diff --git a/readScale_Stand1708.py b/readScale_Stand1708.py
new file mode 100644
index 0000000..90e0487
--- /dev/null
+++ b/readScale_Stand1708.py
@@ -0,0 +1,206 @@
+import serial
+import binascii
+import math
+import mariadb
+
+
+# aktuell ist es so programmiert, dass es annimmt, dass in kg gemessen wird (andere Einheiten liefern also flasche Ergebnisse)
+# das was man noch dazuprogrammieren kann, ist wenn mehrere Teile auf der Waage liegen, ob dann die Typen noch immer erkannt werden
+
+
+
+
+db_config = {
+    'user': 'dbUser',
+    'password': 'dbPassword',
+    'host': 'localhost',
+    'database': 'projectGeislinger',
+    'port': 3306  # Standard port for MariaDB
+}
+
+# Establishing the connection
+conn = mariadb.connect(**db_config)
+# Create a cursor to execute queries
+cursor = conn.cursor()
+
+# Konfiguration der seriellen Schnittstelle
+ser = serial.Serial('/dev/ttyUSB0', 9600)
+
+waageEingeschwungen = False
+
+def getDataOfArticleType(allArticles, articleType):
+    # die Funktion geht die Liste mit allen Artikeln durch und gibt jenen Eintrag, welcher mit dem "articleType" übereinstimmt zurück
+
+    for i in allArticles:
+        if i[1] == articleType:
+            return i
+
+    return -1
+
+def getDataOfArticleNotType(allArticles, articleType):
+    # die Funktion geht die Liste mit allen Artikeln durch und gibt jene Einträge, welche nicht mit dem "articleTypen" übereinstimmt zurück
+    returnMatrix = []
+
+    for i in allArticles:
+        if i[1] != articleType:
+            returnMatrix.append(i)
+
+    return returnMatrix
+
+
+
+
+
+def wahrscheinlichkeitsDichte(x,mue, var):
+    # in der Funktion wird der Wahrscheinlichkeitsdichtenwert der Variable x für eine bestimmte Normalverteilung berechnet
+    standardabweichung = var**0.5
+
+    result = 1/(standardabweichung * (2*math.pi)**0.5 ) * math.exp(-0.5 * ((x-mue)/standardabweichung)**2)
+
+    return result
+
+
+def generateArticleProbabilities(articleType, allArticles, n, x, numberOfOtherTypes, measuredWeight):
+    # es fehtl noch eine Datavariable, welche die Daten der Datenbank beinhaltet
+
+    # articleType ... die Artikeltype, welche erwartet wird (also für welche n+x überprüft wird)
+    # n ... Anzahl der Artikel, welche laut dem Auftrag vorhanden sein sollten
+    # x ... Anzahl der Artikel vom Artikeltypen des Auftrages, welche über der Anzahl n noch überprüft werden sollen
+    # numberofOtherTypes ... Anzahl an Artikeln, welch von anderen Typen überprüft werden sollen
+    # measuredWeight ... das Gewicht, welches von der Waage gemessen wird
+
+    # über alle Möglichkeiten drüberiterieren, die Wahrscheinlichkeitsdichte für diese berechnen und in einer Matrix speichern.
