fit 2002 > Expertensysteme > Entstehungskontext

Überblick

ursprüngliche Frage/Problemstellung Was haben sich die Entwickler einer neuen Konzeption gedacht? Was haben sie anders/neu gesehen? Warum haben sie zu dieser Zeit eine bestimmte Vorstellung entwickelt? Welche technischen und kulturellen Voraussetzungen waren dazu notwendig? Aufgrund des von Jahr zu Jahr steigenden Wissen, das von einzelnen Personen nicht beherrscht werden kann, besteht die Notwendigkeit das generierte Wissen zu Archivieren und zugänglich zu machen. Da standardmäßige Methoden der Archivierung allerdings nur sehr eingeschränkte Abfragemöglichkeiten bieten, solche System nicht als intelligent anzusehen sind und deshalb nur zur Speicherung von Daten zu verwenden sind bestand der bedarf nach Systemen, die die Rolle eines Experten übernehmen können. Dies hat den Vorteil, das man nicht von dem Wissen einer Person abhängig ist und das man Computerwissen einfach kopieren, sichern und verbreiten kann. Weiters soll solche Software nicht nur auf ganz bestimmte, vorher gelernte Fragen die richtigen Antworten liefern, sondern wie ein Mensch aus bestehendem Wissen durch Kombination neues generieren bzw. bestehendes Wissen erklären können. Zu der Zeit, als man begann Expertensysteme zu entwickeln war es im vergleich zu heute noch viel schwieriger an benötigtes Wissen schnell zu kommen. Es gab zum Beispiel kein Internet, über das heutzutage eine einfach Kommunikation weltweit möglich ist. Dagegen ist es heute wesentlich schwerer eine Person zu finden, die zu einem bestimmten Fragengebiet die benötigten Antworten hat. Expertensysteme sind Kinder des Booms der Computerindustrie seit den 60ern des letzten Jahrhunderts. Da man davon ausging, das Computer keine Fehler machen schien es als optimal einem Computer beizubringen intelligent zu handeln beziehungsweise menschliche Interaktion zu verstehen und so mit Menschen auf natürliche Weise kommunizieren zu können. Computer habe den Vorteil, das sie einfach austauschbar sind, das sie sehr einfach instand gehalten werden können, also schon vom physischen her bei weitem besser geeignet als ein Mensch um wichtige Daten auf lange sicht zu verwalten und zu speichern. Außerdem hab Computer keine Empfindungen, die bei dem Lösen eines Problems hinderlich sein könnten. Wenn nun ein Expertensystem erst einmal entstanden ist und einige Zeit gelaufen ist, so kann man es einfach kopieren und an einem anderen Ort weiter betreiben, ohne aufwendigen Lernvorgang. Auch sollte es möglich sein Wissen von mehreren Expertensystemen zu kombinieren und so ein wesentlich leistungsfähigeres Expertensystem zu schaffen. Vor allem im Zuge des kalten Krieges zwischen der Sowjetunion und den USA war Wissenschaftlicher Fortschritt unerlässlich und deshalb war mangelnder Zugang zu Wissen ein beträchtliches Problem. Die zweite Eigenschaft, die einen Experten ausmacht ist, das er Wissen erklären kann. Auch Expertensysteme sollten diese Möglichkeit bieten. Im Optimalfall steht mit einem perfekten Expertensystem ein geduldiger Emotionsloser und allzeit bereiter Experte zur Verfügung. Da die Leistung von Computerhardware auch ständig steigt ist anzunehmen, das diese Experten von Jahr zu Jahr besser werden. Sie vergessen nichts und eine Wissensbasis kann zur selben Zeit von vielen Personen verwendet werden. Nun bleibt noch die dritte Eigenschaft, eines Experten, nämlich, das er aus bestehendem Wissen neues generieren kann, auf Basis der aktuellen Informationen. Wenn man sich nun vorstellt, das diese Eigenschaft mittels Computern umgesetzt werden kann, dann hätte man einen