1. Einleitung
2. Darstellung der Grundlagen
2.1. Definitionen und Abgrenzungen
2.1.1. Definition und Einordnung von
          wissensbasierten Systemen
2.1.2. Zum Begriff 'Erklärung'
2.1.3. Wissen in wissensbasierten
          Systemen
2.2. Die Erklärungskomponente innerhalb
       eines wissensbasierten Systems
3. Die Erklärungsfähigkeit wissensbasierter
    Systeme
3.1. Die Bedeutung der Erklärungsfähigkeit
3.2. Anforderungen an die Erklärungs-
       fähigkeit von Wissensbasierten
       Systemen 
3.2.1. Die Anforderungen an die
          Erklärungsfähigkeit aus Sicht des
          Knowledge Engineer
3.2.2. Die Anforderungen an die
          Erklärungsfähigkeit aus Sicht der
          Anwender
3.2.2.1. Experten
3.2.2.2. Unwissende Anwender und
             Anwender mit Grund­kenntnissen
3.2.2.3. Studenten
3.3. Augenblicklicher Stand der Erklärungs-
       fähigkeit in eingesetzten
       wissensbasierten Systemen
3.3.1. Trace
3.3.2. Rule Expansion
3.3.3. Canned Text
3.4. Grenzen der augenblicklichen
       Erklärungsfähigkeit in eingesetzten
       wissensbasierten Systemen
4. Die Anforderungen an das
    abzubildende Wissen für eine bessere
    Erklärungsfähigkeit
4.1. Zur Beantwortung von Fragen
       benötigtes Wissen
4.1.1 Ursachen für Fragen
4.1.2. Frage- und Antworttypen
4.1.3. Für die Beantwortung von Fragen
          benötigten Wissensarten
4.1.3.1. Verbesserung der Erklärungs-
             fähigkeit durch Metawissen
4.1.3.2. Die Bedeutung von tiefem Wissen
             für Erklärungen
4.1.4. Die Bedeutung einer getrennten
          Darstellung der verschiedenen
          Wissensarten
4.2. Zur Auswahl der relevanten
       Informationen benötigtes Wissen
4.2.1. Wissen über den Benutzer
4.2.1.1. Modell als Hilfsmittel zur
             Abbildung der
             Benutzereigenschaften
4.2.1.2. Wissen über den Benutzer
4.2.1.3. Dimensionen eines
             Benutzermodells
4.2.1.4. Die Speicherung des Wissens
4.2.1.5. Die Bedeutung von Benutzer-
             modellen im praktischen Einsatz
4.2.2. Wissen über die Komplexität und
          Relevanz von Regeln
4.3. Zur Generierung von Erklärungen
       benötigtes Wissen
4.3.1. Wissen über Erklärungstechniken
          und -strategien
4.3.2. Wissen über die Sprache
4.3.3. Wissen für grafische Erklärungen
5. Die Realisierung der Erklärungs-
    komponente an dem Beispiel XPLAIN
5.1. Die Idee von XPLAIN
5.2. Der Aufbau von XPLAIN
5.3. Die Arbeitsweise des automatischen
       Programmierers
5.4. Die Erstellung von Erklärungen mit
       XPLAIN
5.5. Weiterentwicklungen des XPLAIN-
       Ansatzes
6. Schlußbetrachtung
7. Literaturverzeichnis
8. Anlage
9. Abkürzungsverzeichnis
10. Abbildungsverzeichnis

3.3.1. Trace

Eine einfache und anspruchslose Methode eine Erklärung zu erstellen, besteht darin, den Trace auszugeben. Ein Trace ist eine Aufzeichnung der einzelnen Schritte, die das System während der Lösungssuche vornimmt.117 Diese Aufzeichnungen können unterschiedlich sein.

