Wissenschaft & Forschung
Licht 9 | 2021

Dynamische Leuchtensteuerung als Funktion der Zeit

Vorstudie zu dynamischer Beleuchtung

LED-Technologie ermöglicht es heute, dynamische Lichtszenen zu erzeugen. Bis heute ist nicht geklärt, welche Farbtemperatur und Beleuchtungsstärke von verschiedenen Raumnutzenden favorisiert werden. Durch das Aufkommen von Human Centric Lighting ist es heute wichtiger denn je, Antworten zu finden. Der Artikel fasst den aktuellen Stand der Literatur zusammen und beschreibt eine Vorstudie zur dynamischen Beleuchtung durch Veränderung von Farbtemperatur und Beleuchtungsstärke, die neue Ansätze für weitergehende Forschung bringt. Dieser Beitrag wurde auf der LICHT 2021 präsentiert (Tagungsband S. 336-345) und wird mit Zustimmung der LiTG abgedruckt.

Lesezeit: ca. 12 Minuten

1 Einleitung

Die physiologische und psychologische visuelle Wahrnehmung eines Menschen kann laut aktueller Forschung von folgenden drei Hauptfaktoren abhängen [1]:

  1. dem Tageslicht, welches einen erheblichen positiven Effekt auf die visuelle Leistung, die Emotion und das Wohlbefinden des Menschen hat [2],
  2. den photosensitiven Ganglienzellen (ipRGC) [3-6] im Auge, welche bestimmte Hormone im Körper steuern, sowie die Konzentration und das Wohlbefinden beeinflussen können [7]
  3. und als dritter Faktor ist die individuelle Präferenz der wahrgenommenen Szene zu betrachten [8, 9].

Diese drei Faktoren können mit Licht beeinflusst werden und sind von Tageszeit und Jahreszeiten abhängig [10]. Mit der Einführung des künstlichen Lichts vor mehr als einem Jahrhundert findet das gesellschaftliche Leben vorwiegend in Innenräumen statt, wobei überwiegend elektrische Lichtquellen mit konstanten Beleuchtungsniveaus und Lichtfarben verwendet wurden (statisches Licht) [11-13]. Mit der Einführung der LED-Technologie ist es möglich, dynamische Lichtszenen zu erzeugen. Diese können physiologische und psychologische Prozesse der visuellen und nicht-visuellen Wahrnehmung eines Menschen unterstützen.

Bislang fehlen jedoch systematische Untersuchungen und nachvollziehbare Erkenntnisse über die Einstellung von Beleuchtungsniveaus und Spektren der Beleuchtung, um diese dynamischen Prozesse im Körper zu steuern. Die dynamischen Prozesse können neben der Zeit auch von folgenden weiteren Einflussgrößen abhängig sein: Wetter [14], Persönlichkeit, Chronotyp, Kultur, Lichthistorie und aktueller Befindlichkeit [15]. Auch die Wirkung einer Lichtquelle hängt stark vom psychologischen Empfinden und den oben genannten erlebten Einflussgrößen einer Person ab [1].

