   
|
| Online Forum Gebäudetechnik |
Startseite - GBT Forum - Expertensystem Gebäudetechnik
Expertensystem Gebäudetechnik
| Text |
Datum |
Benutzer |
Expertensystem Gebäudetechnik
Guten Abend,
Wir suchen informationen über Expertensystem im Bereich Gebäudetechnik z.B. Unterhalt von Kältanlagen,Aufzugsanlagen,Reinraumtechnik etc.Kann uns jemand auf diesem Gebiet weiterhelfen(Software) etc.
Besten Dank zum voraus.
F. Huber
|
05 Dec 2004
20:44:09 |
F. Huber |
Hallo,
Im Anhang Infos zu diesem sehr ZUKUNFTSTRÄCHTIGEN THEMA, VIEL ERFOLG!!
Gruss K.Lauber
Wissensbasierte Systemidentifikation Forschungsprojekt des Arbeitsschwerpunktes Einsatz von Expertensystem und Fuzzy-Regelung zur Identifikation und Regelung am Institut f. Maschinen- und Prozeßautomatisierung (E 328) Herkömmliche Programmpakete zur Systemidentifikation sind für den ungeübten Benutzer oft nur schwer zugänglich. In diesem Projekt wird an einem wissensbasierten Beratungssystem für diese Aufgabe gearbeitet. Dabei wurde der Identifikationsvorgang (ID-loop) formal dargestellt. Dieser Vorgang beginnt mit dem Entwurf des Experiments und endet mit der Evaluierung des erzielten Modells. Beim Verwerfen von Hypothesen (z.B. falsche Modellordnung) soll ein TMS (Truth Maintenance System) die Daten konsistent halten. Dieser Mechanismus stellt zusammen mit einem einfachen Interpreter und dem ID-loop die wichtigsten Komponenten des lauffähigen Systems dar. Für den Wissenserwerb und die Realisierung des Systems wurde ein Hypertext-Ansatz entwickelt. Dieser ist eng mit der strukturierten Wissensdarstellung in einem Frame-System integriert. Das Wissen wird zuerst semi-formal in Hypertext-Knoten und -Verbindungen dargestellt. Die Knoten werden in Taxonomien eingeordnet und sowohl Verbindungen als auch Knoten werden mit Typen versehen. Auf diese Art wird das Wissen schrittweise formalisiert.
Projektdauer: 11.1990 bis 11.1994 ÖSTAT-Klassifikation 2510 Elektrische Steuerungstechnik
Schlagworte Systemidentifikation Wissenserwerb Hypertext Frames ID-loop
Anwendungsgebiete Advisor system for system identification
Wichtigste Publikationen Snaprud M., H.P. Jörgl, H. Kaindl: A Frame-based Representation of the System Identification Procedure., Proc. 12th IFAC World Congress, July 19-23, 1993, Sydney, Australia, pp. 331-336. Snaprud M., H.P. Jörgl, H. Kaindl: Elements of an ID-loop Engine., Accepted paper, 10th IFAC Symposium on System Identification, July 4-6. 1994, Kopenhagen, Dänemark.
