Zusammenfassung
Modellierung als Prinzip der Entwicklung von Expertensystemen betont eine phasenorientierte Vorgehensweise unter Zugrundelegung einer Unterscheidung von konzeptionellen und implementierungsbezogenen Aktivitäten. Knowledge Engineering ist hierbei die Erhebung, Analyse und Modellierung von Wissen, in die Prototyping zielgesteuert als explorative Methode eingebunden wird. Ziel ist die Konstruktion einer systematischen Domäne auf der Wissensebene, die sowohl das substantielle Wissen der Domänenebene als auch das strategische Wissen der Problemlösungsebene umfaßt.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Vgl. hierzu auch die Diskussion in Kapitel 3.2
Vgl. Schmitz, Seibt /Anwendungsorientierte Informatik/ 9 f. und Seibt /Grundlagen und Entwicklungsphasen/ 17
Vgl. hierzu Puppe /Assoziatives diagnostisches Problemlosen/. Anzumerken ist, daB Puppe den Begriff Diagnose als Synonym für Analyse verwendet; vgl. hierzu Kapitel 4.3.2.2. In bezug auf das Domänenwissen nimmt er jedoch eine Unterscheidung von assoziativen, modellbasierten und statistischen Methoden vor; MED2 ist eine problemspezifische Shell für assoziative Diagnose-Anwendungen.
Dieses Schichtenmodell für Werkzeuge geht zurück auf Gruber, Cohen /Knowledge Engineering Tools/.
Da im allgemeinen jedes höhere Werkzeug auf eine Programmiersprache als Implementierungsbasis zurückgeht, wird auf eine weitere Betrachtung dieser Möglichkeit verzichtet, um auf diese Weise den Gedanken des Schichtenmodells stärker herauszustellen.
Die Abbildung basiert auf Darstellungen in Gruber, Cohen /Design for acquisition/ 141 und Tank /Entwurfsziele/ 73.
Z. B. für die Risikoprüfung in verschiedenen Versicherungssparten bei einer großen Versicherungsunternehmung
Vgl. hierzu die erste grobe Abgrenzung dieses Berufsbildes in Kapitel 2.3.2; nach der Erörterung der einzelnen Phasen des Knowledge Engineering kann an dieser Stelle ein detailliertes Anforderungsprofil aufgestellt werden.
t Vgl. hierzu die Unterscheidung von Knowledge Engineer und Expertensystem-Programmierer in Kapitel 2.3.2
Dieser Wechsel weist Parallelen zu der Veränderung des Berufsbildes des Programmierers im konventionellen Bereich bei Einführung der strukturierten Programmierung auf; vgl. hierzu Dijkstra /Humble Programmer/ 864.
Vgl. Laske /Ungelöste Probleme/ 5 und Luft /Informatik/272. Die Anforderungen bedeuten noch eine erhebliche Steigerung gegenüber der in Kapitel 1.2 getroffenen Aussage, der deklarative Ansatz von Expertensystemen bereite traditionellen Programmierern große Schwierigkeiten bei der Umsetzung.
Clancey /Knowledge Bases as Qualitative Models/ 20
Vgl. z. B. das Anforderungsprofil in Kramer /Wissensingenieur/
Der gleiche Fehler führt auch zu den in Kapitel 1.3 kritisierten, zu weit gefaßten Definitionen von Knowledge Engineering.
Vgl. Bell, Hardiman /Naturalistic knowledge engineer/ 72 f. und Felgentreu, Krasemann, Meßing /Entwicklungsstrategien/ 36
Vgl. O’Neill, Morris /Expert systems in the United Kingdom/ 96
Die Möglichkeit der Weiterbildung zum Knowledge Engineer bieten ein Kurs, der von Bell und Hardiman entwickelt worden ist und die sozialwissenschaftliche Komponente betont, das von LaFrance vorgeschlagene Konzept, das in Kapitel 4.2.2 vorgestellt worden ist, sowie ein Modell zur Vermittlung der KADS-Methodologie; vgl. hierzu: Bell, Hardiman /Naturalistic knowledge engineer!; LaFrance /Knowledge Acquisition Grid/; Wielinga, Breuker /Training of Knowledge Engineers/. Von der Gesellschaft für neue Berufe (GNB) wurde ein einjähriges Aufbaustudium zum Knowledge Engineer für Hochschulabsolventen angeboten; vgl. Eicher /Knowledge Engineer/.
