Zusammenfassung
Neben der ständigen Weiterentwicklung der Hard- und Software für die automatisierte Datenverarbeitung (ADV) wird in der Informatik seit ihren Anfängen versucht, Computer1 auch für die Lösung kognitiv anspruchsvoller, nichtnumerischer Aufgabenstellungen einzusetzen. Ausgangspunkt entsprechender Bemühungen ist das Leistungspotential dieser Realisierungsform einer universellen Turing-Maschine, für die Zahlen nur eine mögliche Interpretation der internen Zustände sind. Das zugrundeliegende theoretische Konzept der Realisierung logischen Schlußfolgerns auf der Basis maschinell durchführbarer Operationen wurde bereits vor ca. 50 Jahren von den englischen Mathematikern Turing2 und von Neumann3 entwickelt.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literatur
Die deutsche Übersetzung Rechner wird in der vorliegenden Arbeit synonym verwendet.
Vgl. Turing /Computing Machinery/
Vgl. Neumann /Computer and Brain/
Der Begriff Künstliche Intelligenz ist eine Übersetzung des englischen Terminus artificial intelligence, der 1956 für dieses Teilgebiet von McCarthy eingeführt worden ist; vgl. McCorduck /Machines Who Think/ 96 f. Auf die Unzulässigkeit einer rein lexikalischen Unterscheidung der beiden Bezeichnungen wird z. B. in Lenz /Computerunterstützter Unterricht/ 58 und Struß /Wissensrepräsentation/ 91 hingewiesen. Zur semantischen Differenzierung aufgrund eines unterschiedlichen Verständnisses von Intelligenz vgl. Habel /Prinzipien der Referentialität/ 15 f.
Eine Übersicht gibt Bibel u. a. /Studien- und Forschungsführer/.
Vgl. z. B. Winston /Artificial Intelligence/ 1 ff.
Newell, Simon /Computer Science/ 116
Ein Symbol ist “ein Zeichen oder ein nicht leeres Wort zusammen mit der dem Zeichen oder dem Wort in bestimmter Situation zugeordneten Bedeutung”; DIN 44 300 /Informationsdarstellung/.
Vgl. Newell, Simon /Human Problem Solving/
Zur Einordnung der Künstlichen Intelligenz in die Kognitionswissenschaft und ihrer interdisziplinären Stellung vgl. Habel /Künstliche Intelligenz/ 3 ff. Für eine Ubersicht über Ansätze und Aufgabenstellungen der Kognitionswissenschaft vgl. Norman /Cognitive Science/.
Zum Begriff der Konvivialität vgl. Illich /Tools for Conviviality/
Minsky /Semantic Information Processing/ V. Die anthropomorphisierende Perspektive dieser Definition findet sich in den meisten Begriffsbestimmungen wieder, sie abstrahiert für die Informatik von der Problematik einer operationalisierbaren Bestimmung von Intelligenz; vgl. zu analogen Begriffsbestimmungen z. B. Barr, Feigenbaum /Handbook I/ 23 und Nilsson /Principles/ 1.
Dieser Einfluß führt derzeit zu Bemühungen, neuronale Netze durch konnektionistische Systeme nachzubilden; vgl. hierzu Fahlman, Hinton /Connectionist Architectures/.
Die Forschungs- und Entwicklungsarbeiten zu intelligenten Computersystemen in den genannten Bereichen erfolgen derzeit immer noch weitgehend isoliert voneinander. Zukünftig ist jedoch ein Zusammenwachsen zu erwarten, z. B. zur Realisierung von Robotik mit natürlichsprachlicher Schnittstelle.
Die means-ends-analysis versucht, aufbauend auf einer Bewertung von Anfangs- und Zielzustand einer Problemstellung, die Differenz dieser beiden Zustände durch das Finden geeigneter Operatoren auf heuristischem Wege zu reduzieren und so den Anfangs-in den Zielzustand zu überführen; vgl. Newell, Simon /Human Problem Solving/ 416 f.
Der Terminus Wissen wird hier zunächst in seiner umgangssprachlichen Bedeutung unter Einschränkung auf das im Kontext einer Aufgabenstellung relevante Wissen einer Domäne verwendet; eine detaillierte Abgrenzung erfolgt in Kapitel 2.1.
