Skip to main content

Konzeption und Realisation eines DV-gestützten BUIS auf der Grundlage von MS-Access

  • Chapter
Computergestütztes betriebliches Umweltinformationssystem

Part of the book series: DUV Wirtschaftsinformatik ((WI))

  • 50 Accesses

Zusammenfassung

Die Erfassung von Stoffströmen, wie sie von vielen BUIS unterstützt wird, ist eine absolut notwendige Voraussetzung für ein systematisches und erfolgreiches Umweltmanagement. Die erfaßten Daten sind aber auch entscheidungsorientiert aufzubereiten, d.h. sie müssen derart verdichtet werden, daß konkreter Handlungsbedarf erkennbar wird. Insbesondere bei der Bewertung von betrieblichen Stoffströmen, der Planung von konkreten Umweltschutzzielen und -maßnahmen sowie der Erfolgskontrolle versagen die meisten der in der Praxis eingesetzten BUIS.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 44.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 59.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Der Aufbau des hier verwendeten Datenmodells orientiert sich an den Strukturen der Siemens AG.

    Google Scholar 

  2. MS-Access hat sich im übrigen bereits als Software-Umgebung für ein BUIS in der Praxis bewährt (Doherr, D., Gallus, B., S. 157ff.).

    Google Scholar 

  3. Visual Basic for Applications.

    Google Scholar 

  4. Structured Query Language.

    Google Scholar 

  5. Reinhart, M., S. 122. Auf eine ausführliche Darstellung der Informationsbedarfsanalyse wird im Rahmen dieser Arbeit verzichtet.

    Google Scholar 

  6. Zum Datenbankentwurf s. auch das Database-Lifecycle-Konzept in Reinhart, M., S. 121.

    Google Scholar 

  7. Kaiser, E., S. 103f.

    Google Scholar 

  8. Unter einem Entitätstyp verstehen wir einen Begriff, ein Ding oder eine Person aus unserer Real- oder Vorstellungswelt. Als Entität (Beziehung) wird eine Instanz eines Entitätstyps (Beziehungstyps), als Beziehungstyp die Beziehung zwischen zwei oder mehreren Entitätstypen bezeichnet (Stickel, E., S. 6). Die Kardinalitäten von Beziehungen spezifizieren die Art der Beziehung zweier Entitätstypen.

    Google Scholar 

  9. Eine detailliertere Beschreibung des ER-Modells sowie ein Überblick über verschiedene Darstellungs-formen und Erweiterungen desselben findet sich u.a. in: Scheer A.-W., S. 31ff.

    Google Scholar 

  10. Das „v“-Symbol repräsentiert hier eine „entweder-oder“-Verknüpfung und wird innerhalb von Diagrammen verwendet, um die im Text beschriebenen Kardinalitäten zu präzisieren.

    Google Scholar 

  11. Gabriel, R., Röhrs, H.-P., S. 114. Der Begriff des konzeptionellen Datenmodells wird in der Literatur jedoch nicht einheitlich verwendet. Szidzek versteht darunter im Gegensatz zu Gabriel/Rohrs nicht die logische Datenebene, sondern subsumiert unter den Begriff unter anderem auch die semantische Datenstruktur (Szidzek, A.). Die hier vorliegende Arbeit orientiert sich jedoch an der Definition von Ga-briel/Röhrs.

    Google Scholar 

  12. Gabriel, R., Röhrs, H.-P., S. 115.

    Google Scholar 

  13. ebd. S. 115; Stahlknecht, P., S. 195.

    Google Scholar 

  14. Reinhart, M., S. 94.

    Google Scholar 

  15. Unter einem Primärschlüssel versteht man das Attribut (bzw. die Attributkombination) mit dessen Hilfe die eindeutige Identifikation eines Datensatzes innerhalb der betrachteten Relation vorgenommen wird. Von einem Fremdschlüssel spricht man dagegen, wenn ein Attribut (bzw. eine Attributkombination) in einer Relation X existiert, dieses jedoch den Primärschlüssel in einer anderen Relation Y darstellt. Der aus den Fremdschlüsseln bestehende Primärschlüssel wird in der Literatur auch als „zusammengesetzter Idemifikationsschlüssel“ bezeichnet (Sommer, M., S. 42).

    Google Scholar 

  16. Besteht zwischen den Relationen X und Y eine 1:n-Beziehung, so bedeutet dies, daß ein Datensatz der Relation X mit 0, 1 oder mehreren Datensätzen der Relation Y verbunden ist.

    Google Scholar 

  17. Eine ausführliche Beschreibung der Codd’schen Normalformen findet sich z.B. in: Zehnder, C.A., S. 50ff.

    Google Scholar 

  18. Bei Verletzungen der referentiellen Integrität kann es zu Verwaisungen einzelner Datensätze bzw. zu inkonsistenten Datensätzen innerhalb der Datenbankanwendung kommen.

    Google Scholar 

  19. Gillenson, M.L., S. 147.

    Google Scholar 

  20. Zur Möglichkeit der Festlegung von referentieller Integrität auf Datenbankebene s. Reinhart, M., S. 138;Stickel,E, S. 96.

    Google Scholar 

  21. Die Detail-Tabelle ist dabei diejenige der beiden an der Verknüpfung beteiligten Tabellen, welche als zusätzliches Attribut den Primärschlüssel der anderen (d.h. der Master-Tabelle) als Fremdschlüssel besitzt (Matthey, U., Meiser, U., S. 81f.).

