Tiefe Modelle als Basis technischer Expertensysteme Deep Modelling as a Basis of Technical Expert Systems

Zusammenfassung

Charakteristisch für konventionelle Expertensysteme ist, daß die verwendeten Schlußfolgerungen und Problemlösungsstrategien zum einen auf die jeweilige Aufgabenstellung ausgerichtet sind und zum anderen in ihrem Ursprung von jeweils einschlägigen Spezialisten aufgrund ihrer persönlichen Fähigkeit zu effizienter Assoziationsbildung und ihres Abstraktionsvermögens im Sinne eines „tiefen“ Systemverständnisses formuliert wurden. Die Verwendung tiefer Modelle als Basis technischer Experten-systeme ist der Versuch, tiefes Systemverständnis explizit im Rechner zu repräsentieren und so ein „bewußtes“ Vorgehen im Problemlösungsvorgang zu erreichen. Hierfür müssen im wesentlichen zwei Kernprobleme gelöst werden. Es sind erstens Wissensrepräsentationsmechanismen, die der Beschreibung von „tiefen Modellen“ im Sinne stufbarer Abstraktionsniveaus mit steuerbarer Granularität adäquat sind, zu entwickeln und zweitens auf der „tiefen Modellierung“ aufsetzende leistungsfähige Methodiken zur Verhaltensanalyse und qualitativen Simulation zur Verfügung zu stellen.

Summary

One typical feature of a conventional expert system is, that the reasoning methods and problem solving strategies used are of a specialised form. They are aimed to the particular field of the activities of the expert system and are created by human experts on the basis of their particular competence for efficient association and their capability to realize abstractions within the meaning of deep knowledge of a technical system. The use of “deep modelling” as a basis of technical expert systems is an approach to an explicit representation of deep knowledge in a computer. Thereby the aim is to get a sort of conscious acting of the computer in its steps of problem solving. For this, essentially two tasks have to be done: One of them is the development of mechanismus for knowledge-representation, which are suitable to deep modelling with graduated levels of abstractions and with steerable granularity. The second one is to make efficient deep reasoning methods available, which are appropriate for the analysis of system behaviour and qualitative simulation.