Der Begriff Domäne bezeichnet ein Spezial-oder Wissensgebiet; vgl. Domäne in Brockhaus /19. Aufl./. Die Bezeichnungen domänen- und aufgabenspezifisches Wissen werden in der vorliegenden Arbeit synonym verwendet.
Zum Begriff des Paradigmenwechsels in den Wissenschaften vgl. Kuhn /Struktur wissenschaftlicher Revolutionen/
Goldstein, Papert /Artificial Intelligence/ 85
Nilsson /Artificial Intelligence/ 779
Diese Probleme bestehen heute noch in gleichem Maße, sie sind daher als Leitmotiv für die Arbeiten in dem derzeit im Aufbau befindlichen Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) gewählt worden. Richtungweisend für dieses Gebiet ist immer noch ein Aufsatz von McCarthy aus dem Jahre 1958; vgl. McCarthy /Common Sense/.
Der Terminus Wissensverarbeitung ist seit dieser Zeit zum Synonym für das Fachgebiet der Künstlichen Intelligenz geworden und wird insbesondere von der Praxis bevorzugt, um die mit der Bezeichnung Künstliche Intelligenz verbundene ethisch-philosophische Problematik zu umgehen. Sofern nichts gegenteiliges vermerkt wird, ist in der vorliegenden Arbeit die automatisierte Wissensverarbeitung durch automatisch arbeitende Systeme gemeint; vgl. zur analogen Verwendung des Begriffes Datenverarbeitung Schmitz, Seibt /Anwendungsorientiene Informatik/ 65 ff.
Es ist darauf hinzuweisen, daß der Begriff Wissensrepräsentation sich nicht eindeutig von dem Terminus Wissensverarbeitung trennen läßt, da Wissen immer auch Angaben über seine Anwendung einschließt. Wissensrepräsentation wird daher aus Sicht der Implementierung von Wissen oft als Abkürzung für Wissensrepräsentation und -verarbeitung verwendet. Vgl. Barr, Feigenbaum /Handbook I/ 143.
Abbildung, Darstellung und Repräsentation von Wissen werden in der vorliegenden Arbeit dem Sprachgebrauch folgend synonym verwendet.
Ein Experte ist ein Sachverständiger, Fachmann oder Kenner; vgl. Experte in Brockhaus /19. Aufl./.
Vgl. Lindsay u. a. /Organic Chemistry/. DENDRAL ermittelt die molekulare Struktur einer unbekannten chemischen Zusammensetzung aufgrund von massenspektroskopischen Analysen; das Projekt startete 1965.
Entsprechend der Definition eines Programms nach DIN 44 300 /Programmierung/ ist ein Expertensystem ein Programm. Formalismen zur Repräsentation von Wissen können demzufolge auch als Wissensrepräsentationssprachen bezeichnet werden.
Beispiele für nationale Vorhaben sind neben dem angeführten japanischen Projekt der fünften Computergeneration das ALVEY-Programm in Großbritannien und der Sonderforschungsbereich Künstliche Intelligenz im Rahmen der DFG (Deutsche Forschungsgemeinschaft); international sind insbesondere verschiedene Vorhaben im Rahmen von ESPRIT (European Strategic Programme for Research and Development in Information Technologies) zu erwähnen.
Wenn in der vorliegenden Arbeit von Unternehmungen gesprochen wird, so wird auf Unternehmungen des Wirtschaftssektors als Erkenntnisobjekt abgestellt. Eine Übertragbarkeit der Ausführungen auf z. B. den künstlerischen oder militärischen Bereich, in dem die Künstliche Intelligenz zunehmend an Bedeutung gewinnt, wird ex definitione nicht ausgeschlossen, es wird jedoch von betrieblichen Gegebenheiten ausgegangen. Der aus sprachlichen Gründen vorgenommenen Wahl des Adjektivs betrieblich unterliegt eine Sichtweise, die die Begriffe Unternehmung und Betrieb als Synonyme sieht. Diese Vorgehensweise entspricht nicht der strengen betriebswirtschaftlichen Auffassung, wie sie z. B. in Gutenberg /Betriebswirtschaftslehre/ 510 ff. vertreten wird; eine Differenzierung ist im Kontext dieser Arbeit jedoch ohne Bedeutung und soll daher vernachlässigt werden.
Vgl. Feigenbaum /Knowledge Engineering/. Das Gebiet der Expertensysteme ist den in Abbildung 1 angeführten Anwendungen chronologisch als fünfter Bereich hinzuzufügen, Zielvorgabe ist das menschliche Wissen aus einer Domäne; eine Integration mit anderen Bereichen ist auch hier zu erwarten.