EMYCIN besitzt sogar drei Arten eines Trace:118

1. ein Trace von allen Schlußfolgerungen, die getroffen werden,
2. ein Trace aller fehlgeschlagenen Regeln sowie aller Regeln, die erfolgreich aktiviert wurden und
3. eine wortreiche Darstellung des flow of control

Die erste Form ist die am häufigsten anzutreffende Form eines Trace. Die zweite Form hat ihr gegenüber den Vorteil, daß sie mehr Informationen bietet und auch WHY-NOT-Fragen beantworten kann.119 Vor allem bei großen Systemen wird dieser Trace aber durch die große Anzahl an gescheiterten Regeln sehr lang und unübersichtlich.

Abb. 3: Beispiel für einen Trace120

Diese Tracetechnik ist die verbreitetste Form der Erklärungs­fähigkeit in wissensbasierten Systemen.121 Sie ist nicht nur eine Form der Erklärung, sondern auch die Basis für die meisten anderen Erklärungskonzepte.122

Es stellt sich nun die Frage, wie eine simple Aufzeichnung der Schlußfolgerungen zur Beantwortung von Fragen verwendet werden kann. Mit Hilfe der Tracetechnik lassen sich die Fragen WHY?, HOW? und WHY NOT? beantworten, indem ein Teil oder der gesamte Trace ausgegeben wird.

Eine HOW-Frage kann beantwortet werden, indem der komplette Trace der Problemlösung angezeigt wird. Daraus läßt sich ersehen, wie die Schlußfolgerung gezogen wurde. Eine WHY-Frage läßt sich beantworten, indem die augenblicklich betrachtete Regel angezeigt wird123 und die Prämissen, die bereits erfüllt sind124. Um die Regel anwenden oder ablehnen zu können, benötigt das System die angeforderten Informationen.

Die WHY-NOT-Frage läßt sich nur mit einem Trace beantworten, der nicht nur die erfolgreichen Regeln, sondern auch die ge­scheiterten Regeln aufzeichnet.125 Das System listet als Erklärung alle Regeln   auf,   die   das  erfragte   Ergebnis liefern würden und zeigt die unerfüllten Prämissen an.126

Bei einem Vergleich der Erklärungsfähigkeit eines Trace mit den Anforderungen, die in Kapitel 3.2. aufgestellt wurden, fällt auf, daß nur die Anforderungen des Knowledge Engineer erfüllt werden. Ein Trace ist eine sehr gute Hilfe für Systementwickler, aber für die Anwender, insbesondere für die unwissenden Anwender, ist diese Erklärungsfähigkeit selten ausreichend.127 Die Hauptgründe dafür liegen darin, daß der Programmverlauf für den Benutzer häufig verwirrend ist, da zu viele Details dar­gestellt werden.128 Zu diesen langen und deshalb unübersicht­lichen Trace kommt es dadurch, daß während der Lösungssuche meißt eine große Anzahl an Regeln angewendet werden.129 Darüber hinaus kann die Art der Schlußfolgerung von der des menschlichen Experten abweichen.130 Des weiteren listet ein Trace nur die verwendeten Regeln auf und vermittelt auf diese Weise nur wenig Wissen über die Strategie und warum eine Lösung korrekt ist.131

116       Vgl. PUPPE, F.: Einführung in Expertensysteme, a.a.O., S. 128.
Vgl.   auch  SWARTOUT,   W.R.:   XPLAIN:  a System  for Creating and Explaining Expert Consulting Programs, a.a.O., S. 290f.

117        Vgl. SWARTOUT, W.R.: Producing Explanations and Justifications of Expert Consulting Programs, MIT Laboratory for Computer Science, Technical Report: MIT/LCS/TR-251, Ph.D., Camebridge, Massachusetts 1981, S. 17.

118       Vgl. JACKSON, P.: Explaining Expert Systems Behaviour, in: ALVEY IKBS EXPERT SYSTEMS THEME (HRSG.): Workshop on•Explanation', Report and Proceedings, University of Surrey, 20.-21. March 1986, Herts 1986, S. 85 (83-95).