    Google Scholar 

  22. Reinhart, M., S. 147.

    Google Scholar 

  23. Fischer, O., Klein, G., Winkelbach, D., S. 38.

    Google Scholar 

  24. Der für die Indexdatei zusätzlich erforderliche Speicherplatz kann dabei unter Umständen beträchtlich sein, ist jedoch nicht der einzige Nachteil der Indizierung. Da die Indexdatei nämlich beim Zufügen neuer Datensätze stets aktualisiert werden muß, verschlechtert sich die Performance der Datenbank bei Schreibzugriffen (Reinhart, M., S. 149).

    Google Scholar 

  25. Reinhart, M., S. 148f.

    Google Scholar 

  26. Die Primärschlüssel der einzelnen Tabellen sind meistens vom Typ „Autowert“, d.h. sie werden von MS-Access selbständig vergeben und dahingehend überwacht, so daß keine doppelten Primärschlüsselwerte vergeben werden.

    Google Scholar 

  27. Ein Formular ist in MS-Access die Basis einer Oberfläche und kann mit einer Datenmaske verglichen werden (Fischer, O., Klein, G., Winkeibach, D., S. 229). Die Verwendung von Formularen innerhalb des BUIS ist mit einer Vielzahl von Vorteilen verbunden. So wird durch sie eine komfortablere Eingabe der einzelnen Datensätze möglich, da sich über ein Formular mehrere Tabellen gleichzeitig mit Daten füllen lassen. Ferner lassen sich aus Gründen der Übersichtlichkeit in einem Formular Attribute ausblenden, deren Werte von MS-Access automatisch, d.h. ohne Zutun des Benutzers, ermittelt werden. Dies trifft insbesondere bei vielen Primärschlüsseln des Typs „Autowert“ zu. Der wichtigste Vorteil besteht jedoch darin, daß bei einer späteren Nutzung besser mit gefilterten Daten gearbeitet werden kann. So kann etwa bei der Berechnung des Expertons (s. Abschnitt II.5.1.2.1) auf die Daten einer einem Formular zugrunde liegenden Abfrage zugegriffen werden und das Filtern bestimmter Daten muß somit nicht extra programmiert werden.

    Google Scholar 

  28. Innerhalb einer Datenbank stellt eine Abfrage eine Relation dar, die aus einer oder mehreren Relationen Datensätze — gegebenenfalls nach bestimmten Sortier- und/oder Filterkriterien — zusammenfaßt.

    Google Scholar 

  29. s. Abschnitt II.3.1.3.

    Google Scholar 

  30. s. Abschnitt II.3.1.3.

    Google Scholar 

  31. Die Auswahl der Daten erfolgt, wie in vielen anderen Formularen des BUIS, mittels sogenannter Kombinationsfelder. Diese eignen sich nicht nur zur Datenauswahl, sondern können ebenso zur Dateneingabe genutzt werden. Sie basieren auf Relationen und ermöglichen, statt der wenig aussagekräftigen numerischen Werte von Primär- oder Fremdschlüsseln die sich hinter den einzelnen Nummern verbergenden, aussagekräftigeren Namen auszuwählen. Dies ist nur eine Eingabeerleichterung, da trotz der Auswahl des gewünschten Namens die dazugehörige, nicht sichtbare Nummer im einzugebenden Datensatz gespeichert wird.

    Google Scholar 

  32. s. Abschnitt I.3.3.

    Google Scholar 

  33. Hierzu diente als Vorlage ein Umwelt-Handbuch, das von einem großen Industrieunternehmen zur Verfügung gestellt wurde.

    Google Scholar 

  34. Die Verwendung dieses Datentyps ist mit dem Vorteil verbunden, daß bei benutzergesteuerter Auswahl der Einträge von MS-Access automatisch ein Browser gestartet wird, der zu der entsprechenden Adresse verzweigt (s.u.).

    Google Scholar 

  35. Die Verwendung des Browsers in Zusammenhang mit dem Datentyp „Hyperlink“ ist ferner mit dem Vorteil verbunden, daß sich syntaktisch heterogene Umweltinformationen, d.h. originär in unterschiedlichen Formaten und Systemen gespeicherte Daten, unter einer einheitlichen Oberfläche darstellen lassen (s. Abschnitt I.5.4).

    Google Scholar 

  36. Bei einem Unterformular ist die zugrundeliegende Relation mit jener des übergeordneten Formulars in Form einer n:1-Beziehung verbunden. Das Unterformular ist dabei in das übergeordnete Formular integriert.

    Google Scholar 

  37. Hierbei handelt es sich um ein Steuerelement, das aus mehreren übereinanderliegenden Seiten (oder Registerkarten) besteht. Die Informationen einer Seite werden durch Auswahl der Seite sichtbar.

    Google Scholar 

  38. Damit nicht für jede Registerkarte eine eigene Abfrage erstellt werden muß, in der das Selektionskriterium „hart“ programmiert ist, kann man sich mit einem Trick behelfen. Man erstellt ein unsichtbares Feld — in unserem Beispiel das Feld [Text 58] -, dessen Inhalt von der Auswahl einer Registerkarte bestimmt wird. Bei der Selektion muß dann im Rahmen der Abfrage nur noch der Inhalt des Feldes geprüft werden. Auf diese Weise kann man Registerkarten mit nur einer hinterlegten „dynamischen“ Abfrage nutzen.