|
05 Dec 2004
20:47:26 |
K. Lauber |
Hello,
Vielen Erfolg mit den Infos. im Anhang! Gruss K.Kranz http://www.inf.ethz.ch/personal/doebeli/private/thinking/w00039.html
Künstliche Intelligenz (KI / AI)
Definitionen AI will klären, was geschieht, wenn unser Geist aus Myriaden von Möglichkeiten diejenigen aussucht, die in einer sehr komplexen Situation am vernünftigsten sind. von Douglas Hofstadter im Buch Gödel, Escher, Bach (1979)
Bemerkungen Das ist nach meiner Überzeugung die Kernfrage der gesamten Computerentwicklung, ganz besonders der sogenannten künstlichen Intelligenz, über die viel Unsinniges geschrieben wird: Menschliche Erfahrung ist nicht über- tragbar. Menschen können lernen. Das heißt: Neues schöpfen. Nicht aber Computer. Die können lediglich Strukturen und Daten nach vorgegebenen Mustern erweitern oder verdichten. von Joseph Weizenbaum im Buch Sind Computer die besseren Menschen ? (1990)
Verwandte Begriffe (Relevanz I) Computer, Turing-Test, Gehirn, Geist, Bewusstsein,
Externe Links http://dub.cs.tu-berlin.de/~oertelh/Chinesisches_ :KI-Seminar: Grenzen der Kuenstlichen Intelligenz
http://www.germany.aol.com/spot/robo/spot.html :AOL-Seite mit Links zu KI (Eingefügt von einem Besucher dieser Seite) Dieser Begriff wird besprochen in: Beiträge zur Didaktik der Informatik Warum gehört das Thema 'Künstliche Intelligenz' in die Allgemeinbildung? (Henk Goorhuis) Computerdenken Kann ein Computer Geist besitzen ? (Roger Penrose) Der mittlere Weg der Erkenntnis Inszenierung - Die verkörperte Kognition (Eleanor Rosch, Evan Thompson, Francisco J. Varela) Die Zirkularität im Geist des Wissenschaftlers (Eleanor Rosch, Evan Thompson, Francisco J. Varela) Symbole - Die kognitivistische Hypothese (Eleanor Rosch, Evan Thompson, Francisco J. Varela) Der Wissensnavigator (Artur P. Schmidt) Die Macht der Computer und die Ohnmacht der Vernunft (Joseph Weizenbaum) Theorien und Modelle (Joseph Weizenbaum) Digitale Lernwelten Lernen von und mit Robotern (Rolf Pfeifer) Einsicht ins Ich Ein Kaffeehaus-Gespräch über den Turing-Test (Douglas Hofstadter) Reflexionen (zu 'Geist, Gehirn, Programm' von John R. Searle) (Douglas Hofstadter) Geist, Gehirn, Programm (John R. Searle) GDI Impuls 2/99 Dinge, die denken (Neil Gershenfeld) Geist, Hirn und Wissenschaft Kognitive Wissenschaft (John R. Searle) Das Körper/Geist-Problem (John R. Searle) Können Computer denken ? (John R. Searle) Gödel, Escher, Bach Church, Turing, Tarski und andere (Douglas Hofstadter) Intelligenz und Bewusstsein Vorstoss zu den Quellen der Intelligenz (Andreas Engel) Kognitionswissenschaft, Kognitionstechnik (Francisco J. Varela) Konstruktivistische Modellbildung in der Informatik (Henk Goorhuis) KybernEthik Lethologie (Heinz von Foerster) Leben im Netz Flirt mit einem Roboter (Sherry Turkle) Simulation als bare Münze (Sherry Turkle) Identitaet in Zeiten des Internet (Sherry Turkle) Pioniere der Informatik Christiane Floyd (Christiane Floyd) Radikaler Konstruktivismus Die Verbindungen zur Kybernetik (Ernst von Glasersfeld) Shadows of the mind Consciousness and computation (Roger Penrose) Sind Computer die besseren Menschen ? (Klaus Haefner, Michael Haller, Joseph Weizenbaum) Umdenken in der Informatik Künstliche Intelligenz ? (Oskar Dressler) Wahrheit ist die Erfindung eines Lügners Pädagogik (Heinz von Foerster, Bernhard Pörksen) Was ist erkennen ? Elemente des Erkennens (Humberto R. Maturana) Wenn die Dinge denken lernen (Neil Gershenfeld) What computers still can't do (Hubert L. Dreyfus) Wir sehen nicht, dass wir nicht sehen (Heinz von Foerster, Hermann Rotermund) Zur Biologie der Kognition Gespräch mit Humberto R. Maturana (Humberto R. Maturana, Volker Riegas, Christian Vetter)
