Principles and Practice of Constraint

Programming 25th International Conference CP

2019 Stamford CT USA September 30 October 4 2019
Proceedings Thomas Schiex download
https://textbookfull.com/product/principles-and-practice-of-
constraint-programming-25th-international-conference-
cp-2019-stamford-ct-usa-september-30-october-4-2019-proceedings-
thomas-schiex/

Download more ebook from https://textbookfull.com

We believe these products will be a great fit for you. Click
the link to download now, or visit textbookfull.com
to discover even more!

Principles and Practice of Constraint Programming 26th

International Conference CP 2020 Louvain la Neuve
Belgium September 7 11 2020 Proceedings Helmut Simonis

https://textbookfull.com/product/principles-and-practice-of-
constraint-programming-26th-international-conference-
cp-2020-louvain-la-neuve-belgium-september-7-11-2020-proceedings-
helmut-simonis/

Principles and Practice of Constraint Programming 20th

International Conference CP 2014 Lyon France September
8 12 2014 Proceedings 1st Edition Barry O’Sullivan
(Eds.)
https://textbookfull.com/product/principles-and-practice-of-
constraint-programming-20th-international-conference-
cp-2014-lyon-france-september-8-12-2014-proceedings-1st-edition-
barry-osullivan-eds/

Principles and Practice of Constraint Programming 22nd

International Conference CP 2016 Toulouse France
September 5 9 2016 Proceedings 1st Edition Michel
Rueher (Eds.)
https://textbookfull.com/product/principles-and-practice-of-
constraint-programming-22nd-international-conference-
cp-2016-toulouse-france-september-5-9-2016-proceedings-1st-
edition-michel-rueher-eds/

Computational Logistics 10th International Conference

ICCL 2019 Barranquilla Colombia September 30 October 2
2019 Proceedings Carlos Paternina-Arboleda

https://textbookfull.com/product/computational-logistics-10th-
international-conference-iccl-2019-barranquilla-colombia-
september-30-october-2-2019-proceedings-carlos-paternina-
Information and Software Technologies 25th
International Conference ICIST 2019 Vilnius Lithuania
October 10 12 2019 Proceedings Robertas Damaševi■ius

https://textbookfull.com/product/information-and-software-
technologies-25th-international-conference-icist-2019-vilnius-
lithuania-october-10-12-2019-proceedings-robertas-damasevicius/

PRIMA 2019 Principles and Practice of Multi Agent

Systems 22nd International Conference Turin Italy
October 28 31 2019 Proceedings Matteo Baldoni

https://textbookfull.com/product/prima-2019-principles-and-
practice-of-multi-agent-systems-22nd-international-conference-
turin-italy-october-28-31-2019-proceedings-matteo-baldoni/

Algorithmic Game Theory 12th International Symposium

SAGT 2019 Athens Greece September 30 October 3 2019
Proceedings Dimitris Fotakis

https://textbookfull.com/product/algorithmic-game-theory-12th-
international-symposium-sagt-2019-athens-greece-
september-30-october-3-2019-proceedings-dimitris-fotakis/

Algorithmic Decision Theory 6th International

Conference ADT 2019 Durham NC USA October 25 27 2019
Proceedings Saša Peke■

https://textbookfull.com/product/algorithmic-decision-theory-6th-
international-conference-adt-2019-durham-nc-usa-
october-25-27-2019-proceedings-sasa-pekec/

Euro Par 2019 Parallel Processing 25th International

Conference on Parallel and Distributed Computing
Göttingen Germany August 26 30 2019 Proceedings Ramin
Yahyapour
https://textbookfull.com/product/euro-par-2019-parallel-
processing-25th-international-conference-on-parallel-and-
distributed-computing-gottingen-germany-
 Thomas Schiex
Simon de Givry (Eds.)
LNCS 11802

Principles and Practice

of Constraint Programming
25th International Conference, CP 2019
Stamford, CT, USA, September 30 – October 4, 2019
Proceedings
Lecture Notes in Computer Science 11802

Founding Editors
Gerhard Goos
Karlsruhe Institute of Technology, Karlsruhe, Germany
Juris Hartmanis
Cornell University, Ithaca, NY, USA

Editorial Board Members

Elisa Bertino
Purdue University, West Lafayette, IN, USA
Wen Gao
Peking University, Beijing, China
Bernhard Steffen
TU Dortmund University, Dortmund, Germany
Gerhard Woeginger
RWTH Aachen, Aachen, Germany
Moti Yung
Columbia University, New York, NY, USA
More information about this series at http://www.springer.com/series/7408
Thomas Schiex Simon de Givry (Eds.)
•

Principles and Practice

of Constraint Programming
25th International Conference, CP 2019
Stamford, CT, USA, September 30 – October 4, 2019
Proceedings

123
Editors
Thomas Schiex Simon de Givry
INRA INRA
Castanet Tolosan, France Castanet Tolosan, France

ISSN 0302-9743 ISSN 1611-3349 (electronic)

Lecture Notes in Computer Science
ISBN 978-3-030-30047-0 ISBN 978-3-030-30048-7 (eBook)
https://doi.org/10.1007/978-3-030-30048-7
LNCS Sublibrary: SL2 – Programming and Software Engineering

© Springer Nature Switzerland AG 2019

This work is subject to copyright. All rights are reserved by the Publisher, whether the whole or part of the
material is concerned, specifically the rights of translation, reprinting, reuse of illustrations, recitation,
broadcasting, reproduction on microfilms or in any other physical way, and transmission or information
storage and retrieval, electronic adaptation, computer software, or by similar or dissimilar methodology now
known or hereafter developed.
The use of general descriptive names, registered names, trademarks, service marks, etc. in this publication
does not imply, even in the absence of a specific statement, that such names are exempt from the relevant
protective laws and regulations and therefore free for general use.
The publisher, the authors and the editors are safe to assume that the advice and information in this book are
believed to be true and accurate at the date of publication. Neither the publisher nor the authors or the editors
give a warranty, expressed or implied, with respect to the material contained herein or for any errors or
omissions that may have been made. The publisher remains neutral with regard to jurisdictional claims in
published maps and institutional affiliations.

This Springer imprint is published by the registered company Springer Nature Switzerland AG
The registered company address is: Gewerbestrasse 11, 6330 Cham, Switzerland
 Preface

This volume contains the proceedings of the 25th International Conference on the
Principles and Practice of Constraint Programming (CP 2019), which was held in
Stamford, Connecticut, USA, during September 30 – October 4, 2019. Detailed
information about the conference should be available at http://cp2019.a4cp.org. The CP
conference is the annual international conference on constraint programming. It is
concerned with all aspects of computing with constraints, including theory, algorithms,
environments, languages, models, systems, and applications such as decision making,
resource allocation, scheduling, configuration, planning, or automated design. These
two facets of CP are represented by the technical and application track of the
conference.
The CP community is increasingly keen to ensure CP remains open to interdisci-
plinary research at the intersection between constraint programming and other directly
related fields. The senior Program Committee of the CP 2019 edition, therefore,
included people with mixed backgrounds beyond CP – propositional logic and integer
linear programming, among others. To reach out beyond these direct ‘discrete opti-
mization’ connections, the CP 2019 edition continued to offer specialized thematic
tracks targeted at the frontier between CP and another specific area. With the current
progress and excitement around machine learning technology and the new opportu-
nities that such progress offers for modeling and solving, the CP, Data Science and
Machine Learning Track was the most successful thematic track of this edition,
attracting even more submissions than the application track. Other thematic tracks were
targeted at specific application domains that often raise specific challenges for CP,
including the Testing and Verification Track, the Multi-agent and Parallel CP Track,
the Computational Sustainability Track and the CP and Life Sciences Track. Each track
has a specific sub-committee to ensure that specialist reviewers from the relevant
domains vetted papers in their track.
We invited submissions to all tracks and we received 118 submissions (excluding
abstracts). The review process of CP 2019 relied on a multitier approach involving one
senior Program Committee with Program Committees for all tracks and additional
reviewers recruited by Program Committee members. Authors could submit either full
papers, with a maximum length of 15 pages without references and abstracts that are
not included in these proceedings. All full paper submissions were assigned to a senior
Program Committee member and three members of the relevant track Program
Committee. Authors were given the opportunity to respond to reviews, generating
discussions overseen by the senior Program Committee members and the chairs.
Abstracts were directly managed by the chairs. Meetings between the conference chairs
and all members of the senior Program Committee were held at the end of June, chaired
by the program chairs, where the reviews, author feedback, and discussions were
revisited in detail, based on meta-reviews previously prepared by senior Program
Committee members. The result of this was that the acceptance rate was 39%. The
vi Preface

senior Program Committee and the chairs awarded the Best Conference Paper Prize to
Alex Mattenet, Ian Davidson, Siegfried Nijssen, and Pierre Schaus for “Generic
Constraint-based Block Modeling using Constraint Programming,” the Best Student
Paper Prize to Rocsildes Canoy and Tias Guns for “Vehicle Routing by Learning from
Historical Solutions,” and the Distinguished Student Paper Price to Mohd Hafiz Hasan
and Pascal Van Hentenryck for “The Flexible and Real-Time Commute Trip Sharing
Problems.” The program chairs also invited two papers for direct publication in the
Constraints journal (Editor-in-Chief Michela Milano). These papers were presented at
the conference like any other paper and appeared later in the Constraints journal.
Awarded papers and nominated papers were also invited to submit an extended version
of their paper in the JAIR journal (with its own rigorous reviewing process being
applied to these extended submissions).
The conference program featured four invited talks by Ian Davidson, Bistra Dilkina,
Nina Narodystka, and Phebe Vayanos. These invited talks were selected with the senior
Program Committee with the general idea of supporting the current trend of
hybridization between CP and machine learning, and the increasing importance of
‘algorithms’ in everybody’s life. This volume includes one-page abstracts of their talks.
The conference also included four tutorials and three satellite workshops, whose topics
are listed in this volume. The doctoral program gave Ph.D. students an opportunity to
present their work to more senior researchers, to meet with an assigned mentor for
advice on their research and early career, to attend special invited talks, and to interact
with each other. Doctoral program papers went through an internal reviewing process
that allowed young scientists to familiarize themselves with reviewing, discussion, and
with the usage of EasyChair, the usual CP conference submissions management tool.
The program chairs are grateful to the many people that made this conference such a
success. First of all, we are grateful to the authors who provided the material from
which the conference is made. Then to the senior Program Committee members who
helped us in several of the crucial phases of the conference organization, be it for
tutorial and invited speaker selection or for reviews, rebuttal, and discussion man-
agement, meta-review writing, and participation in live remote meetings for final
acceptance decisions (sometimes at extreme hours). The chairs are also extremely liable
to the members of the program committees. By filtering the most novel and original
contributions and maintaining high standards of quality in rigor and writing quality,
their work is essential for both authors and the community at large. The chairs also
address a very special thanks to the authors of various additional reviews that were
needed to give all papers enough reviews from qualified persons.
Of course, there is a whole team standing around us, who directly managed specific
aspects of the conference: Pierre Schaus (Application track chair), Michele Lombardi
and Tias Guns (CP, Data Science and Machine Learning track), Arnaud Gotlieb and
Nadjib Lazaar (Testing and Verification track), Ferdinando Fioretto and William Yeoh
(Multi-agent and Parallel CP track), Michela Milano and Barry O’Sullivan (Compu-
tational Sustainability track), François Fages and Sylvain Soliman (CP and Life Sci-
ences track), Javier Larrosa (workshop and tutorial chair), and Charlotte Truchet
(publicity chair).
We would also like to thank the Association for Constraint Programming (ACP).
The ACP has been managing the conference for fifteen years now, the conference
 Preface vii