    Google Scholar 

  39. Hierzu wird das in Abbildung 42 dargestellte Formular aufgerufen.

    Google Scholar 

  40. s. Abschnitt I.3.1.1.4.1

    Google Scholar 

  41. s. Abschnitt II.3.1.2.

    Google Scholar 

  42. Synonym zum Begriff des Merkmalsträgers werden gelegentlich auch die Begriffe Stoff und Material verwendet.

    Google Scholar 

  43. s. Abschnitte II.4 bis II.9.

    Google Scholar 

  44. s. Abschnitt II.5.2.3.

    Google Scholar 

  45. Die Datenerfassung per Abfrage ist erforderlich, da die dargestellten Daten datenbanktechnisch in unterschiedlichen Relationen (Merkmalsträger-SUP, Input-Detail) abgelegt sind.

    Google Scholar 

  46. s. Abschnitt II.5.2.1.3.

    Google Scholar 

  47. s. Abschnitte I.3.1.1.3.1 und II.5.2.3.

    Google Scholar 

  48. s. Abschnitt I.5.4

    Google Scholar 

  49. Gemeint sind hierbei u.a. Art und Zeitpunkt des Datenaustausches, also ob die Daten zu bestimmten Zeitpunkten einmalig oder kontinuierlich in die Datenbank übertragen werden.

    Google Scholar 

  50. Open Database Connectivity.

    Google Scholar 

  51. Matthey, U., Meiser, U., S. 488ff.

    Google Scholar 

  52. Von der Möglichkeit der Stammdatenmodifikation sei hier abgesehen.

    Google Scholar 

  53. Zu erwähnen ist auch, daß die Integration „fremder“ Daten innerhalb MS-Access systemseilig mittels sogenannter Assistenten unterstützt wird.

    Google Scholar 

  54. Unter Erweiterung ist hierbei zu verstehen, daß neben strategischen Aufgaben, wie sie üblicherweise von einem Data-Warehouse wahrgenommen werden, auch operative Tätigkeiten des Umweltmanagements unterstützt werden.

    Google Scholar 

  55. s. Abschnitt I.3.1.1.4.5.

    Google Scholar 

  56. s. Abschnitt I.3.1.1.4.5.

    Google Scholar 

  57. Trotz der Verschiedenheit der zur Bewertung herangezogenen Merkmale bleibt die Möglichkeit einer Aggregation stets gewährleistet, da alle Merkmale anhand einer einheitlichen Skala bewertet werden.

    Google Scholar 

  58. Zur relationalen Umsetzung des Expertons s. Fahrion, R., Löchelt, H. (1997).

    Google Scholar 

  59. Die am Experton-Konzept beteiligten Relationen Personal und Merkmalsträger-SUP wurden bereits in den Abschnitten H.3.1.1 und II.3.2 beschrieben.

    Google Scholar 

  60. Unter Ereignissen versteht man in MS-Access bestimmte Vorgänge in Formularen. Das kann das Wechseln von einem Datensatz zu einem anderen, das Öffnen eines Formulars oder auch der Mausklick auf ein Steuerelement sein. Mit Steuerelementen können Tabelleninhalte oder zusätzliche Informationen in einem Formular dargestellt werden. Sie können z.B. Befehlsschaltflächen, grafische Elemente sowie Text- oder Kombinationsfelder sein (Bär, J., Bauder, I., S. 79, 158ff.).

    Google Scholar 

  61. s. Abschnitt II.3.1.1.4.5.

    Google Scholar 

  62. vgl. Aggregation der dritten Stufe in Abschnitt II.3.1.1.4.5.

    Google Scholar 

  63. Um die Umweltbeeinträchtigung von Standorten vergleichen zu können, bei denen unterschiedlich viele Merkmalsträger bewertet wurden, wurde eine weitere Normierung vorgesehen (Division der Summe der normierten Summe der Erwartungswert-Mittelpunkte durch die Anzahl der Merkmalsträger).

    Google Scholar 

  64. Theoretisch würde es auch reichen, nur die Werte des Erwartungswertintervall-Mittelpunktes sowie den Dissenswert für jeden Merkmalsträger und jedes Merkmal zu speichern, da die einzelnen Rankingwerte sowie die Summen auch noch im nachhinein innerhalb von Abfragen berechnet werden könnten. Aus Gründen der Flexibilität ist es jedoch sinnvoll, diese Daten in entsprechenden Relationen abzulegen. So können später Informationen, etwa in Form von bestimmten Abfragen, abgerufen werden, an die man zum Zeitpunkt der Programmerstellung nicht gedacht hat. Dies schafft insbesondere Vorteile für solche Anwender, die mit der Programmierung innerhalb einer Datenbankanwendung nicht vertraut sind. Der Hauptvorteil besteht aber darin, daß Entscheidungen oder Maßnahmen, die sich der Bewertung anschließen, leichter getroffen bzw. eingeleitet werden können (s. Abschnitt II.8.9.1).

    Google Scholar 

  65. s. Abschnitt II.5.1.2.2.

    Google Scholar 

  66. Wenn im folgenden vom Experton-Bewertungsverfahren oder vom Experton die Rede ist, so ist damit nicht ausschließlich die Ermittlung der Expertontabelle (vgl. Tabelle 10) bzw. die Tabelle selbst gemeint, sondern auch alle weiteren, oben beschriebenen Auswertungsmöglichkeiten.