|
05 Dec 2004
20:49:48 |
K. Kranz |
Viel Erfolg mit meinen KI- Infos! Gruss P.Rohner
http://www.et-inf.fho-emden.de/~socher/xps/glossar.html
http://www.p-forum.de/exp/vwerkst.htm
http://www.haustechnik.de/expert-system/
http://www.softguide.de/prog_c/pc_0493.htm Leitfaden zur Modellierung von Fachdialogen zwischen Nutzern und System Jens-Uwe Möller Universität Hamburg Fachbereich Informatik AB Natürlichsprachliche Systeme Vogt-Kölln-Str. 30, D-22527 Hamburg tel: ++49 40 54715 - 516 / fax: - 515 email: jum@informatik.uni-hamburg.de
Abstract Mit diesem Leitfaden soll Entwicklern wissensbasierter Systeme die Möglichkeit gegeben werden, Fachdialogmodellierung als integralen Bestandteil ihrer Systementwicklung behandeln zu können. Es wird eine Orientierungshilfe im Sinne eines methodischen Vorgehens bei der Entwicklung fachdialogorientierter Expertensysteme gegeben; eine exakte technische Spezifikation der Methode, vergleichbar einer Entwicklungsshell, ist an dieser Stelle nicht beabsichtigt. Der Leitfaden richtet sich in erster Linie an Knowledge Engineers, die Methode dürfte jedoch ebenfalls für arbeits- und kommunikationswissenschaftliche sowie linguistische Untersuchungen relevant sein. Zunächst werden Chancen und Grenzen des Einsatzes einer Fachdialogsteuerung diskutiert, anschließend die verschiedenen Arbeitsschritte von der Aufgabenverteilung über empirische Verfahren zur Akquisition von Fachdialogwissen bis zur Fachdialogmodellierung beschrieben. Die hier vorgestellte Methode zur Fachdialogmodellierung erweitert KADS [5], eine Entwicklungsmethode für Expertensystemen der zweiten Generation. Unsere Methode zur Fachdialogmodellierung ist medienunabhängig und somit generell zur Modellierung von Dialogsystemen geeignet, seien sie nun natürlich-sprachlich oder unter Zuhilfenahme anderer Medien (Ton und Sprache, Graphik, Bilder, Animation) realisiert. 1 Einleitung 1.1 Das Problem der fehlenden interaktionslogische Einbettung In Expertensystemen gibt es rein an dem Schema des Problemlösungsprozesses orientierte Dialoge. Diese sind für die Benutzer meist unstrukturiert, die Benutzer fühlen sich zu Bedienern degradiert, die die notwendigen Informationen geben müssen.[1] Der Erfolg von Expertensystemen, oder allgemeiner wissensbasierten Systemen im alltäglichen Einsatz hängt also nicht allein von der Korrektheit des repräsentierten Fachwissens und der darauf aufbauenden Inferenzleistung zusammen, sondern ebenso bedeutsam sind Aspekte des Einsatzumfelds, wie die (arbeits-) organisatorische Einbettung, die Wartbarkeit und Adaptivität und die Interaktionsmöglichkeiten des Systems. Dieser Leitfaden beschäftigt sich mit einem speziellen Einsatzaspekt, der Interaktionsgesichtspunkte mit arbeitsorganisatorischen Fragen verbindet: Bei der Nutzung der Expertensystemtechnik können Schwierigkeiten auftreten, die in der Interaktionslogik bzw. den durch den Expertensystemeinsatz veränderten Strukturbedingungen der Kommunikation im Arbeitsprozeß begründet sind. Die arbeitstechnisch effektive Kommunikation mit einem Expertensystem im Rahmen der Problemlösung verlangt, so das Ergebnis verschiedener empirischer Untersuchungen im Rahmen des Projekts DIALOS [13, 14], die Definition einer Mensch-Maschine-Schnittstelle, die sich an der typischen Vorgehensweise der Problemlösung und des Wissenstransfers der jeweiligen Arbeits- bzw. Dienstleistungsorganisation orientiert. Die Schnittstelle muß interaktionslogisch in den Gesamtarbeits- bzw. Dienstleistungsprozeß eingepaßt werden. Die Integration eines derartigen, fachspezifischen Kommunikationmodus ist Ziel einer Fachdialogsteuerung.
