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

4.2.1.1. Modell als Hilfsmittel zur Abbildung der Benutzereigenschaften

Ein großes Defizit von derzeitigen wissensbasierten Systemen ist ihre Unfähigkeit, maßgeschneiderte Erklärungen für die Benutzer zu erstellen.260 Für die Erstellung von guten Erklärungen ist es von großer Bedeutung, daß die Charakteristika der Benutzer berücksichtigt werden.261

Ein menschlicher Experte versucht, sich an die Anforderungen des Klienten anzupassen, indem er ein Modell von seinem Klienten entwirft. Dieses Modell umfaßt sein Wissen und seine Annahmen über den Klienten wie beispielsweise seinen Wissensstand, seine Verstellungen, seine Ziele und auch den Grund für die Frage nach Erklärungen oder Rechtfertigungen.262 Solche Modelle werden benötigt, da die Klienten komplexe Systeme darstellen und daher ohne ein Modell nur schwer zu bewältigen sind.263 Durch die Verwendung eines Modells wird die Realität derart vereinfacht, daß mit ihr leichter gearbeitet werden kann. Eine derartiges Modell vom Benutzer kann schon allein aufgrund fehlender Informationen und der mangelnden Detailliertheit nicht immer korrekt sein.264 Trotzdem beantwortet ein menschlicher Experte alle Fragen vor dem Hintergrund eines derartigen Modells, da ihm andere Informationen über den Benutzer nicht zur Verfügung stehen.265

Ziel im Bereich der Erklärungsfähigkeit ist es, diese Modell­bildung in wissensbasierten Systemen nachzuahmen um somit den Systemen die Möglichkeit zu geben, maßgeschneiderte Erklä­rungen für die Benutzer zu erstellen. Dies ist besonders wünschenswert, wenn ein System von vielen verschiedenen Benutzern mit unterschiedlichem Hintergrund verwendet wird.266 Damit ein wissensbasiertes System sich an die spezifischen Anforderungen der Benutzer anpassen kann, benötigt es Wissen über den Dialogpartner.267 Dieses Wissen ermöglicht es, die für die Benutzer relevanten Informationen mit einer passenden Terminclogie,268 Komplexität und Tiefe zur Verfügung zu stellen.269

Abb. 14: Beispiel für ein Benutzermodell270

260      Vgl. McKEOWN, K.R.; WISH, M.; MATTHEWS, K.: Tailoring Explanations for User,in: JOSHI, A. (ED.): Proceedings of the Ninth International Joint Conference on Artificial Intelligence (IJCAI-85), Aug. 18.-23., 1985, Los Angeles, California, Vol. 2, Los Altos, California, 1985, S. 794 (794-798).

261      Wie schon in Kapitel 3.2. gezeigt wurde, unterscheiden sich die Anforderungen der Benutzer erheblich.

262    vgl. ELLIS, C: Explanation in Intelligent Systems, a.a.O., S. 117.

263      Vgl. BENYON, D.: User Models. What's the Purpose?, in: COOPER, M.; DODSON, D. (EDS.): Alvey Knowledge Based Systems Club, Intelligent Interface Special Interest Group, Proceedings of the Second Intelligent Interface Meeting, City University, May 28-29th, 1987, 1987, S. 5 (3-14).

264    vgl. MOORE, D.J.; SWARTOUT, W.R.: Explanations in Expert Systems, a.a.O., S. 39.

265      Vgl. ELLIS, C: Explanation in Intelligent Systems, a.a.O., S. 117.

266      vgl. BERRY, D.C.; BROADBENT, D.E.: Expert Systems and the Man-Machine Interface, a.a.O., S. 22.

267      Vgl. WALSTER, W.: Natürlichsprachliche Argumentation in Dialogsystemen, a.a.O, S. 17.

268      vgl. HUBER, K.-P.: Erklärungskomponente für das Experten­system XUMA unter Berücksichtigung verschiedener Benutzer­klassen, a.a.O., S. 24.

269      vgl. GILBERT, N.: Explanation as Process, a.a.O., S. 74.