ausgezeichneten Wissenschaftler, der mit dem Wissen der Welt gespeist wird, und dann selbstständig weiteres Wissen erzeugt und forscht. Wesentliche Neuerung bei der Entwicklung von künstlicher Intelligenz und Expertensystemen ist, das man versuchte einem simplen Rechner Intelligenz einzuflößen. Erstmals versuchte man menschliches Denken im Computer nachzubilden. Da auch für den Menschen das Wissen die wesentliche Basis für jedes Handeln ist nahm man an, das man, wenn man nun einem Rechner beibringt Wissen zu sammeln und mit diesem Wissen zu arbeiten, Intelligenz zu schaffen. Die technische Vorraussetzung für die Entwicklung stellt die rasante Entwicklung der Computerindustrie dar. Da AI-Systeme sehr komplex sind und deshalb oft auch sehr rechenzeitintensiv war es vorher nicht möglich solche Software zu betreiben. Ferner steckte die Computerindustrie trotz der schon ausreichenden Rechenleistung noch in den Kinderschuhen. Also konnte man noch nicht abschätzen, wie ein solches System skalieren wird, und welche Einsatzmöglichkeiten sich bieten werden. Aufgrund dieser Unmöglichkeit der Einschätzung glaubte man zunächst auch, das AI-Systeme die Softwarelandschaft komplett verändern werden, und das es bald möglich sein werde Roboter und Systeme zu entwickeln, die ähnlich dem Menschen autonom agieren und menschlich handeln können. Da sich aber im laufe der Zeit herausgestellt hat, das eben solche Systeme, die künstliche Intelligenz haben sollten nicht mit der Geschwindigkeit der Hardwareentwicklung besser werden. Das heißt, das im Gegensatz zu der enormen Steigerung der Rechenleistung und der Speichervolumina die Leistung von künstlicher Intelligenz nicht annähernd in so start verbessert hat. Eine weitere kulturelle Voraussetzung für die Entwicklung von künstlicher Intelligenz und damit auch von Expertensystemen war, das die Menschen allmählich Vertrauen in die neue Computertechnik entwickelten. Es wurde angenommen, das Computer im Gegensatz zum Menschen keine Fehler machen und deshalb zuverlässiger sind als ein menschliches Individuum. Skepsis gegenüber von Technik war nicht so verbreitet wie heute. Ein Beispiel aus einem anderen Gebiet, das diese Einstellung verdeutlicht ist, das Röntgenstrahlung bedenkenlos eingesetzt wurde, um zum Beispiel festzustellen, ob Schuhe passen oder nicht. Heutzutage macht man sich mehr Gedanken über die Folgen von technischen Inventionen, und glaubt nicht mehr, das man durch Automatisierung alle Probleme lösen kann. Dies mag nicht nur von der wesentlich fortgeschritteneren Forschung herrühren, sondern auch von den aktuellen Weltpolitischen Umständen. Zur Zeit des kalten Krieges und im Kontext des globalen Wettrüstens musste man versuchen durch revolutionäre Techniken mitzuhalten, und Forschung und Entwicklung möglichst zu beschleunigen und zu erleichtern. Künstliche Intelligenz, die leistungsfähiger und zuverlässiger als die menschliche ist wäre ein willkommenes Mittel. Auch heute ist diese Vorstellung aufgrund des globalen Wettbewerbes noch immer vorhanden. Expertensysteme halten Einzug in vielen Fachrichtungen, wo Zuverlässigkeit und Robustheit ein großes Anliegen ist. Ein Beispiel für solch ein Anwendungsgebiet ist die moderne Medizin. Expertensysteme sollen Ärzte bei ihren Diagnosen unterstützen um so Fehler zu vermeiden. Eines ist allerdings nicht in Sicht, das Expertensystem, das interdisziplinär alle Fragen beantworten kann und alles neue Wissen aufnehmen und aufbereiten kann. Angesichts der Entwicklung in der Informatikindustrie ist es angesichts der zunächst großen Hoffnungen eher enttäuschend, was heute