Knowledge Engineering - Wissensmodellierung
Knowledge Engineering (KE) ist ein Teilgebiet des Wissensmanagements und der Künstlichen Intelligenz (KI), das sich mit der Nachahmung von Prozessen und Problemlösungsmethoden des Menschen befasst, sodass die entscheidenden Informationen, die für ihr Funktionieren benötigt werden, explizit statt implizit sind. Dies geschieht durch den Einsatz von Algorithmen, die die Entscheidungstechniken eines Menschen in einem bestimmten Bereich widerspiegeln. Ein Knowledge Engineer beginnt mit der Analyse der Vorgehensweise eines solchen Experten, der in diesen Entscheidungsprozess involviert ist, und dementsprechend wird die KI auf der Grundlage der Art und Weise, wie die Lösung erreicht wurde, erstellt.
Das Knowledge Engineering besteht dann in der Regel aus den folgenden Zwischenschritten:
Sammeln von Wissen aus verfügbaren Quellen, z.B. Datenbanken und von menschlichen Branchenexperten.
Validierung der Informationen anhand von Testfällen, die von menschlichen Experten vorgegeben werden.
Organisation und Kodierung des Wissens in einer geeigneten Datenbank.
Implementierung von Software, um auf der Grundlage der Datenbank korrekte Schlüsse zu ziehen
Entwicklung expliziter Erklärungs- und Begründungsprozesse
Warum KE in Expertensystemen einsetzen?
Die eigenständige Problem- und Lösungsdiagnose wird durch Knowledge Engineering vollständig automatisiert. Das resultierende Produkt kann als Selbsthilfe- oder Troubleshooting-Werkzeug in Verbindung mit einem menschlichen Agenten eingesetzt werden. Alternativ kann es, je nach Reifegrad des Systems, auch eigenständig als virtueller Agent agieren, der einen Menschen unterstützt.
Ermöglicht werden dadurch:
Unterstützungssysteme zur Entscheidungsfindung
Beschleunigung des Entscheidungsfindungsprozesses
Verarbeitung großer Datenmengen
Entwicklung von Expertensystemen für leicht übertragbares transparentes und explizites Wissen
Knowledge Engineering & Machine Learning
Ursprüngliches Ziel des Knowledge Engineering war es, Experten mit umfangreichem Fachwissen in bestimmten Bereichen zu imitieren, indem die KI auf Fragen so antwortet, wie es ein Experte tun würde. Spezialisten verfügen jedoch über zu viel Nebenwissen, als dass eine Maschine es effektiv imitieren könnte. Einige Aspekte der menschlichen Intuition, wie z. B. das "Bauchgefühl", die für fundierte Entscheidungen erforderlich sind, lassen sich nicht durch das Nebenwissen erfassen und können von einer Maschine nicht nachgebildet werden. Angesichts dieses Bedarfs an "implizitem Wissen" und der Verarbeitung großer Wissensmengen sind moderne maschinelle Lernmodelle für das Knowledge Engineering interessant geworden. Die Beschränkungen der bisherigen Modelle haben die Forscher dazu veranlasst, neue Arten von Expertensystemen zu entwickeln. Sie haben effektivere, anpassungsfähigere und fortschrittlichere Methoden entwickelt, um menschliche Entscheidungsprozesse zu imitieren. Einige dieser neuen Methoden basieren auf modernsten KI-Techniken, insbesondere maschinelles Lernen und Data Mining, die Rückkopplungsmechanismen nutzen. Sogenannte Recurrent Neural Networks nutzen diese Mechanismen häufig. Neuere Systeme können neue Informationen leichter aufnehmen und sich selbst aktualisieren, so dass sie besser von früheren Erkenntnissen ausgehen und große Mengen komplexer Daten verarbeiten können. Diese Systeme werden manchmal auch als "intelligente Systeme" bezeichnet. Ein Spezialfall solcher maschinellen Lernmethoden ist die Verarbeitung natürlicher Sprache. Wenn neue Informationen gesammelt und verarbeitet werden müssen (z. B. über Suchmaschinen) oder wenn Sprachdaten analysiert oder klassifiziert werden müssen, kommen diese Methoden ins Spiel. Informationen, die in Form von Sprachdaten vorliegen, müssen in der Regel sinnvoll strukturiert werden, damit die Bedeutung extrahiert und berechnet werden kann. Darüber hinaus ist dann nicht nur die Verarbeitung der Sprachdaten wichtig, sondern auch die Ausgabe einer Entscheidung in einem solchen System braucht oft die Form der Sprache, um eine schnelle Interpretation zu ermöglichen (z.B. Dokumentenerstellung).