benefits from very helpful organization support. The program chairs are grateful for the
help of the ACP president (Maria Garcia de la Banda) and the ACP conference
coordinator (Claude-Guy Quimper) for their support and availability when we needed
them.
The conference would not have been possible without the great job done by all the
people involved in the local organization. The program chairs heavily relied on the
local chair (David Bergman) to provide support for all the special contributors to the
CP 2019 program such as invited talks and tutorial speakers and to speedily announce
program updates on the conference website. David was supported in this endeavor by
Ugochukwu Etudo, Tamilla Triantoro, Niam Yaraghi, Mohsen Emadikhiav, Teng
Huang, Saharnaz Mehrani, and Arvind Raghunathan. We would therefore also like to
thank the institutions that supported them during the organization: the University of
Connecticut first, but also the Quinnipiac University and the Mitsubishi Electric
Research Lab.
We acknowledge the generous support of all our sponsors. They include, at the time
of this writing:
– The Artificial Intelligence Journal (Elsevier)
– Cosling (a French CP startup)
– Huawei
– IBM Research
– AIMMS
– Mitsubishi Electric Research Laboratories Inc.
– The Optimization Firm
– Springer
Thanks to these donations, the local chairs have been able to make CP even better,
especially by supporting some of the doctoral program expenses.

July 2019 Thomas Schiex

Simon de Givry
 Tutorials and Workshops

Tutorials
Complete Characterisation of Tractable Constraint Languages
Andrei Bulatov School of Computing Science, Simon Fraser
University, Canada

Planning/Scheduling with CP Optimizer

Philippe Laborie IBM CPLEX Optimization Studio, IBM France Lab,
France

Graphical Models and Constraint Satisfaction Problems

Tomas Werner Center for Machine Perception, Czech Technical
University, Czech Republic

Building a Fast CSP Solver based on SAT

Neng-Fa Zhou CUNY Brooklyn College and Graduate Center, USA

Workshops
Constraint Modeling and Reformulation (ModRef 2019)
Kevin Leo Monash University, Australia
Alan Frisch University of York, UK

Progress Towards the Holy Grail (PTHG 2019)

Eugene Freuder University College Cork, Ireland

Constraint Solving and Special Purpose Hardware Architectures

J. Christopher Beck University of Toronto, Canada
Merve Bodur University of Toronto, Canada
Carleton Coffrin Los Alamos National Laboratory, USA
 Organization

Program Chairs
Simon de Givry INRA, France
Thomas Schiex INRA, France

Conference Chair
David Bergman University of Connecticut, USA

Application Track Chair

Pierre Schaus Université Catholique de Louvain, Belgium

Computational Sustainability Track Chairs

Michela Milano University of Bologna, Italy
Barry O’Sullivan Insight Center for Data Analytics, University College,
Ireland

CP and Life Sciences Track Chairs

François Fages Inria, France
Sylvain Soliman Inria, France

CP, Data Science and Machine Learning Track Chairs

Michele Lombardi University of Bologna, Italy
Tias Guns VUB Brussels, Belgium

Multi-agent and Parallel CP Track Chairs

Ferdinando Fioretto Georgia Institute of Technology, USA
William Yeoh Washington University in St Louis, USA

Testing and Verification Track Chairs

Arnaud Gotlieb SIMULA Research Laboratory, Norway
Nadjib Lazaar LIRMM Montpellier, France
xii Organization

Publicity Chair
Charlotte Truchet Université de Nantes, France

Doctoral Program Chairs

Emir Demirović University of Melbourne, Australia
Ciaran McCreesh University of Glasgow, Scotland

Local Chairs
Ugochukwu Etudo University of Connecticut, USA
Tamilla Triantoro Quinnipiac University, USA
Niam Yaraghi University of Connecticut, USA

Website Chairs
Mohsen Emadikhiav University of Connecticut, USA
Teng Huang University of Connecticut, USA

Sponsorship Chairs
Saharnaz Mehrani University of Connecticut, USA
Arvind Raghunathan Mitsubishi Electric Research Lab, USA

Senior Program Committee

Christian Bessiere LIRMM, CNRS, University of Montpellier, France
Martin Cooper IRIT - Universite Paul Sabatier, France
Maria Garcia de la Banda Monash University, Australia
Joao Marques-Silva Universidade de Lisboa, Portugal
Nina Narodytska VMware Research, USA
Claude-Guy Quimper Laval University, Canada
Christine Solnon LIRIS CNRS UMR 5205, INSA Lyon, France
Willem-Jan Van Hoeve Carnegie Mellon University, USA

Program Committee
Deepak Ajwani University College Dublin, Ireland
Özgür Akgün University of St Andrews, UK
Roberto Amadini The University of Melbourne, Australia
Carlos Ansótegui Universitat de Lleida, Spain
Gilles Audemard CRIL, Lens, France
Behrouz Babaki Polytechnique Montreal, Canada
Fahiem Bacchus University of Toronto, Canada
Sebastien Bardin CEA LIST, France
 Organization xiii

Roman Barták Charles University, Czech Republic

Chris Beck University of Toronto, Canada
Nicolas Beldiceanu IMT Atlantique (LS2N), France
David Bergman University of Connecticut, USA
Filippo Bistaffa IIIA-CSIC, Spain
Andrea Borghesi University of Bologna, Italy
Ken Brown University College Cork, Ireland
Hadrien Cambazard G-SCOP, University Joseph Fourier, France
Quentin Cappart Université Catholique de Louvain, Belgium
Clément Carbonnel CNRS, France
Mats Carlsson SICS, Sweden
Roberto Castañeda Lozano SICS, Sweden
Berthe Y. Choueiry University of Nebraska-Lincoln, USA
Andre Augusto Cire University of Toronto, Canada
David Cohen Royal Holloway, University of London, UK
Bruno Cremilleux Universite de Caen Normandie, France
Victor Dalmau University Pompeu Fabra, Spain
Rina Dechter University of California – Irvine, USA
Sophie Demassey CMA, MINES ParisTech, France
Agostino Dovier University di UDINE, Italy
Catherine Dubois ENSIIE-Samovar, France
Sebastijan Dumancic Katholieke Universiteit Leuven, Belgium
Guillaume Escamocher Insight Centre for Data Analytics, Ireland
Pierre Flener Uppsala University, Sweden
Andrea Formisano Università di Perugia, Italy
Graeme Gange Monash University, Australia
Carmen Gervet Université de Montpellier, France
Tal Grinshpoun Ariel University, Israel
Stefano Gualandi Università degli studi di Pavia, Italy
Djamal Habet LIS, France
Jin-Kao Hao University of Angers, France
Emmanuel Hébrard LAAS, CNRS, France
Matthias Heizmann University of Freiburg, Germany
John Hooker Carnegie Mellon University, USA
Hiroshi Hosobe Hosei University, Japan
Alexey Ignatiev Universidade de Lisboa, Portugal
Mikolas Janota INESC-ID, IST, University of Lisbon, Portugal
Peter Jeavons University of Oxford, UK
George Katsirelos MIAT, INRA, France
Philip Kilby Data61, Australian National University, Australia
Joris Kinable Eindhoven University of Technology, The Netherlands
Lars Kotthoff University of Wyoming, USA
T. K. Satish Kumar University of Southern California, USA
Philippe Laborie IBM, France
Jean Marie Lagniez CRIL, University of Artois, France
Christophe Lecoutre CRIL, University of Artois, France
xiv Organization

Jimmy Lee The Chinese University of Hong Kong, SAR China

Kevin Leo Monash University, Australia
Xavier Lorca IMT Mines Albi, France
Samir Loudni Université de Caen Basse-Normandie, France
Ines Lynce INESC-ID, IST, Universidade de Lisboa, Portugal
Feifei Ma Chinese Academy of Sciences, China
Michael Maher Reasoning Research Institute, Australia
Radu Marinescu IBM, Ireland
Ciaran McCreesh University of Glasgow, UK
Christopher Mears Redbubble, Australia
Amnon Meisels Ben Gurion University of the Negev, Israel
Laurent Michel University of Connecticut, USA
Ian Miguel University of St Andrews, UK
Thierry Moisan Element AI, Canada
Samba Ndojh Ndiaye Liris, France
Peter Nightingale University of York, UK
Anastasia Paparrizou CRIL-CNRS, University of Artois, France
Andrea Passerini University of Trento, Italy
Justin Pearson Uppsala University, Sweden
Marie Pelleau Université Cöte d’Azur, CNRS, I3S, France
Guillaume Perez University of Nice-Sophia Antipolis, I3S, France
Laurent Perron Google France, France
Gilles Pesant Polytechnique Montréal, Canada
Thierry Petit IMT Atlantique, France and WPI, USA
Gauthier Picard Ecole des Mines de Saint-Etienne, France
Cédric Piette CRIL, University of Artois, France
Andreas Podelski University of Freiburg, Germany
Enrico Pontelli New Mexico State University, USA
Cédric Pralet ONERA Toulouse, France
Steve Prestwich Insight Centre for Data Analytics, Ireland
Patrick Prosser Glasgow University, UK
Jean-Charles Regin University Nice-Sophia Antipolis, I3S, CNRS,
France
Andrea Rendl Satalia, UK
Emma Rollon Universitat Politècnica de Catalunya, Spain
Louis-Martin Rousseau Polytechnique, Canada
Olivier Roussel CRIL, CNRS UMR 8188, France
Hana Rudová Masaryk University, Czech Republic
Domenico Salvagnin University of Padova, Italy
Scott Sanner University of Toronto, Canada
Pierre Schaus Université Catholique de Louvain, Belgium
Paul Shaw IBM, France
Mohamed Siala Insight Centre for Data Analytics, Ireland
Anne Siegel Irisa, France
Laurent Simon Labri, Bordeaux Institute of Technology, France
 Organization xv