    Google Scholar 

  67. s. die Abschnitte II.6.1, II.7.2 und II.8.9.1.

    Google Scholar 

  68. s. Abschnitt II.5.2.2.

    Google Scholar 

  69. Fahrion, R. (1989), S. 522ff.

    Google Scholar 

  70. Genauer gesagt sind in den beiden Feldern nicht die Namen der Merkmalsträger, sondern ihre identifizierenden Schlüssel gespeichert.

    Google Scholar 

  71. s. Abschnitt I.3.1.1.3.1.

    Google Scholar 

  72. s. ersten Datensatz der unten aufgeführten Relation.

    Google Scholar 

  73. Dies erreicht man, indem man die Nummern der einzelnen Merkmalsträger als Namen für die entsprechenden Attribute verwendet.

    Google Scholar 

  74. Aus dem gleichen Grund wie bei der Expertonbeschreibung wird auch hier bei der Darstellung des Codings von Rahmenprogramm und Deklaration globaler Variablen auf den Anhang verwiesen (Abschnitt II. 11.1.2). Die globalen Variablen haben im übrigen nicht nur für die Direktbedarfs-, sondern auch für die Gesamtbedarfsmatrixerstellung Gültigkeit (vgl. Abschnitt II.5.2.1.2).

    Google Scholar 

  75. vgl. Kommentare im Coding.

    Google Scholar 

  76. Von einer Beschreibung dieser Relation wird abgesehen, da sie nur der Zwischenspeicherung von Daten dient.

    Google Scholar 

  77. s. Abschnitt II.5.2.1.3.

    Google Scholar 

  78. s. Abschnitt II.5.2.1.3.

    Google Scholar 

  79. s. Abschnitt II.5.2.1.2.

    Google Scholar 

  80. s. Abschnitt II.7.1.

    Google Scholar 

  81. s. Abschnitt II.5.2.3.

    Google Scholar 

  82. s. Abschnitte II.62 und II.9.

    Google Scholar 

  83. Aufgrund der Analogie zwischen Input-, Throughput- und Output-Kennzahlen beschränken sich die folgenden Betrachtungen auf Kennzahlen, die die Input-Seite betreffen. Der Programmcode für die Abbildung der anderen Kennzahlen findet sich im Anhang.

    Google Scholar 

  84. s. Abschnitt II.5.2.1.2.

    Google Scholar 

  85. s. Abschnitt II.7.1.

    Google Scholar 

  86. Die Abfrage greift auf zwei weitere Abfragen (Verbrauch-Inputgruppe 1, Verbrauch-Inputgruppe 2) zu, die in Abschnitt II.5.2.3 dargestellt sind.

    Google Scholar 

  87. Auf die Darstellung der Abfragen, die für die weiteren Grafiken benötigt werden, wird aus Platzgründen verzichtet.

    Google Scholar 

  88. s. Abschnitt II.5.2.1.1.

    Google Scholar 

  89. s. Abschnitt II.5.2.1.1.

    Google Scholar 

  90. Im Unterschied zu der Ermittlung der Stücklisten werden jedoch die beiden Abfragen, die Formular und Grafik mit Daten versorgen, über ein anderes Feld miteinander verknüpft.

    Google Scholar 

  91. Für eine nähere Beschreibung von Ökobilanzen sowie deren Aufgaben s. Abschnitt I.3.1.1.3.1.

    Google Scholar 

  92. Ein Bericht stellt ein MS-Access-Objekt dar, mit dem Daten auf einem Drucker ansprechend und übersichtlich ausgegeben werden können (Matthey, U., Meiser, U., S. 105).

    Google Scholar 

  93. Die Anzahl der Hierarchiestufen wurde auf drei beschränkt, da davon auszugehen ist, daß in der Praxis nur selten eine feinere Detaillierung gewünscht ist.

    Google Scholar 

  94. Diese ergibt sich aus den aggregierten Erwartungswertintervall-Mittelpunkten.

    Google Scholar 

  95. Genauso könnte anhand des Quotienten ermittelt werden, ob ein Verbrauch in der Vergangenheit ineffizient war. Identifizierte Ineffizienz könnte dann ebenso Ausgangspunkt für Verbesserungsmaßnahmen sein. Da es hier jedoch darum gehen soll, „neue“ Optimierungspotentiale aufzudecken, wird dieser Ansatz nicht weiter verfolgt, zumal der geplante Gesamtbedarf für einen Merkmalsträger stets der anzustrebende Verbrauch sein sollte, wenn ein Optimierungspotential nicht explizit ermittelt werden kann.

    Google Scholar 

  96. vgl. Abschnitt I.3.1.1.3.3.

    Google Scholar 

  97. vgl. Abschnitt II.7.1.

    Google Scholar 

  98. Einschränkend muß hier festgestellt werden, daß eine Reduzierung von Stoffverbräuchen allerdings nur dann wirtschaftlich ist, wenn die Kosten der hierzu benötigten Maßnahmen die durch den geringeren Materialverbrauch eingesparten Kosten nicht übersteigen.

    Google Scholar 

  99. s. Abschnitt II.8.

    Google Scholar 

  100. Das Feld Ziel-Qualitativ ist dabei vom Datentyp „String“ und ist somit für die Aufnahme von Text geeignet.

    Google Scholar 

  101. s. Abschnitt II.8.9.2.