1.1 Stand der Forschung

Der Bezug der Beleuchtungsstärke und Farbtemperatur in Abhängigkeit zur Uhrzeit ist Bestandteil aktueller Forschungsarbeiten [16-23]. In diesen Studien wurden dynamische Beleuchtungsanlagen näher untersucht. Die zugrunde gelegten Kurven von Farbtemperatur und Beleuchtungsstärke über der Uhrzeit wurden im Hinblick auf das physiologische Befinden eines Menschen erstellt. Die Definition der Kurven erfolgte vor den Studien und wurden mit den Studien evaluiert. Eine Redefinition oder Optimierung der evaluierten Kurvenformen nach dem Studienende im Hinblick auf die psychologische Präferenz der Probanden erfolgten nicht. Kompier et al. [17] fasste im Jahr 2020 dynamische Beleuchtungsstudien, die eine Veränderung von lichttechnischen Parametern über die Uhrzeit aufweisen, zusammen. In dieser Literaturstudie wurde verdeutlicht, dass den 14 analysierten Studien unterschiedliche Ziele zu Grunde lagen. Daraus resultierten unterschiedliche dynamische Verläufe. Aus dieser Zusammenfassung ist ersichtlich, dass es höchstwahrscheinlich mehrere dynamische Verläufe für verschiedene Anwendungen, Nutzergruppen und physiologisches Verhalten geben könnte [17]. De Bakker et al. [9] nutzten 2019 ein unterschiedliches Studiendesign. Sie untersuchten die psychologische Präferenz der Probanden und verglichen die Antworten mit einem vor der Studie definierten dynamischen Verlauf der Leuchtdichte anhand der Uhrzeit. Die untersuchte Leuchtdichte wurde hierbei an der Umgebung und am Hintergrund angepasst. Die Beleuchtungsstärke am Arbeitstisch wurde konstant auf 500 lx gehalten. Die Farbtemperatur wurde ebenfalls konstant auf 4000 K gehalten. De Bakker et al. [9] weist auf Unterschiede am Nachmittag zwischen ihrer und der physiologisch erstellten Steuerkurve von de Kort et al. [19] und Motamed et al. [23] hin. Newsham et al. [8] und Chraibi et al. [24] erstellten ebenfalls aus Probandenbewertungen dynamische Verläufe über der Uhrzeit. Innerhalb der Studien konnten die Probanden ihre präferierte Beleuchtungsstärke wählen. Das Ergebnis zeigte ebenfalls eine Abweichung zu den physiologisch erstellten Steuerkurven. In diesen Studien wurde die Farbtemperatur jeweils konstant gehalten.

Die Erstellung von dynamischen Verläufen, die aus den psychologischen Präferenzen von mehreren lichttechnischen Parametern wie Farbtemperatur und Beleuchtungsstärke über der Uhrzeit erstellt werden, ist weiterhin Teil zukünftiger Forschungsprojekte. Aus diesem Anlass werden derzeit am Fachgebiet Lichttechnik der TU Darmstadt (jetzt: Fachgebiet Adaptive Lichttechnische Systeme und Visuelle Verarbeitung) Untersuchungen zu dynamischen Prozessen im Kontext des Büroalltags durchgeführt. Der Fokus der hier präsentierten Vorstudie mit dem Forschungsstand von 2019 stellt das psychologische Empfinden einer Beleuchtungssituation anhand der Tageszeit dar und verweist auf noch offene Forschungsfragen.

2 Methoden

Ein Besprechungsraum wurde für die Untersuchung renoviert und mit intelligenten LED-Hängeleuchten ausgestattet. Die LED-Leuchten nutzen warm- und kaltweiße LEDs für die kontinuierliche Variation der Lichtfarben zwischen 2000 und 15.000 K sowie einer maximalen Beleuchtungsstärke von ca. 6000 lx mit getrennten direkten und indirekten Lichtanteilen. Weiterhin lässt sich das Spektrum im Raum über speziell entwickelte steuerbare, indirekte Farbkanäle (blau, cyan, rot, lime, amber) variieren. In der vorgestellten Vorstudie sorgten die LED-Kanäle für eine konstante Farbsättigung ΔC* von 0 und einem Circadian-Stimulus CS [25] von 0,46 bis 0,7. Der Raum wurde mit Objekten wie Büchern, Zeitschriften, Blumen, Gemälden sowie Monitoren ausgestattet, um eine möglichst realistische Büroatmosphäre zu schaffen. Die Testpersonen hatten die Aufgabe, zu den Zeiten 9:00 Uhr, 11:00 Uhr, 13:00 Uhr und 16:00 Uhr die individuell beste Lichtfarbe und das optimale Beleuchtungsniveau (Beleuchtungsstärke auf dem Arbeitstisch) mithilfe eines Fragebogens zu ermitteln. Hierfür wurden 25 Lichteinstellungen präsentiert und nach einer Adaptationszeit von 60 s auf einem Fragebogen bewertet. Die Farbtemperatur wurde in fünf Stufen dargeboten: 3000, 4000, 4500, 5000 und 5600 K. Die Beleuchtungsstärke variierte ebenfalls in fünf Stufen: 500, 750, 1000, 1500 und 2000 lx.