+
+    # in der Folge werden die artikelbezogenen Daten in einer Matrix zusammengefasst 
+    articleData = getDataOfArticleType(allArticles, articleType)
+    if articleData == -1:
+        return -1
+
+    otherArticleData = getDataOfArticleNotType(allArticles, articleType)
+
+
+    #print("AData: ", articleData)
+    print("NArticleData: ", otherArticleData)
+
+    #print(wahrscheinlichkeitsDichte(measuredWeight, articleData[1], articleData[2]))
+
+   
+    articleProbMatix = []
+
+    for i in range(numberOfOtherTypes+1):
+        for j in range(n+x):
+            anzArtikelToCheck = j+1
+            propDensity = wahrscheinlichkeitsDichte(measuredWeight*anzArtikelToCheck, articleData[2], articleData[3])
+            print(propDensity)
+
+
+
+    return 0
+
+
+
+
+'''
+def numberSmallerObjects(numberBiggerObjects, messungWaage, mue1,mue2, sigma2):
+    for i in range(1,10000):
+        #damit wird geprüft, ob eh auch ein Objekt vom Typ1 auf der Waage liegt, oder nur ein Objekt vom Typ2
+        # eigentlich müsste da 3*sigma drinnen stehen, um 99,7% der Fälle abzudecken, aber das ist nur bei einer gültigen Normalverteilung zutreffend (mit ausreichend Messungen)
+        if (messungWaage-numberBiggerObjects*(mue2+10*sigma2))/mue1 > 0:    
+            print((messungWaage-numberBiggerObjects*(mue2+10*sigma2))/mue1)
+
+            if i > (messungWaage-numberBiggerObjects*mue2)/mue1:
+                return i
+        else:
+            return -1
+'''
+
+
+def main():
+
+    
+    print("connection is open: ", ser.is_open)
+    print("port to which it is connected: ", ser.portstr)
+
+    
+    #an die Waage den Befehl senden, dass sie ausgelesen werden soll
+    ser.write(b'getWeight\n')
+    #ser.write(b'tare\n')
+    serialString = ser.readline().decode('utf-8').rstrip()  #Auslesen des Serial-Strings/der Messung der Waage
+    
+    # wenn am Ende des Strings kg steht, dann ist die Waage eingeschwungen - das wird hiermit überprüft
+    lenString = len(serialString)-1
+    if serialString[lenString] == "g" and serialString[lenString-1] == "k":
+        print("ist eingeschwungen")
+        waageEingeschwungen = True
+    else:
+        print("die Waage ist noch nicht eingeschwungen")
+        waageEingeschwungen = False
+
+    #aus dem String werden alle Zeichen, welche nicht zur Darstellung der Zahl benötigt werden entfernt
+    intString = ""
+    for i in serialString:
+        if i=="-" or i=="0" or i=="." or i=="1" or i=="2" or i=="3" or i=="4" or i=="5" or i=="6" or i=="7" or i=="8" or i=="9":
+            intString = intString + i
+    print("Wert, welcher von der Waage ausgelesen wurde: " + intString + "kg")
+    
+
+    # wenn die Waage nicht eingeschwungen ist, dann soll auch nichts weiter gemacht werden
+    if( waageEingeschwungen == True):
+
+        # new SWL-Query
+        sql_query = "SELECT * FROM projectGeislinger.Auftraege, projectGeislinger.Einzelteile where projectGeislinger.Auftraege.EinzelteilID = projectGeislinger.Einzelteile.id "
+        # Execute the query
+        cursor.execute(sql_query)
+        # Fetch results
+        auftragDaten = cursor.fetchall()
+        # Display data
+        print("Ausgabe der Daten der Datenbank:")
+        for row in auftragDaten:
+            print(row)
+
+
+        # Define the SQL query
+        sql_query = "SELECT * FROM projectGeislinger.Einzelteile"
+        # Execute the query
+        cursor.execute(sql_query)
+        # Fetch results
+        einzelteile = cursor.fetchall()
+        # Display data
+        print("Ausgabe der Daten der Datenbank:")
+        for row in einzelteile:
+            print(row)
+
+
+
+
+        #print(einzelteile)
+
+        #
+        selectedRow = 0     #diese wird durch die GUI vorgegeben, oder automatische ausgewählt
+
+        artikelBezeichnung = auftragDaten[selectedRow][5]
+        
+        # 10 Anzahl laut Auftrag, 3, Anzahl darüber, 1 Anzahl anderer Typ
+        generateArticleProbabilities(artikelBezeichnung, einzelteile, 2, 0,1, float(intString))
+
+
+
+    
+    
+
+
+
+
+    ser.close()
+    print("connection is open: ", ser.is_open)
+
+
+
+
+
+
+if __name__ == "__main__":
+    main()
+
+
+