    Google Scholar 

  102. Künstliche Intelligenz.

    Google Scholar 

  103. Waterman, D.A., S. 18.

    Google Scholar 

  104. Kurbel, K., S. 18.

    Google Scholar 

  105. Eine feinere Einteilung sowie eine kurze Beschreibung der einzelnen Kategorien findet sich z.B. in: Schnupp, P., Nguyen Huu, CT., S. 23ff.; Thuy, N.H.C., Schnupp, P., S. 139ff.

    Google Scholar 

  106. Wenn im folgenden von der Prädikatenlogik die Rede ist, so ist stets die Prädikatenlogik erster Ordnung gemeint.

    Google Scholar 

  107. Puppe, F., S. 18.

    Google Scholar 

  108. Als Aussagen bezeichnet man sprachliche Gebilde, die ihrem Inhalt nach entweder wahr oder falsch sind (Gerster, H.-D., S. 11).

    Google Scholar 

  109. Die Begriffe Äquivalenz und Implikation haben in der Literatur nicht immer dieselbe Bedeutung. Schick z.B. bezeichnet sie als Begriffe der Metasprache und unterscheidet sie von den Begriffen Bi-junktion und Subjunktion, die er der Objektsprache zuordnet (Schick, K., S. 31, 38). Da in der Literatur über Expertensysteme jedoch die Begriffe Äquivalenz und Implikation meistens als Bestandteile der Objektsprache verstanden werden, sollen diese Begriffe auch hier in diesem Sinne verwendet werden.

    Google Scholar 

  110. Durkin, J., S. 80.

    Google Scholar 

  111. Subjekte stellen Namen für Dinge oder Individuen, Prädikate Namen für Eigenschaften dar. Die Begriffe Prädikat und Subjekt werden hier nicht exakt im gleichen Sinne wie in der Grammatik verwendet (Hermes, H., S. 45). Statt von Subjekten spricht man auch oft von Objekten.

    Google Scholar 

  112. Gerster, H.-D., S. 13.

    Google Scholar 

  113. In der Literatur findet sich eine Vielzahl unterschiedlicher Notationen für die Prädikatenlogik. Da hier nur ein kurzer Überblick vermittelt werden soll, kann auf eine ausführliche Darstellung der unterschiedlichen Notationen nicht eingegangen werden. In den im folgenden dargestellten Beispielen werden Prädikate durch Großbuchstaben mit zwei Indizes angegeben. Der obere Index gibt die Stelligkeit (die Anzahl der Argumente) des Prädikats an, der untere dient dagegen lediglich der Unterscheidung verschiedener Prädikate. Ganz bestimmte Subjekte werden durch Konstanten (indizierte Kleinbuchstaben) repräsentiert, Klassen von Subjekten durch Variablen (nicht indizierte Kleinbuchstaben).

    Google Scholar 

  114. Neben den Prädikaten, Variablen und Konstanten werden in der Prädikatenlogik noch Funktionen und Quantoren unterschieden. Erste dienen der Beschreibung funktionaler Zusammenhänge zwischen Subjekten und können auch Bestandteile von Prädikaten sein. Funktionen können genauso wie Prädikate mehrere Argumente besitzen und liefern nach Instantiierung als Ergebnis stets ein bestimmtes Subjekt (Hermes, H., S. 45). Die Quantoren (Allquantor und Existenzquantor) erlauben das Formulieren genereller Aussagen über Klassen von Subjekten. Des weiteren werden in der Prädikatenlogik dieselben Aussagenverknüpfungen wie in der Aussagenlogik verwendet. Eine detaillierte Darstellung der Prädikatenlogik findet sich z.B. in: Hermes, H., S. 50ff.; Mates, B.

    Google Scholar 

  115. Richter, M.M., S. 17.

    Google Scholar 

  116. ebd. S. 14.

    Google Scholar 

  117. Als Faktum bezeichnet man eine elementare Aussage bzw. ein Axiom (Kurbel, K., S. 119).

    Google Scholar 

  118. In einem Expertensystem wird er auch als Inferenzprozeß bezeichnet.

    Google Scholar 

  119. Lucas, P., Gaag, L. van der, S. 39.

    Google Scholar 

  120. Durkin, J., S.85f. Auf das Resolutionsverfahren, welches eine Verallgemeinerung des modus ponens und anderer Ableitungsregeln darstellt (Jackson, P., S. 80), wird an dieser Stelle nicht eingegangen. Ein Überblick über verschiedene Ableitungsregeln vermittelt z.B. Schick, K., S. 150.

    Google Scholar 

  121. Jackson, P., S. 76f.

    Google Scholar 

  122. In diesem Zusammenhang spricht man auch von einer „kombinatorischen Explosion“ (Schnupp, P., Nguyen Huu, CT., Bernhard, L.W., S. 54f.; Schnupp, P., Leibrandt, U., S. 90ff.).

    Google Scholar 

  123. Das Ausführen von Aktionen entspricht den bedingten Anweisungen von prozeduralen Programmiersprachen (Richter, M.M., S. 70f.).

    Google Scholar 

  124. Lucas, P., Gaag, L. van der, S. 91f., 109.

    Google Scholar 

  125. Regelsysteme basieren auf der Theorie der Produktionssysteme, die das menschliche Verhalten abbilden. Das Prinzip, das ursprünglich das Zusammenwirken von Kurz- und Langzeitgedächtnis beschreibt, wird dabei als formale Sprache in computergestützten Expertensystemen übernommen, um Wissen zu repräsentieren (ebd. S. 97f).