Die Lichteinstellungen wurden auf einer Intervallskala von 0 bis 100 bewertet, deren semantische Skalierung zwischen »very bad« und »excellent« auf der Ordinate der Abb. 1 dargestellt wird. Jeder Proband nahm zu jedem der vier Zeitpunkte an dieser Studie teil und bewertete die 25 Spektren in einer randomisierten Reihenfolge. Während der Untersuchung wurden mithilfe von Sensoren die Umgebungsbedingungen Temperatur, Luftfeuchtigkeit, Luftdruck, Wetter, Uhrzeit und Datum gespeichert. Die Daten flossen mit den Fragebögen zur Person: Persönlichkeit (B5T) und Schlafverhalten (Munich Chronotype Questionnaire, MCTQ) [26] sowie Fragebögen zum aktuellen Befinden: Schläfrigkeit (Karolinska Sleepiness Scale, KSS) und Stimmung (Mehrdimensionaler Befindlichkeitsfragebogen, MDBF) der Person in eine Tabelle zur Auswertung mit ein.

Ziel dieser Studie war die Erstellung von dynamischen Kurven basierend auf der Farbtemperatur und Beleuchtungsstärke über der Uhrzeit. Als Forschungshypothese wurde zugrunde gelegt, dass das allgemeine Gefallen eines Raumes, welches von der Farbtemperatur und der Beleuchtungsstärke abhängt, von der Uhrzeit beeinflusst wird.

3 Ergebnisse und Diskussion der Vorstudie

Zeitpunkt der Vorstudie war im Winter von 02.12.2019 bis 20.12.2019. Insgesamt nahmen 16 Probanden teil, darunter waren sechs Frauen und zehn Männer. Das mittlere Alter ± Standardabweichung der Probanden betrug: 25,8 ± 5 Jahre. Der Bereich, der zur Bewertung der Lichtspektren genutzt wurde, variierte zwischen den Probanden stark. Das höchste Bewertungsniveau eines Probanden war im Mittel ± Standardabweichung: 74,1 ± 19,1 und die niedrigsten Bewertungen eines Probanden bei 49,1 ± 19,3. Die Bewertungen wurde daher mittels des min-max-scalers zwischen 0 und 100 normalisiert. Die Transformation mithilfe der Normalisierung ermöglicht einen Vergleich der Probandenbewertungen.

Abb. 1 zeigt den Mittelwert der Bewertung der 16 Probanden über die vier Testzeitpunkte. Hierbei ist eine höhere Präferenz zu höheren Beleuchtungsstärken unabhängig von der Zeit zu erkennen. Die Verläufe der Kurven variieren über die getesteten Messzeitpunkte, sie zeigen aber eine ähnliche Tendenz. Die Tendenz der maximalen Präferenz der Beleuchtungsstärken liegt bei 1500 und 2000 lx. Die Präferenz zu diesen Beleuchtungsstärken wurde ebenfalls von P. Boyce [11] in einer Literatur-Review-Analyse dargestellt. In der Literaturanalyse von Fotios et al. [13] wurde ein geringer Zusammenhang der Präferenz und der Farbtemperatur erläutert. Dies spiegeln die hier erhobenen Daten ebenfalls wider. Bei einer hohen Beleuchtungsstärke liegen die Farbtemperaturen zwischen 4000 bis 5600 K bei einer ähnlichen Bewertung. Differenzen zwischen den Uhrzeiten sind zu erkennen und werden im Folgenden näher betrachtet.