in Punkto künstlicher Intelligenz erreicht werden kann. Vorgeschichte In den Sechziger Jahren war die ursprüngliche bestand die Absicht eine allgemein gültige Problemlösungsmaschine (GPS - general problem solver) zu entwickeln. Da diese Aufgabenstellung zu hoch gegriffen war, wurden im Laufe der Zeit Systeme entwickelt, die zwar die Probleme einer Expertise lösen können, aber keine Allround-Problemlöser sind. Daraus entwickelte sich der eigener Typ von Systemen, die Expertensysteme. Zum einen war es bisher nicht möglich allgemein gültige Heuristiken und Regeln aufzustellen, die fach- und wissensübergreifend funktionieren. Ein weiterer Antriebsfaktor war in diesem Fall, das Streben nach Minimierung des Entwicklungsaufwandes. So wurden Werte bzw. Lösungen anhand von Heuristiken und Daumenregeln bestimmt und nur bis zu einer ausreichenden Güte der Lösung weiter fortgefahren bzw. können sich auch Problemstellungen ergeben, die nicht vollständig und/oder nicht eindeutig lösbar sind. Ansätze und Algorithmen wurden ab dieser Entwicklungsstufe teilweise schon als Künstliche Intelligenz bezeichnet. Expertensysteme sind auf eine gewisse Weise mit AI Systemen verwandt. Denn bei Expertensystemen, werden alle Verfahren und Konzeptionen verwendet, die auch in der AI Forschung und Entwicklung zur Anwendung kommen. Diese Bezeichnung auch in der gleichen Definition noch heute gültig. Zum Beispiel bei Spielen werden noch heute Wegfindungsroutinen (Echtzeitstrategiespiele) oder computergesteuerte Gegner als Künstliche Intelligenz oder kurz KI bezeichnet. Zum Einen bestanden bei der Entwicklung von Künstlichen Intelligenzen, Probleme, die weniger mit der Darstellung oder der Lösungsfindung von einzelne Problemen zu tun hatte sondern in der Entwicklung von allgemein anwendbaren Algorithmen und Problemlösungskomponenten. Solche Systeme sollten von einem ,,unzufriedenen`` Ist-Zustand anhand von Aktionen und darauf folgenden Reaktionen in einen ,,zufriedenen`` Soll-Zustand gelangen. Diese Systeme wurden im Allgemeinen auch als ,,Agenten`` bezeichnet. Die Definition von Agenten, durch Russel und Norvig, ein Agent nimmt seine Umwelt durch Sensoren wahr und beeinflusst diese mit Effektoren (siehe Abbildung 1). Abbildung 1: Agent Geschaffen werden sollte eine Maschine, die durch Eigenerweiterung der Faktenbasis die Probleme, unabhängig von der Aufgabenstellung, basierend auf allgemeinen Heuristiken und Algorithmen, bewältigen kann. Diese Zielsetzung konnte bis heute nicht erreicht werden, nicht aufgrund des hohen Entwicklungsaufwandes, sondern auch aufgrund der nicht allgemein gültigen Heuristiken. Obwohl schon mit PROLOG und LISP Skriptsprachen für allgemeine Logik zu Verfügung standen, konnten bis heute keine allgemein gültigen Regeln für eine intelligente Informationsverarbeitung spezifiziert werden. Dies führte schließlich zu der Charakterisierung der sogenannten ,,Expertensysteme``. Die Problemstellungen sind im Allgemeinen eindeutig (auch formal) beschreibbar und alle Verfahren, die für die Entwicklung von Künstlichen Intelligenzen notwendig sind bzw. verwendet werden, werden auch bei der Erstellung von Expertensystemen eingesetzt. Das grundsätzliche Konzept besteht besagt, dass das System aus einer Wissensbasis und einer Problemlösungskomponente besteht. Damit sind Wissenserwerb, Wissensrepräsentation, Maschinelles Lernen, deduktives Schließen die wesentlichen Aufgaben, für solch ein Gerät, die hauptsächlich für Mustererkennung, Diagnose, Planung und Sprachverarbeitung eingesetzt werden. Weltbild & Ideengeschichtliche Einflüsse Vor allem die Vorstellung und