Vgl. Seibt /Probleme und Aufgaben/ 13
Es kann davon ausgegangen werden, daß Grundlagen wissensbasierter Systeme mittlerweile zum Fächerkanon entsprechender Studiengänge gehören. Andere Teildisziplinen der Speziellen Informatik könnten analog Ausgangspunkt für die Ausbildung zum Knowledge Engineer z. B. für medizinische oder juristische Expertensysteme sein.
Zum Erkenntnisgegenstand der Speziellen und der Angewandten Informatik vgl. Schmitz /Informatik/ 890 ff.
Vgl. Hickman u. a. /Analysis/ 162.
Morris und O’Neill diskutieren den Einsatz von professionellen Informationsvermittlern; vgl. Morris, O’Neill /Information Professionals/.
Die Vorteilhaftigkeit wird im allgemeinen von Effizienzüberlegungen im Hinblick auf das Laufzeitverhalten bestimmt; vgl. in diesem Zusammenhang auch die Diskussion der Adäquatheit von Wissensrepräsentation und Inferenz in Kapitel 2.2.
Für eine detaillierte Erörterung dieser Unterscheidung vgl. Schmitz, Lenz /Abgrenzung von Expertensystemen/ 504 ff.
Zu kritisieren ist in diesem Zusammenhang, daß in den in der Literatur angeführten Kriterienkatalogen zur Prüfung der Eignung von Aufgabensystemen für eine Expertensystem-Realisierung die Notwendigkeit des kombinierten Einsatzes von konventionellen und wissensbasierten Techniken für die informationstechnische Automatisierung einer Problemlösung nicht berücksichtigt wird; es wird von idealtypischen Aufgabenstellungen ausgegangen, die ausschließlich wissensbasiert umgesetzt werden können. Vgl. hierzu z. B. Prerau /Choosing/ 30 ff.
Vgl. z. B. Harmon, King /Expertensysteme/ 229 f.
Vgl. in diesem Zusammenhang insbesondere die aufgrund des hohen Aufwandes für Pflegearbeiten nachträglich vorgenommene Reimplementierung des Expertensystems XCON, bei der eine Methodik zugrunde gelegt wurde, deren primäres Ziel eine Explizierung und Dokumentation von zuvor in Produktionensystemen programmiertem Wissen war; vgl. hierzu Bachant, Soloway /Engineering of XCON/ und Kapitel 3.2.1.2.
Auf diesen Aspekt ist ein Großteil der Klagen über den zu hohen Pflegeaufwand von Expertensystemen zurückzuführen; vgl. hierzu Mertens, Borkowski, Geis /Anwendungen/ 320 f.
Zu entsprechenden Untersuchungen vgl. Hayward /How to Build Knowledge-Based Systems/ 678 f. und Karbach /Knowledge Engineering/ 17 ff. Vgl. hierzu auch Kapitel 3.2. 2. 2.
Vgl. hierzu z. B. Seibt /Betrieb und Wartung/ 24 ff.
Vgl. hierzu Daenzer/Systems Engineering/
Vgl. Martin /Information Engineering/ 1
Vgl. Schmitz /Methoden/ 77 ff.
Gaines erweitert diese Perspektive über die Grenzen einer Unternehmung hinaus in Richtung auf eine Methodik des Wissenstransfers innerhalb einer Gesellschaft; vgl. hierzu Gaines /Knowledge-acquisition and transfer/ 12 ff.
Rights and permissions
Copyright information
© 1991 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Lenz, A. (1991). Ausgewählte Implikationen eines konzeptionellen Knowledge Engineering für die Gestaltung von Expertensystemen. In: Knowledge Engineering für betriebliche Expertensysteme. DUV: Datenverarbeitung. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-663-14606-3_5
Download citation
DOI: https://doi.org/10.1007/978-3-663-14606-3_5
Publisher Name: Deutscher Universitätsverlag, Wiesbaden
Print ISBN: 978-3-8244-2023-0
Online ISBN: 978-3-663-14606-3
eBook Packages: Springer Book Archive