Expertensysteme und Technologien

Expertensysteme lassen sich mit unterschiedlich komplexen Technologien entwickeln. Zentral ist, Entscheidungsprozesse zu formalisieren und mit Hilfe von vorab definierten Regelsystemen oder auf Basis von Mustererkennung (Data Mining / Maschinelles Lernen) abzuleiten.

Software-Technologien

Ein Expertensystem lebt von seinem fachwissenschaftlichen Ansatz und den eingesetzten Analyse- und Bewertungsmethoden sowie der Wissensrepräsentation. Wir bieten sowohl Beratung für die notwendige Planung und Konzeption als auch die softwaretechnische Projektdurchführung und damit die konkrete Umsetzung an.

Software-Komponenten

Expertensysteme Entwicklung

Ein Expertensystem  muss normalerweise den Standard-Anforderungen, die an eine Software gestellt werden, und die sich bei einem typischerweise betrieblichen Einsatz mit konkurrierendem Mehrbenutzer-Betrieb und hohen Sicherheitsanforderungen ergeben, genügen. Die entscheidenden Eigenschaften für ein Expertensystem ergeben sich jedoch aus der Verarbeitung des modellierten, gespeicherten oder generiertem Wissen sowie der Analyse der gesammelten Daten mit Hilfe von mathematisch-statistischen Verfahren oder semantischen Technologien. Einige Aspekte sind im folgenden erwähnt:

  • Übliche Software-Techniken für die Entwicklung von Benutzeroberflächen und gängiger Stammdatenverwaltung (Benutzer, Rechte, Rollen oder Dokumentverwaltung usw.) wie bei sonstiger Software-Entwicklung
  • Frameworks für Verarbeitung von semantischen Daten und Ontologien
    • Erstellung und Bearbeitung von Ontologien
    • Erstellung und Bearbeitung von Instanzdaten der Ontologie
    • Suche, Filterung und Abfrage von semantischen Daten
    • Schlussfolgerungen (Reasoning) und Auswertungen
  • Frameworks für statistisch-mathematische Analyse
    • Software-Komponenten für statistische Verfahren
    • Software-Komponenten für mathematische Verfahren
    • Data Mining-Komponenten

Datenverwaltung

Daten in einem Expertensystem können in Form von Dokumenten oder einfachen Werten auftreten. Diese müssen strukturiert gespeichert werden, wobei je nach Format und technischem Entwicklungsansatz noch unterschiedlich komplexe zusätzlichen Daten wie Anmerkungen, Kommentare, Verknüpfungen oder Bezüge zu einer übergeordneten Ontolgoie für die Wissensrepräsentation des innerhalb des Expertensystems behandelten Weltausschnitts gespeichert werden müssen.

  • Relationale und objektrelationale Datenbanken für die Speicherung von primitiv typisierten Daten und auch XML-Daten oder semantisch angereicherte Daten bzw. XML-Daten in einem geeigneten Ontologie-Datenformat
  • Hoch-strukturiete Text-Dateien in einem XML-Datenformat, das semantische Analysen und Techniken unterstützt
  • Dokumente und sonstige Binärdaten, zu denen bspw. in einer Datenbank Meta-Informationen gespeichert werden, die wiederum in einer Ontologie beschrieben sind

Partner

Mit verschiedenen Hochschulen haben wir schon im Bereich Expertensysteme kooperiert.

Mit verschiedenen Unternehmen haben wir schon im Bereich Expertensysteme kooperiert.

Verfahren

Expertensysteme Entwicklung

Expertensysteme und ihre zu Grunde liegenden technischen Prinzipien stellen ein sehr innovatives Arbeitsfeld dar. Dementsprechend vielfältig sind die Forschungsarbeiten in diesem Bereich. Auch gibt es viele Wechselbezüge und Abgrenzungsschwierigkeiten bei den vielfältigen fachlichen Möglichkeiten und ihren jeweiligen Untervarianten. Daher können hier nur einige wesentliche Schlagworte genannt werden, die für die Entwicklung von Expertensystemen bei den meisten unserer Kunden von Interesse sind.

Semantische Technologien für Wissensrepräsentation

Ontologien aus Sicht der Informatik kann man als sprachlich gefasste und formal geordnete Darstellungen einer Menge von Begrifflichkeiten und der zwischen ihnen bestehenden Beziehungen in einem bestimmten Gegenstandsbereich bezeichnen. Man verwendet sie dazu, „Wissen“ in digitalisierter und formaler Form zwischen Anwendungsprogrammen und Diensten auszutauschen. Zusätzlich enthalten Ontologien Inferenz- und Integritätsregeln, mit denen man Schlussfolgerungen ziehen kann und mit denen man deren Gültigkeit prüfen kann.

Eine solche Wissensrepräsentation lässt sich aus Softwaresicht mit Hilfe von XML-Technologien und insbesondere mit Technologien für das Semantic Web (Semantisches Internet) abbilden. Dies gilt auch dann, wenn ein konkretes Expertensystem keine technische oder fachliche Verbindung mit dem Internet besitzt.

  • W3C-Standards
    • OWL – Web Ontology Language - Beschreibungssprache für Klassen und Relationen
    • RDF – Resource Description Framework - Beschreibungssprache für Informationen einer Webressource
    • SPARQL Protocol and RDF Query Language – Abfragesprache für das Resource Description Framework
    • GRDDL – Gleaning Resource Descriptions from Dialects of Languages – „Brücke“ zu RDF über XML Ressourcenbeschreibungen
    • RDFa – Mithilfe von RDFa lässt sich RDF in XML-Dokumente (insbesondere XHTML) einbetten.
    • RIF - Sprache, um Regeln zu den semantischen Daten zu formulieren

Methoden eines Expertensystems und ihre technische Lösung

Expertensysteme Entwicklung

Künstliche Intelligenz enthält alle oder Kombinationen der folgenden Methoden, zu denen jeweils unterschiedliche Ansätze und Techniken bekannt sind.

 

  • Suchen: Die KI beschäftigt sich häufig mit Problemen, bei denen nach bestimmten Lösungen gesucht wird.
  • Planen: Neben dem Suchen von Lösungen stellt das Planen einen wichtigen Aspekt der KI dar, wobei die beiden Aspekte Zielformulierung und Problemformulierung eine wichtige Rolle spielen.
  • Optimierungsmethoden: Aufgabenstellungen der KI sind of Optimierungsprobleme (Suchalgorithmen aus der Informatik oder Mathematischen Programmierung).
  • Logisches Schließen: Erstellte Wissensrepräsentationen sollen oft für automatisches logisches Schließen benutzt werden (Prädikatenlogik, Wahrscheinlichkeitsrechnung).
  • Approximationsmethoden: Oft sollen allgemeine Regeln abgeleitet werden (maschinelles Lernen).

Angrenzende Themengebiete für die Entwicklung eines Expertensystem

  • Sprachwissenschaft: Die Interpretation menschlicher Sprache - insbesondere in geschriebener Weise- ist für Erfassung und Analyse ein wichtiger Aspekt.
    • Grammatikmodelle
    • Psycholinguistischen Semantikmodelle
    • Computerlinguistik als Schnittstelle zwischen allgemeiner Sprachwissenschaft und der Informatik
  • Philosophie: Einige Ausgangspunkte der gesamten philosophischen Forschung bilden auch das Fundament der Künstlichen Intelligenz.
    • Ontologie (Seinswissenchaft)
    • Erkenntnistheorie