der Ausblick auf militärische Waffensysteme und Automaten zur Lösungsfindung haben die Forschungen auf diesem Sektor beeinflusst. Der Ost-West-Konflikt war Ansporn für das Streben nach technologischer Überlegenheit. In einigen Bereichen wurden die Entwicklung und Möglichkeiten über- aber auch unterschätzt. Obwohl es bisher noch nicht gelungen ist, eine allgemein funktionierende Problemlösungsmaschine zu entwickeln, so sind doch die Rechenleistungen der Maschinen, seit dieser Zeit in ungeahnte Größen katapultiert worden. Expertensysteme werden prinzipiell nur mit Informationen einer Expertise gefüttert, daher sind, diese Systeme äußerst spezialisiert. Beispiele aus heutiger Sicht, sind hier teil- oder vollautonome Roboter, die beispielsweise für Bombenentschärfung oder Wartungsarbeiten an unzugänglichen Stellen ausgelegt wurden. Aber auch unbemannte Aufklärungsdrohnen könnte man bis zu einem gewissen Punkt, zu solchen Systemen zählen. Diese sind aber zumeinst nur teilautonom (dass heißt, dass diese Drohnen noch eine Person für die Steuerung benötigen). Weltbild der Entwickler (``Menschenbild'')[3] Die Grundidee der Entwickler von Expertensystemen ist es das Wissen von hochspezialisierten Fachleuten also Experten in Computersystemen nachzubilden. Es wird dabei davon ausgegangen, dass menschliche Experten durch Zusammensetzten von einzelnen Teilkenntnissen Problemlösungen erzielen. In Expertensystemen muss also das Wissen von Experten strukturiert gespeichert werden und durch Regeln und Strategien verarbeitet werden um eine Problemlösung zu erarbeiten. Die Gründe für die Entwicklung von Expertensystemen sind vielseitig und beziehen sich sowohl auf die Unterstützung von Experten als auch der Verbesserung des Produktionsprozesses bzw. einer Dienstleistung und das Ersetzen von Experten in gewissen Situationen und Bereichen. Unterstützung von Experten In diesem Fall übernimmt das Expertensystem die Lösung von Problem die für den Experten Routine sind um den Experten zu entlasten. Durch diese Entlastung kann sich der Experte auf komplexere Probleme konzentrieren, die sein Expertenwissen und seine menschlichen" Fähigkeiten wie Intuition, Assoziationsfähigkeit, etc. voll in Anspruch nehmen bzw. vom Expertensystem nicht oder nur unzufriedenstellend gelöst werden können. Denkbar ist natürlich auch das der Experte komplexe Probleme mit Hilfe des Expertensystems lösen kann. ``Ersetzen'' von Experten Für diesen Fall gibt es mehrere Szenarien. Wenn es zum Beispiel in einer global agierenden Firma nur einen Experten gibt der über das nötige Wissen für bestimmte Bereiche verfügt könnte man dieses über ein Expertensystem in allen Produktionsstätten verfügbar machen. Bei militärischen bzw. Weltraum Projekten wird es meistens so sein, dass der Experte nicht vor Ort ist. Über ein Expertensystem kann dessen Wissen dann für die Ausführenden verfügbar bzw. portabel gemacht werden. Im Prinzip geht es hierbei also um ein Verfügbarmachen von Expertenwissen für "Nicht Experten. Genauso spielt natürlich das Konservieren von Expertenwissen in diesen Bereich mit. Denkbare Szenarien wäre unter Betrachtung des historischen Umfeldes der Anfänge von Expertensystemen, also des damals noch hochaktuellen Ost - Westkonfliktes, im Falle eines Überlaufen des Experten zum Gegner bzw. des Todes des Experten sein Wissen gespeichert zu haben. Dies kann natürlich auch in die Wirtschaft übertragen werden falls der Experte in Pension geht oder die Firma wechselt trotzdem sein Wissen zu erhalten. Verbesserung des Produktionsprozesses bzw. der Dienstleistung Die grundlegende Intention