Vgl. Hannon, King /Expertensysteme/ 1
Die Entwicklung eines Software-Systems ist der Teil des Lebenszyklus, in dem das System aufgebaut wird. Es schließt sich der Betrieb an, der immer wieder von Wartungsphasen unterbrochen wird. Methodische Fragestellungen im Lebenszyklus eines Systems berühren neben den Gestaltungsaktivitäten auf der operationalen Ebene aber auch den Aktivitätenkomplex auf der Managementebene zur Planung und Kontrolle von Entwicklung, Betrieb und Wartung. Vgl. Schmitz, Seibt /Anwendungsorientierte Informatik/ 9 f. und Seibt /Grundlagen und Entwicklungsphasen/ 17 f. Aufgrund der charakteristischen Dynamik der Aufgabenstellungen von Expertensystemen wird im Rahmen dieser Arbeit der Begriff Pflege der Bezeichnung Wartung vorgezogen; zu einer synonymen Verwendung dieser beiden Begriffe im Bereich der ADV vgl. Seibt /Betrieb und Wartung/.
Charakteristisch für heutige Rechnerarchitekturen ist der die Zentraleinheit mit dem Hauptspeicher verbindende Bus, der eine sequentielle Abfolge der Verarbeitungsschritte bedingt (von Neumann-Flaschenhals).
Ein Informationsverarbeitungssystem besteht nach Newell und Simon im Kern aus drei Elementen: einem Prozessor, einem Speicher (Gedächtnis) und einer Ein-/Ausgabeeinheit, die die Schnittstelle zur Umwelt darstellt; vgl. Newell, Simon /Human Problem Solving/ 20 f.
Durch Voranstellung des Adjektivs konventionell werden in der vorliegenden Arbeit Methoden, Techniken und Systeme charakterisiert, die nicht auf den Grundlagen der Wissensverarbeitung basieren. Bei Verwendung des Begriffes ADV wird auf diesen kennzeichnenden Zusatz im allgemeinen verzichtet.
Vgl. Mertens, Borkowski, Geis /Anwendungen/ 24 f.
Im Durchschnitt wird von einer Steigerung um den Faktor 100 in zehn Jahren ausgegangen. Übersichten zu verschiedenen Marktprognosen geben Koenemann /Auswirkungen/ 112 ff. und Zelewski /Leistungspotential/ 66 ff. Insbesondere Wurr /Trendwende/ 45 weist auf die erheblichen Unterschiede in den Größenangaben hin; hierfür ursächliche Fehlerquellen zeigt Zelewski /Leistungspotential/ 78 ff. auf.
Eine Übersicht gibt Mertens, Borkowski, Geis /Anwendungen/.
Hierzu ist auch die Flut an Seminar-Veranstaltungen sowie Fach- und populärwissenschaftlichen Veröffentlichungen zu rechnen, die in den letzten Jahren den Markt überschwemmt.
Probleme in den nachfolgenden Phasen des Betriebs und der Pflege sowie auf der Managementebene der Planung und Kontrolle der Aktivitäten auf der operationalen Ebene haben häufig ihren Ursprung in den Schwachpunkten der Entwicklungsmethodik.
Hilfsmittel umfassen Prinzipien, Methoden, Verfahren und Werkzeuge, die sich durch in dieser Reihenfolge abnehmenden Abstraktionsgrad voneinander unterscheiden. Den höchsten Grad der Abstraktion bezogen auf eine Festlegung von Anwendungsvorschriften besitzt ein Prinzip, das als “ein allgemeingültiger Grundsatz des Denkens oder Handelns im Sinne einer Norm” definiert werden kann; Gewald, Haake, Pfadler /Software Engineering/ 26. Eine Methode ist die Gesamtheit aller Vorschriften zur Bewältigung einer Klasse von Problemen; ein Verfahren ist eine vollständig determinierte Methode, die keine weitere Differenzierung bei der Bewältigung spezieller Probleme zuläßt; ein Werkzeug ist ein ganz oder teilweise automatisiertes Verfahren. Vgl. Schmitz /Methoden/ 72 f. Die Begriffe Werkzeug und Tool werden in der vorliegenden Arbeit synonym verwendet; vgl. hierzu Lenz /Tool/.