Helmut Simonis Insight Centre for Data Analytics, Ireland

Sylvain Soliman Inria, France
Kostas Stergiou University of Western Macedonia, Greece
Peter Stuckey Monash University, Australia
Peter J. Stuckey Monash University, Australia
Stefan Szeider Vienna University of Technology, Austria
Guido Tack Monash University, Australia
Cyril Terrioux LIS, UMR CNRS 7020, France
Kevin Tierney University of Bielefeld, Germany
Gilles Trombettoni LIRMM, University of Montpellier, France
Peter van Beek University of Waterloo, Canada
Pascal Van Hentenryck Georgia Institute of Technology, USA
Elise Vareilles Mines Albi, France
Philippe Vismara LIRMM, SupAgro, France
Christel Vrain LIFO, University of Orléans, France
Mark Wallace Monash University, Australia
Toby Walsh The University of New South Wales, Australia
Nic Wilson Insight UCC, Cork, Ireland
Lebbah Yahia University of Oran 1, Algeria
Roland Yap National University of Singapore, Singapore
Harel Yedidsion Ben-Gurion University, Israel
Yingqian Zhang Eindhoven University of Technology, The Netherlands
Roie Zivan Ben Gurion University of the Negev, Israel
Luis Quesada Insight Centre for Data Analytics,
University College Cork, Ireland
Christian Schulte KTH Royal Institute of Technology, Sweden

Additional Reviewers

Aribi, Noureddine Lhomme, Olivier

Belaid, Mohammed Said Li, Chu-Min
Björdal, Gustav Montmirail, Valentin
Bonacina, Ilario Sais, Lakhdar
Choi, Arthur Slivovsky, Friedrich
Hebrard, Emmanuel Tardivo, Fabio
Hoenicke, Jochen Tentrup, Leander
Ihler, Alexander Tiwari, Ashish
Kolter, Zico Trimble, James
Lammich, Peter Tsouros, Dimosthenis C.
Langenfeld, Vincent Vella, Flavio
Invited Talks
 Using Constraints in Machine Learning

Ian Davidson

Department of Computer Science, University of California, Davis, USA

[email protected]

Abstract. We will give a broad overview of our decade long effort to add
constraints to machine learning. We will begin by exploring motivating exam-
ples of the need for constraints from applications in social network analysis,
medical imaging, and intelligent tutoring systems. We then discuss how con-
straints can be used such as for encoding domain knowledge, for transfer
learning, and for adding humans to the machine learning loop.
We overview our results on encoding constraints in terms of their computa-
tional difficulty in general and for encoding in different types of solvers
including SAT and CP solvers. With the benefit of hindsight, we will then
discuss successful and unsuccessful formulations we have worked on in the past
from clustering, regression, block modeling, and outlier detection.
We will conclude by overviewing future new directions and challenges for
using CP and other discrete solvers in machine learning such as encoding rules a
priori for deep learning, post-processing results for explanation, and encoding
notions of fairness.
Discrete Optimization and Machine Learning
for Sustainability

Bistra Dilkina

Viterbi School of Engineering, University of Southern California, USA

[email protected]

Abstract. My research focuses on advancing the state of the art in combinatorial

optimization techniques for solving real-world large-scale problems, particularly
ones that arise in sustainability areas such as biodiversity conservation planning
and urban planning. The work I will present is at the intersection of discrete
optimization and machine learning. One key area of research is designing
machine-learning-driven combinatorial optimization algorithms, by leveraging
the plethora of data generated by solving distributions of real world optimization
problems.
Verification and Explanation of Deep Neural
Networks

Nina Narodytska

VMware Research, Palo Alto, CA, USA

[email protected]

Abstract. Deep neural networks are among the most successful artificial intel-
ligence technologies making an impact in a variety of practical applications.
However, many concerns were raised about the ‘magical’ power of these net-
works. It is disturbing that we are clearly lacking an understanding of the
decision making process behind this technology. Therefore, a natural question is
whether we can trust decisions that neural networks make.
There are two ways to address this problem that are closely related. The first
approach is to define properties that we expect a neural network to satisfy.
Verifying whether a neural network fulfills these properties sheds light on the
properties of the function that it represents. Verification guarantees can reassure
the user that the network has an expected behavior. The second approach is to
better understand the decision making process of neural networks. Namely, the
user can require that a neural network decision must be accompanied by an
explanation for this decision. Such explanations help the user to understand the
decision making process of the network function.
In this talk, we consider both research directions. We take a logic-based
approach to analysis of neural networks, where the network is represented in a
logical formalism, like Boolean Satisfiability (SAT) or Satisfiability Modulo
Theories (SMT). From this standpoint, we overview the progress in verification
and explainability. In particular, we will discuss recent progress in verification
of neural networks, focusing on a special class of neural networks – Binarized
Neural Networks – that can be represented and analyzed using Boolean Satis-
fiability. We discuss how we can take advantage of the training procedure and
the structure of the network to speed up verification. In particular, we demon-
strate that the choice of the training procedure can have significant impact on
scalability of the network verification procedure. For the explainability, we
present our work on producing logical explanations for machine learning model
decisions. We also explain how logic-based tools can be used to verify the
quality of explanations produced by well-known explainer tools.
AI and Robust Optimization for Social Good

Phebe Vayanos

Center for Artificial Intelligence in Society, University of Southern California,

USA
[email protected]

Abstract. In the last decades, significant advances have been made in AI and
optimization. Recently, systems relying on these technologies are being tran-
sitioned to the field with the potential of having tremendous positive influences
on people and society. With increase in the scale and diversity of deployment of
AI- and optimization-driven algorithms in the open world come several chal-
lenges including the need for tractability and resilience, issues of data scarcity
and bias, information endogeneity, ethical considerations, and issues of shared
responsibility between humans and algorithms. In this talk, we focus on the
problems of homelessness, wildlife conservation, and public health in vulner-
able communities, and present research advances in AI and robust optimization
to address one key cross-cutting question: how to effectively allocate scarce
intervention resources in these domains while accounting for the challenges of
open world deployment? We will show concrete improvements over the state
of the art in these domains based on both real world data and deployments in the
LA area. We are convinced that, by pushing this line of research, AI and robust
optimization can play a crucial role to help fight injustice and solve complex
problems facing our society.
 Contents

Technical Track

Instance Generation via Generator Instances . . . . . . . . . . . . . . . . . . . . . . . . 3

Özgür Akgün, Nguyen Dang, Ian Miguel, András Z. Salamon,
and Christopher Stone

Automatic Detection of At-Most-One and Exactly-One Relations

for Improved SAT Encodings of Pseudo-Boolean Constraints . . . . . . . . . . . . 20
Carlos Ansótegui, Miquel Bofill, Jordi Coll, Nguyen Dang,
Juan Luis Esteban, Ian Miguel, Peter Nightingale, András Z. Salamon,
Josep Suy, and Mateu Villaret

Exploring Declarative Local-Search Neighbourhoods

with Constraint Programming . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
Gustav Björdal, Pierre Flener, Justin Pearson, and Peter J. Stuckey

Vehicle Routing by Learning from Historical Solutions . . . . . . . . . . . . . . . . 54

Rocsildes Canoy and Tias Guns

On Symbolic Approaches for Computing the Matrix Permanent . . . . . . . . . . 71

Supratik Chakraborty, Aditya A. Shrotri, and Moshe Y. Vardi

Towards the Characterization of Max-Resolution Transformations

of UCSs by UP-Resilience . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
Mohamed Sami Cherif and Djamal Habet

Logic-Based Benders Decomposition for Super Solutions:

An Application to the Kidney Exchange Problem . . . . . . . . . . . . . . . . . . . . 108
Danuta Sorina Chisca, Michele Lombardi, Michela Milano,
and Barry O’Sullivan

Exploiting Glue Clauses to Design Effective CDCL Branching Heuristics . . . 126

Md Solimul Chowdhury, Martin Müller, and Jia-Huai You

Industrial Size Job Shop Scheduling Tackled by Present Day CP Solvers. . . . 144
Giacomo Da Col and Erich C. Teppan

Dual Hashing-Based Algorithms for Discrete Integration . . . . . . . . . . . . . . . 161

Alexis de Colnet and Kuldeep S. Meel
xxiv Contents

Techniques Inspired by Local Search for Incomplete MaxSAT

and the Linear Algorithm: Varying Resolution and Solution-Guided Search . . . 177
Emir Demirović and Peter J. Stuckey

A Join-Based Hybrid Parameter for Constraint Satisfaction. . . . . . . . . . . . . . 195

Robert Ganian, Sebastian Ordyniak, and Stefan Szeider

An Incremental SAT-Based Approach to the Graph Colouring Problem . . . . . 213

Gael Glorian, Jean-Marie Lagniez, Valentin Montmirail,
and Nicolas Szczepanski

Constraint-Based Techniques in Stochastic Local Search

MaxSAT Solving . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
Andreia P. Guerreiro, Miguel Terra-Neves, Inês Lynce,
José Rui Figueira, and Vasco Manquinho

Trimming Graphs Using Clausal Proof Optimization . . . . . . . . . . . . . . . . . . 251

Marijn J. H. Heule

Improved Job Sequencing Bounds from Decision Diagrams . . . . . . . . . . . . . 268

John N. Hooker

Integration of Structural Constraints into TSP Models . . . . . . . . . . . . . . . . . 284

Nicolas Isoart and Jean-Charles Régin

Representing Fitness Landscapes by Valued Constraints to Understand

the Complexity of Local Search . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
Artem Kaznatcheev, David A. Cohen, and Peter G. Jeavons