hierbei ist es natürlich die Qualität eines Produktes bzw. einer Dienstleistung zu erhöhen, indem man das dafür nötige Expertenwissen zur Verfügung stellt. Die Verbesserung des Qualität kann sich einerseits rein auf ein Produkt beziehen als auch auf eine bessere Verfügbarkeit einer Dienstleistung. Durch die Unterstützung wird auch allgemein die Sicherheit in kritischen Situationen erhöht. Ziele und Vorurteile der Konzepte Am Anfang der Entwicklung von Expertensystemen wurden die Ziele sehr hoch gesteckt. Es wurde beabsichtigt einen ällgemeinen" Problemlöser zu entwickeln. Daraus kann man erkennen, dass die Entwickler die Vorstellung hatten jeden Experten ersetzen zu können. Im Zuge der weiteren Entwicklung wurde allerdings klar, dass es einen ällgemeinen" Problemlöser in absehbarer Zukunft nicht geben wird. Daraufhin wurden die Ansprüche reduziert und man wollte nurmehr zum Beispiel mittels eines medizinischen Expertensystems den praktischen Arzt ersetzen. Mittlerweile werden Expertensysteme aus den obengenannten Gründe entwickelt und produziert. Natürlich gibt es immer noch Vertreter der Branche die zum Beispiel der Meinung sind, dass man das menschliche Gehirn in einen Speicher kopieren kann.[4] Da dies aber nicht ohne neurochirurgische Eingriffe ins Gehirn erzielt werden kann wird dies bei der momentanen Rechtslage nicht machbar sein. Umfeld Die Entwicklung des Gebiets der Expertensystem, oder auch wissensbasierte Systeme, ist Eng mit der Entwicklung der AI verbunden. Somit sind auch das soziale Umfeld und die wirtschaftlichen und organisatorischen Interessenlagen eng miteinander verknüpft. Die AI als solche ist eine interdisziplinaere Wissenschaft, dir ihre Wurzeln in der Philosophie, Mathematik, Psychologie und Informatik hat. Als Gründungsphase der AI kann der Zeitraum von 1943-1956 angesehen werden. In der Entwicklung der AI gab es verschiedene Phasen, die sich in 3 große Phasen unterteilen lässt: Frühe Phase: 1956-1970. Ära der ``Starken AI'', ``Thesis'' 1970-1980: ``Schwächere AI'', ``Antithese'' 1980-1991. AI als Industrie: ``Synthese'' In der ersten Phase waren die Entwickler der Ansicht, daß Maschinen bald alles können, was ein Mensch kann. Man glaubte autonome Systeme bauen zu können, welche umfassende Probleme in verschiedenen Bereichen lösen können. Man muste jedoch bald festellen, das dem nicht so war und die gebauten System nicht die erwünschten Erfolge brachten. Pioniere auf diesem Gebiet wie Marvin Minksy, John McCarthy, Allen Newell and Herbert Simon lenkten ihre Stundenten in Richtung der AI. Mit der Dartmouth Conference 1956 brach eine neue Ära in der AI an. Während der Jahre 1956-1963 richteten einige der grösten AI Forschungszentren, wie zum Beispiel Carnegie Mellon, MIT mit dem Lincoln Laboratory, Stanford und IBM, ihre Arbeit auf 2 Hauptthemen: Limitierung des Umfangs bei Suchen in trial-and-error Problemen Forschung auf dem Gebiet des computer learning. Diese Erkenntnisse prägten auch die zweite Phase: Schwächere AI, Antithese. In dieser Phase beschränkten sich die Entwickler auf zwei Ansätze: bestimmte Aufgaben Unterstützung eines menschlichen Benutzers Die Beschränkung auf diese beiden Ansätze führte letztlich zu der Entwicklung der Expertensysteme, welche folgende Merkmale aufweisen: jeweils ein enger Bereich (Problem-Domaine) Verwendung von bereichsspezifischen Wissen Anwendung von unvollständigen Methoden, Heuristiken zur Problemlösung bei komplexen Problemen Eines der ersten Expertensystem das gebaut wurde, entwickelte Feigenbaum circa 1970. Die Aufgabe diese Systems bestand darin, die Struktur von Molekülen