    Google Scholar 

  126. Richter, M.M., S. 70. Regeln, die Aktionen beinhalten, entsprechen den bedingten Anweisungen von prozeduralen Programmiersprachen (ebd. S. 70f.).

    Google Scholar 

  127. Schnupp, P., Nguyen Huu, C.T., Bernhard, L.W., S. 62.

    Google Scholar 

  128. Kurbel, K., S.17f.

    Google Scholar 

  129. Eine Konklusion, die in keinem Bedingungsteil einer Regel aufgeführt ist, wird auch als Hypothese bezeichnet (Janson, A., S.90). Hypothesen stellen die gesuchten Lösungen für das betrachtete Problem dar.

    Google Scholar 

  130. Wenn im allgemeinen von einem Fakt gesprochen wird, so ist damit eine Tatsache gemeint. Im Zusammenhang mit Expertensystemen wird gelegentlich von dieser Bedeutung abgewichen. Da Fakten durch Aussagen dargestellt werden, die aber sowohl WAHR oder FALSCH sein können, werden diese beiden Wahrheitszustände auch auf Fakten übertragen. Aus diesem Grund ist gelegentlich auch von WAHREN und FALSCHEN Fakten die Rede. Ist der Wahrheitszustand einer Aussage (noch) nicht bekannt, kann ihr der Wahrheitswert UNBEKANNT zugewiesen werden.

    Google Scholar 

  131. Waterman, D.A., S.64.

    Google Scholar 

  132. Puppe, F., S.23.

    Google Scholar 

  133. Lucas, P., Gaag, L. van der, S. 117; Barr, A., Feigenbaum, E.A., S. 197.

    Google Scholar 

  134. Barr, A., Feigenbaum, E.A., S. 192.

    Google Scholar 

  135. Durkin, J., S. 106.

    Google Scholar 

  136. ebd. S. 112f.

    Google Scholar 

  137. ebd. S. 113.

    Google Scholar 

  138. ebd. S. 114.

    Google Scholar 

  139. ebd. J., S. 116f.

    Google Scholar 

  140. Harmon, P., King, D., S.65.

    Google Scholar 

  141. Durkin, J., S. 118f.

    Google Scholar 

  142. ebd. S. 120.

    Google Scholar 

  143. ebd. S. 120ff.

    Google Scholar 

  144. Kurbel, K., S. 27.

    Google Scholar 

  145. ebd. S. 29.

    Google Scholar 

  146. Dazu existieren unterschiedliche Definitionen. Während manche Autoren die Dialogkomponente auf der gleichen Hierarchiestufe wie die Wissensakquisitions- und die Kontroll- und Erklärungskomponente sehen (Kurbel, K., S. 28; Janson, A., S. 20), stellt der Begriff der Dialogkomponente gelegentlich auch einen Überbegriff für die letztgenannten Komponenten dar (Puppe, F., S. 134).

    Google Scholar 

  147. Darunter werden Begriffe, Konzepte, Sachverhalte und Objekte der realen Welt subsumiert.

    Google Scholar 

  148. Kurbel, K., S. 111f.

    Google Scholar 

  149. Der Einfachheit wegen wird hier aber auch der Begriff des Expertensystems synonym zum Begriff der Expertensystem-Shell verwendet.

    Google Scholar 

  150. Für die Umsetzung dieser Expertensystem-Shell in einer relationalen Datenbankumgebung s. Fahrion, R., Löchelt, H. (1998b), S. 4 ff.

    Google Scholar 

  151. Diese ist innerhalb einer relationalen Datenbank nicht gegeben, da bei der Selektion bestimmter Datensätze nur die Menge der Datensätze zusammengefaßt wird, die einem bestimmten Selektionskriterium entspricht. Der Einfluß auf die Anordnung der selektierten Datensätze beschränkt sich hierbei nur auf die üblichen Sortiermöglichkeiten.

    Google Scholar 

  152. s. Abschnitt H.8.1.1. Die Verwendung dieser Wissensrepräsentationsform ist hier besonders dann sinnvoll, wenn ein Attribut mehrere Werte annehmen kann, da innerhalb der Faktenbasis anstatt mehrerer Datensätze nur einer gespeichert werden muß. Des weiteren kann bei der Faktenakquisition der Benutzerdialog eleganter über Auswahllisten geführt werden (s. Abschnitt II.8.7.2). In unserem Fall werden Attribut-Wert-Paare eingesetzt, da mit Hilfe des entwickelten Expertensystems die dezidierte Maßnahmenplanung für einen Merkmalsträger (er stellt das zu untersuchende Objekt dar) erfolgen soll.

    Google Scholar 

  153. Der Wert 1.5 bezieht sich hier auf das Ergebnis einer Expertonbewertung.

    Google Scholar 

  154. Um nicht permanent zwischen Aussage-Wahrheitswert-Kombination und Attribut-Wert-Paar unterscheiden zu müssen, wird im folgenden von einem Fakt und seiner Ausprägung gesprochen.

    Google Scholar 

  155. s. Abschnitte H.8.4.3 und II.8.5. Im folgenden wird der Einfachheit wegen das Wort Teilprämisse synonym für den ersten Teil der Teilprämisse benutzt.