Abb. 1: Mittelwert der Bewertungen der 25 Spektren der 16 Probanden, aufgetragen über die vier Bewertungszeitpunkte. TU Darmstadt

Zur Erstellung einer dynamischen Beleuchtungskurve, die abhängig von der Uhrzeit ist, werden Spektren aus den Probandenbewertungen gewählt. Das Auswahlkriterium hierfür sind die drei am höchsten bewerteten Spektren für jede der vier Uhrzeiten und jeden Probanden. Die Anzahl von drei Spektren wurde genutzt, um eine Variation und Unsicherheit im Ranking der Probanden mit einzubeziehen. Abb. 2 zeigt eine dynamische Steuerkurve mit allen Probanden und den drei am höchsten bewerteten Spektren. In Blau ist die Farbtemperatur CCT und in Rot die Beleuchtungsstärke E dargestellt. Die einzelnen Punkte beschreiben die höchsten drei Daten jedes Probanden, die zum Boxplot und dem Mittelwert zusammengefasst sind. Weiterhin ist der Zahlenwert des Mittelwerts und die einfache Standardabweichung eingetragen.

Abb. 2: Boxplot der drei im Mittel am höchsten bewerteten Spektren aus den 25 dargestellten Spektren. Alle Probandendaten wurden zusammengefasst und über der Uhrzeit dargestellt. Der Mittelwert ist mit Zahlenwerten und in Schwarz der Fehlerbalken der einfachen Standardabweichung dargestellt. Die einzelnen Punkte beschreiben die Eingangsdatenpunkte aller Probanden. In Blau ist die Farbtemperatur CCT und in Rot die Beleuchtungsstärke E eingezeichnet. TU Darmstadt

Sowohl in Bezug auf die Farbtemperatur als auch auf die Beleuchtungsstärke zeigt sich eine große Streuung. Insbesondere bei der Farbtemperatur ergeben sich für alle Uhrzeiten, mit Ausnahme von 13:00 Uhr, zwei Präferenzplateaus bei CCT=4000 K und CCT=5000 K. Dies lässt darauf schließen, dass die in Abb. 2 gezeigten Kurven nicht allgemein gültig sind. Eine feingliedrigere Aufteilung anhand weiterer Parameter zu gruppenabhängigen Kurven ist nötig, um eine höhere Aussagekraft über die Präferenz der jeweiligen Gruppe zu erhalten. Abb. 3 stellt beispielhaft die Aufteilung der Daten hinsichtlich des Geschlechts dar. Die Abbildung zeigt ebenfalls eine große Streuung zu den vier Uhrzeiten. Der Mittelwert der weiblichen und der männlichen Probanden beschreibt hierbei eine unterschiedliche Tendenz in der zweiten Tageshälfte.

Abb. 3: Boxplot der drei am höchsten bewerteten Spektren aus den 25 dargebotenen Spektren über der Tageszeit nach Geschlechtern aufgeteilt. Links: Weibliche Versuchsteilnehmerinnen (N=6), rechts: Männliche Versuchsteilnehmer (N=10). Neben den Eingangsdaten ist der Mittelwert mit einem Zahlenwert gekennzeichnet. TU Darmstadt

Abb. 3 legt den Einfluss weiterer Faktoren zur Präferenz der Probanden hinsichtlich der jeweiligen Lichtsituation nahe. Ein einfaches Zusammenfassen aller Bewertungen oder Unterscheidung des Geschlechts der Probanden resultiert in einer geringen Aussagekraft der Steuerkurven. Ein Grund für die hohen Streuungen sind unter anderem die unterschiedlichen Präferenzen der Probanden, welche auf der individuellen psychologischen Ebene zu verorten sind. Dieses Verhalten konnte auch durch die Studie von Newsham et al. [27] mit 25 % bis 50 % Unterschied und in der Studie von de Bakker et al. [9] nachgewiesen werden.

