Database Reference
In-Depth Information
Die Fallbasis kann in verschiedener Weise aufgebaut werden. Auch hier ist das
Wissen von Fachleuten in der Regel von großer Bedeutung. Sie liefern die Beschrei-
bung behandelter Beispiele und sollten an der Auswahl geeigneter Falle beteiligt
werden. Die Techniken des Wissenserwerbs (z.B. Interviews) kommen hier eben-
so zum Einsatz wie in anderen wissensbasierten Systemen, wobei allerdings eine
fallbasierte Konzeption gewisse Erleichterungen verschafft:
•
Experten sind nun nicht mehr gezwungen, ihr Wissen auf die Grundlage allge-
meiner Regeln zu stellen. Vielmehr liefern sie ganze
Episoden
, die ihre Fahig-
keiten
implizit
dokumentieren. Dadurch lasst sich nicht nur intuitives Wis-
sen oft besonders gut erfassen - die Kooperationsbereitschaft der Fachleute
ist im Allgemeinen auch wesentlich besser. Man denke nur daran, wie gerne
und intensiv Experten untereinander ihre Erfahrungen anhand von Beispielen
(“Berichte von der Front”) austauschen.
Auch hier wird im Allgemeinen ein Wissensingenieur benotigt, um diese Bei-
spiele in geeigneter Form in eine maschinenlesbare Struktur zu bringen. Steht
diese Struktur jedoch einmal zur Verfugung, so kann die Wissensakquisition
oft durch den Experten selbst vorgenommen werden.
•
Bereits vorhandene und gespeicherte Computerberichte konnen als “Falle” in
die Wissensbasis aufgenommen werden.
•
Schließlich wird durch die Bearbeitung und Speicherung neuer Falle die Wis-
sensbasis standig erweitert - das System lernt automatisch und kontinuierlich.
Normalerweise wird die Leistungsfahigkeit eines CBR-Systems naturlich umso
besser, je großer seine Fallbasis ist. Doch auch auf der Basis relativ kleiner Fallda-
tensammlungen lassen sich durchaus gute Ergebnisse erzielen. Wichtig ist, dass die
Fallbasis mit einer Sammlung
reprasentativer Falle (seed cases)
startet.
Die Qualitat eines CBR-Systems hangt im Wesentlichen von den folgenden
Punkten ab:
•
von seiner
Erfahrung
, also vom Umfang der Fallbasis;
•
von seiner Fahigkeit, neue Situationen mit gespeicherten Fallen geschickt
in
Verbindung
zu bringen;
•
von seiner Fahigkeit, alte Losungen an neue Probleme
anzupassen
;
•
von der Art und Weise, wie neue Losungen
evaluiert
und bei Bedarf
korrigiert
werden;
•
von der geschickten und passenden
Integration
neuer Erfahrungen in die Fall-
basis.
Ein wesentlicher Pluspunkt fallbasierter Systeme ist ihre
gute Erklarungsfahig-
keit
. Vom System vorgeschlagene Losungen lassen sich durch Referenz auf fruhe-
re Situationen begrunden. Solche Beispiele - positiver wie auch negativer Art -
besitzen eine große Uberzeugungskraft. Dies fuhrt oft zu einer hohen Akzeptanz
fallbasierter Systeme.