    Google Scholar 

  156. Im Gegensatz dazu muß für eine erfolgreiche Regelanwendung eine Prämisse, die links eines Junktors „v“ steht, nur dann erfüllt sein, wenn die Prämisse rechts vom Junktor nicht erfüllt ist.

    Google Scholar 

  157. Aus Speicherplatzgründen findet bei dem Attribut Teilregel-Wahrheitszustand eine Codierung statt, bei der 1 für den Wahrheitszustand UNBEKANNT, 2 für den Wahrheitszustand WAHR und 3 für den Wahrheitszustand FALSCH steht.

    Google Scholar 

  158. Über das Feld Faktum, welches auch den Primärschlüssel der Tabelle Faktenbasis darstellt, wird die Verbindung zu der Tabelle Regelbasis hergestellt, deren Felder Regelrumpf und Regelkopf zugleich Fremdschlüssel der Tabelle Faktenbasis sind. (MS-Access verlangt nicht, daß der Fremdschlüssel den gleichen Namen wie der Primärschlüssel haben muß; es reicht, wenn das Feld, das die gleichen Einträge beinhaltet, referenziert wird.)

    Google Scholar 

  159. Neben dem einfachen Zugriff auf die benötigten Daten birgt die Verwendung einer „statischen Relation“ den Vorteil, daß für den Inferenzprozeß zusätzlich benötigte Informationen über die einzelnen Fakten ebenfalls in der Relation Faktenbasis abgelegt werden können. Darauf wird später näher eingegangen.

    Google Scholar 

  160. vgl. Abschnitt II.8.3.

    Google Scholar 

  161. Die hier verwendete Klassifikation der Fakten ist nicht unbedingt erforderlich, da der Regelinterpretie-rer auch selbständig überprüfen kann, ob ein Faktum ableitbar ist oder nicht (Durkin, J., S. 106f). Aus Performancegründen wird jedoch von dieser Verfahrensweise abgesehen.

    Google Scholar 

  162. Durch die Erweiterung der Relation Faktenbasis um das Attribut Klassifikation werden nun die beiden Entitätstypen Faktenbasis und Zusatzinformationen aus dem semantischen Datenmodell innerhalb dieser Relation vereint.

    Google Scholar 

  163. Für den zweiten Fall s. Abschnitt II.8.9.1.

    Google Scholar 

  164. Der Primärschlüssel wechselt der Einfachheit wegen vom Feld Faktum auf das Feld Faktum-Nr. Das hat zur Folge, daß die ursprünglich alphanumerischen Werte der Felder Regelrumpf und Regelkopf aus der Tabelle Regelbasis durch die Angabe der entsprechenden Nummer ersetzt werden können.

    Google Scholar 

  165. s. Abschnitt II.8.9.1.

    Google Scholar 

  166. s. Abschnitt II.8.4.5.

    Google Scholar 

  167. Seine Bedeutung wird ausführlich in Abschnitt II.8.8 erläutert.

    Google Scholar 

  168. Auf die beiden Relationen wird in den Abschnitten II.8.1.2.1 und II.8.6 näher eingegangen.

    Google Scholar 

  169. Die Relationen Faktenbasis und Regelbasis sind mehrfach miteinander verbunden, damit die MS-Access-Engine die referentielle Integrität gewährleisten kann.

    Google Scholar 

  170. vgl. die Abschnitte I.3.1.1.4.5 und II.5.1.

    Google Scholar 

  171. Wie der Inferenzprozeß im einzelnen abläuft, beschreiben die Abschnitte II.8.1.2.2 und II.8.5.

    Google Scholar 

  172. s. Abschnitt II.8.4.3.

    Google Scholar 

  173. Eine Einzelauswahl hätte daher lediglich denselben Effekt, als wenn man die einzelnen „Expertensystem-Teilgebiete“ unter unterschiedlichen Namen extern speichern würde.

    Google Scholar 

  174. Für die Deklaration der globalen Variablen s. Abschnitt II. 11.1.3.

    Google Scholar 

  175. s. Abschnitt II.8.5.4.

    Google Scholar 

  176. Einige Attributenamen der Relationen Faktenbasis und Regelbasis wurden aus Verständnisgründen in der Relation Wissensbasis abgeändert.

    Google Scholar 

  177. s. Abschnitt II.8.8.

    Google Scholar 

  178. s. Abschnitt II.8.1.2.2.

    Google Scholar 

  179. Im Gegensatz zum Entitätstyp Zusatzinformation aus dem semantischen Datenmodell wird für den Entitätstyp Expertensystemtexte eine eigene Relation angelegt. Grund dafür ist, daß die Beziehung von Expertensystemtexte zu Faktenbasis streng genommen nicht vom Typ 1:1 (wie bei der Beziehung zwischen Zusatzin formation und Fakten basis), sondern vom Typ 1:0 v 1 ist. D.h. daß zwar jede En-tität von Expertensystemtexte auch in Faktenbasis vertreten ist, umgekehrt jedoch nicht jede Entität von Faktenbasis zugleich in Expertensystemtexte referenziert werden muß.

