Expertensystem

Als Expertensystem wird eine Klasse von Computerprogrammen bezeichnet, die durch die Beschreibung von Symptomen oder Problemen aufgrund des in ihnen gespeicherten Wissens zu Diagnosen oder Lösungen schließen. Expertensysteme sind ein Teilgebiet der künstlichen Intelligenz. Die theoretischen Grundlagen fußen zurück in die 1970ern. Expertensysteme werden seit den 1980ern auch kommerziell eingesetzt.

Expertensysteme lassen sich grob in drei Kategorien unterteilen:

1. Wissensbassierte Expertensysteme

Das Wissen, mit dem Expertensysteme zu Schlüssen kommt, stammt von menschlichen Experten. Bei der Wissensaquisition versuchen Experten des jeweiligen Wissensgebietes die ihnen bekannten Klassifizierungsschritte in einer abstrakten Modellierungssprache zu Formulieren. Die Formulierung von heuristischem oder modellbasiertem Wissen ist aber schwer (z.B. "ein kaltes Rasseln in der Lunge deutet mit einer Wahrscheinlichkeit von 20% auf eine Angina Pectoris hin").

2. Selbstlernende Expertensysteme auf Fallbasen (Lernen aus Beispielen)

Das Wissen der Expertensysteme stammt nicht von Experten, sondern es wird auf der Basis sehr vieler bereits klassifizierter Beispiele durch den Computer erlernt. Ziel ist es, ein allgemeines Prognosekonzept aus den Beispielen zu gewinnen. Bei der Klassifikation muss für jedes Beispiel deren Klassenzugehörigkeit bekannt sein. Das beim Lernen berechnete Prognosekonzept kann für die Klassifikation von neuen und unbekannten Fällen verwendet werden. Auf Fälle deren Lösung einer bisher nicht betrachteten Klasse angehört sind solche Verfahren nicht anwendbar.

Die Klassifizierungsverfahren lassen sich wiederum in die folgenden Gruppen einteilen:

• Statistische Lernverfahren
• Neuronale Netze
• Evolutionäre Klassifizierer
• Fallvergleichende Klassifizierung
• Symbolische iterative Lernverfahren

3. Selbstlernende Expertensysteme mit Domänenwissen

Das Domänenwissen des Expertensystem wird von Experten vorgegeben, formuliert in einer abstrakten Modellierungssprache. Ab dieser Startinitialisierung des Wissensspeichers lernt das Expertensystem autonom aufgrund von Erfahrungen neues Wissen hinzu. Im Gegensatz zu 2. haben solche Expertensysteme Lösungsstrategien (vorgegebene oder selbsterlente) zur Bearbeitung von Fällen, deren Lösungen weder vom Experten vorgegeben wurden noch in den gelernten Fallbasen vorkam.

Ein solches Expertensystem soll bei autonomen Robotern zum Einsatz kommen, die sich mit neuen unbekannten Aufgaben konfrontiert sehen. Ein einfachere Aufgabe ist die Navigation eines Roboters in unbekannten Gebieten. Bewegt sich ein Roboter nur im bekannten Gebiet (Lagerhalle) fällt das System unter 2.

Beispiele

• Medizin: Diagnose/Therapie auf der Basis von Symptomen
• (Kfz-)Reparatur
• juristische Ratgeber (beispiel Arbeitsrecht, Online-Demo)

Siehe auch: Informationssysteme, Auskunftssysteme, Lisp, Prolog, Fuzzy Logik