Definition

Was ist eine Inferenzmaschine?

| Autor / Redakteur: Tutanch / Nico Litzel

(Bild: © aga7ta - stock.adobe.com)

Eine Inferenzmaschine ist ein zentraler Bestandteil eines Expertensystems. Sie ermöglicht schlussfolgerndes Denken auf Basis einer Wissensdatenbank. Zur Gewinnung neuer Aussagen und neuen Wissens kommt Software aus dem Bereich der Künstlichen Intelligenz (KI) zum Einsatz.

Der englische Begriff für Inferenzmaschine lautet Inference Engine. Es handelt sich um eine Software aus dem Bereich der Künstlichen Intelligenz, die aus einer gegebenen Datenbasis, neues Wissen und neue Regeln gewinnt. Die Inferenzmaschine wendet schlussfolgerndes Denken an. In der Regel basieren die Systeme auf neuronalen Netzen, die zuvor mit vorhandenem Wissen trainiert wurden. In Expertensystemen bildet die Inferenzmaschine neben der Wissensdatenbank eine der zentralen Komponenten. Ziel des Expertensystems ist es, durch die Gewinnung neuen Wissens zur Lösung eines vorgegebenen Problems beizutragen.

Grundsätzliche Unterscheidung zwischen induktiver und deduktiver Inferenz

Als Inferenz wird das Aufbereiten von Wissen mithilfe von Schlussfolgerungen bezeichnet. Grundsätzlich kann zwischen der sogenannten induktiven (vorwärts gerichteten) und deduktiven (rückwärts gerichteten) Inferenz unterschieden werden. Die induktive Inferenz zieht ihre Schlussfolgerungen durch das Beobachten und Kombinieren von Fakten und Regeln. Dadurch lassen sich allgemeine Gesetzmäßigkeiten ableiten. Die deduktive Inferenz geht den umgekehrten Weg, indem sie von allgemeinen Gesetzmäßigkeiten ausgehend spezifische Aussagen ableitet. In Inferenzmaschinen sind prinzipiell die induktive und deduktive Arbeitsweise einsetzbar. Maschinelles Lernen und Künstliche Intelligenz automatisieren den Prozess der induktiven oder deduktiven Inferenz.

Die Rolle der Inferenzmaschine innerhalb eines Expertensystems

Typische Komponenten eines Expertensystems sind die folgenden Teilsysteme:

  • die Wissensdatenbank
  • die Inferenzmaschine
  • die Erklärungskomponente
  • die Wissenserwerbskomponente
  • die Anwenderschnittstelle

Innerhalb eines Expertensystems nehmen die Inferenzmaschine und die Wissensdatenbank die zentrale Rolle ein. Die Wissensdatenbank beinhaltet das komplette Wissen des Expertensystems. Es kann in fallspezifisches Wissen und problembezogenes Wissen unterschieden werden.

Die Inferenzmaschine bildet innerhalb des Expertensystems die zentrale Komponente zur Problemlösung. Die in der Wissensdatenbank gespeicherten Fakten und Daten werden verknüpft und daraus neues Wissen und neue Fakten generiert. Ist ein Schlussfolgerungsprozess der Inferenzmaschine abgeschlossen, übernimmt die Benutzerschnittstelle die Aufbereitung des generierten Wissens und stellt es dem Benutzer als Problemlösung dar. Die Erklärungskomponente fungiert als Informationssystem über das Zustandekommen einer Lösung. Sie beantwortet Fragen zur Lösungsfindung und zu den vom System abgefragten Fakten. Wurde keine Lösung gefunden, versucht die Komponente die Gründe dafür zu erläutern. Die Wissenserwerbskomponente dient dazu, die Wissensdatenbank mit Informationen zu versorgen und sie zu erweitern. Gleichzeitig prüft sie die Vollständigkeit der abgelegten Informationen und stellt konsistente Beziehungen her. Die Benutzerschnittstelle ermöglicht nicht nur dem Anwender, sondern auch dem Daten- und Knowledge-Administrator die Kommunikation mit dem Expertensystem. Der Daten- und Knowledge-Administrator wartet und erstellt die Wissensdatenbank.

Abgrenzung zwischen der Inferenzmaschine und der Regelmaschine

Oft werden die Begriffe Regelmaschine und Inferenzmaschine in ähnlichen Zusammenhängen verwendet. Sie unterscheiden sich in ihrer Funktion und Arbeitsweise jedoch deutlich. Eine Regelmaschine ist ein Softwaresystem, das zuvor erstellte Prozess- und Geschäftsregeln in Echtzeit auf eine produktive Umgebung anwendet. Es lassen sich auf Basis der Regeln Entscheidungen treffen und Prozesse ausführen, testen oder definieren. Die Regelmaschine bestimmt, wie sich Anwendungen oder Systeme in verschiedenen Situationen zu verhalten haben.

Die Inferenzmaschine hingegen arbeitet mit Künstlicher Intelligenz und erzeugt durch das Anwenden von schlussfolgerndem Denken und das Erschaffen neuer Regeln neues Wissen. Jede in der Wissensbasis neu aufgenommene Information lässt sich einsetzen, um neues Wissen und neue Regeln zu generieren. Eine Inferenzmaschine wird von Datenwissenschaftlern entworfen und verwendet Methoden des maschinellen Lernens, der Künstlichen Intelligenz und hoch entwickelte Algorithmen.

Unterscheidung zwischen Training und Inferenz

Im Umfeld maschinellen Lernens und der Künstlichen Intelligenz ist eine Unterscheidung zwischen der Phase des Trainings und der nachfolgenden Phase der Inferenz möglich. Training neuronaler Netze wird verwendet, um Muster und Funktionen zu erlernen, die eine Datenbasis repräsentieren. Das Training ist eine Aktivität, bei der Rechner versuchen aus den vorliegenden Daten zu lernen. Inferenz findet nach diesem initialen Lernvorgang statt. Auf Basis der gefundenen Muster und Funktionen soll eine Lösung zu einem bestimmten Problem präsentiert werden. Wendet man Training und Inferenz beispielsweise in der Texterkennung an, ist das Training dafür zuständig, möglichst viele Varianten zu lernen, wie ein bestimmter Buchstabe geschrieben sein kann. Die Inferenz versucht durch schlussfolgerndes Denken, einen vorgegebenen Buchstaben oder ein Wort zu identifizieren. Das Training erfordert große Rechenkapazitäten und lange Trainingszeiten. Die Inferenz kann ebenfalls rechenintensiv sein, liefert aber binnen kurzer Zeit Ergebnisse.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Aktuelle Beiträge zu diesem Thema

Speed für Mustererkennung mit dem Rete-Algorithmus

Grundlagen Statistik & Algorithmen, Teil 3

Speed für Mustererkennung mit dem Rete-Algorithmus

Geschäftsregeln halten zahlreiche Unternehmensprozesse am Laufen, deshalb können sie mitunter sehr umfangreich werden. Der Umfang macht ihre Ausführung zeitaufwendig, weshalb jede Methode, sie zu beschleunigen, willkommen ist. Der Rete-Algorithmus beschleunigte 1979 die damals bestehenden Systeme für die Verarbeitung von Business Rules um den Faktor 3.000. Er ist bis heute die Grundlage zahlreicher Expertensysteme, etwa in der Mustererkennung. lesen

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45585284 / Definitionen)