Diese Schwierigkeiten sind insbesondere in der notwendigen Abkehr vom prozeduralen instruktionsorientierten Programmierstil zu sehen, der Sequenzen von Anweisungen vorgibt; vgl. Cupello, Mishelevich /Expert System Projects/ 536.
Vgl. Hayward /Models/ 332
Vgl. Buchanan /New research/ 281 ff.
Feigenbaum verwendet den Begriff acquisition; zur Abgrenzung von Erhebung und acquisition bzw. Akquisition vgl. Kapitel 1.3. Erhebung bezeichnet “die Phase einer Untersuchung, in der die nötigen Daten mittels geeigneter Erhebungstechniken,…, gewonnen werden;” Erhebung in Brockhaus /19. Aufl./.
Vgl. Feigenbaum /Art/ 1017
Ziel eines ingenieurmäßigen Vorgehens ist es, eine hohe Produktivität und Qualität der Software-Entwicklung und -Wartung unter Einhaltung der geplanten Termine und Kosten zu erreichen; vgl. Gewald, Haake, Pfadler /Software Engineering/ 18.
Vgl. Feigenbaum /Art/ 1017. Diese Definition von Knowledge Engineering wird zumeist in der Literatur verwendet: vgl. z. B. Harmon, King /Expertensysteme/ 4; Stefik u. a. /Organization of Expert Systems/ 140; Waterman /Expert Systems/ 5. Im Rahmen der vorliegenden Arbeit erfolgt eine enger gefaßte Definition des Begriffes, die seine historischen Wurzeln aufgreift, schrittweise in den Kapiteln 1.3 und 3.2.2.1.
So beklagt auch Luft die unzureichenden bisherigen Ansätze zur Aufstellung einer Methodik der Expertensystem-Entwicklung, die sich in ausladenden “How-I-did-it”-Schilderungen erschöpfen; vgl. Luft /Wissensingenieure/ 12 f. Vgl. zu entsprechenden Aufzählungen z. B. Buchanan u. a. /Constructing/ 159 ff. und Davis /Expert Systems/ 6 f.
Vgl. Karbach /Knowledge Engineering/ 5
Vgl. z. B. Guida, Tasso /Building Expert Systems/ 3 und Jackson /Expertensysteme/ 216
Vgl. Struß /Gibt es Expertensysteme/ 50
Spezifizieren ist das Präzisieren eines zunächst noch unbekannten Gegenstandes bzw. einer zunächst noch unbekannten Aufgabenstellung mit der Spezifikation als Ergebnis; vgl. Hesse u. a. /Begriffssystem/ 203. Zur Diskussion des Begriffes Spezifikation vgl. Timm /Konstruktion und Analyse/ 31 ff.
Vgl. hierzu Freeman /Requirements Analysis and Specification/ 44 und Stevens, Myers, Constantine /Structured Design/ 115
Vgl. z. B. Partridge /KI/ 8 ff., 113 ff.
Vgl. z. B. Buchanan u. a. /Constructing/ 146
Auf diese oft übersehene Tatsache weist z. B. Lehmann /Wissensverarbeitung/ 425 hin.
Vgl. z. B. Allgeyer /Gegenüberstellung/ 176 und Berry, Broadbent /Expert systems/ 229, die über diese Beeinflussung berichten.
Mit Wissenselement wird in der vorliegenden Arbeit ein Wortteil, Wort oder eine Wortgruppe bezeichnet, die eine bedeutungsfähige Einheit bildet. Im psychologischen Bereich steht hierfür der englische Begriff chunk, der auf Miller zurückgeht; vgl. Miller /Magical Number Seven/. Linster verwendet hierfür die Bezeichnung Wissenskrümel; vgl. Linster /Wissensakquisition/ 107.
Vgl. hierzu die Untersuchungen in Clancey /Epistemology/ und Twine /Mapping NIAM and
MYCIN leistet eine Diagnose von Blutinfektionskrankheiten; vgl. Shortliffe /MYCIN/.
Vgl. Clancey /Epistemology/ 216
Vgl. Clancey /Epistemology/ 223 f.
Vgl. Bachant, McDermott /R1 Revisited/ 22 ff.