Diese individuellen Präferenzen gilt es, in weiteren Studien näher zu prüfen und Zusammenhänge zwischen den Probanden zu untersuchen. Weitere Einflussfaktoren könnten persönliche und psychologische Aspekte bei der Bewertung, sowie die Reihenfolge der präsentierten Spektren sein.

4 Psychologische Auswertung von Lichtpräferenzen

Die Vorstudie bringt folgende neue Forschungsfragen auf:

  • Hängt die Präferenz der Beleuchtungssituation von dem akuten Befindlichkeitszustand einer Person ab?
  • Wird die individuelle Präferenz der Beleuchtungssituation von der Umgebung wie der Raumbeschaffenheit oder dem Wetter beeinflusst?
  • Gibt es Personen mit ähnlicher Präferenz der Beleuchtungssituation, basierend auf der Umgebung oder der akuten Befindlichkeit?

Die neu gewonnenen Forschungsfragen setzen ein größeres Spektrum an aufgenommenen Eingangsdaten voraus. Durch die erhöhte Vielfalt an Eingangsdaten zu jeder bewerteten Präferenz können die dynamischen Verläufe der Farbtemperatur und Beleuchtungsstärke über der Uhrzeit feiner gruppiert werden. Die Gruppierung kann somit beispielsweise auf Basis der Personen, dem akuten Befinden oder der Umgebung erfolgen. Die Struktur in Abb. 4 stellt einen neuen Ansatz der Auswertung der Nutzerpräferenz dar. Psychologische Daten, die sich über den Tag verändern können, werden als dynamische Daten zusammengefasst. Hierunter zählen beispielsweise das Befinden und die Schläfrigkeit. Das Schlafverhalten und die Persönlichkeit unterliegen einer langsamen Veränderung innerhalb von Wochen oder Monaten. Diese Daten werden als statische Probandendaten verarbeitet. Weiterhin sollten für ein umfassendes Modell die Umgebungsparameter innerhalb des Versuchsraumes und das Wetter aufgenommen werden. Diese Sensor-Daten, die Licht-Bewertung sowie statische und dynamische Daten können im Anschluss nach der Uhrzeit gefiltert werden. Im darauffolgenden Schritt, der Präferenz-Selektion, können mithilfe eines Algorithmus die mit weiteren Daten angereicherten Licht-Bewertungen detaillierter gruppiert werden. Die daraus resultierenden gruppierten Daten bilden dynamische Verläufe für verschiedene Untergruppen. In Folgestudien gilt es, den vorgestellten Ansatz zu verifizieren.

Abb. 4: Datenverarbeitungsstruktur: Statische Daten, dynamische Daten, Sensor-Daten werden in Modelle zusammengefasst und mit den Licht-Bewertungen nach der Uhrzeit gefiltert. Durch die Präferenz-Selektion werden Untergruppen und Nutzerpräferenzen in Abhängigkeit der Eingangsdaten erstellt und anschließend dynamische, lichttechnische Verläufe über der Uhrzeit generiert. TU Darmstadt

5 Zusammenfassung

Diese Arbeit fasst den aktuellen Stand der Literatur hinsichtlich dynamischer Beleuchtungssituationen zusammen. Die Studiendichte in der aktuell verfügbaren Literatur bezüglich der Probandenbewertung dynamischer Beleuchtungssituationen erweist sich als lückenhaft. Mithilfe der gezeigten Vorstudie zur dynamischen Beleuchtung durch Veränderung von Farbtemperatur und Beleuchtungsstärke werden neue Schwierigkeiten zur Auswertung aufgezeigt. Ein Zusammenfassen aller Probanden in eine gemeinsame Gruppe erweist sich als wenig zielführend. Eine Einteilung in zwei Gruppen anhand des Geschlechts konnte erste Tendenzen in der tageszeitabhängigen Präferenz zeigen. Jedoch variierten die Präferenzen innerhalb beider Gruppen über alle Tageszeiten hinweg noch immer sehr stark. Daraufhin wurde ein neuartiger Ansatz zur Datenerhebung und Auswertung vorgestellt. Dieser Ansatz umfasst das Sammeln von zusätzlichen Informationen über die Testperson sowie die Versuchsumgebung. Diese Daten können anschließend durch entsprechende, noch zu bestimmende Algorithmen gruppenabhängig ausgewertet werden, um präferenzabhängige, dynamische Beleuchtungssituationen zu erzeugen.

