Das Internet der Dinge und das damit verbundene stark zunehmende Aufkommen von Sensoren sind Trends, die zu Cyber-physical Systems führen. Eine charakteristische Eigenschaft dieser Systeme ist, dass viele verschiedene Komponenten durch Austausch von Ereignissen kommunizieren. Diese Abstraktion ist sehr nützlich, um das hohe Datenaufkommen dieser Systeme verarbeiten zu können. Allerdings sind Cyber-physical Systems dadurch auch sehr komplex und nur speziell ausgebildete Informatiker können diese korrekt konfigurieren und verwenden. Einer der Hauptgründe für diese Komplexität ist fehlende Kontextinformation in den Ereignissen. In dieser Arbeit haben wir deshalb den Kontext von Ereignissen untersucht und haben zwei unterschiedliche Dimensionen erkannt: Kontext der Ereignisdaten und Kontext des Ereignisses selbst. Kontext der Ereignisdaten sind Annahmen die zur Interpretation der Daten beitragen, wie z.B. das verwendete Einheitensystem oder die Struktur der Daten. Kontext des Ereignisses selbst umfasst Informationen, die zum Ereignis gehören, in diesem aber nicht enthalten sind. Bei einem Ereignis, welches Positionsdaten enthält, kann dies beispielsweise der zugehörige Raum sein. Kontext der Ereignisdaten hilft die Heterogenität von Cyber-physical Systems zu überwinden. Ereignisproduzenten und -konsumenten machen oft unterschiedliche Annahmen bei der Interpretation von Ereignisdaten, was zu unterschiedlichen Interpretationen des gleichen Ereignisses führen kann. Um dies zu beheben, haben wir ACTrESS entwickelt. ACTrESS bietet eine Möglichkeit die Interpretationsannahmen explizit in einem sogenannten interpretation context zu kodieren. Dieser wird dann zur Middleware gesendet, welche damit Ereignisse zwischen unterschiedlichen Kontexten durch Transformation übersetzen kann. ACTrESS analysiert dabei die gesendeten Kontexte und generiert Transformatoren, welche dynamisch nachgeladen werden. Dadurch vermeiden wir teure Mechanismen, wie z.B. Reflection. Die Evaluation von ACTrESS bestätigt das: die Performanz lässt sich nicht von der eines reinen content-based Publish/Subscribe Systems unterscheiden. Da Ereignisse keine kontextuellen Informationen mitbringen, müssen komplexe Situationen von sehr erfahrenen Informatikern mit Hilfe von speziellen Regeln beschrieben werden. Dabei werden oft mehrere Ereignisse miteinander kombiniert. Allerdings versprechen Cyber-physical Systems unser alltägliches Leben zu verändern, was z.B. bei sogenannten intelligenten Häusern schon heute erkennbar ist. Die oben aufgezeigte Komplexität verhindert aber, dass die eigentlichen Nutzer die Systeme entsprechend nutzen können. Deshalb haben wir in dieser Arbeit eine deklarative Sprache entwickelt, mit der komplexe Situationen und entsprechende Reaktionen darauf leicht beschrieben werden können. Dazu beschreibt die Arbeit einen Mechanismus, der diese Beschreibung in ausführbaren Code umwandelt. Die Kernidee dabei ist, dass Ereignisse kontextualisiert werden. Unsere Middleware reichert eingehende Ereignisse basierend auf der Situationsbeschreibung mit fehlender kontextueller Information an. Die so angereicherten Ereignisse werden entsprechend kombiniert und korreliert, um schlussendlich die beschriebene Situation detektieren zu können. Wir generieren kleine Berechnungseinheiten, wodurch eine gute Parallelisierung erreicht werden kann. Ebenso kann man so sehr einfach hoch- und runterskalieren, wodurch unsere Middleware sehr gut zu modernen Cloudarchitekturen passt. Wir haben unseren Ansatz mit einer Usability Studie, sowie Performanzmessungen untersucht. Die Studie zeigt, dass unsere Sprache das Beschreiben reaktiven Verhaltens in Cyber-physical Systems signifikant vereinfacht. Die Performanzmessungen zeigen, dass die Möglichkeit der automatischen Skalierung und Verteilung etwas Leistung im iii Vergleich zu Esper kostet. Esper ist dabei eine hoch-optimierte Software, die jedoch die angesprochenen Vorteile nicht bietet.