Definition Was ist ein Expertensystem?

Ein Expertensystem stellt Menschen Lösungen komplexer Probleme in einem begrenzten Fachgebiet zur Verfügung. Es agiert quasi als Experte und unterstützt durch Handlungsempfehlungen. Die Problemlösungen und Handlungsempfehlungen leitet es mithilfe Künstlicher Intelligenz (KI) aus einer Wissensbasis ab.

Anbieter zum Thema

Fujitsu Technology Solutions GmbH

Sinequa

Insider Research

Expertensysteme arbeiten mit Künstlicher Intelligenz. Es handelt sich um Computerprogramme, die Problemlösungen und Handlungsempfehlungen aus einer Wissensbasis ableiten. Sie sollen den Menschen bei der Lösung von Problemstellungen in bestimmten Fachgebieten unterstützen und bilden das Wissen von Experten ab. Die Wissensbasis repräsentiert das formalisierte Expertenwissen meist in Form von Wenn-dann-Regeln. Expertensysteme sind in der Lage, das aus Fakten und Regeln bestehende Wissen zu interpretieren und eigene Schlussfolgerungen abzuleiten. Hierfür sind sie mit einer Inferenzmaschine ausgestattet, die entscheidet, wie und in welcher Reihenfolge oder Form die Regeln zur Lösung eines Problems herangezogen werden.

Über eine sogenannte Erklärungsmaschine macht das Expertensystem das Zustandekommen der Problemlösungen und Handlungsempfehlungen dem Menschen verständlich. Moderne Expertensysteme bestimmter Fachgebiete sind in ihrem Problemlösungsverhalten mit den Leistungen menschlicher Experten vergleichbar oder übertreffen sie in Teilbereichen sogar. Erste Arbeiten an softwarebasierten Expertensystemen sind bereits seit den 1960er-Jahren bekannt. Heute unterstützen die Systeme beispielsweise bei medizinischen Diagnosen oder der Fehlersuche in IT-Systemen.

Die zentralen Merkmale eines Expertensystems

Die wichtigsten Merkmale eines Expertensystems sind:

• es repräsentiert in seiner Wissensbasis eine große Menge an gesammeltem Expertenwissen

• es beschränkt sich auf die Problemlösung in einem spezifischen Fachgebiet

• es ist in der Lage, aus der Wissensbasis eigene Schlussfolgerungen und Handlungsempfehlungen abzuleiten

• es generiert mithilfe Künstlicher Intelligenz neues Wissen

• es erläutert dem Menschen das Zustandekommen der Problemlösungen und Handlungsempfehlungen

• die Interaktion mit dem Anwender findet über Benutzerdialoge statt

Ziele und Aufgaben eines Expertensystems

Wichtigstes Ziel eines Expertensystems ist es, den Menschen in einem definierten Fachgebiet bei der Lösung von Problemen zu unterstützen. Das kann notwendig werden, wenn nicht genügend Experten verfügbar sind, Experten von Routineaufgaben entlastet werden sollen oder zentralisiertes Expertenwissen in die Fläche gebracht werden soll. Darüber hinaus erhöhen Expertensysteme durch die unmittelbare Bereitstellung von Lösungen die Sicherheit in kritischen Situationen oder verbessern die Qualität eines Produktes. Typische Aufgabenstellungen für Expertensysteme sind:

• Interpretation von Daten durch den Vergleich von Soll- und Ist-Werten

• Klassifizierung von Ereignissen

• Konfiguration komplexer Systeme unter Berücksichtigung verschiedener Bedingungen

• Erkennen von Fehlerursachen und Reduzierung von Arbeitsfehlern

• Beseitigung kritischer Zustände durch das Einleiten von Aktionen

• Planung einer Folge von Aktionen zur Erreichung eines bestimmten Ziels

• dialogorientierte, fachspezifische Beratung von Menschen

• Vorhersage von Ereignissen auf Basis bestimmter Geschehnisse

Prinzipieller Aufbau eines Expertensystems

Ein Expertensystem besteht aus folgenden Komponenten:

• die Wissensbasis

• der Inferenzmotor

• die Erklärungskomponente

• die Wissenserwerbskomponente

• die Schnittstelle für den Benutzerdialog

Eine zentrale Rolle übernehmen die Wissensbasis und der Inferenzmotor. In der Wissensbasis ist das komplette problembezogene Wissen gespeichert. Es lässt sich in generisches Wissen und fallbezogenes Wissen unterteilen. Auf Basis dieses Wissens generiert der Inferenzmotor Problemlösungen. Er verknüpft hierfür Fakten und Regeln und generiert Schlussfolgerungen. Diese präsentiert das System über den Benutzerdialog dem Anwender und erklärt ihr Zustandekommen mithilfe der Erklärungskomponente. Die Wissenserwerbskomponente gestattet die Erweiterung der Wissensbasis und stellt die benötigten Funktionen hierfür zur Verfügung. Neue Fakten und Regeln lassen sich zum vorhandenen Wissen hinzufügen. Die Wissenserwerbskomponente prüft darüber hinaus die Vollständigkeit und Konsistenz des gespeicherten Wissens.

Verschiedene Realisierungsmöglichkeiten von Expertensystemen

Wie ein Expertensystem letztendlich realisiert ist, kann sehr unterschiedlich sein. Es kommen verschiedene Modelle wie fallbasierte, regelbasierte oder klassifizierende Systeme zum Einsatz. Fallbasierte Systeme suchen bei einer bestimmten Problemstellung ähnliche Fälle in ihrer Wissensbasis und übertragen die Lösung auf den aktuell zu lösenden Fall. Regelbasierte Systeme arbeiten mit vorgegebenen Wenn-dann-Regeln und lösen Probleme durch das Finden und Anwenden der zur Problemstellung passenden Regeln. In einem klassifizierenden System generiert das Expertensysteme mithilfe von Entscheidungsbäumen eigenständige Lernprozesse. Es kommt das sogenannte induktive Lernen zum Einsatz, das aus gegebenen Fakten Thesen für neue Problemstellungen ableitet.

Anwendungsbeispiele für Expertensysteme

Expertensysteme kommen in vielen verschiedenen Bereichen und Fachgebieten zum Einsatz. Typische Anwendungen finden sich dort, wo es an Experten fehlt oder die vorhandenen Experten von der Auswertung großer Datenmengen entlastet werden sollen. In der Medizin unterstützen Expertensysteme bei Diagnosen oder der Auswertung von Röntgenaufnahmen. Ein weiterer Anwendungsbereich ist in der Chemie zu finden. Dort analysieren Expertensysteme die Struktur chemischer Verbindungen oder unterstützen bei organischen Synthesen. Ebenfalls Anwendungen für Expertensysteme sind geologische Erkundungen, die militärische Aufklärung, Erdölbohrungen, Erdbebenvorhersagen, die Umweltentwicklung oder die Überwachung und Steuerung von Kernreaktoren.

(ID:45860283)