6 Referenzen

[1] Werth L, Steidle A, Hubschneider C, De Boer J, Sedlbauer K. Psychologische Befunde zu Licht und seiner Wirkung auf den Menschen – ein Überblick. Bauphysik. 2013;35(3):193-204. doi:10.1002/bapi.201310058

[2] Boyce P, Hunter C, Howlett O. The Benefits of Daylight through Windows Sponsored by : Capturing the Daylight Dividend Program The Benefits of Daylight through Windows. Published online 2003:1-88.

[3] Hattar S, Liao HW, Takao M, Berson DM, Yau KW. Melanopsin-containing retinal ganglion cells: Architecture, projections, and intrinsic photosensitivity. Science (80- ). 2002;295(5557):1065-1070. doi:10.1126/science.1069609

[4] Berson DM, Dunn FA, Takao M. Phototransduction by retinal ganglion cells that set the circadian clock. Science (80- ). 2002;295(5557):1070-1073. doi:10.1126/science.1067262

[5] Provencio I, Jiang G, De Grip WJ, Pär Hayes W, Rollag MD. Melanopsin: An opsin in melanophores, brain, and eye. Proc Natl Acad Sci U S A. 1998;95(1):340-345. doi:10.1073/pnas.95.1.340

[6] Provencio I, Rodriguez IR, Jiang G, Hayes WP, Moreira EF, Rollag MD. A novel human opsin in the inner retina. J Neurosci. 2000;20(2):600-605. doi:10.1523/jneurosci.20-02-00600.2000

[7] Souman JL, Tinga AM, te Pas SF, van Ee R, Vlaskamp BNS. Acute alerting effects of light: A systematic literature review. Behav Brain Res. 2018;337(September):228-239. doi:10.1016/j.bbr.2017.09.016

[8] Newsham GR, Aries MBC, Mancini S, Faye G. Individual control of electric lighting in a daylit space. Light Res Technol. 2008;40(1):25-41. doi:10.1177/1477153507081560

[9] de Bakker C, Aarts M, Kort H, van Loenen E, Rosemann A. Preferred Luminance Distributions in Open-Plan Offices in Relation to Time of Day and Subjective Alertness. LEUKOS – J Illum Eng Soc North Am. 2019;0(00):1-18. doi:10.1080/15502724.2019.1587619

[10] Susanne Elisabeth F. Die psychologische Wirkung veränderlicher Kunstlichtsituationen auf den Menschen. Published online 2001. doi:https://doi.org/10.3929/ethz-a-004122647

[11] Boyce PR. The influence of illumination level on prolonged work performance. Light Res Technol. 1970;2(2):74-94. doi:10.1177/14771535700020020801

[12] Davis RG, Ginthner DN. Correlated color temperature, illuminance level, and the kruithof curve. J Illum Eng Soc. 1990;19(1):27-38. doi:10.1080/00994480.1990.10747937

[13] Fotios S., A Revised Kruithof Graph Based on Empirical Data. LEUKOS – J Illum Eng Soc North Am. 2017;13(1):3-17. doi:10.1080/15502724.2016.1159137

[14] Begemann SHA, Van Den Beld GJ, Tenner AD. Daylight, artificial light and people in an office environment, overview of visual and biological responses. Int J Ind Ergon. 1997;20(3):231-239. doi:10.1016/S0169-8141(96)00053-4