Mit diesem Leitfaden soll nun Entwicklern die Möglichkeit gegeben werden, Fachdialogmodellierung als integralen Bestandteil ihrer Systementwicklung behandeln zu können. Hierzu wird eine Methode vorgestellt, deren Anwendung die gesetzten Zielkriterien erfüllen hilft. Sie erweitert eine Methode zur Entwicklung von Expertensystemen der zweiten Generation und orientiert sich dabei speziell an der Methode KADS [5]. Die in diesem Leitfaden vorgestellte Methode zur Fachdialogmodellierung eignet sich darüber hinaus generell zur Modellierung von Dialogsystemen, seien sie nun natürlich-sprachlich oder unter Zuhilfenahme anderer Medien (Ton und Sprache, Graphik, Bilder, Animation) realisiert. Die Methode ist insofern für arbeits- und kommunikationswissenschaftliche Untersuchungen, als auch für den Bereich linguistischer Software (Lingware) relevant.
1.2 Die Bedeutung der Wissenskommunikation als Teil der Problemlösung Um die Notwendigkeit einer Fachdialogsteuerung zu begreifen, erscheint es sinnvoll, die Probleme in der Interaktion zwischen Mensch und Expertensystem genauer zu untersuchen. Vergleicht man die Prozesse der Problemlösung ein und desselben Problems, wie sie einerseits von Menschen vollzogen werden und wie andererseits ein solcher Prozeß auf einem Expertensystem modelliert wird (vgl. [13]), so läßt sich feststellen, daß hier gravierende Unterschiede bestehen. Dieses sind (vgl. [3]) neben der Verwendung unterschiedlicher Strategien, der Verwendung sozialen, nicht modellierbaren Wissens und der Möglichkeit, Ergebnisse aufgrund von Hintergrundwissen zu bewerten, vor allem auch die Berücksichtigung kommunikativer Aspekte bei der Problemlösung. Sie sind relevant für die
* Effizienz des Dialogablaufs:
Die Kommunikation von Wissen spielt eine bedeutende Rolle, um für die Problemlösung notwendiges Wissen möglichst effizient zu erhalten. Dieses Ziel läßt sich nur über eine strukturelle Integration von Problemlösungsprozeß des Expertensystems einerseits und einem Fachdialog andererseits erzielen.
* Transparenz des Dialogablaufs:
Die Wissenstransfers im Sinne eines im Rahmen des Gesamtarbeits-/Dienstleistungsprozesses verstehbaren, d. h. auch für einen die Bedienung eines Expertensystems betreffenden Laien nachvollziehbaren Fachdialogs anzuordnen, ist ein weiterer wichtiger Aspekt der Wissenskommunikation. Eine Transparenz des Dialogablaufs läßt sich nur durch eine Integration des Fachdialogs in den Arbeitsprozeß erzielen. Die Integration sollte durch empirische Untersuchungen gestützt sein.
* Effizienz des Dialoginhalts:
Der Gegenstand eines Dialogs wird besonders dann effektiv kommuniziert, wenn Lösungen argumentativ gestützt und bewertet werden. Insofern ist die rhetorische Struktur eines Fachdialogs ein wesentlicher kommunikativer Aspekt der Problemlösung, der im Rahmen einer Fachdialogmodellierung Berücksichtigung finden muß.
* Transparenz des Dialoginhalts:
Ein letzter wichtiger kommunikativer Aspekt einer Problemlösung mit einem Expertensystem ist die Herstellung der Transparenz der Problemlösung oder einer Teillösung. Im Gegensatz zu Erklärungskomponenten, die nach einer Problemlösung durch den Benutzers aktiviert werden, zeichnen sich Fachdialoge nicht durch eine Trennung von Daten- und Wissenstransfer aus; so sind etwa Vorschläge direkt zu rechtfertigen. Hierzu ist die Herstellung von Verbindungen zwischen Fachwissen und Fachdialog, evtl. auch eine Erweiterung des Wissens notwendig.