    Google Scholar 

  180. Mit Hilfe des Datentyps „OLE“ (Object Linking and Embedding) kann innerhalb von MS-Access auf Objekte anderer Anwendungen zugegriffen werden. Dabei kann es sich — wie in diesem Fall — um eine Text-Datei oder um Objekte anderer Form wie etwa Grafiken, Videos oder Sprache handeln. Je nach Speicherplatzkapazität können zwei verschiedene Varianten gewählt werden. Die speicherplatzintensivere Möglichkeit besteht in der eingebetteten Verwendung des OLE-Elements. Alternativ dazu läßt sich das OLE-Objekt, allerdings unter Geschwindigkeitseinbußen, mit der Datenbank lediglich verknüpfen.

    Google Scholar 

  181. s. Abschnitt II.9.1.

    Google Scholar 

  182. vgl. hierzu auch Abschnitt II.8.9.1.

    Google Scholar 

  183. Der hier beschriebene Fall der Vergrößerung bildet bei Annahme der Prämisse P6 eine Affirmation und bei Ablehnung eine Negation ab. Der Vergrößerungsprozeß bleibt jedoch nicht nur auf diese beiden Fälle beschränkt, sondern kann — neben WAHR und FALSCH — noch weitere Attributsausprägungen für die Prämisse berücksichtigen.

    Google Scholar 

  184. Schnupp, P., Leibrandt, U., S. 15.

    Google Scholar 

  185. Anzumerken ist hierbei, daß der Geschwindigkeitsvorteil durch das Umspeichern der Datensätze bei Vorwärts- und Rückwärtsverkettung unterschiedlich groß ist. Das hängt damit zusammen, daß bei der Rückwärtsverkettung zunächst eine Hypothese und dann die Konklusionen gesucht werden. Bei der Vorwärtsverkettung verhält sich diese Tatsache gerade umgekehrt. Aus diesem Grund kann überlegt werden, ob am Anfang der Abfrage die Konklusionen oder die Hypothesen stehen sollten.

    Google Scholar 

  186. s. Abschnitt II.9.

    Google Scholar 

  187. In einer UNION-Datenbankabfrage können Datensätze aus unterschiedlichen Relationen nur dann zu-sammengefaßt werden, wenn sie die gleiche Anzahl an Attributen aufweisen. Da aus der Relation Bewertungsergebnis 1 zwei Attribute von Interesse sind, nämlich Merkmal und Erwartungswert-Mittelpunkt, aus den Relationen Bewertungsergebnis 2, Vorschlag-Kennzahl-Zeit, Kontroll-QN-Abfrage und Maßnahmen jedoch jeweils nur eins, werden für letzte „künstliche“ Attribute mit „künstlichen“ Werten eingeführt. Auf diese Weise kann aus jeder der Relationen ein Datensatz mit zwei Attributen in die Relation Datenpool eingefügt werden. Die künstlichen Attribute der Relationen Bewertungsergebnis 2, Vorschlag-Kennzahl-Zeit und KontrolI-QN-Abfrage haben die Werte Gesamtpunktzahl, Einsparungspotential und Zielerreichungsgrad und werden in das Feld Name der Relation Datenpool kopiert. Im Feld Wert werden dagegen die sich tatsächlich in den Relationen befindenden Informationen gespeichert. Eine Besonderheit besteht im Zusammenhang mit der Relation Maßnahmen. Die von ihr erwünschten Informationen haben, im Gegensatz zu denen aller anderen Relationen, keinen numerischen Wert. Da die Relation Datenpool aus auswertungstechnischen Gründen jedoch so angelegt ist, daß im Feld Name ein alphanumerisches Attribut und im Feld Wert ein numerischer Wert abgelegt ist, wird für Maßnahmen in dem Feld Name der Name der Maßnahme und im Feld Wert der Wert -1 eingetragen. Vor Beginn des eigentlichen Expertensystem-Durchlaufs wird diese Zahl von einer VBA-Prozedur in den alphanumerischen Wert WAHR übersetzt.

    Google Scholar 

  188. Während sich mit einer Tabellenerstellungsabfrage das Ergebnis einer Abfrage persistent in einer Datenbanktabelle speichern läßt, können mit einer UNION-Abfrage Datensätze mehrerer Tabellen, die die gleichen Attributen besitzen, (durch Vereinigung der Datensätze) in einer Tabelle zusammengefaßt werden.

    Google Scholar 

  189. Tatsächlich werden nicht die genannten Relationen, sondern weitere Abfragen für die Suche nach nutzbaren Informationen verwendet. Da die aufgeführten Relationen aber die originären Datenlieferanten sind, wird aus Gründen der Übersichtlichkeit von einer detaillierteren Darstellung des Sachverhalts abgesehen.

    Google Scholar 

  190. s. Abschnitt II.8.9.1.

    Google Scholar 

Download references

Authors

Rights and permissions

Reprints and permissions

Copyright information

© 2000 Springer Fachmedien Wiesbaden

About this chapter

Cite this chapter

Löchelt, H. (2000). Konzeption und Realisation eines DV-gestützten BUIS auf der Grundlage von MS-Access. In: Computergestütztes betriebliches Umweltinformationssystem. DUV Wirtschaftsinformatik. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-322-89624-7_3

Download citation

  • DOI: https://doi.org/10.1007/978-3-322-89624-7_3

  • Publisher Name: Deutscher Universitätsverlag, Wiesbaden

  • Print ISBN: 978-3-8244-2135-0

  • Online ISBN: 978-3-322-89624-7

  • eBook Packages: Springer Book Archive

Publish with us

Policies and ethics