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

5.2. Der Aufbau von XPLAIN

XPLAIN besteht aus fünf Teilen: dem automatischen Programmierer [Writer], dem problembeschreibenden Wissen [Domain Model], dem Problemlösungswissen [Domain Principles], einem Sprachgenerator [English Generator] und einem Trace der Programmerstellung [Refinement Structure].369

Eine Besonderheit von XPLAIN ist die Trennung des Wissens in ein Domain Model und Domain Principles.

Das Domain Model enthält die beschreibenden Fakten des Arbeits­bereichs.   Es  handelt  sich  hierbei  hauptsächlich  um  statische Fakten wie z.B. kausale Beziehungen. Dieses wissen wird auch als tiefes Wissen370 oder Lehrbuchwissen371 bezeichnet. Das Domain Modell beschreibt den Arbeitsbereich, macht aber keine Aussagen über die Problemlösung.372

Die Domain Principles versorgen den automatischen Program­mierer mit dem Wissen darüber, wie etwas getan werden soll.373 Dieses Wissen besteht aus Methoden und Heuristiken374 und wird häufig als Problemlösungswissen bezeichnet.375 Die Domain Principles ähneln strategischen Metaregeln. Sie kontrol­lieren aber in einem viel stärkeren Maße die Programmentwicklung.376

Einen Überblick über das System gibt Abb. 22.

Abb. 22: Der Aufbau von XPLAIN377

366     vgl. SWARTOUT, W.R.: XPLAIN: a System for Creating and Explaining Expert Consulting Programs, a.a.O., S. 287.

367    vgl. SWARTOUT, W.R.: Knowledge Needed for Expert System Explanation, a.a.O., S. 96.
Vgl.   auch  SWARTOUT,   W.R.:   XPLAIN:   a System  for  Creating and Explaining Expert Consulting Programs, a.a.O., S. 287.

368    vgl. NECHES, R.; SWARTOUT, W.R.; MOORE, J.: Enhanced Maintenance and Explanation of Expert Systems Through Explicit Models of Their Developement, in: FOX, M. (HRSG.): IEEE Workshop on Principles of Knowledge-Based Systems, Denver, Colorado, 3.-4. Dec. 1984, Los Angeles, Calif. 1984, S. 173 (173-183).

369    Vgl. SWARTOUT, W.R.: Producing Explanations and Justifications of Expert Consulting Programs, a.a.O., S. 19.

370      Vgl. CHANDRASEKARAN, B.; TANNER, M. C; JOSEPHSON, J. R.: Explanation: The   Role of  Control  Strategies and  Deep Models, a.a.O., S. 223.

371       Vgl.   SWARTOUT, W.R.: XPLAIN:   a  System  for Creating  and Explaining Expert Consulting Programs, a.a.O., S. 287.

372      Vgl.  SWARTOUT, W.R.: Knowledge Needed for Expert System Explanation, S. 96.

373      Vgl.   SWARTOUT, W.R.: XPLAIN: a System for Creating and Explaining Expert Consulting Programs, a.a.O., S. 297.

374       Vgl.   ELLIS, C: Explanation in Intelligent Systems,  a.a.O., S. 123.

375      Vgl.   CHANDRASEKARAN, B.; TANNER, M. C;  JOSEPHSON, J. R.: Explanation, a.a.O., S. 233.

376      Vgl.   SWARTOUT,   W.R.: XPLAIN: a System for Creating and Explaining Expert Consulting Programs, a.a.O., S. 301.