Estimating the Number of Solutions of Cardinality Constraints

Through range and roots Decompositions . . . . . . . . . . . . . . . . . . . . . . . . . 317
Giovanni Lo Bianco, Xavier Lorca, and Charlotte Truchet

Understanding the Empirical Hardness of Random Optimisation Problems . . . 333

Ciaran McCreesh, William Pettersson, and Patrick Prosser

Guarded Constraint Models Define Treewidth Preserving Reductions. . . . . . . 350

David Mitchell

Automatic Streamlining for Constrained Optimisation . . . . . . . . . . . . . . . . . 366

Patrick Spracklen, Nguyen Dang, Özgür Akgün, and Ian Miguel

Compiling Conditional Constraints . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 384

Peter J. Stuckey and Guido Tack

Training Binarized Neural Networks Using MIP and CP . . . . . . . . . . . . . . . 401

Rodrigo Toro Icarte, León Illanes, Margarita P. Castro, Andre A. Cire,
Sheila A. McIlraith, and J. Christopher Beck
 Contents xxv

Application Track

Models for Radiation Therapy Patient Scheduling . . . . . . . . . . . . . . . . . . . . 421

Sara Frimodig and Christian Schulte

Constraint Programming-Based Job Dispatching for Modern

HPC Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 438
Cristian Galleguillos, Zeynep Kiziltan, Alina Sîrbu, and Ozalp Babaoglu

Scheduling of Mobile Robots Using Constraint Programming . . . . . . . . . . . . 456

Stanislav Murín and Hana Rudová

Decomposition and Cut Generation Strategies for Solving Multi-Robot

Deployment Problems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 472
Adriana Pacheco, Cédric Pralet, and Stéphanie Roussel

Multi-agent and Parallel CP Track

An Improved GPU-Based SAT Model Counter. . . . . . . . . . . . . . . . . . . . . . 491

Johannes K. Fichte, Markus Hecher, and Markus Zisser

Reducing Bias in Preference Aggregation for Multiagent

Soft Constraint Problems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 510
Alexander Schiendorfer and Wolfgang Reif

Testing and Verification Track

A Cube Distribution Approach to QBF Solving

and Certificate Minimization. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 529
Li-Cheng Chen and Jie-Hong R. Jiang

Functional Synthesis with Examples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 547

Grigory Fedyukovich and Aarti Gupta

SolverCheck: Declarative Testing of Constraints . . . . . . . . . . . . . . . . . . . . . 565

Xavier Gillard, Pierre Schaus, and Yves Deville

Encodings for Enumeration-Based Program Synthesis . . . . . . . . . . . . . . . . . 583

Pedro Orvalho, Miguel Terra-Neves, Miguel Ventura, Ruben Martins,
and Vasco Manquinho

Lemma Synthesis for Automating Induction over Algebraic Data Types. . . . . 600
Weikun Yang, Grigory Fedyukovich, and Aarti Gupta
xxvi Contents

CP and Data Science Track

Modeling Pattern Set Mining Using Boolean Circuits . . . . . . . . . . . . . . . . . 621

John O. R. Aoga, Siegfried Nijssen, and Pierre Schaus

Differential Privacy of Hierarchical Census Data:

An Optimization Approach. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 639
Ferdinando Fioretto and Pascal Van Hentenryck

Generic Constraint-Based Block Modeling Using Constraint Programming . . . 656

Alex Mattenet, Ian Davidson, Siegfried Nijssen, and Pierre Schaus

Reward Potentials for Planning with Learned Neural Network

Transition Models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 674
Buser Say, Scott Sanner, and Sylvie Thiébaux

Exploiting Counterfactuals for Scalable Stochastic Optimization . . . . . . . . . . 690

Stefan Kuhlemann, Meinolf Sellmann, and Kevin Tierney

Structure-Driven Multiple Constraint Acquisition . . . . . . . . . . . . . . . . . . . . 709

Dimosthenis C. Tsouros, Kostas Stergiou, and Christian Bessiere

Computational Sustainability Track

Towards Robust Scenarios of Spatio-Temporal Renewable Energy

Planning: A GIS-RO Approach. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 729
Nadeem Al-Kurdi, Benjamin Pillot, Carmen Gervet, and Laurent Linguet

Peak-Hour Rail Demand Shifting with Discrete Optimisation . . . . . . . . . . . . 748

John M. Betts, David L. Dowe, Daniel Guimarans, Daniel D. Harabor,
Heshan Kumarage, Peter J. Stuckey, and Michael Wybrow

CP and Life Sciences Track

Functional Significance Checking in Noisy Gene Regulatory Networks . . . . . 767

S. Akshay, Sukanya Basu, Supratik Chakraborty,
Rangapriya Sundararajan, and Prasanna Venkatraman

Author Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 787

Technical Track
 Instance Generation via Generator
Instances

Özgür Akgün, Nguyen Dang(B) , Ian Miguel, András Z. Salamon,

and Christopher Stone

School of Computer Science, University of St Andrews, St Andrews, UK

{ozgur.akgun,nttd,ijm,Andras.Salamon,cls29}@st-andrews.ac.uk

Abstract. Access to good benchmark instances is always desirable when

developing new algorithms, new constraint models, or when comparing
existing ones. Hand-written instances are of limited utility and are time-
consuming to produce. A common method for generating instances is
constructing special purpose programs for each class of problems. This
can be better than manually producing instances, but developing such
instance generators also has drawbacks. In this paper, we present a
method for generating graded instances completely automatically start-
ing from a class-level problem specification. A graded instance in our
present setting is one which is neither too easy nor too difficult for a
given solver. We start from an abstract problem specification written
in the Essence language and provide a system to transform the prob-
lem specification, via automated type-specific rewriting rules, into a new
abstract specification which we call a generator specification. The gener-
ator specification is itself parameterised by a number of integer param-
eters; these are used to characterise a certain region of the parameter
space. The solutions of each such generator instance form valid problem
instances. We use the parameter tuner irace to explore the space of pos-
sible generator parameters, aiming to find parameter values that yield
graded instances. We perform an empirical evaluation of our system for
five problem classes from CSPlib, demonstrating promising results.

Keywords: Automated modelling · Instance generation ·

Parameter tuning

1 Introduction
In constraint programming, each problem class is defined by a problem speci-
fication; many different specifications are possible for the same problem class.
A problem specification identifies a class of combinatorial structures, and lists
constraints that these structures must satisfy. A solution is a structure satisfy-
ing all constraints. Problem specifications usually also have formal parameters,
which are variables for which the specification does not assign values but are not
intended to be part of the search for solutions. Values for such formal parameters
c Springer Nature Switzerland AG 2019
T. Schiex and S. de Givry (Eds.): CP 2019, LNCS 11802, pp. 3–19, 2019.
https://doi.org/10.1007/978-3-030-30048-7_1
4 Ö. Akgün et al.

are provided separately, and the specification together with a particular choice
of values for these formal parameters defines a problem instance.
Instance generation is the task of choosing particular values for the formal
parameters of a problem instance, and is often a key component of published
work when existing benchmarks are inadequate or missing. Our goal is to auto-
mate instance generation. We aim to automatically create parameter files con-
taining definitions of the formal parameters of a problem specification, from the
high level problem specification itself, and without human intervention.
We automate instance generation by rewriting a high level constraint speci-
fication in the Essence language [7] into a sequence of generator instances for
the problem class. Values for the parameters of the generator specification are
chosen based on the high level types in the problem specification. A solution to
a generator instance is a valid parameter file defining a problem instance. We
use irace [15], a popular tool for the automatic configuration of algorithms, to
search the space of generator parameters for regions where “graded instances”
exist. Graded instances have specific properties; in this work they are satisfiable,
and neither too trivial nor too difficult to be solved. However, our methodology
does not depend on a specific definition of grading, and can be applied more
generally. We first prove the soundness of our rewriting scheme. The system is
then empirically evaluated over 5 different problem classes that contain differ-
ent combinations of integers, functions, matrices, relations and sets of sets. We
show the viability of our system and the efficacy of the parameter tuning against
randomised search over all problem classes.

2 Related Work
In combinatorial optimisation a wide variety of custom instance generators have
been described. These are used to construct synthetic instances for problem
classes where too few benchmarks are available. In just the constraint program-
ming literature generators have been proposed for many problem classes, includ-
ing quasigroup completion [4], curriculum planning [17], graph isomorphism [26],
realtime scheduling [11], and bike sharing [6]. Different evolutionary methods
have also been proposed to find instances for binary CSPs [18], Quadratic Knap-
sack [13], and TSP [23]. In particular, Ullrich et al. specified problem classes with
a formal language, and used this system to evolve instances for TSP, MaxSAT,
and Load Allocation [24]. Efforts have also been made to extend existing repos-
itories of classification problems via automated instance generation [19].
Instance generators are typically built to support other parts of the research,
such as verifying robustness of models. However, a generator often requires signif-
icant effort to develop, and it cannot be applied to new problem classes without
major modifications [24]. A generator is typically controlled by means of parame-
ters, and a further challenge of instance generation is to find regions of parameter
values where an instance generator can reliably create interesting instances.
Gent et al. developed parametric generators of instances for several problem
classes [8]. They developed a semi-automated prototype to produce instances for
 Instance Generation via Generator Instances 5

discriminating among potential models for a given high-level specification. Their

system requires manual rewriting of the domains when there are dependencies
between parameters, and does not support all of Essence. In contrast, our
system works in a completely automated fashion, for all Essence types, and
supports dependencies between formal parameters.
We use the irace system to sample intelligently from the space of instances.
irace is a general-purpose tool for automatic configuration of an algorithm’s
parameters, and its effectiveness has been shown in a wide range of applica-
tions [5,12,14,15]. Our system uses irace to find values of the generator param-
eters covering graded instances.
Our generator instance method could be applied to many constraint mod-
elling languages such as MiniZinc [20], Zinc [16], Essence Prime [22], or OPL [25].
In this paper we focus on the Essence language [7] because of its support for
high level types, and since the open-source Conjure system [1–3] provides a
convenient basis on which to build an automated instance generation system.
We exploit the high level types of Essence to guide the rewriting process.

3 Background

We now introduce notation used in the remainder of the paper.

