon ausgehend energieoptimales Verhalten abzuleiten. Transparent für den Fahrer wird es zur Optimierung von Betriebsstrategien des Fahrzeugs eingesetzt oder in Kooperation mit dem Fahrer als Hilfestellungen zum vorausschauenden Fahren angeboten. Wir fassen die wissenschaftlichen Herausforderungen zusammen, die bei der Realisierung energieeffizienter Assistenzsysteme gelöst werden müssen und geben einen Überblick über unsere Lösungen.

In this article we describe the application of physical analytics to manage optimally energy consumption of a data center (DC). In its core the solution leverages the intelligent co-management of IT workloads and the physical infrastructure of the DC. Specifically, we demonstrate workload dependent control using real-time data such as temperature, pressure, humidity and power consumption. The data is used to build specific and comprehensive models, which enables operators to either control the cooling resources or alternatively to place the IT workloads for optimum energy usage. Zusammenfassung Dieser Artikel beschreibt, wie der Energieverbrauch von Rechenzentren unter Anwendung von physikalischer Analytik optimiert werden kann. Es kommt dabei ein intelligentes Zusammenspiel von Management-Komponenten zum Einsatz, die sich von der Rechenzentrumsinfrastruktur bis zum IT Workload Management erstrecken. Wir demonstrieren dabei eine lastabhängige, automatisierte Steuerung auf Basis von Echtzeitdaten wie Temperatur, Luftdruck, Stromverbrauch und Luftfeuchtigkeit. Diese Daten werden zur Erstellung von spezifischen Modellen verwendet, mit deren Hilfe die Verantwortlichen im Rechenzentrum in die Lage versetzen werden, sowohl die Kühlungsinfrastruktur wie auch die Platzierung von IT Workload zu steuern für eine optimale Energieverwertung.

Reducing the emissions of greenhouse gases (GHG) like CO 2 is one of the predominant concerns for ensuring sustainable future living conditions on Earth. However, current trends in globalization of production processes, just-in-time manufacturing, and increased numbers of parcel shipments due to a growing trend towards online shopping threaten to further increase GHG emissions. An analysis of GHG emissions is complex to perform since it has to include data from multiple sources and processes. The standard way to obtain an overview of the general emission impact is to perform a life cycle assessment (LCA), which is detailed in the first part of this paper. The same trend leads to an increasingly important contribution of logistics processes in the life cycle analysis of GHG emissions. Thus, the reduction of emissions in logistics is a major challenge for logistics research. Reductions are possible using a combination of IT-based and conventional methods on macroscopic as well as microscopic optimizations. However, the resulting economical impact must be considered when applying these optimizations. This article gives an overview of possible optimization approaches, augmented by a description of case studies, based on previous research projects. Zusammenfassung Die Reduktion von Treibhausgasen wie CO 2 ist eine der dominierenden Aufgaben, um dauerhaft die Bedingungen für Leben auf der Erde sicherzustellen. Im Widerspruch dazu können die gegenwärtigen Tendenzen in der Globalisierung der Produktionsprozesse, die just-in-time Fertigung und eine wachsende Anzahl von Paketsendungen aufgrund einer Zunahme der Online-Käufe zu einer weiteren Steigerung von Treibhausgas-Emissionen führen. Eine Analyse der Treibhausgas-Emissionen ist komplex, da diese Daten aus verschiedensten Quellen und Prozessen berücksichtigen muss. Die Standard-Methode, um einen Überblick über die Emissionsauswirkungen zu erhalten, ist die LCA-Methode (LCA = life cycle assessment), die im ersten Teil dieses Artikels beschrieben wird. Die beschriebenen Tendenzen führen insbesondere auch dazu, dass der Anteil an Emissionen, der durch Logistikprozesse verursacht wird, zunehmen wird. Daher ist speziell die Reduktion von Emissionen in diesem Bereich eine große Herausforderung für die Logistikforschung. Reduktionen werden hier durch eine Kombination verschiedener IT-basierter und traditioneller Ansätze ermöglicht, die auf verschiedenen Ebenen Anwendung finden. Im Fall von Logistikprozessen ist es jedoch wichtig, dass die ökonomischen Auswirkungen der jeweiligen Maßnahmen in der Planung mit berücksichtigt werden. Daher befasst sich der zweite Teil dieses Artikels mit einem Überblick über Optimierungsmöglichkeiten im Logistikbereich, ergänzt durch eine Beschreibung von Fallstudien, die in Forschungsprojekten erarbeitet wurden.

Information technology offers a high potential in achieving the climate protection goals by encouraging the reduction of energy consumption associated with a decrease of greenhouse gas emissions. This article shows how processes in logistics can be optimized by means of information technology. Using the example of SmartKanban, the additional energy consumption caused by information technology is compared to achievable potential energy savings. Zusammenfassung Die Informationstechnologie bietet im Hinblick auf die Erreichung der Klimaschutzziele ein großes Potenzial durch die Unterstützung von Energieeinsparungen und somit einer Verringerung der Produktion von Treibhausgasen. In diesem Artikel wird dargestellt, wie im Bereich der Logistik Prozesse durch die Informationstechnologie effizienter gestaltet werden können. Am Beispiel der SmartKanban Lösung werden die zusätzlichen Energieaufwände durch die Informationstechnologie möglichen Einsparungen gegenübergestellt.

Conditional compilation with preprocessors like cpp is a simple but effective means to implement variability. By annotating code fragments with # ifdef and # endif directives, different program variants with or without these fragments can be created, which can be used (among others) to implement software product lines. Although, preprocessors are frequently used in practice, they are often criticized for their negative effect on code quality and maintainability. We show how simple tool support — views, visualizations, disciplined annotations, and variability-aware type systems — can address these problems and emulate some benefits of modularized implementations. Instead of separating source code into files, we pursue a “virtual separation of concerns”. Zusammenfassung Bedingte Kompilierung ist ein einfaches und häufig benutztes Mittel zur Implementierung von Variabilität in Softwareproduktlinien, welches aber aufgrund negativer Auswirkungen auf Codequalität und Wartbarkeit stark kritisiert wird. Wir zeigen wie Werkzeugunterstützung — Sichten, Visualisierung, kontrollierte Annotationen, Produktlinien-Typsystem — die wesentlichen Probleme beheben kann und viele Vorteile einer modularen Entwicklung emuliert. Wir bieten damit eine Alternative zur klassischen Trennung von Belangen mittels Modulen. Statt Quelltext notwendigerweise in Dateien zu separieren, erzielen wir eine “virtuelle Trennung von Belangen” durch entsprechende Werkzeugunterstüzung.