Vgl. Clancey /Epistemology/ 241
Vgl. Davis /Expert Systems/ 7. Dieses Systemverhalten wird von Puppe als Kliff-und-Plateau-Effekt und von Lehmann als Mesa-Phänomen bezeichnet; vgl. Puppe /Einführung in Expertensysteme/ 155 und Lehmann /Überblick/ 61.
In der englischsprachigen Literatur wird dieser Sachverhalt als representation mismatch bezeichnet; vgl. Buchanan u. a. /Constructing/ 146. Chandrasekaran spricht in diesem Zusammenhang von Wissensrepräsentationssprachen als knowledge system assembly languages; vgl. Chandrasekaran /Functional Architecture/ 1184.
Newell /Knowledge Level/ 7
Z. B. als Protokolle von Interviews mit einem Experten
Wie die bildliche Darstellung impliziert, ist die Kluft zwischen Erhebungsmaterial und symbolischer Ebene zu groß, um bei Beachtung qualitativer Anforderungen ohne den Zwischenschritt der Wissensebene überbrückt zu werden; diese Allegorie läßt sich auf andere Ebenen übertragen, z. B. führt die Nicht-Verwendung von Wissensrepräsentationssprachen zu den Schwierigkeiten der Realisierung von Expertensystemen mit den ungeeigneten Sprachmitteln problemorientierter Programmiersprachen.
So beklagt Luft, daß in dem aktuellen “Studien- und Forschungsführer Künstliche Intelligenz” kein einziges Projekt zur Erforschung dieser notwendigen Grundlagen angeführt wird; vgl. hierzu Luft /Wissensingenieure/ 12 f. und Bibel u. a. /Studien- und Forschungsführer/.
Vgl. hierzu Hoffman /Problem/ 53
Dieser Mangel wird bereits in Davis /Expert Systems/ 5 f. beklagt. Aktuell moniert Wilson das Fehlen einer entsprechenden Hilfestellung für die Entwicklung von Expertensystemen; vgl. Wilson /Task models/ 197 f.
Vgl. als Übersichtsartikel Knuth /Computer Programming/. Die Analogie in der Kunst der Expertensystem-Entwicklung wird deutlich.
Vgl. Kimm u. a. /Software Engineering/ 13
Vgl. Gewald, Haake, Pfadler /Software Engineering/ 18 ff.
Es soll jedoch hier nur auf die elementaren Ansätze eingegangen werden; zu einer ausführlichen Diskussion vgl. Schmitz, Lenz /Abgrenzung von Expertensystemen/ 504 ff. und Waterman /Expert Systems/ 24 ff.
Eine Unternehmung wird hierbei als aus dem Basissystem und dem Informationssystem zusammengesetzte Einheit aufgefaßt, die untereinander und zur Umwelt einer Unternehmung Schnittstellen aufweisen; vgl. Grochla /Unternehmungsorganisation/ 105. Frese bezeichnet diese beiden Teilsysteme als Realisations- und Entscheidungssystem; vgl. Frese /Grundlagen der Organisation/ 165. Der Begriff Entscheidungssystem steht in Übereinstimmung mit der Zielsetzung von Expertensystemen, die Wissensverarbeitung zur Entscheidungsunterstützung bereitstellen.
Vgl. Schmitz, Seibt /Anwendungsorientierte Informatik/ 159. Neuere Konzepte zur Schaffung eines unternehmensweiten Datenmodells oder der Computer Integrated Manufacturing (CIM) zielen bereits auf die Verwirklichung eines Gesamtsystems; vgl. Scheer /Wirtschaftsinformatik/ 567 ff. Ausgangspunkt dieser Bemühungen sind Ansätze, die das gesamte Informationssystem einer Unternehmung zum Erkenntnisobjekt erheben; vgl. z. B. Heinrich, Burgholzer /Informationsmanagement/.
Vgl. z. B. Brachman u. a. /Expert Systems/ 41 ff.; Raulefs /Expertensysteme/ 62; Slatter /Building Expert Systems/ 16 ff. Eine vergleichende Gegenüberstellung von Expertensystemen und menschlichen Experten gibt Waterman /Expert Systems/ 12 ff.
Vgl. Buchanan /Expert Systems/ 29 f. Buchanan faßt die Änderungsfreundlichkeit für den Entwickler und die Flexibilität der Dialoggestaltung für den Benutzer unter dem Punkt Flexibilität zusammen.
Vgl. Grochla, Meller /Datenverarbeitung 1/27 ff.
