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. Augenblicklicher Stand der Erklärungsfähigkeit in eingesetzten wissensbasierten Systemen

Nach der Diskussion über die Bedeutung der Erklärungskomponente und der Anforderungen an diese wird hier der augenblickliche Stand der Erklärungsfähigkeit in eingesetzten wissensbasierten Systemen dargestellt.

Das Niveau der Erklärungen in wissensbasierten Systemen ist erstaunlich niedrig, wenn die ihr zugemessene Bedeutung für die Benutzerakzeptanz betrachtet wird.112 Seit MYCIN113 haben die Benutzer von wissensbasierten Systemen die Möglichkeit, WHY- und HOW-Fragen zu stellen.114 Diese Fragemöglichkeiten stellen immer noch den Stand der Erklärungsfähigkeit der meisten Systeme dar. Eine WHY-Frage fragt nach dem aktuellen Verhalten des Systems. Ausformuliert lautet sie: Warum wurde die aktuelle Frage gestellt? Die HOW-Frage bezieht sich auf das erreichte Ergebnis und ist zu verstehen als: Wie kommt das System zu diesem Ergebnis?115

Prinzipiell gibt es zwei grundsätzlich verschiedene Ansätze für Erklärungen:116

1. Direkte Erklärungen werden aus dem Programmcode abgeleitet und stellen eine Aufarbeitung der Problemlösungsschritte dar. Zu diesen Techniken gehören der Trace und die Rule Expansion Technik.
2. Indirekte   Erklärungen   werden   aus   dem   Wissen   des   Program­mierers oder des Experten über den Programmcode abgeleitet. Es handelt sich also um eine Form von Programmkommentaren. Diese   vorher   erstellten   Erklärungen   werden   häufig   'Canned Text' genannt.

Im folgenden sollen diese weitverbreiteten Erklärungstechniken vorgestellt werden.

111       Vgl. CLANCEY, W.J.: The Epistemology of a RuleBased Expert System - a Framework for Explanation, in: ARTIFICIAL INTELLIGENCE - AN INTERNATIONAL JOURNAL, Vol. 20, 1983, S. 225 (215-251).

112       Vgl. HUBER, K.-P.: Erklärungskomponente für das Expertensystem XUMA unter Berücksichtigung verschiedener Benutzerklassen, a.a.O., S. 14.

113       SHORTLIFFE, E.H.; DAVIS, R.; AXLINE, S.G.; BUCHANAN, B.G.; GREEN, C.C.; COHEN, S.N.: Computer Based Consultations in Clinical Therapeutics: Explanation and Rule Acquisition Capabilities of the MYCIN System, in: COMPUTERS AND BIOMEDICAL RESEARCH, Vol. 8, 1975, S. 303-320.

114       Vgl. GILBERT, N.: Explanation as process, in: ALVEY KNOWLEDGE BASED SYSTEMS CLUB, EXPLANATION SPECIAL INTEREST GROUP (HRSG.): The 4th Alvey Explanation Workshop, Proceedings, University of Manchester, 14.-16. Sep. 1988, Herts 1988, S. 67 (67-86).

115       Vgl. BÖHRINGER, B.; CHIOPRIS, C; FUTO, I.: Wissensbasierte Systeme mit Prolog, a.a.O., S. 82f.