2.2. Die Erklärungskomponente innerhalb eines wissensbasierten Systems
Wissensbasierte Systeme bestehen entsprechend dem allgemeinen Konsens der meisten Autoren aus folgenden Komponenten:
- der Wissensbasis
- der Inferenz- oder Problemlösungskomponente
- der Wissenserwerbs- oder Wissensaquisationskomponente
- der Dialog- oder Interviewkomponente, und
- der Erklärungskomponente51
Abb. 2: Aufbau eines wissenbasierten Systems 52
Von diesen fünf Komponenten werden die Wissensbasis und die Inferenz- oder Problemlösungskomponente häufig als die Minimalkonfiguration eines wissensbasierten Systems betrachtet.53
Die Wissensbasis enthält fachspezifisches Expertenwissen, fallbezogenes Wissen über die zu bearbeitende Aufgabe, welches z.B. die Benutzer eingegeben haben und Zwischen- und Endergebnisse des Schlußfolgerungsprozesses.54 Von der Qualität und Menge des fachspezifischen Wissens hängt im hohen Maße die Leistungsfähigkeit des wissensbasierten Systems ab. Ziel ist es, das gesamte Wissen des Fachbereichs in der Wissensbasis abzubilden.
Die Inferenz- oder Problemlösungskomponente hat die Aufgabe, aus dem in der Wissensbasis enthaltenen Wissen Schlußfolgerungen zu ziehen55 und umfaßt alle Informationsverarbeitungskonzepte, welche zur Lösung der Aufgabenstellung angewendet werden.56
Die Wissensaquisations- oder Wissenserwerbskomponente unterstützt den Knowledge Engineer bei der Erstellung der Wissensbasis.57 Auch später im Rahmen der Wartung kann neues Wissen aufgenommen, vorhandenes gelöscht und obsolentes aus der Wissensbasis entfernt werden.58
Die Dialog- oder Interviewkomponente steuert den Dialog zwischen dem Benutzer und dem System oder liest automatisch Daten ein.59
Die Erklärungskomponente soll dem Benutzer bei der Anwendung und dem Wissensingenieur bei der Entwicklung und Pflege der Wissensbasis eine Transparenz des Problemlösungsverhaltens geben.
Sie sollte als eigenständiges Programmmodul innerhalb des Gesamtsystems realisiert werden, so daß Änderungen in der Wissensbasis sich nicht auf die Erklärungskomponente auswirken können.60
51 Vgl. RETTI, J.: Knowledge Engineering und Expertensysteme,
in: RETTI, J., ET AL. (HRSG.): Artificial Intelligence. Eine
Einführung, Reihe Leitfäden der angewandten Informatik,
Stuttgart 1984, S. 76 (73-98).
Vgl. auch SCHNUPP, P.; LEIBRANDT, U.: Expertensysteme.
Nicht nur für Informatiker, Berlin/Heidelberg/New York 1988,
S. 13.
Vgl. auch KURBEL, K.: Entwicklung und Einsatz von
Expertensystemen, a.a.O., S. 27f.
52
STAHLKNECHT, P.: Einführung in die Wirtschaftsinformatik,
a.a.O., S. 373. (Vom Verfasser leicht verändert.)
53 Vgl. WATERMAN, D.A.: A Guide to Expert Systems, a.a.O.,
S. 19.
Vgl. auch DAVIS, R.: Knowledge-Based Systems, in: SCIENCE Vol. 231, 1986, S. 958 (957-963).
54 Vgl. PUPPE, F.: Einführung in Expertensysteme, a.a.O., S. 12.
55 Vgl. STAHLKNECHT, P.: Einführung in die Wirtschaftsinformatik, a.a.O.. S. 3 74.
56 Vgl. ZELEWSKI, S.: Einsatz von Expertensystemen in den
Unternehmen: Anwendungsmöglichkeiten, Bewertungsaspekte
und Probleme künstlicher Intelligenz, Stuttgart 1989,
S. 117.
57 Vgl. MERTENS, P.; ALLGEYER, K.: Künstliche Intelligenz in
der Betriebwirtschaft, in: ZFB, Heft 7, 53. Jg., 1983, S. 689
(686-709).
58 Vgl. KURBEL, K.: Entwicklung und Einsatz von Expertensystemen, a.a.O., S. 27.
59 Vgl. PUPPE, F.: Einführung in Expertensysteme, a.a.O.,
S. 12.
60 Vgl. HUBER, K.-P.: Erklärungskomponente für das Expertensystem XUMA unter Berücksichtigung verschiedener Benutzerklassen, a.a.O., S. 14.
|