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

4.2.1.4. Die Speicherung des Wissens

Es stellt sich nun die Frage, wie das Wissen der Benutzer gespeichert werden soll. Eine weit verbreitete Methode ist die Speicherung von Wissen in numerischen Werten.302 Diese Methode hat aber den Nachteil, daß das Wissen des Benutzers nur sehr grob erfaßt werden kann. Benutzer tendieren aber dazu, gleichzeitig in einigen engen Bereichen Experten zu sein und in anderen Bereichen Anfänger.303

In dem wissensbasierten System BLAH wird eine andere Methode verwendet. Bei diesen sogenannten Überlagerungsmodellen304 werden die Kenntnisse des Benutzers als Teilmenge des Fach­gebietsmodells behandelt. Für jedes Element der Wissensbasis wird festgehalten, ob der Benutzer damit vertraut ist oder nicht.305

300      Vgl. BERRY, D.C.; BROADBENT, D.E.: Expert Systems and the Man-Machine Interface, a.a.O, S. 24.

301       Vgl. PARIS, C.L.: Combining Discourse Strategies to Generate Descriptions to Users Along a Naive/Expert Spectrura, a.a.O., S. 628.
Vgl. BERRY, D.C.; BROADBENT, D.E.: Expert Systems and the Man-Machine Interface, a.a.O, S. 24.

302    vgl. BOLAM, W.J.: Explanation in Expert Systems,, a.a.O., S. 913.

303      Vgl. WEXELBLAT, R.L.: On Interface Requirements for Expert Systems, a.a.O., S. 66.

304      Vgl. BODENDORF, F.: Computer in der fachlichen und universitären Ausbildung, a.a.O., S, 133.

305      Vgl. WEINER, J.L.: BLAH, A System Which Explains its Reasoning, in: ARTIFICIAL INTELLIGENCE - AN INTERNATIONAL JOURNAL, Vol. 15, 1980, S.  22  (19-48).
Vgl.   BODENDORF,   F.:   Computer in  der fachlichen  und  uni­versitären Ausbildung, a.a.O., S. 133