A problem class is the set of problem instances of interest. A problem specifi-
cation is a description of a problem class in a constraint specification language.
A problem specification defines the types but not the values of several formal
parameter variables. An assignment of specific values to the formal parameters is
called an input, and a parameter file contains an input. A variable that occurs in
the problem specification, but which neither occurs within the scope of a quan-
tifier over that variable, nor is a formal parameter, is called a decision variable.
We refer to a specification together with an input as an instance. A solution to
an instance is an assignment of values to the decision variables in the instance.
An instance is satisfiable if it has a solution. If all input values are of the correct
type for the corresponding formal parameters, then the input is valid . An valid
instance consists of a specification and a valid input for that specification. Valid
instances may have many, one, or no solutions. For optimisation problems, we
further wish to search among satisfying solutions to find those of high quality,
where quality is determined by an expression to be optimised.
We use the abstract constraint specification language Essence [7]. This com-
prises formal parameters (given), which may themselves be constrained (where);
the combinatorial objects to be found (find); constraints the objects must sat-
isfy (such that); identifiers declared (letting); and an optional objective func-
tion (min/maximising). Essence supports abstract decision variables, such as
multiset, relation and function, as well as nested types, such as multiset of sets.
We seek graded instances. With this we mean instances that satisfy pre-
defined criteria. The criteria should be tailored to the use to which the instances
will be put. In this work, we require graded instances to be neither too easy nor
too difficult. To ensure an instance is not too easy, we require that the back-end
6 Ö. Akgün et al.

solver (in our case, Minion [9]) takes at least 10 s to decide the instance. To
ensure an instance is not too difficult, we exclude instances for which the solver
has not returned a solution in 5 min. Our choices of grading criteria were guided
by our computational budget and available resources, and so in this work we
have chosen to accept only satisfiable instances as graded. We do not advocate a
specific definition of grading, and other criteria for grading would be reasonable,
such as “the instance is decided or solved to optimality by at least one solver
from a portfolio of solvers in a reasonable amount of time”.
A key step of our method is a process of automatic rewriting, discussed in
more detail in Sect. 4.1. Briefly, the rewriting steps are:
1. remove all constraints (such that statements) and decision variables (find
statements),
2. replace all input parameters (given statements) with decision variables (find
statements) and type specific constraints, and
3. promote parameter constraints (where statements) to constraints.
We call the result of this process a generator specification.
Definition 1. A generator instance consists of a generator specification together
with a particular choice of generator parameters, which restrict the domains of
decision variables appearing in the generator instance.
Rewriting is one step in an iterative process. The choice of generator parame-
ters is performed automatically using the parameter tuning tool irace. Solutions
to the generator instance are then filtered according to our grading criteria,
retaining graded instances. We want the rewriting procedure to have the follow-
ing two properties: soundness (the solutions of the generator instance should
always be valid inputs for the instance), and completeness (every valid instance
should be obtainable as a possible solution of the generator instance). We now
discuss the semantics of generator instances and our approach.
Variables may represent tuples, and for clarity of presentation we take some
liberties with the corresponding Essence syntax. When referring to a specifi-
cation s with variables v, we omit the variables that occur within the scope of
a quantifier, and partition the remaining variables so that s(x | y) denotes a
specification s with formal parameters x and decision variables y, both of which
are generally tuples. With s(x := a | y) we denote the specification s (| y) (with
no formal parameters and only decision variables) which is obtained from s by
substituting the tuple of formal parameters x by a fixed tuple of values a.
Start with an Essence specification of the form
s(x | y) := given x : D where h(x) find y : E such that f (x, y)
where the specification has formal parameters x and decision variables y. We
are interested in valid inputs a, such that s(x := a | y) is a valid instance. Here
domain D may be a product of component domains, of arbitrarily nested types
as allowed in the Essence language. Now let
s (| x) := find x : D such that h(x)
 Instance Generation via Generator Instances 7

be a specification obtained from s(x) by our rewriting process, which drops the
original constraints f (x, y), replaces the given by a find, and modifies where
statements into such that statements, leaving a specification with no formal
parameters but only decision variables (Note that many possible but equivalent
specifications are possible for s ). In principle we could search for a solution
x := a to this specification s (| x), as this would be a valid input for s(x | y),
yielding the instance s(x := a | y). Such search seldom finds graded instances in
a reasonable amount of time, unless more guidance is provided.
Thus, we want to introduce a new parameter p with domain P to structure
our search for instances. We then rewrite the specification s(x | y) differently, as

s (p | x) := find x : D(p) such that c(p, x)

so that as the values assigned to the formal parameters p vary, the solutions
to the instance s (p := q | x) form valid inputs to s(x | y). The specification
s (p | x) will be our generator specification, instead of s (| x). We can then treat
P as a space of parameters, and explore this space with a parameter tuning tool.
The types or domain expressions of the formal parameters x with domain D
in the specification s (| x) may have a lot of structure and be quite complex.
Exploring such parameter spaces successfully is a challenging problem. We there-
fore aim to simplify our task of instance generation by replacing these structured
domains by the usually smaller domains D(p) in the new specification s (p | x),
and automatically incorporate this structural information into the constraints
c(p, x) instead; the constraints c(p, x) include both the constraints h(x) and also
the additional constraints to capture structural information. Like D, the param-
eter domain P is usually a product of domains, but for P these are usually just
intervals of reals, ranges of integers, or Booleans.

4 Methodology
In Fig. 1 we show how our system turns an abstract problem specification into
concrete problem instances with the use of rewriting rules and an iterated
sequence of tuned generator instances. The steps of the automated process are:

1. Start with a specification of a problem in the Essence language.

2. Rewrite the problem specification into a generator specification (Sect. 4.1).
3. Create a configuration file for the parameter tuner irace.
4. irace searches for promising values of the generator parameters (Sect. 4.3).
5. At each iteration the current generator instance is used to create multiple
problem instances which are solved by Savile Row [21].
6. The time to solve an instance and its satisfiability are used as feedback to
irace about the quality of the current parameters.
7. At the end of the process several problem instances are generated.

The rest of this section describes the details of this process, correctness of the
rewriting procedure, how we use tuning based on instance difficulty, the problem
classes we studied, and our experimental setup.
Discovering Diverse Content Through
Random Scribd Documents
BARUCH:
Gottes Diener und Profet ist mein Meister – Jeremias.
ZEDEKIA (ausbrechend):
Jeremias! Er, immer er! Immer der Schatten hinter meiner Tat,
immer in Aufruhr wider mich! In den Kerker habe ich ihn
verschlossen, aber noch immer schreit er zu mir wie am ersten Tage:
Friede, Friede! Was drängt er sich vor? Was will er mich verwirren,
was quert er meinen Weg? Wo ich mich wende, ist auch er, im
Palast, in der Stadt, und durch seine Boten wirft er sich auf wider
mich. Was verfolgt er mich?
BARUCH:
Du irrst, mein König! Jeremias liebt dich mehr, denn einen andern
dieser Stadt.
ZEDEKIA:
Ich brauche seine Liebe nicht, ich speie sie an und zerblase seinen
Zorn! Wer ist er, daß er wagt, mich zu lieben? Darf einer aufstehn in
der Gasse und künden, er liebet mich oder liebet mich nicht? Was
stößt er sich zwischen mich und meinen Entschluß? Will er mehr sein
als ich? Ich bin der König, ich allein! Möge er schreien: Friede,
Friede! nicht seine Hand hält Jerusalems Geschick. Ich bin der König,
und nicht rühmen soll er sich, er habe mich geschreckt mit seinen
Träumen. Eher sinke die Stadt, als daß sie gerettet sei durch
Jeremias! (Zu Baruch): Du gehst zu Nabukadnezar und sagest ihm an:
Nie wird Zedekia ein Joch tragen, nie hebt er den Vorhang des
Heiligsten. Möge er kommen mit seinen Völkern, Zedekia ist ihm
bereit.
(BARUCH, im Schrecken beide Hände hebend, will sprechen.)

ZEDEKIA:
Kein Wort! Und bringst du die Botschaft nicht, so fällt Jeremias
Haupt. Zweimal habe ich seines Lebens geschont, doch zu Ende ist
meine Milde. Nicht will ich Richter hinter mir und Schatten hinter
meiner Tat, ich will sterben als König zu Jerusalem.
(BARUCH hebt noch einmal die Hände.)

ZEDEKIA:
Ein Wort dawider, und sein Haupt sinkt hin. In deinen Händen ist
meine Botschaft, ist Jeremias Haupt. Geh! Ich befehle dir: geh!
(BARUCH bleibt noch einen Augenblick stehen, dann verhüllt er sein Antlitz und
wendet sich ab.)

ZEDEKIA (hat sich drohend aufgerichtet gegen den Zögernden. Wie Baruch
abgeht, fällt sein ausgereckter Arm nieder wie zerbrochen, sein Antlitz verdüstert
sich wieder von neuem. Plötzlich sich aufreckend):

Vorbei! Ein Ende, ein Ende! Nur nicht mehr die Qual! (Er geht wieder
auf und ab, hebt den Vorhang und sieht lange stumm sinnend auf die Stadt.
Endlich stampft er zweimal mit dem Fuße.)

DER KNABE SCHWERTTRÄGER (erscheint):

Mein König?
ZEDEKIA:
Wein! Bring mir Wein! Ich will schlafen, schwarz und tief, schlafen
ohne Träume!
(DER SCHWERTTRÄGER bringt hastig einen Krug und füllt den silbernen Becher.
Zedekia stürzt ihn gierig hinab. Sein Gesicht wird wieder unruhig.)

ZEDEKIA:
Wer ist draußen im Gange? Ich höre einen Schritt. Ist der Späher
nicht gegangen, zögert er noch?
SCHWERTTRÄGER:
Er ist gegangen, Herr! Der draußen wacht, ist mein Bruder Nehemia.
ZEDEKIA:
Er soll nicht so laut schreiten des Nachts vor meinem Schlafgemach.
Ich will nichts hören um mich. Ich will schlafen. Auch ich will
schlafen wie die andern.
SCHWERTTRÄGER:
Es soll geschehen, Herr! (Er schlägt die Vorhänge des Pfühles auseinander
und verhüllt die Ampel. Nur ein trüber Schein von Mondlicht glänzt in den Raum.)

