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

5.5. Weiterentwicklung des XPLAIN-Ansatzes

Das Explainable Expert System (EES) Projekt ist eine Fort­entwicklung des XPLAIN-Ansatzes. Im besonderen wird versucht, zusätzliche Arten von Wissen darzustellen, die benötigt werden, um weitere Frageformen beantworten zu können.396

Einen    Überblick    über    das   Explainable    Expert   System   gibt Abb. 25.

Abb. 2b: Übersicht über das EES System Version II397

Wie XPLAIN benutzt das EES ein Domain Model und einen Satz von Domain Principles. Darüber hinaus werden noch weitere Formen von Wissen getrennt abgebildet, um dem System die Möglichkeit zu geben, zusätzliche Frageformen zu beantworten.

Wie aus dem Abb. 25 ersichtlich ist, wurden neben dem Domain Model und den Domain Principles folgende Wissensformen explizit und separat dargestellt.

Tradeoffs zeigen die Vor- und Nachteile von bestimmten Problem­lösungsstrategien für die Zieierfüllung. Preferences sind kontextsensitive   Regeln,   um   Prioritäten   zwischen   alternativen Operationen basierend auf den Tradeoffs zu setzen.398 Trade­offs und Preferences ermöglichen dem System zu erklären, warum eine Problemlösungsstrategie verwendet wird.399

Bei dem EES wird zusätzlich das terminologische Wissen von dem Domain Rational getrennt und explizit dargestellt.400

Integration knowledge wird verwendet, um Konflikte zwischen den Wissensquellen zu vermeiden.
Optimisation knowledge repräsentiert Wege der effizienten Kontrolle der Programmausführung und der Erläuterung unge­wöhnlicher Reihenfolgen der Aktionen.401

Diese Separierung der verschiedenen Wissensarten ermöglicht es dem System, bessere Erklärungen zu erstellen. Sie verleiht der Erklärungskomponente die Fähigkeit, genau die richtigen Infor­mationen zur Beantwortung der Benutzerfragen zu geben, ohne daß sie mit anderen Informationen (z.B. Housekeeping) vermengt sind.402

Im Augenblick befindet sich das EES-System noch in der Entwicklung.403 Durch die strikte Trennung der verschiedenen Wissensformen und ihrer expliziten Darstellung ist zu erwarten, daß der EES-Ansatz einen wesendlichen Fortschritt bringen wird.

392      Vgl.   SWARTOUT,   W.R.:   XPLAIN:   a  System   for  Creating   and Explaining Expert Consulting Programs, a.a.O., 3. 309.
Vgl.   SWARTOUT,   W.R.:   Producing   Explanations   and   Justi­fications of Expert Consulting Programs, a.a.O., S. 85.

393      Vgl.   SWARTOUT,   W.R.:   XPLAIN:   a   System   for   Creating   and Explaining Expert Consulting Programs, a.a.O., S. 319.

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

395      Vgl.   SWARTOUT,   W.R.:   Knowledge" Needed  for  Expert System Explanation, a.a.O., 3. 97.

396      Vgl.  SWARTOUT,   W.R.:   Knowledge Needed for Expert System Explanation, S. 97.

397   Vgl.  NECHES,   R.;  SWARTOUT,  W.R.;  MOORE,   J.:   Explainable (and   Maintainable)   Expert   Systems,   in:   JOSHI,   A.    (ED.): Proceedings of the Ninth International Joint Conference on Artificial Intelligence (IJCAI-85), Aug. 18.-23., 1985, Los Angeles, California, Vol. 1, Los Altes, California 1985, S. 384 (382-389).

398      Vgl. NECHES, R.; SWARTOUT, W.R.; MOORE, J.: Enhanced Maintenance and Explanation of Expert Systems Through Explicit Models of Their Developement, a.a.O., S. 174.

399      Vgl. SWARTOUT, W.R.: Knowledge Needed for Expert System Explanation, a.a.O., S. 98.

400      Die Vorteile dieser Trennung wurden bereits in Kapiltel 4.2,4. erläutert.

401       Vgl. SWARTOUT, W.R.: Knowledge Needed for Expert System Explanation, a.a.O., S. 98.

402      Vgl. SWARTOUT, W.R.; SMOLIAR, S.W.: On Making Expert Systems more Like Experts, a.a.O., S. 206.

403      Vgl. SWARTOUT, W.R.; SMOLIAR, S.W.: Explaining the Link Between Causal Reasoning and Expert Behavior, a.a.O., S. 83.