Im Rahmen der Testphase der Expertensystem-Entwicklung wird auch der Knowledge Engineer die Dialogkomponente verwenden.
Vgl. hierzu Ladwig, Mellis /Negative Erklärungen/
Vgl. Shortliffe /MYCIN/ 44 ff.
Vgl. zu einer entsprechenden Einschätzung z. B. Bonnet /Artificial Intelligence/ 163 und Brachman u. a. /Expert Systems/ 53. Eine Zusammenfassung der Analysen und Ergebnisse im Umfeld von MYCIN gibt Buchanan, Shortliffe /Rule-Based Expert Systems/.
Einige Autoren schätzen die Bedeutung von MYCIN so hoch ein, daß sie dieses System als Ursprung der Expertensystem-Idee anführen; vgl. z. B. Newell /Foreword/ XII f. Aus Sicht der Gesamtentwicklung der Künstlichen Intelligenz ist jedoch, wie in Kapitel 1.1 dargestellt, DENDRAL als originäres Expertensystem anzusehen; ausschlaggebend ist hierbei das für die Bezeichnung des Fachgebietes charakteristische Ziel der Wissensverarbeitung auf Expertenniveau. Vgl. entsprechend Harmon, King /Expertensysteme/ 153 und Hayes-Roth, Waterman, Lenat /Expert Systems/ 6 ff.
Vgl. Puppe /Expertensysteme/ 1. Puppe bezeichnet die fallspezifischen Angaben auch als Daten; von dieser Terminologie wird in der vorliegenden Arbeit abgewichen, da Daten in der Regel auch domänenspezifisches Wissen enthalten.
Puppe weist darauf hin, daß das Prinzip der Trennung von anwendungsspezifischen Details und Ablaufstrategien innerhalb der Informatik auch zur Entwicklung von konventioneller Systemsoftware eingesetzt wird, z. B. bei Entwurfssprachen für Betriebssysteme. Die hierbei verwendeten “Repräsentationen” und “Problemlösungsstrategien” sind jedoch extrem anwendungsspezifisch. Vgl. Puppe /Einführung in Expertensysteme/ 4.
Im konventionellen Bereich wird durch die Algorithmen das Problemlösungspotential eines Anwendungsprogramms begründet.
Z. B. zur Interpretation von Meßwerten im Rahmen eines Meßdaten-Auswertungsprogramms; vgl. Harmon, King /Expertensysteme/ 188 ff.
Der interaktive Einsatz als Beratungssystem stand bei der Realisierung von MYCIN im Vordergrund und hat nachhaltig die Entwicklung der Fünf-Komponenten-Architektur geprägt; vgl. Brachman u. a. /Expert Systems/ 53.
Es soll mit dieser Definition nicht verkannt werden, daß ein Expertensystem gerade im betrieblichen Bereich eine Integration mit konventionellen Programmen und Datenbanken erfordert, die häufig den wesentlichen Teil des Systems ausmachen. König, Behrendt und Wolf wie auch Schieferle quantifizieren diesen Anteil auf ca. 80 Prozent; vgl. hierzu König, Behrendt, Wolf /Cargex/ 72 und Schieferle /Erfahrungen/ 343.
Es ist darauf hinzuweisen, daß keine eins-zu-eins Zuordnung von Wissen und Problemlösungsstrategien zu der Wissensbasis und der Inferenzkomponente möglich ist. So wie sich die Repräsentation von Wissen sowohl auf Konzepte und Strukturen in einer Wissensbasis als auch ausführende Prozeduren einer Inferenzkomponente bezieht, wird auch die Realisierung einer bestimmten Problemlösungsstrategie durch ein Zusammenspiel dieser Elemente erreicht. Vgl. hierzu die Anmerkungen zu den Begriffen Wissensrepräsentation und Wissensverarbeitung in Kapitel 1.1.