[15] Zhang, Rongpeng and Campanella, Carolina and Aristizabal, Sara and Jamrozik, Anja and Zhao, Jie and Porter, Paige and Ly, Shaun and Bauer BA. Impacts of Dynamic LED Lighting on the Well-Being and Experience of Office Occupants. Int J Environ Res Public Health. 2020;17(7217):1-27. doi:10.3390/ijerph17197217

[16] Papatsimpa C, Linnartz JP. Personalized office lighting for circadian health and improved sleep. Sensors (Switzerland). 2020;20(16):1-18. doi:10.3390/s20164569

[17] Kompier ME, Smolders KCHJ, Kort YAW De. Engineering advance A systematic literature review on the rationale for and effects of dynamic light scenarios. Build Environ. 2020;186(August):107326. doi:10.1016/j.buildenv.2020.107326

[18] Patania F, Gagliano A, Nocera F, Galesi A, Caserta J. The dynamic lighting into the working environment. Int J Des Nat Ecodynamics. 2012;7(4):394-408. doi:10.2495/DNE-V7-N4-394-408

[19] De Kort YAW, Smolders KCHJ. Effects of dynamic lighting on office workers: First results of a field study with monthly alternating settings. Light Res Technol. 2010;42(3):345-360. doi:10.1177/1477153510378150

[20] Obayashi F, Kawauchi M, Terano M, et al. Development of an illumination control method to improve office productivity. Lect Notes Comput Sci (including Subser Lect Notes Artif Intell Lect Notes Bioinformatics). 2007;4558 LNCS(PART 2):939-947. doi:10.1007/978-3-540-73354-6_102

[21] Bommel W Van, Lighting D. DYNAMIC LIGHTING AT WORK – BOTH IN LEVEL AND COLOUR, Wout van Bommel Philips Lighting, The Netherlands. 2006;(January 2006):1-7.

[22] Aries MBC. Human Lighting Demands, Healthy Lighting in an Office Environment.; 2005. doi:http://dx.doi.org/10.6100/IR594257

[23] Motamed A, Benedetti M, Scartezzini J. On the Impact of Integration of Non-Image Forming ( NIF ) Effect of Light on Electrical Lighting Control in Non-Residential Buildings. Proc IAQVEC 2016, 9th Int Conf Indoor Air Qual Vent Energy Conserv Build IAQVEC 2016, Songdo, Incheon Repub Korea, Oct 23-26, 2016. 2016;(Aries 2005):1-8. http://infoscience.epfl.ch/record/222924

[24] Chraibi S, Lashina T, Shrubsole P, Aries M, van Loenen E, Rosemann A. Satisfying light conditions: A field study on perception of consensus light in Dutch open office environments. Build Environ. 2016;105:116-127. doi:10.1016/j.buildenv.2016.05.032

[25] Rea MS, Figueiro MG. Light as a circadian stimulus for architectural lighting. Light Res Technol. 2018;50(4):497-510. doi:10.1177/1477153516682368

[26] Roenneberg T, Wirz-Justice A, Merrow M. Life between clocks: Daily temporal patterns of human chronotypes. J Biol Rhythms. 2003;18(1):80-90. doi:10.1177/0748730402239679

[27] Zhu Y, Yang M, Yao Y, et al. Effects of Illuminance and Correlated Color Temperature on Daytime Cognitive Performance, Subjective Mood, and Alertness in Healthy Adults. Environ Behav. 2019;51(2):199-230. doi:10.1177/0013916517738077

Weitere Informationen:

M.Sc. Stefan Klir, M.Sc. Simon Benkner, Prof. Tran Quoc Khanh; Fachgebiet Adaptive Lichttechnische Systeme und Visuelle Verarbeitung, Technische Universität Darmstadt

Abbildungen: TU Darmstadt

Dieser Artikel ist erschienen in

Licht 9 | 2021

Erschienen am 25. November 2021