119 Vgl. STERLING, L.; YALCINALP, Ü.L.: Explaining Prolog Based Expert Systems Using a Layered Meta-Interpreter, in: SRIDHARAN, N.S. (ED.): Proceedings of the Eleventh International Joint Conference on Artificial Intelligence (IJCAI-89), August 20.-25., 1989, Detroit, Michigan, Vol. 1, San Mateo, California 1989, S. 66 (66-71). 120
vgl. HENNE, P.; KLAR, W.; WITTUR, K.-H.: -DEX.C3-, Ein Expertensystem zur Fehlerdiagnose im automatischen Getriebe, in: BRAUER, W.; RADIG, B. (HRSG.): Wissens­basierte Systeme, GI-Kongreß, München 28/29. Okt. 1985, Reihe Informatik Fachberichte 112, Subreihe Künstliche Intelligenz, Berlin/Heidelberg/New York/Tokyo 1985, S. 118 (105-120).

121       Vgl. BERRY, D.C.; BROADBENT, D.E.: Expert Systems and the Man-Machine Interface. a.a.O., S. 21.

122       Vgl. KIDD, A.L.: The Consultative Role of an Expert System, in: JOHNSON, P.; COOK, S. (EDS.): People and Computers: Designing the Interface, Proceeding of the Conference of the British Computer Society Human Computer Interaction Specialist Group, University of East Anglia, 17.-20. Sept. 1985, The British Computer Society Workshop Series, Camebridge/London/New York/New Rochelle/Melbourne/ Sydney 1985, S. 249 (248-254).
Vgl. auch BRACHMAN, R.J.; AMAREL, S.; ENGELMAN, C; ENGELMORE, R.S.; FEIGENBAUM, E.A., WILKINS, D.E.: What Are Expert Systems?, in: HAYES-ROTH, F.; WATERMAN, D.A.; LENAT, D.B. (EDS.): Buildung Expert Systems, Teknowledge Series in Knowledge Engineering, Vol.1, London/ Amsterdam/ Don Mills, Ontario/Sydney/Tokyo 1983, S. 48 (31-57).

123       Vgl. BRUFFAERTS, A.; HENIN, E.; PIROTTE, A.: A Sound Basis for the Generation of Explanations in Expert Systems, a.a.O., S. 289.

124       Vgl. JABLONSKI, K.: Generierung konjugierter Verben mit TWAICE. Zur Erklärungs- und Instruktionsfähigkeit, Verbundvorhaben WISBER, Nixdorf Computer AG, Memo Nr. 9, September 1986, S. 15.

125       Vgl.   STERLING,    L.;    YALCINALP,    Ü.L.:    Explaining   Prolog Based   Expert   Systems   Using   a   Layered   Meta-Interpreter, a.a.O., S. 66.

126     vgl. JABLONSKI, K.: Generierung konjugierter Verben mit TWAICE. Zur Erklärungs- und Instruktionsfähigkeit, a.a.O., S. 15.

127       Vgl. SOUTHWICK, R.W.: Topic Explanation in Expert Systems, in: KELLY, B.; RECTOR, A. (EDS.): Proceedings of the 8th technical conference of the British Computer Society Specialist Group on Expert Systems, Brighton (UK), 12.-15. Dec. 1988, Cambridge/New York 1989, S. 47 (47-57).
Vgl. BERRY, D.C.; BROADBENT, D.E.: Expert Systems and the Man-Machine Interface. a.a.O., S. 21. 12s Vgl. SWARTOUT, B.: The GIST Behavior Explainer, in: Proceedings of the Third Annual National Conference in Artificial Intelligence, Washington, D.C. 1983, S. 402 (402-407).

129       Vgl. ELLIS, C: Explanation in Intelligent Systems, a.a.O., S. 111.

130       Vgl. SWARTOUT, W.R.: A Digitalis Therapy Advisor with Explanations, in: Proceedings of the 5th International Joint Conference on Artificial Intelligence (IJCAI-77), Aug. 22.-25., 1977, Cambridge, Massachusetts, Vol. 2, 1977 Los Altos, California, S. 823 (819-825).

131       Vgl. SOUTHWICK, R.W.: Topic Explanation in Expert Systems, a.a.O., S. 48.