Harmon und King schlagen hierfür die Bezeichnung Wissenssystem vor, die sie jedoch nicht konsequent verwenden; vgl. Harmon, King /Expertensysteme/ 197 ff. In der vorliegenden Arbeit wird dieser Begriff übernommen zur Kennzeichnung von Systemen, für die als intelligente Arbeitshilfen bzw. aktive Bücher gerade im betrieblichen Bereich ein hohes Anwendungs- und Nutzenpotential besteht. Mit diesen Bezeichnungen soll zum Ausdruck gebracht werden, daß es sich bei den zugrundeliegenden Anwendungen häufig um dokumentierte Regelungen, Arbeitsanleitungen usw. handelt, deren Wissen das System fallspezifisch in einen Dialog einbringt. Aufgrund der Dokumentation des Wissens und wegen der nur begrenzten Komplexität der Aufgabenstellungen können Wissenssysteme mit den heute verfügbaren Werkzeugen problemlos und mit verhältnismäßig geringem Aufwand entwickelt werden; sie sollen daher im folgenden nicht weiter beachtet werden, da die thematisierte Problematik für sie nicht bzw. nur in stark abgeschwächter Form zutrifft. Vgl. hierzu Lenz /Expertensysteme/ 4.
Durch Voranstellung des Adjektivs wissensbasiert sollen in der vorliegenden Arbeit Methoden, Techniken und Systeme charakterisiert werden, die auf den Grundlagen der Wissensverarbeitung basieren und das Ziel einer expliziten, deskriptiven, deklarativen Repräsentation von Wissen verfolgen. Eine Unterscheidung zwischen Wissenssystemen, Expertensystemen und wissensbasierten Systemen aus anderen Teilgebieten der Künstlichen Intelligenz wird im Rahmen der vorliegenden Arbeit nicht getroffen, sondern es wird auf Expertensysteme als Erkenntnisobjekt abgestellt.
Vgl. Hayes-Roth /Tutorial/ 11 und Savory /Expertensysteme/ 18. Die Begründungen dieser Autoren für ihre Bezeichnungen verstoßen gegen die funktionelle Elementar-Anforderung symbolischen Schlußfolgerns.
Vgl. hierzu z. B. Fähnrich /Software-Ergonomie/
Vgl. Fischer /Mensch-Maschine Kommunikation/ 21 ff. Karbach, Voß und Tong schlagen grundsätzlich eine Realisierung von zwei getrennten Systemen bei einer Anwendung vor, von denen das eine das Problemlösungs- und das andere das Beratungspotential leistet; vgl. Karbach, Voß, Tong /Knowledge acquisition gap/ 31–16.
Vgl. hierzu z. B. Hendler /User Interface/
Die Änderungsfreundlichkeit als Merkmal von Expertensystemen resultiert primär aus der Modularisierung von Wissensbasis und Inferenzkomponente und wird daher ebenfalls durch konzeptionelle Vorarbeiten für die Realisierung sehr wesentlich verbessert.
Einen Überblick zu diesem Forschungsgebiet gibt Boose /Survey/.
Vgl. z. B. Raulefs /Knowledge Engineering/ 51
Vgl. z. B. Barr, Feigenbaum /Handbook 1/ 9. Die Vielfalt der definitorischen Annäherungsversuche ist nur ein Beispiel für die aufgrund des Fehlens einer einheitlichen, allgemein anerkannten und umfassenden Terminologie entstandene Begriffsverwirrung im Bereich Expertensysteme.
Vgl. Feigenbaum /Art/ 1017 und Buchanan, Shortliffe /Context of MYCIN/ 5; an beiden Stellen wird auf Michie ohne Quellenangabe Bezug genommen. Epistemologie ist die Lehre vom Wissen; vgl. Epistemologie in Brockhaus /19. Aufl./.
Anzumerken ist, daß Michie Knowledge Engineering später als automatisierte Wissensgenerierung definierte; vgl. Michie /Knowledge Engineering/ 197.
Vgl. hierzu auch die von McCarthy und Hayes vorgenommene Zweiteilung der Forschung zur Künstlichen Intelligenz in einen epistemologischen und einen heuristischen Teilbereich; vgl. McCarthy, Hayes /Philosophical Problems/. Feigenbaum /Art/ 1017
Vgl. insbesondere Clancey /Epistemology/ Vgl. Brachman /Epistemological Status/ 30
Zu dieser systemanalytischen Sichtweise vgl. Hayward, Wielinga, Breuker /Structured analysis/. Darüber hinaus wird diese Auffassung von Ansätzen geteilt, die die Erstellung von Expertensystemen primär aus softwaretechnisch-methodischer Perspektive darstellen; vgl. Felgentreu, Krasemann, Meßing /Entwicklungsstrategien/ 36. König und Behrendt bezeichnen als Konsequenz den Entwicklungsprozeß von Expertensystemen als Expert System Engineering; vgl. König, Behrendt /Produktion von Expertensystemen/ 97.
