Information Technology Reference
In-Depth Information
In der Fachliteratur wird oftmals zwischen großen und kleinen regelbasierten Syste-
men in Bezug auf Größe und Leistungsfähigkeit unterschieden. Es gilt zu beachten, dass
eine verbindliche Grenze hierbei nicht gezogen werden kann, ergibt sich diese oftmals
erst nach Überblick über die Gesamtproblematik. Nützlich ist eine solche Unterschei-
dung allerdings dann, wenn ein anstehendes Projekt schnell beurteilt werden soll. Beim
praktischen Umgang mit regelbasierten Systemen haben sich einige Kriterien herauskris-
tallisiert, die sich für große und kleine Systeme angeben lassen. Demzufolge sind große
regelbasierte Systeme solche Systeme, die nicht mit konventionellen Methoden entwickelt
werden können, die bevorzugt im Team entwickelt werden und die ein breites Leistungs-
angebot für den Anwender zur Verfügung stellen. Kleine regelbasierte Systeme sind hin-
gegen Systeme, die von einem Experten oder Entwickler selbst entwickelt werden und die
nicht ein breites, sondern eher ein enges Leistungsangebot zur Verfügung stellen. Gerade
in der älteren Fachliteratur werden große und kleine Systeme auch nach der Menge der
darin verwendeten Regeln unterschieden. Auch hier kann eine eindeutige Grenze nicht
gezogen werden. Man spricht allerdings von kleinen Expertensystemen, wenn etwa 500
Regeln zum Einsatz kommen. Werden mehr als etwa 5000 Regeln verarbeitet, so spricht
man bereits von einem großen System. Um aber eine für die weitere Behandlung des
Themas nützliche Systematik zu finden, wird im Folgenden versucht, die regelbasier-
ten Systeme in Klassen einzuteilen. Dafür wurden verschiedene Klassifikationskriterien
verwendet: zum Einsatz kommende Methoden, Einsatzgebiet oder Leistungsumfang und
Funktionalität.
Regelbasierte Systeme sind nicht universell sinnvoll einsetzbar. So würde es sicher-
lich nicht viel Sinn machen, ein solches Sytem zur Lösung linearer Gleichungssysteme
einzusetzen. Regelbasierte Systeme sollten daher nur dort eingesetzt werden, wo sie den
eher konventionellen Verfahren überlegen sind. So lassen sich beispielsweise regelbasier-
te Systeme für Probleme heranziehen, für deren Lösung exakte Theorien und ausgereifte
Algorithmen existieren. Die Stärke der heutigen Systeme liegt jedoch auch darin, Prob-
lemlösungen aufgrund von unvollständigen Theorien, Erfahrungswissen oder vagem und
unsicherem Wissen zu erarbeiten. Generell wird bei der Konsultation eines regelbasierten
Systems das inhärente Wissen der Wissensbasis dem Anwender zur Verfügung gestellt.
Damit verfügt dieser Anwender unter Umständen über ein Wissen, das ihm selbst nicht
bekannt ist. Vielmehr kann der Anwender durch diese Konsultation seine eigene, individu-
elle kognitive Leistung steigern. Damit aber dieses Wissen auch wirkungsvoll angewendet
werden kann, ist Erfahrung in der Wissensverarbeitung notwendig. So werden solche Sys-
teme häufig Experten zur Seite gestellt, um deren Entscheidungen abzusichern oder sie
von lästigen Routineaufgaben zu entlasten.
Eine an der Praxis orientierte Charakterisierung ordnet die regelbasierten Systeme be-
züglich ihrer Aufgabenbereiche ein, die sie erfüllen müssen. Dies erscheint sinnvoll, denn
unterschiedliche Probleme bedingen unterschiedliche Anforderungen und erfordern unter-
schiedliche Techniken der Wissensrepräsentation in der Wissensbasis und der Wissensan-
wendung in der Inferenzkomponente. Man unterscheidet demnach folgende Aufgabenbe-
reiche: Diagnose, Beratung, Design/Entwurf, Planung oder das Lernen. Bei
Diagnosesys-
