LERNER: Durch maschinelles Lernen unterstützte Akquisitionsverfahren für Wissensbasen

Kurzfassung

Die am Verbundprojekt LERNER beteiligten Projektgruppen der Nixdorf Computer AG in Paderborn, Technischen Universität Berlin und der Stollmann GmbH in Hamburg haben sich zum Ziel gesetzt, Werkzeuge sowohl zur manuellen Akquisition als auch zur automatischen Akquisition von Wissen zu entwickeln. Die Erfahrungen beim Aufbau von wissensbasierten Systemen zeigen, daß der Hauptaufwand bei der Erstellung von Wissensbasen in der Akquisition des gewünschten Wissens liegt. Der Benutzer solcher Werkzeuge (Knowledge-Engineer) soll unterstützt werden, ein Sachbereichs-Modell zu entwickeln und in einer gegebenen Repräsentationssprache darzustellen. Wissensakquisition wird verstanden als ein interaktiver und inkrementeller Prozeß von Wissens-erhebung und Verifikation.

Die Wissensrepräsentationsmöglichkeiten von TWAICE (Expertensystem-Hülle des Ver-bundpartners Nixdorf Computer AG) werden um Konzepte erweitert, die den manuellen und automatischen Wissenserwerb unterstützen. Weiterhin wurden Komponenten zur Konsistenzprüfung und Inspektion von Wissensbasen als auch Komponenten für den automatischen Wissenserwerb für TWAICE entwickelt.

Methoden und Werkzeuge zur Wissenserhebung und -formalisierung werden von dem Ver-bundpartner Stollmann GmbH erarbeitet. Die Anwendung der im Verbundprojekt entwickelten Akquistionsverfahren auf praktisch relevante wissensbasierte Systeme aus Dienstleistungs-bereichen bringt das klassische Software Engineering in Zusammenhang mit Knowledge Engineering.

Das System BLIP des Verbundpartners TU-Berlin integriert manuelle und automatische Verfahren zur Wissensakquisition. Sowohl der Benutzer als auch das System arbeiten interaktiv an einem Sachbereichsmodell. Das System ergänzt das Modell durch den Einsatz eines modellgestützten Lernverfahrens, das aus Faktenmengen Regeln induziert. Durch modellgesteuerte Verfahren können aus Regeln und Fakten automatisch zusätzliche Regeln generalisiert werden.