SCHWERTTRÄGER:
Soll ich dir noch lesen aus den heiligen Büchern, mein König, wie
gestern und ehetags?
ZEDEKIA:
Aus den Büchern?... Nein, laß die Bücher, auch sie wissen nicht Rat.
Ich will schlafen, schlafen einmal wie die andern. Meine Lider
brennen, und mein Herz brennt mit.
SCHWERTTRÄGER (hilft ihm aus dem Obergewand. Zedekia wirft sich auf das
Ruhelager):

Gott schütze deinen Schlummer, mein König.

(ZEDEKIA breitet sich hin.)
(SCHWERTTRÄGER ruft Nehemia. Sie stellen sich schweigend ins Dunkel zu
Häupten des Bettes, reglos auf ihre Lanzen gestützt. Die Lampe ist ganz verhüllt,
nur das Fenster wirft Mondlicht auf den Teppich zu Füßen des Pfühles. Riesengroß
stehen die Schatten der Wachenden an der Wand. Es ist ganz still. Man hört aus
dem Hofe jetzt das leise plätschernde Rauschen eines Springbrunnens. Sonst ist
alles wie erstorben. Die beiden rühren sich nicht. Die Zeit fließt stumm weiter.)

ZEDEKIA (plötzlich wild aufspringend und sie anfahrend):

Was flüstert ihr miteinander? Habe ich nicht Stille befohlen?
SCHWERTTRÄGER (erschrocken):
Wir sprachen nichts, mein König.
ZEDEKIA:
Aber es spricht jemand! Wer dringt in meinen Schlaf, wer frißt an
meinem Schlummer? Sie sollen schlafen jetzt alle, alle, damit ich
schlafen kann! Ist jemand noch wach in den Nebengemächern?
SCHWERTTRÄGER:
Niemand, mein König. Niemand ist wach mehr im Hause.
ZEDEKIA:
Niemand ist wach mehr, nur ich, nur ich! Warum auf mich alle Last,
die Mauern der Stadt und die Türme der Sorgen? Wein, gib mir
Wein!
(SCHWERTTRÄGER gibt ihm wieder den Becher, Zedekia stürzt ihn hastig hinab
und schleudert ihn weg. Er stöhnt und legt sich wieder auf das Ruhebett. Wieder
wird es ganz still. Wieder hört man durch die Stille das Rauschen des fernen
Springbrunnens. Es ist ein leises Tönen davon in der Luft, einlullend und
geisterhaft. Reglos stehen die Schatten der beiden Wächter, dunkel im Dunkel.
Wieder rinnt Zeit vorbei.)

ZEDEKIA (der reglos gelegen, richtet sich im Dunkel ganz leise auf. Wie ein Tier
im Ansprang, krümmt sich sein Körper in der Anstrengung des Lauschens, er
krampft sich immer mehr zusammen, und plötzlich schreit er heftig):

Es spricht! Es spricht! Es spricht hier von irgendwo. Ich höre eine

Stimme, ich höre, ich höre sie. Und es soll niemand jetzt reden in
meinem Haus. Wie Gesang tönt es her, es soll niemand jetzt singen
in meinem Haus. Hört ihr es, hört ihr es nicht?
SCHWERTTRÄGER:
Ich höre nichts, mein König!
NEHEMIA:
Nichts habe ich vernommen ...
ZEDEKIA (sieht beide starr an, dann krümmt er sich wieder auf seinem Lager
zusammen, horcht und plötzlich wieder losbrechend):

Und doch! Es spricht! Es spricht! Es spricht ohne Ende! Hieher,

Schwertträger, hier, unter meinem Ohr. Wie ein Maulwurf wühlt es im
Schwarzen meines Schlafes und frißt meine Ruhe. Hörst du, hörst du
es nicht?
SCHWERTTRÄGER (lauscht. Es ist einen Augenblick ganz still. Dann
schaudernd):

Ich höre eine Stimme. Aus der Tiefe dringt sie empor!
ZEDEKIA:
Ah, du hörst sie auch!
SCHWERTTRÄGER (schaudernd):
Es tönt wie Gesang. Die Geister der Tiefe sind wach unter dem
Haus. Es klagt und stöhnt wie ein gefesseltes Tier.
NEHEMIA:
Vielleicht ist es Wind, in eine Spalte verfangen?
ZEDEKIA:
Nein, Worte sind es, ich fühle sie, ohne sie zu fassen. Wer singt hier
nachts in meinem Haus? Ist den Sklaven so wohl, daß sie singen,
indes ich, der König, hier liege mit brennenden Lidern? Geh, Joab,
und mache ihn stumm.
(SCHWERTTRÄGER eilends ab.)

ZEDEKIA (bleibt gekrümmt horchend. Er scheint etwas zu hören, denn er hebt

den Kopf, dann beugt er sich wieder horchend nieder. Plötzlich hört man drei
dumpfe Schläge. Der König horcht gierig. Dann aufatmend):
Gott sei gedankt. Es schweigt! Es ist stumm! Er hat es stumm
gemacht!
(SCHWERTTRÄGER erscheint wieder an der Tür. Er blickt verstört.)

ZEDEKIA:
Wer war es, der da sprach?
SCHWERTTRÄGER (zitternd):
Ich weiß es nicht, Herr. Ich bin ihm nicht genaht. Wie ich niederstieg
zur Halle, hörte ich stärker das Singen, aus der Tiefe der Erde schien
es zu kommen, und grauenhaft tönten die Worte. Ich ging nach, wo
sie tönten, und fand doch keinen, der sang in der Halle, immer war
es tiefer als ich, immer tiefer, wie aus einem Brunnen klang es
empor oder einer Grube. Und ich hörte seine Worte, die waren
fürchterlich. Dreimal stieß ich den Speer auf die Erde. Und da
schwieg die Gehenna.
ZEDEKIA:
Was tönte die Stimme?
SCHWERTTRÄGER (schaudernd):
Ich ... ich kann es nicht sagen!
ZEDEKIA:
Ich befehle dir: sage die Worte!
SCHWERTTRÄGER:
Lästerung war es, mein König, die aufströmte vom Brunnen.
ZEDEKIA:
Was waren die Worte? Bei meinem Zorn!
SCHWERTTRÄGER (schaudernd. Seine Stimme wird psalmodierend im
Gesang):
So sang es von der Tiefe:
Ich habe mein Haus verlassen müssen
Und mein Erbe meiden,
Und was meine Seele liebet, in der Feinde Hand geben.
Meine Augen fließen mit Tränen Tag und Nacht
Und hören nicht auf,
Denn die Jungfrau, die Tochter meines Volks,
Ist greulich zerplagt.
ZEDEKIA (aufschreiend):
Jeremias! Er, immer er!
SCHWERTTRÄGER (wie begeistert weitersingend):

Wehe, wie hat der Herr die Tochter Zion

Mit seinem Zorn überschüttet!
Er hat die Herrlichkeit Israels
Vom Himmel auf die Erde geworfen,
Er hat die Mauer seiner Paläste
In des Feindes Hände gegeben,
Daß sie im Hause des Herrn geschrien haben
Wie an einem Fest.
Er hat ...
ZEDEKIA (ausbrechend):
Schweig still! Schweig still! Ich will es nicht hören. Ich will nicht!
Immer er, immer er! Auf jeden Kreuzweg ist er gestellt, da ich
schreite, hinter meinen Taten rennen seine Rufe, in meine Träume
drängt er sich ein und füttert meinen Zwiespalt. Wie ihm entrinnen,
dem Schatten, dem fürchterlichen? Aus der Grube noch schreit er zu
mir! Wie ihm entfliehen, der mich verfolgt, wie ihm entgehen, der
allerorts ist? Wer befreit mich von ihm ...
SCHWERTTRÄGER:
Herr, ist es dein Feind, so ... (Er macht eine Bewegung.)
ZEDEKIA (aufgeschreckt aus seinem Zorn, starrt ihn fassungslos an. Dann in
erwachendem Stolz):

Du meinst ... Nein, ich fürchte ihn nicht. Ich fürchte niemanden. Und
ich weiß nicht, ob er mein Feind ist. Vielleicht war es töricht, vor ihm
zu flüchten ... Vielleicht ... (Er geht unruhig auf und ab): Schwertträger!
SCHWERTTRÄGER:
Mein König?
ZEDEKIA:
Geh hinab und schließe auf die Düngergrube. Nimm mit deinen
Bruder Nehemia, und bringet den Mann aus der Tiefe vor mich her.
Geheim muß er gebracht werden und im geheimen wieder hinab.
(DER SCHWERTTRÄGER und sein Bruder eilig ab.)

ZEDEKIA (allein. Er spricht halblaut vor sich hin):

An jedem Kreuzweg hinter meinem Rücken und immer zu spät, und
immer muß ich ihn hören. Warum rief ich nur Gott, der mir schweigt,
und nicht alle, die sagen, daß er rede durch sie? Aber warum reden
sie einer gegen den andern und widersprechen sich, wie ja dem
nein? Wie sie erkennen, wie scheiden das Falsche vom Wahren?
Furchtbar, furchtbar dieser Gott, der immer nur schweigt und dessen
Boten keiner erfaßt!
(JEREMIAS erscheint, begleitet vom Schwertträger, der auf eine Gebärde Zedekias
sofort den Raum verläßt. Sein Antlitz ist fahl und abgemagert, schwarz wie aus
einem Totenschädel schauen die Augen aus einem weißen, knöchernen Gesicht. Er
blickt den König ruhig forschend an.)