Der sozialwissenschaftliche Aspekt wird betont in Bell, Hardiman /Naturalistic knowledge engineer/ 54 ff. und Laske /Ungelöste Probleme/ 12.
Die Bezeichnungen Analyse und Interpretation werden in der vorliegenden Arbeit synonym verwendet. Hiermit wird der Auffassung gefolgt, daß bei verbalen Daten die Interpretation als die Analysemethode anzusehen ist; vgl. hierzu Brunner /Interpretative Auswertung/ 198. Bei der Diskussion der Modellierung als Prinzip der Entwicklung von Expertensystemen in Kapitel 3.2.2.1 wird die hier vorgestellte Definition von Knowledge Engineering vertieft.
Lat. elicere: heraus-, hervorlocken: jemandem etwas entlocken, jemanden zu einer Äußerung bewegen. Zur Verwendung dieses Begriffes vgl. z. B. Breuker, Wielinga /Knowledge Elicitation/ 9 und Cordingley /Knowledge elicitation/ 90 ff.
Acquisition ist im Englischen definiert als: “The action of obtaining or getting for oneself, or by one’s own exertion. A thing acquired or gained; a gain or acquirement.” Vgl. acquisition in Oxford /Second Edition/. Knowledge acquisition bezeichnet die Erhebung und Uberführung von Wissen von einer Wissensquelle in ein Programm; vgl. Feigenbaum /Art/ 1017. Der Begriff umfaßt häufig auch das gesamte Vorgehensmodell zur Entwicklung von Expertensystemen; vgl. z. B. Buchanan /Constructing/ 140 ff. Auf die Problematik der Vermischung von acquisition und elicitation in der Literatur und die Notwendigkeit einer sauberen Differenzierung analog zu dem hier vertretenen Ansatz weist Vandamme /Knowledge Extraction/ 323 hin.
Akquisition sind “alle Tätigkeiten der Verkaufsorgane eines Unternehmens zur Gewinnung neuer Kunden oder zu Geschäftsabschlüssen mit bestehenden Kunden beim Absatz von Wirtschaftsgütern;” Akquisition in Brockhaus /19. Aufl./. Als Beispiel einer auch in der deutschsprachigen Literatur fehlenden Unterscheidung von Erhebung und Akquisition vgl. Karbach /Knowledge Engineering/ 7. Laske weist darauf hin, daß der Begriff Akquisition insbesondere die Notwendigkeit des Modellierens unterschlägt; vgl. Laske /Ungelöste Probleme/ 12.
Für den konventionellen Bereich vgl. Schmitz /Methoden/ 74
Eine umfassende Übersicht zu dem Forschungsgebiet des maschinellen Lernens geben Michalski, Carbonell, Mitchell /Machine Learning If und Michalski, Carbonell, Mitchell /Machine Learning II/.
Maßnahmen bezeichnen “die zielgerichtete Kombination bzw. Bündelung von bestimmten Aktivitäten bei gleichzeitiger Zuordnung zu bestimmten Personen oder Stellen unter Verwendung bestimmter Arbeitsmethoden, Hilfsmittel und sonstiger organisatorischer Regelungen;” Seibt /Grundlagen und Entwicklungsphasen/ 17.
Diese Vergleichs- und Bewertungsmöglichkeit wird z. B. in Welbank /Knowledge Acquisition Techniques/ 50 gefordert.
Zur Aufgabenstellung angewandter Informatik vgl. Schmitz /Informatik/ 891 f.
Sofern diese Empfehlungen nicht aus der Fachliteratur entnommen sind, handelt es sich um Erfahrungen und Erkenntnisse, die der Verfasser bei der Durchführung verschiedener Expertensystem-Projekte gesammelt hat.
Vgl. hierzu Breuker, Wielinga /Models of Expertise/ 289 und Reinecke /Entwicklung/ 149
Rights and permissions
Copyright information
© 1991 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Lenz, A. (1991). Einführung. In: Knowledge Engineering für betriebliche Expertensysteme. DUV: Datenverarbeitung. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-663-14606-3_1
Download citation
DOI: https://doi.org/10.1007/978-3-663-14606-3_1
Publisher Name: Deutscher Universitätsverlag, Wiesbaden
Print ISBN: 978-3-8244-2023-0
Online ISBN: 978-3-663-14606-3
eBook Packages: Springer Book Archive