Graphische Wissensrepräsentationen

Kurzfassung

Graphische Wissensrepräsentationen haben das Potential, Experten das selbständige Programmieren von Expertensystemen in ihrem Anwendungsbereich zu ermöglichen, wenn sie gleichzeitig hinreichend auf den Bereich oder die Problemlösungsmethode zugeschnittene Wissensmodelle beinhalten. In dem Beitrag zeigen wir, daß sich der überwiegende Teil der in Wissensakquisitionssystemen benutzten graphischen Wissensrepräsentationen auf die vier Grundtypen Hierarchie, Graph, Formular und Tabelle zurückführen läßt. Daher lohnt es sich, diese Grundtypen als generische Graphikprimitive durch Spezifikation ihrer Parameter zu formalisieren. Auf der Basis dieser graphischen Wissensrepräsentationsprimitive läßt sich ein allgemeines Muster für den graphischen Wissenserwerb ableiten, das darin besteht, zunächst die Terminologie und Taxonomie des Anwendungsbereichs in Hierarchien und Graphen einzugeben, lokale Informationen und Eigenschaften zu den Begriffen durch Ausfüllen objektspezifischer Formulare hinzuzufügen und drittens die Relationen und Inferenzen, die nicht durch die Taxonomie abgegolten sind, überwiegend durch Tabellen und Graphen zu repräsentieren. Diese Methodik haben wir in verschiedenen Wissensakquisitionssystemen realisiert, u.a. in CLASSIKA für die Klassifikation, an welchem wir die Mächtigkeit und Effektivität graphischer Wissensrepräsentationen verdeutlichen.