Introduced new generalized JSON-format for `top10`

* Added an attribute `type`, that denotes the type of the statistics.
* Introduces a common wording for the other attributes:
** Renamed `user` to `channel`.
** Renamed `word` to `key` (in the `key`/`counter`-pairing in the `Entry`).
* Adapted all services accordingly:
** `counter` generates statistics of the type `COUNTER`.
** `popular` generates statistics of the type `POPULAR`.
** `top10` generates `Ranking`s for _all_ types of statistics and hands
   the `type` through to its consumers.
** `query` is only intrested in rankings of the type `COUNTER`.

Refined output JSON for service `popular`

Service `popular` supresses intermediate results

Introduced service `popular`

Fixed JSON-mismatch in messages from top10 to query

Switched to `JsonSerializer` / `JsonDeserializer`

* Switched all services from manual serialization/deserialization with
  direct calls to the `ObjectMapper` to ``JsonSerializer`` /
  ``JsonDeserializer``.
* All keys and values are serialized as JSON (expect the key from `users`).

Fixed the name of the docker-image `juplo/wordcount--fortune`

Introduced helper-service `setup`

Switched `README.sh` to the build-in version of Docker Compose

Updated Confluent-Kafka to `7.5.1` and switched the cluster to KRAFT

Deactivated scale-up for service query in `README.sh`

Service `fortune` aktualisiert: 21.04 -> 22.04 (LTS)

Removed dependency to external network `trion`

Removed unfunctional test in service `users`

The splitting of the recorded sentences is done by a separate service

Added the Kafka-UI AKHQ to the setup

Enabled up/down-scaling of the services

* Changed the default-port of the services, so that all services can be
  started local in parallel
* The queriable Kafka-Streams-Apps derive their local address automatically,
  so that they can be scaled up/down in Docker-Compose
* Added traefik as reverse-proxy to the setup

Removed the automatic update of submodules during a rebuild

Simplified & unified the endpoint-paths

Added requests for the generated Top-10 to the demonstration

Users are materialized as KTable

Configured juplo/toolbox:latest for the utility-service cli

Added some story-tellers, based on Fortune

Query-results are enriched with user-data

Simple processing pipeline

* Input: Sentences, that are correlated to usernames
* Words are counted by username
* Top-10 rankings can by queried by usernam