aus dem Massenspektogramm einer chemischen Verbindung zu bestimmen[1]. Die 80er Jahre waren eine Berg und Talfahrt für die AI. Die Öffentlichkeit war zuerst nicht mehr so begeistert von der Wissenschaft, gefolgt von Star Wars Filmen und der Polularität des Personal Computers. XCON war das erste Expertensystem das in der Industrie eingesetzt wurde. Innerhalb von vier Jahren wuchs XCON um das zehnfache mit einem Investitionsaufwand von 50 Mannjahren in das Programm. Dadurch sparte man 40 Millionen US Dollar in Testreihen und Herstellungskosten. Danach explodierte die AI. Die Anzahl der daran arbeitenden Gruppen stieg gewaltig an und 1985 gaben 150 Firmen mehr als 1 Milliarde US Dollar für ihre eigenen Forschungsgruppen aus. Die Gründe ein Expertensystem zu entwickeln und deren Zielsetzungen, gehen aus den damaligen Erfordernissen heraus[2]: die Bereitstellung neuer Serviceleistungen, besonders im Dienstleistungsbereich die Entwicklung eines neuen Produktes, entweder als eigenstaendiges Softwaresystem oder durch Integration eines Expertensystems in ein Analyse- oder Diagnosegerät die Verbesserung der Qualität, Sicherheit, Produktivität und Arbeitsbedingungen - Hauptziele im Rahmen der industriellen Produktion die Verringerung von Fehleranzahl, Ausschus und Ressourcenbedarf, das heist der Versuch, den Produktionsprozess besser in den Griff zu bekommen Die Motivation und die Gründe ein Anwendungsprojekt mit Hilfe der Unterstützung eines Expertensystems zu lösen, kann sowohl expertenbezogen als auch produktbezogen gesehen werden. Aus der expertenbezogenen Sichtweise ergeben sich folgende Gründe: der Experte ist mit Aufgaben überlastet, die für ihn Routine sind. Diese Routineaufgaben sollten ihm von einem Expertensystem abgenommen werden, damit er sich den schwierigen Problemen widmen kann der Experte kann nicht vor Ort sein, etwa bei mangelndem Servicepersonal, oder bei Weltraum- und militärischen Projekten es gibt nur einen Experten, der in der Zentrale sitzt. Man möchte jedoch sein Wissen auch in den Filialen verfügbar machen die Anzahl und/oder die Komplexität der Probleme hat so zugenommen, dass der Experte überfordert ist der Experte geht bald in Pension oder wechselt die Firma, man möchte sein Wissen nicht mit seinem Ausscheiden verlieren Aus der Sicht des zu entwickelnden Produktes ergeben sich folgende Gründe, bei der Realisierung ein Expertensystem zu implementieren: um die Qualität eines Produktes zu erhöhen, liefert man das zugehörige Expertenwissen mit die Problemstellung hat eine Komplexität, die intelligente Unterstützung bei der Problemlösung erfordert die Sicherheit in kritischen Situationen wird erhöht es werden Leistungen an bisher nicht erreichten Orten und/oder Tageszeiten (zum Beispiel Nachts oder am Wochenende) ermöglicht. Literatur 1 Uwe Egly; Thomas Eiter; Hans Tompits: Skriptum zur Lehrveranstaltung: Wissensbasierte Systeme; 2000, http://www.kr.tuwien.ac.at/ 2 Gottlob, Georg; Fruehwirt, Thomas; Horn, Werner: Expertensysteme; Springer Verlag Wien, 1990 3 Gerald Reif: Expertensysteme; 2000, http://www.iicm.edu/greif/node8.html 4 Ulf J. Froitzheim: Demontage der Mystiker; 1992, http://www.ujf.biz/texte/TB_KI.html

Weiterführende Informationen

Verweise auf Arbeiten anderer gruppen

Geschichte der Expertensysteme - Bei den ersten Expertensystemen, die entwickelt wurden, wurden Experten befragt, um ... Was ist Knowledge Engineering? - ..ist ein relativ junger Begriff, der in der Informatik im Bereich der Wissensakquisition ...

>Entstehungskontext | Konzepte und Techniken | Entwicklung und Auswirkungen | Praxis | Bewertung