ZEDEKIA (nach einer kurzen Betretenheit):

Ich habe dich rufen lassen, Jeremia. Warum störst du meine Ruhe?
Was singst du des Nachts, da alle schlafen, und schläfst nicht auch?
JEREMIAS:
Dem, der da wachen soll über das Volk, ist kein Schlafen verstattet,
und zum Wächter bin ich gesetzt und zum Warner.
ZEDEKIA:
Wahr sprichst du, Jeremias, nicht ist jetzt Zeit zu ruhen in Jerusalem,
und bei Gott, ich habe nicht geruht. Ratschluß habe ich gehalten mit
den Dienern meiner Krone, aber nicht ward still meine Seele daran.
Die Freunde habe ich vernommen, die meines Sinnes sind, doch
noch verlangt es mich, den zu vernehmen, der wider mich ist in
Jerusalem.
JEREMIAS:
Nie ward mein Herz wider dich, mein König, nur meine Rede wider
dein Tun.
ZEDEKIA:
Und nie war ich dir feind, sei des eingedenk in dieser Stunde! Wenn
ich dich verschloß, so war es, dich zu retten vor deinen
Widersachern. Heilig war mir dein Haupt um deiner Kühnheit willen.
Doch nun sprich zu mir nicht, wie du am Markte sprichst, sondern in
deiner Seele und vor Gottes Ohr. Nahe bist du vielleicht deinem
Ende, und die Bücher sagen, daß Worte wahr sind im Antlitz des
Todes.
JEREMIAS:
Nicht näher bin ich dem Tode, Zedekia, als du selbst. Auf einem
Blatte des dunklen Buches ist unsere Stunde gezeichnet.
ZEDEKIA:
Ich bin nicht dein Feind: möge sie dir ferne sein!
JEREMIAS:
Zweimal habe ich gesprochen zu dir, Zedekia, König von Israel, doch
nur deinen Rücken traf meine Rede, und vor dir lief schon die Tat.
Nun spreche ich in dein Antlitz und frage dich, was begehrst du von
mir?
ZEDEKIA:
Viel ist von den Dingen wahr geworden, Jeremias, die du
geweissagt, und deine Stimme ward stärker in meiner Seele.
Nabukadnezar ist gekommen von Mitternacht mit Rossen und
Wagen, wie du gesehen im Traum, und gürtet die Stadt. Nichts ist
ihm gelungen bislang, doch mächtig hilft ihm die Zeit. Ein Geheimnis
will ich dir künden. Karg wird in den Mauern das Brot.
JEREMIAS:
Ich weiß es, Herr.
ZEDEKIA:
Wie kannst du es wissen? Keiner hat die Säcke gezählt, als Nachum,
der Hüter. Wie gibst du vor, es zu wissen, der du beim Dünger liegst
unter der Erde?
JEREMIAS:
Das Brot ist kleiner geworden und kleiner, das sie mir in die Grube
reichen, kaum deckt mirs die Spanne der Hand. Und ich höre die
Hunde winseln des Nachts und scharren in den Knochen, denn
keiner wirft ihnen mehr Weiches zu. So ward mir die Not bewußt.
ZEDEKIA (noch gereizter):
Die Hunde wissen es in den Gassen, die Versenkten in ihrer Grube,
und mich, den König, hat man heut es gelehrt. Auf den Gassen geht
die Wahrheit um und weilet dort lange, ehe sie kommt zu den
Königen.
JEREMIAS:
Wie soll Wahrheit dorthin eilen, wo Dünkel weilt? Ist ihr denn
Willkomm bei den Königen? Hart ist das Ohr der Könige und nur
aufgetan der Honigrede, ihre Hüften umgürtet mit Hochmut und ihre
Füße umnestelt mit Schmeichlern. Sie meinen, die Hochmütigen,
man könne Feuer fassen, ohne sich zu brennen, und ins Schwert
greifen, ohne sich zu schneiden. Wer aber den Frieden stört, dem
wird er verstöret werden, und wer Wind in die Welt gesäet, wird
Sturm ernten in seiner Seele.
ZEDEKIA:
Jeremia, zum Rat habe ich dich gerufen, nicht zur Schmähung! Aus
deiner Tiefe habe ich dich geholt, und keiner weiß es von ihnen, daß
aus dem Brunnen, darein sie dich versenkten, Ratschluß ich hebe.
Darum sprich zu mir wahrhaft und rate, ehe daß du schmähest.
Willst du mir zu Willen sein?
JEREMIAS:
Gott einzig bin ich zu Willen.
ZEDEKIA:
So höre, was keiner weiß, denn meine Räte. Ein Bote kam von
Nabukadnezar, daß wir wendeten den Krieg von unseren Völkern.
JEREMIAS (jauchzend):
Gelobt sei Gott! Tu auf ihm die Tore, tu auf der Demut dein Herz!
ZEDEKIA:
Nicht juble zu früh! Hart ist, was er fordert von uns, und seine
Hoffart ohne Maß.
JEREMIAS:
Hoffärtig warst du wider ihn, so nimm nun Hoffart von ihm. Zwinge
dein Herz, doch rette die Stadt!
ZEDEKIA:
Meine Ehre hat er gefordert.
JEREMIAS:
Gib sie hin für die Stadt!
ZEDEKIA:
Ist nicht Ehre mein Amt und der Stolz meine Krone?
JEREMIAS:
Was dein ist, wirf weg! Besser als Ehre ist Friede, besser Leiden
denn Sterben.
ZEDEKIA:
In ein Joch will er mich beugen!
JEREMIAS:
Selig zu leiden einer für alle, zu leiden für das lebendige Leben.
Beuge den Nacken, errette die Stadt!
ZEDEKIA:
Schmach wäre es für all die Könige, deren Erbe ich bin, Unflat am
Kleid meiner Ahnen.
JEREMIAS:
Nicht derer denke, die waren, denn Staub sind sie und Wurmfraß.
Denke der Stadt, gedenke der Lebendigen!
ZEDEKIA:
Doch nicht mich nur will er erniedrigen, auch unsern Gott.
JEREMIAS:
Gott lächelt seiner Verächter! Tu auf ihm die Tore, tu auf der Demut
dein Herz!
ZEDEKIA:
Das Heiligste will er betreten, dem keiner genaht!
JEREMIAS:
Gott wird es wehren, so es sein Wille ist, nicht du. Tu auf die Tore,
tu auf der Demut dein Herz!
ZEDEKIA (ergrimmt):
Starrsinn ist deine Weisheit und Trotz dein Ratschluß. Mit tauben
Ohren hörst du mir zu, und Kieselstein ist deine Antwort.
JEREMIAS:
Soll ich die Hände klappen zu deiner Verblendung und jauchzen zu
deinem Wort? Rat scheinst du zu fragen und buhlst doch nur Beifall.
Doch eher dorre meine Zunge und zerfalle mein Gebein, als daß ich
deine Torheit lobe und nicht schreie wider deine Verblendung.
ZEDEKIA:
Was wirfst du dich hart über mich? Noch weißt du meinen Willen
nicht.
JEREMIAS:
Ich kenne deinen Sinn. Nur dein Wort buhlt um mich, doch dein
Wille bockt wider mich! Willst du meiner spotten und spielen mit
Gottes Wort? Nicht riefst du mich, daß ich die Wage sei deines
Entschlusses. Längst ist die Botschaft gehärtet in deiner Seele und
gesiegelt deine Meinung. Nicht mich belügst du, nur dich selber,
König von Israel.
ZEDEKIA:
Jeremias!
JEREMIAS:
Ja, ich, Jeremias, sage dir, dem Könige: Unwahr handelst du an mir,
und Ausflucht sind deine Worte. Denn nicht frei ist dein Wille mehr,
und du willst nicht, daß ich ihn wende.
ZEDEKIA (unsicher):
Wie kannst du es wissen?
JEREMIAS:
Deine Lippe verrät es, wie ein Schuldiger schreckst du vor meinem
Zorn. Versuchen wolltest du mich, daß ich dir zuspräche und ablüde
die Schuld deinen Schultern, aber, wehe dem, der Menschen
versucht, denn Gott versucht er in ihnen.
ZEDEKIA (zögert betroffen. Dann leise):
Viel ist dir zu wissen gegeben, Jeremias! Wahr, allzu wahr ist dein
Wort. Nicht ist mein Wille mehr frei. Schon ist die Botschaft bei dem
Boten.
JEREMIAS:
Nimm sie ihm ab! Errette die Stadt!
ZEDEKIA:
Schon ist er gegangen.
JEREMIAS:
Zurück! Ruf ihn zurück!
ZEDEKIA:
Zu spät! Zu spät bist du gekommen.
JEREMIAS:
Eile ihm nach! Laß ihm nachsetzen mit Rossen und Läufern.
ZEDEKIA:
Es ist zu spät. Schon hält sie des Königs Hand!
JEREMIAS (bricht zusammen, verhüllt sein Gesicht, mit einem dumpfen Schrei
die Hände reckend):

Dann wehe, wehe Jerusalem! Jerusalem! Jerusalem! Wehe! Wehe!

ZEDEKIA (erschreckt ihm nahe tretend):
Was ist dir, Jeremias?
JEREMIAS (hört ihn nicht. Ein Schluchzen geht durch seinen Körper. Allmählich
richtet er sich ganz empor. Seine Augen starren in die Ferne mit ekstatischem
Blick, sein ganzer Leib ist durchschüttelt von mächtiger Bewegung. Er spricht
abwesend wie im Gebet, die Hände aufhebend, überwältigt von innern Gesichten):

Oh wehe, wie bist du vom Himmel gefallen,

Jerusalem, prächtiger Morgenstern,
Und gedachtest doch über die Welten zu steigen!
Über die Wolken wolltest du fahren,
Doch wehe, du bist gesunken, du Schöner,
Nieder, oh nieder, in Dunkel und Nacht.
ZEDEKIA (ihn erwecken wollend):
Jeremias!
JEREMIAS:

Was war heller, als deine Stirne,

Du Burg Jakobs,
Du Kronstadt Davids,
Du Zelt Salomos,
Gottes Kleinod und heiliges Haus?
Wer konnte dich künden, wer durfte dich rühmen?
Die Psalter ward müde, die Zimbel zu leise,
Von Morgen bis Abend dich heilig zu preisen.
Völker pilgerten her, dich zu schauen,
Und wer dich schaute, dem frohlockte das Herz!
ZEDEKIA:
Du rasest, Jeremias! Wach auf! Wach auf!
JEREMIAS:

Doch wie still bist du nun, du Schöne, geworden,

Wo ist dein Leuchten, wohin dein Gefunkel?
Nicht mehr flüstern
Die Stimmen des Bräutigams und der Braut,
Weithin verscholl das Wogen des Marktes,
Das Tönen der Freude,
Flötenklang und der Jungfraun Gesang!
Weh! Ein Würger ist über dich kommen,
Ein arger Vollstrecker von Mitternacht.
Eitel Wüstung sind deine Straßen,
Dornen wachsen in Marmelgemächern
Und Nesseln in deines Königs Palast.
Weh! Gesunken sind all deine Mauern,
Geborsten die Türme und schmählich zerstoßen
Das ewige Herz deines Heiligtums.
ZEDEKIA:
Du lügst, Verfluchter! Hoch und heil sind Jerusalems Mauern!
JEREMIAS (immer frenetischer):

