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

4.2.1.2. Wissen über den Benutzer

Folgendes Wissen über den Benutzer kann für Erklärungen hilfreich sein:
1. Wissen über das Wissen des Benutzers ist von besonderer Bedeutung, da nur mit Hilfe dieses Wissens gute Erklärungen erstellbar sind. Nicht nur die Menge271 sondern auch die Art des   Wissens    ist    hier   von   Interesse.    Dabei   ist   eine   Unterscheidung von fachspezifischen und DV-spezifischen Wissen sinnvoll. Fachspezifisches Wissen umfaßt Fachberiffe sowie Grund- und Spezialwissen. DV-spezifisches Wissen sind Informationen über DV-Kenntnisse, Die Fähgkeit mit Tastatur und Terminal umzugehen,272 und die Vertrautheit mit dem System. Letztendlich ist auch die Korrektheit des Wissens273 von Bedeutung, wenn über die Komplexität der Erklärung und die verwendete Terminologie entschieden werden soll.274

2. Wissen über die Motivation, Interessen und Ziele275 der Benutzer ermöglichen es dem System zu entscheiden, welche Informationen vom Benutzer benötigt werden.276

3. Wissen über die bevorzugte Form der Interaktion277 gibt dem System die Möglichkeit, eine Interaktionsform zu wählen, die den Präferenzen des Benutzers entspricht. Die beiden Hauptformen sind Texte (mündlich, schriftlich) und Grafiken.

4. Wissen über die Lernfähigkeit und Begabung278 des Benutzers ist besonders bei intelligenten Lernsystemen (CAI) von Bedeutung, um Entscheidungen über die Menge des Lehrstoffes und die Anzahl der Wiederholungen zu treffen.

5. Wissen über die Vorstellungen des Benutzers, über die Arbeitsweise eines wissensbasierten Systems279 und die daraus resultierenden Erwartungen sind für das System wichtig, um die Erwartungen des Benutzers zu erfüllen.

6. Wissen über die individuellen Präferenzen wie z.B. unter­schiedliche Detaillierungsniveaus, in denen die Erklärungen presentiert werden sollen.280

7. Wissen über frühere Konsultationen281 können beispielsweise Informationen darüber geben, ob seit der letzten Konsultation ein längerer Zeitraum vergangen ist und die gespeicherten Informationen über den Benutzer eventuell nicht mehr dem aktuellen Stand entsprechen.

Mit Hilfe des Wissens, das der Erklärungsgeber über den Empfänger hat, bildet er ein Modell von dessen Charakteristiken. Dieses Modell wird ein Benutzermodell genannt.282

270       TYLER,   S.W.:  SAUCI:  Self-Adaptive User-Computer Interface, Ph.D., University of Pittsburgh, 1986, S. 44.

271       Vgl. MOORE,  D.J.;  SWART0UT,  W.R.: Explanations in Expert Systems, a.a.O., S. 27.

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

273       Vgl. KIDD, A.L.: Explanation for Expert Systems - Some Data and an Initial Categorisation, Position Paper for Workshop on Explanation, March 1986, in: ALVEY IKBS EXPERT SYSTEMS THEME (HRSG.): Workshop on 'Explanation', Report and Proceedinqs, University of Surrey, 20.-21. March 1986, Herts 1986, S. 121  (120-121).

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

275      Vgl. BERRY, D.C.; BROADBENT, D.E.: Expert Systems and the Man-Machine Interface, a.a.O, S. 23.

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

277       Vgl. BERRY, D.C.; BROADBENT, D.E.: Expert Systems and the Man-Machine Interface, a.a.O, S. 23.

278      Vgl. BERRY, D.C.; BROADBENT, D.E.: Expert Systems and the Man-Machine Interface, a.a.O, S. 23.