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

3.3.2. Rule Expansion

Ein höher entwickelter Ansatz für Erklärung stellt die Rule Expansion Technik dar.

Sie basiert auf einem Trace des Konsultationsverlaufs. Beim Erstellen der Erkl ärung wird der Trace untersucht, die rele­vanten Regeln in eine natürlichsprachliche Form übersetzt132 und mit zusätzlichen Informationen, wie z.B. bereits erfüllten Prämissen, angereichert.133 Diese Technik kann auch bei anderen Wissensrepräsentationsformen wie Frames angewendet werden.134

Abb. 4: Beispiel für eine Übersetzung des Systemcodes in einen natürlich-sprachlichen Text135

Dieser   paraphrasierte  Systemcode  kann   relativ   leicht   in  eine Erklärung     umgewandelt     werden.136     Die     Antwort     auf     eine WHY-Frage könnte wie folgt aussehen:

Abb. 5: Beispiel für die Beantwortung einer WHY-Frage137

Da die vom Knowledge Engineer formulierten Regeln bei der Erklärung herangezogen werden, hängt die Qualität der Erklä­rungen ganz erheblich von der Qualität und der Formulierung der Regeln ab.138 Eine Rückübersetzung der Regel in die natür­liche Sprache ist nur dann unproblematisch, wenn der Systemcode in einer stilisierten Art geschrieben worden ist und die Technik der Schlußfolgerung ähnlich der der Benutzer ist.139 Abkürzungen und eine uneinheitliche und nicht selbsterklärende Bezeichnung der Variabein sind beim Schreiben der Regeln zu vermeiden, da sie in derselben Form in den Erklärungen erscheinen.140

Diese Rule Expansion Technik ist erheblich besser als der Trace dazu geeignet, die Arbeitsweise des Systems und die Handhabung von Problemen darzustellen.

Der Vorteil gegenüber dem Trace liegt darin, daß die für einen Laien häufig unverständlichen Regeln in eine allgemein ver­ständliche Form gebracht werden.141 Sie hat aber genau wie der Trace nur limitierte Fähigkeiten, das Systemverhalten zu erklären.142 Dadurch, daß die Erklärungen durch eine direkte Übersetzung des Codes und des Traces erzeugt werden, spiegeln sie immer genau den Stand der Wissensbasis und der dynamischen Änderungen während der Konsultation wieder.143 Änderungen in der Wissensbasis können nicht zu einer Inkonsistenz zwischen dem Systemverhalten und der Erklärung führen.

132      vgl. BOLAM, W.J.: Explanation in Expert Systems, a.a.O., S. 905.

133      vgl. JABLONSKI, K.: Generierung konjugierter Verben mit TWAICE. Zur Erklärungs- und Instruktionsfähigkeit, a.a.O., S. 18.

134      Vgl. BOLAM, W.J.: Explanation in Expert Systems, a.a.O., S. 905.

135      SWARTOUT, W.R.: Explanation, in: SHAPIRO, S.L. (ED.): Encyclopedia of Artificial Intelligence, Volume 1, New York/Chichester/Brisbane/Toronto/Singapore 1987, S. 299 (298-300).

136      Vgl. SWARTOUT, W.R.: XPLAIN: a System for Creating and Explaining Expert Consulting Programs, a.a.O., S. 291.

137       In Anlehnung an ein Beispiel von BOLAM, BOLAM, W.J.: Explanation in Expert Systems, a.a.O., S. 905.

138    vgl. BOLAM, W.J.: Explanation in Expert Systems, a.a.O., S. 910.
Vgl.   auch  SWARTOUT,   W.R.:   XPLAIN:   a System  for Creating and Explaining Expert Consulting Programs, a.a.O., S. 292.

139       Vgl. SWARTOUT, W.R.: Knowledge Needed for Expert System Explanation, in: WOJICIK, A.S. (ED.): National Computer Conference, July 15.-18. 1985, Chicago, Illinois, AFIPS Conference Proceedings Vol. 54, Reston, Virginia 1985, S. 95 (93-98).

140       Vgl. BOLAM, W.J.: Explanation in Expert Systems, a.a.O., S. 911.