Alles Haupt ist geschoren,

Aller Bart ist geschnitten,
In Säcken gehen die Mütter und reißen
Mit Nägeln sich rot das Fleisch von den Wangen:
Wo sind meine Söhne? Wo sind meine Töchter?
Doch wehe! Es liegen wie Kot in den Gassen
Die Leichen der Knaben, erwürgt von den Knechten,
Die Frauen, erdrosselt im Strang ihrer Haare,
Die Schwangern zerhaun mitsamt ihrer Frucht.
Schon ekeln die Raben sich vor ihrer Fülle,
Und die Schakale der Wüste sind satt.
ZEDEKIA:
Schweig still! Schweig still! Du lügst!
JEREMIAS:

Was hilft es zu flüchten in die Geklüfte,

In brennenden Steinriß, in tiefes Gestrüpp?
Sie jagen dir nach mit Rossen und Meuten,
Sie treiben dich aus mit Räuchern und Bränden,
Sie fassen dich an und fassen dich doch!
Sie treiben das Volk mit dem Stecken des Treibers,
Sie schwächen die Frauen, sie schlagen die Greise,
Die Tochter des Königs wird Magd seiner Mägde
Und Sklave der Sklaven der rechtliche Mann.
ZEDEKIA:
Kein Wort mehr, du Lügner, bei meinem Zorn!
JEREMIAS (aufklagend):

Oh, Jerusalem, Jungfrau und Gotteskind,

Geschmäht und geschwächt vom Hohne der Heiden,
Oh wehe, daß ich dich so schauen muß!
Alle deine Neider sind voll jetzt des Lachens,
Sie blecken die Zähne und lachen betulich:
„Ei, wie haben wir diese erniedrigt,
Wie ward willfährig die Stolze, die Schöne!
Das ist der Tag, des wir haben begehret,
Wir habens erlanget,
Wir habens erlebt!“
ZEDEKIA (zitternd vor Zorn auf ihn, mit geballten Fäusten):
Schweige, du Lügner! Ich kann es nicht hören! Du lügst! Du lügst!
JEREMIAS:

Oh, Jerusalem, heilige Gottesstadt,

Wiege der Völker und Kleinod der Welt.
Wer wird dich rühmen, wer findet dich?
Eine Sage der Zeiten bist du geworden,
Fabel und Sprichwort unter den Völkern,
Oh, ich sehe ...
ZEDEKIA:
Nichts wirst du sehen, du Rasender du!
JEREMIAS:

Ich sehe dein Leid, ich seh deinen Tod,

Ich sehe ...
ZEDEKIA (ihn wild anfassend und rüttelnd, in höchstem Zorn):
Nichts wirst du sehen! Ich lasse dich blenden!
JEREMIAS (wie in einem fürchterlichen Erwachen ihn anstarrend. Dann plötzlich
grell auflachend, in vorbrechender Ekstase):

Mich?!
Du mich blenden, du Ruchloser!? Nein!
Anders hat Gottes Entschluß bestimmt!
Wohl wird einer geblendet sein,
Ehe der Tag noch sein Ende nimmt,
Doch jener, der längst schon verblendet war,
Als sein Auge noch blickte und sah: –
Höre mich, König Zedekia!
(ZEDEKIA hat ihn losgelassen und starrt ihn erschrocken an.)
JEREMIAS (mit beiden Fäusten auf ihn zu):

Dich
Werden sie fassen, des Königs Knechte
Im Hause Gottes, das du verstört,
Sie reißen die Rechte
Dir los vom Altar,
Daran sie zur Hilfe verklammert war!
Du willst dich wehren, sie brechen dein Schwert,
Umtun deine Arme mit eisernen Flechten
Und schleppen
Und schleifen dich über die Treppen,
Wie ein Opfertier mit Peitschen und Schlägen
Jenem entgegen,
Dessen Hand du verstoßen, dessen Joch du zerbrochen
Und der dir ein feuriges Urteil gesprochen!
(ZEDEKIA ist zurückgefahren und hebt wie abwehrend die Hände.)

JEREMIAS:

In die Knie
Knicken sie dich und stoßen dich sie,
Ein Feuer loht knisternd auf rundem Stein,
Vier Hände halten den Blendstahl hinein.
Heiß
Frißt die Hitze
Vom schwarzen Griff sich auf in die Spitze.
Sie glüht! Sie flammt! Sie wird rot! Sie wird weiß!
Und dann
Fassen dich rauh ihre Fäuste an,
Zischend und rauchend
Tauchen
Sie die Nacht dir in dein Auge hinein.
ZEDEKIA (aufschreiend und sich an die Augen greifend, wie ein Geblendeter):
Weh!
JEREMIAS:

Doch eh
Dir noch in einer brennenden Gischt
Von Blut und Tränen dein Blick verlischt,
Mußt du noch sehn
Deine Söhne, die drei, vor dem Henker stehn!
Doch dich halten die Knechte, dich halten die Ketten,
Du kannst sie nicht lösen, du kannst sie nicht retten,
Du kannst nur aufschrein, wie jetzt das Schwert
In den ersten! den zweiten! den letzten fährt!
Du siehst,
Wie ihr Blut, ihr junges, im Kote fließt,
Und siehst,
Eh der rote Stahl dich für immer blendet,
Wie Israels Stamm und Königtum endet.
ZEDEKIA (der, wie ein Blinder tappend, auf das Ruhebett gesunken ist, die
Hände flehend aufhebend):

Erbarmen! Erbarmen!
JEREMIAS:

So wirst du ins ewige Dunkel schrein,

Doch dir wird kein Helfer im Himmel sein,
Denn Gott erhört
Nie den, der frevelnden Übermutes
Seine Stadt vertan und sein Haus zerstört.
Er wirft dich nieder zu den Würmern und Schlangen,
Die blind am Bauche der Erde hinlangen,
Er wirft dich zum Abhub, zu den Siechen, Verschwärten,
Den Unreinen, zu den Aussatzverzehrten,
Er wirft dich in Abseits, zu Räude und Grind,
Wo die Ausgestoßenen des Volkes sind.
Ein blinder Bettler, der Ärmste der Armen,
Durchstreifst du fremd dein eigenes Land,
Und tritt einer nah
Und sieht unter dem aschenwirrichten Haar
Das, was einstens König zu Zion war,
Dann hebt er die Hand
Und flucht dir, König Zedekia!
ZEDEKIA (ist wie zerschmettert von den Worten stöhnend auf dem Lager liegen
geblieben. Jetzt richtet er sich langsam auf und sieht Jeremias mit einem wirren
Blicke schauernd an):

Was für eine Macht ist dir gegeben, Jeremias! Die Kraft hast du
gebrochen in meinen Gliedern, und das Mark steht starr mir im
Leibe. Furchtbar sind deine Worte, Jeremias!
JEREMIAS (die Ekstase ist von ihm gefallen, der Glanz in seinen Augen
erloschen):

Arm sind meine Worte, Zedekia, Ohnmacht meine Macht. Nur wissen
kann ich und nicht wenden!
ZEDEKIA (erschüttert):
Warum bist du nicht früher vor mich getreten?
JEREMIAS:
Ich war immer zur Stelle. Doch du fandest mich nicht.
ZEDEKIA:
Es muß so Gottes Wille gewesen sein! (Schweigen. Dann steht Zedekia
langsam auf und geht auf Jeremias zu): Jeremias, höre mich an – ich ...
glaube dir! Furchtbareres hast du gekündet, denn je gekündet ward
einem König in Israel, und doch – ich glaube dir. Mit Schauer hast du
mein Herz geschlagen, und doch, ich ward dir nicht gram. Es möge
kein Streit mehr sein zwischen uns im Schatten des Todes. Geh
hinab, woher du gekommen, nicht soll es dir fehlen an Zehrung, das
letzte Brot meines Tisches will ich teilen mit dir. Und niemand wisse
um unsere Zwiesprache denn Gott allein.
(JEREMIAS wendet sich zum Gehen.)

ZEDEKIA (gequält):
Jeremias! Muß es denn sein? Oh, Jerusalem, mein Jerusalem! Kannst
du es nicht wenden?
JEREMIAS (düster):
Es muß sein! Nichts vermag ich zu wenden. Verkünden ist mein Amt.
Wehe den Ohnmächtigen!
ZEDEKIA (schweigt, dann von innen):
Jeremias, ich habe es nicht gewollt! Ich mußte Krieg künden, aber
ich liebte den Frieden. Und ich liebte dich, weil du ihn gekündet
hast. Nicht leichten Herzens hab ich den Harnisch genommen, es
war Krieg vor mir unter Gottes Angesicht und wird auch nachdem
sein. Viel habe ich gelitten, sei dessen Zeuge zu seiner Zeit. Und sei
bei mir, wenn dein Wort sich erfüllt.
JEREMIAS (ergriffen):
Ich werde bei dir sein, mein Bruder Zedekia!
(JEREMIAS wendet sich langsam, abgekehrten Gesichtes von ihm. Er ist schon bei
der Türe, da ruft noch einmal:)

ZEDEKIA:
Jeremias!
(JEREMIAS wendet sich.)

ZEDEKIA:
Tod ist über mir, und ich sehe dich zum letztenmal. Du hast mir
geflucht, Jeremias – nun segne mich auch, ehe wir scheiden.
JEREMIAS (zögert, dann schreitet er feierlich zurück und hebt die Hände über
des Königs Stirn):
Der Herr segne dich und behüte dich auf allen deinen Wegen. Er
lasse dir leuchten sein Angesicht und gebe dir den Frieden.
ZEDEKIA (träumerisch verworren nachsprechend):
Und ... gebe ... uns ... den Frieden ...
Welcome to our website – the ideal destination for book lovers and
knowledge seekers. With a mission to inspire endlessly, we offer a
vast collection of books, ranging from classic literary works to
specialized publications, self-development books, and children's
literature. Each book is a new journey of discovery, expanding
knowledge and enriching the soul of the reade

Our website is not just a platform for buying books, but a bridge
connecting readers to the timeless values of culture and wisdom. With
an elegant, user-friendly interface and an intelligent search system,
we are committed to providing a quick and convenient shopping
experience. Additionally, our special promotions and home delivery
services ensure that you save time and fully enjoy the joy of reading.

Let us accompany you on the journey of exploring knowledge and

personal growth!

textbookfull.com