Advertisement

Wissensbasiertes Risikomanagement

  • Uwe Schnorrenberg
  • Gabriele Goebels

Zusammenfassung

Im folgenden soll der Frage nachgegangen werden, was ein wissensbasiertes System (WBS) ist und wie es im Bereich des Risikomanagements genutzt werden kann. Wissensbasierte Systeme entstammen der Idee zu Expertensystemen. Diese erlebten Mitte der 80iger Jahre eine euphorische Entwicklung, die derzeit jedoch in Nüchternheit umgeschlagen ist. Expertensysteme leisten (bis jetzt) nicht zufriedenstellend, was von ihnen erwartet wurde:
  • Wissen aufzunehmen und zu repräsentieren

  • Schlüsse aus dem erfaßten Wissen zu ziehen

  • Begründungen für diese Schlüsse zu liefern

  • aus falschen Schlüssen zu lernen und daraufhin vorhandenes Wissen zu ändern.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 87.
    Vgl. u.a. Schnorrenberg, U. [Expertensystem, 1990 ).Google Scholar
  2. 88.
    Die eckigen Klammern stehen für eine optionale Angabe weiterer Bedingungen.Google Scholar
  3. 89.
    Bei REGULA ist es zur korrekten Verarbeitung erforderlich, immer einen Operator anzugeben. Also auch bei nur einer Bedingung.Google Scholar
  4. 90.
    Auch hier stehen die eckigen Klammern für die optionale Angabe weiterer Bedingungen.Google Scholar
  5. 91.
    Für die Erläuterung der Begriffe wird absichtlich ein sehr einfach gehaltenes Beispiel verwendet, welches nicht dem Themenkomplex Risikomanagement zuzurechnen ist. Bei Verwendung eines für den Risiko-Kontext relevanten Beispiels bestünde zu sehr die Gefahr, daß die Auseinandersetzung mit der Methode „regelbasierte Expertensysteme“ von thematisch-inhaltlichen Überlegungen „verdrängt” würde. Ab S. 176 wird aber ein Risikomanagement-bezogener Regelbaumausschnitt behandelt.Google Scholar
  6. 92.
    Differenziertere Antwortmöglichkeiten und die interne „Verarbeitung“ der Antworten werden weiter unten im Rahmen von „Wahrscheinlichkeiten in REGULA” (ab S. 182) dargestellt.Google Scholar
  7. 93.
    Zur Diskussion des Begriffs „Wahrscheinlichkeit“ siehe vorne Abschnitt „2.2 Wahrscheinlichkeit von Risiken”, ab S. 14.Google Scholar
  8. 94.
    Die Ein-und Ausgabe von Werten erfolgt als ganze Prozente (z.B.: 40%), die interne Verarbeitung mit reellen (Prozent-)Zahlen (z.B.: 0,4).Google Scholar
  9. 95.
    Schnorrenberg QExpertensystem, 1990 ], S. 131) verwendet hierfür den Begriff Wahrscheinlichkeitsfortpflanzung.Google Scholar
  10. 96.
    Ein weiterer Regelparameter (z) beeinflußt die RegW nur bei dem KOMB-Operator (siehe Abschnitt „7.2.2 Operatoren“, S. 207.Google Scholar
  11. 97.
    Zur näheren Erläuterung der Regelparameter siehe „Regelparameter“, Abschnitt „7.2.1 Parameter” ab S. 188.Google Scholar
  12. 98.
    Zur näheren Erläuterungen der Bedingungsparameter siehe „Bedingungsparameter“, Abschnitt „7.2.1 Parameter”, ab S. 192.Google Scholar
  13. 99.
    Siehe Abschnitt „7.2.2 Operatoren“, S. 193.Google Scholar
  14. 100.
    Siehe Abschnitt „7.3 Kalibrierung`, S.215.Google Scholar
  15. 101.
    Die restlichen 15% hängen von den hier nicht berücksichtigten Bedingungen ab.Google Scholar
  16. 102.
    Zugrundegelegt wird das Beispiel aus Abbildung 7.2, S. 177.Google Scholar
  17. 103.
    Siehe auch Goebels, G.; Schnorrenberg, U. [REGULA I, 1992 ], S. 41.Google Scholar
  18. 104.
    Zur Berechnung siehe „KOMB-Operator“, ab S. 207.Google Scholar
  19. 105.
    Vgl. Goebels, G.; Schnorrenberg U. [REGULA I, 19921> S. 42–43.Google Scholar
  20. 106.
    Vgl. Ford, N. [Künstliche Intelligenz, 19881, S. 94–96, insbes. S. 95.Google Scholar
  21. 107.
    Vgl. Borkowski, V. u.a. [Expertensystemtool, 1987 ], S. 8–11, insbes. S. 10.Google Scholar
  22. 108.
    Vgl. Gellert, W.; Kästner, H.; Neuber, S. [Mathematik, 19791, „Wahrscheinlichkeit, bedingt“, Abschnitt III, S. 581.Google Scholar
  23. 109.
    Im Regelbaum wurde - aus didaktischen Gründen - zunächst der UND-Operator verwendet. Wieso der MULT-Operator (hier) geeigneter erscheint, wird nachfolgend erläutert.Google Scholar
  24. 110.
    Vgl. Goebels, G.; Schnorrenberg U. IREGULA I, 1990 ], S. 47–48.Google Scholar
  25. 111.
    Wie weiter unten erläutert wird, scheint der BEDADD-Operator hier besser geeignet zu sein als der - aus didaktischen Gründen im Regelbaum zunächst verwendete - grundsätzlich ebenfalls mögliche - ODER-Operator.Google Scholar
  26. 112.
    Siehe z.B. Buchanan, B. G.; Shortliffe, E. H. [Expert Systems, 1985 ], S. 216.Google Scholar
  27. 113.
    Zu den Begriffen „Measure of Belief“ und „Measure of Disbelief” vgl. Buchanan, B. G.; Shortliffe, E. H. [Expert Systems, 19851, S. 265.Google Scholar
  28. 114.
    Alternativ zu dem im Regelbaum angegebenen UND-Operator kann - wie im Rahmen des Beispiels zum UND-Operator bereits erwähnt - für diese Regel der KOMB-Operator verwendet werden.Google Scholar
  29. 115.
    Zur Berechnung siehe die folgenden Ausführungen und Formeln.Google Scholar
  30. 116.
    Alternativ zu dem im Regelbaum verwendeten UND-Operator kann der DSCHN-Operator verwendet werden.Google Scholar
  31. 117.
    Vgl. Ausführungen in Schnorrenberg, U. [Expertensystem, 1990 ], S. 181–191.Google Scholar

Copyright information

© Friedr. Vieweg & Sohn Verlagsgesellschaft mbH, Braunschweig/Wiesbaden 1997

Authors and Affiliations

  • Uwe Schnorrenberg
  • Gabriele Goebels

There are no affiliations available

Personalised recommendations