Eine andere Möglichkeit ist es, Methoden der Künstlichen Intelligenz einzu- setzen und mit statistischer Auswertung und Mustererkennung zu kombinieren. Beispielsweise kann für ein Mobiltelefon mit Hilfe eines Helligkeitssensors und zweier Beschleunigungssensoren in zwei Dimensionen darauf geschlossen wer- den, ob der Benutzer es in der Hand hält, ob es auf dem Tisch liegt oder ob es in einer Tasche steckt [SBG99]. Grundsätzlich ist die Gewinnung von High-Level-Kontextinformationen je- doch sehr kompliziert, da Randbedingungen gelten und sich Doppeldeutigkei- ten und undefinierte Ergebnisse ergeben können. Auch können derartige Syste- me auf Ablehnung bei den Benutzern stoßen, wenn diese nicht nachvollziehen können, wie die High-Level-Kontextinformationen ermittelt werden. Ein Bei- spiel dafür wäre ein System, das anhand von biologischen Sensoren versucht, Gefühlszustände des Benutzers zu ermitteln. 3.1.3   Messung von Veränderungen des Kontextes Viele Anwendung benötigen vor allem Informationen über die Veränderungen bestimmter Kontextinformationen. Diese werden durch mehrere Messungen und den Vergleich der Messwerte gewonnen. Je nach Eigenschaft der Kontextart müssen diese Messung häufiger oder seltener durchgeführt werden: Die Position eines Autofahrers ändert sich sehr schnell, während ein Drucker jahrelang am selben Platz stehen kann. Eine Herangehensweise an dieses Problem ist es, für verschiedene Arten von Kontext verschiedene Aktualisierungshäufigkeiten einmal festzulegen und diese dann immer zu verwenden. Derartige Festlegungen basieren jedoch in der Regel auf Annahmen und Erfahrungswerten und sind im konkreten Einsatzfall nicht immer optimal. Da jede Messung einen Aufwand bedeutet, weil sie zum Beispiel Energie verbraucht und neue Daten produziert, sollte ihre Häufigkeit optimiert werden. Dazu werden die Messwerte  über einen bestimmten Zeitraum analy- siert, um aus der Häufigkeit der Wertveränderungen auf die optimale Messfre- quenz zu schließen. 3.2   Modellierung von Kontextinformationen Es gibt viele verschiedene Arten von Kontextinformationen, die deshalb auch auf verschiedene Arten repräsentiert und modelliert werden müssen. Im Fol- genden werden verschiedene Modellierungsmöglichkeiten aufgezeigt, wobei die Information  über den Aufenthaltsort wegen ihrer Wichtigkeit auch hier eine Sonderrolle einnimmt. Aufenthaltsort   Datenstrukturen für Aufenthaltsorte müssen Anfragen nach der Position eines bestimmten Objekts sowie nach den Objekten an einer be- stimmten  Position  e zient  beantworten  können.  Zusätzlich  müssen  sie  mit Änderungen der Positionsdaten in Echtzeit zurecht kommen. Aus diesem Grund sind Geographische Informationssysteme (GIS) dafür in der Regel nicht geeig- net, da diese lediglich statische Landkarten verarbeiten. 9