1.3 Gegenstandsbereich eines Fachdialogs Ein Fachdialog sei ein zielorientierter Dialog, dessen Gegenstand ausschließlich die in einer speziellen Domäne angestrebte Problemlösung und für sie relevante Aspekte umfaßt. Somit werden in einem Fachdialog ausschließlich konstitutive Phänomene behandelt, die direkt zum Gelingen des Dialogs und der Erreichung des Ziels beitragen. Thematische Freiheiten und die Initiierung von bezüglich des Sachziels irrelevanten Nebendialogen, wie sie in der zwischenmenschlichen Kommunikation gang und gäbe sind, bleiben ausgeklammert. Die Integration einer Fachdialogsteuerung erfolgt über eine explizite Modellierung des für die Führung eines Fachdialogs notwendigen Wissens (siehe Kap. 5). Hierbei soll im folgenden nicht die linguistische Realisierung einer sprachlichen Oberfläche des Fachdialogs, und damit allgemein linguistische Phänomene im Vordergrund stehen, sondern es werden inhaltliche, pragmatische und argumentative Aspekte behandelt. Insofern ist dieser Ansatz zur Fachdialogmodellierung nicht vorrangig auf Aspekte der Verarbeitung natürlicher Sprache zugeschnitten, also medienspezifisch, sondern er konzentriert sich auf die in einem Fachdialog manifeste fachspezifische Handlungs- und Interaktionslogik.
Fachdialogmodellierung setzt zunächst eine Analyse der domänenspezifischen Problemlösung (Kap. 3) und eine theoretisch und schließlich empirisch gestützte Untersuchung der notwendigen bzw. hinreichenden kommunikativen Form des Problembearbeitungsprozesses (Kap. 4) voraus. Letzteres wirft als eine Knowledge-Engineering-Aufgabe Probleme der Erhebung und Interpretation auf, die in der Komplexität der natürlichen Sprache und Verhaltensweise begründet liegen. Ziel des Leitfadens ist es hier, Anhaltspunkte für eine Selektion relevanten Wissens bereitzustellen.
Die Fachdialogmodellierung kann durch die Rekonstruktion von Strukturmustern "natürlicher" Fachdialoge Schematismen der Problemkommunikation - festschreiben, die das Resultat einzelner Prozesse sind. Solche Prozesse variieren jedoch bereits mit dem Wechsel der Akteure und legen es aus analytischen Überlegungen nahe, von einer wissensbereichsabhängigen Breite kommunikativ strukturierbarer Problemlösungen auszugehen. Insofern ist es nicht nur nützlich, sondern unabdingbar, der Entwicklung eines Fachdialogmodells empirische Untersuchungen zugrunde zu legen.
Das in einem Fachdialogmodell beschriebene, aus empirischen Untersuchungen gewonnene Interaktionsmuster kann als eine Annäherung an Wissensverwendungen in natürlicher Interaktion verstanden werden, keinesfalls jedoch als Abbildung einer kommunikativen Realität. Sie ist und bleibt rekonstruktiv gewonnene Idealisierung einer bereichsabhängigen Wissenskommunikation.
Darüber hinaus gilt es festzuhalten, daß es weder im Hinblick auf Problemlösungsmuster noch für Interaktionsmuster einen "one best way" gibt, weil je nach angestrebter Problembearbeitungsrationalität (etwa technisch optimal, effizient, normativ angemessen, sozial akzeptabel) und Domäne mit einer Mehrzahl funktional äquivalenter Möglichkeiten der Problemkommunikation gerechnet werden muß. Spiegelt das Dialogmodell diese Vielzahl nicht wider - und durch die Beschränkung auf Fachdialoge ist dieses auch gar nicht intendiert -, so wirkt es zwangsläufig restringierend. Dieser Folge, die jedoch auch jedes andere Computerprogramm mit sich bringt, sollte man sich bewußt sein.
1.4 Modellierung als Bestandteil des Software-Engineering-Prozesses Modellierung, wie sie auch in diesem Leitfaden zur Fachdialogmodellierung verwendet wird, ist ein zentraler Arbeitschritt bei der Entwicklung von Expertensystemen der zweiten Generation. Um die Bedeutung des Modellierungsprozesses in der Entwicklung wissensbasierter Systeme zu verdeutlichen, erscheint eine allgemeine Betrachtung des traditionellen Software-Engineering-Prozesses geeignet. Bild 1 zeigt die verschiedenen Entwurfsstadien von Expertensystemen im Vergleich zu denen konventioneller Programme. Das zugrundeliegende Modell des Software-Life-Cycle ist das sogenannte Wasserfall-Modell, in dem jede Entwicklungsstufe abgeschlossen wird, bevor die nächste beginnt. Rückkopplungen späterer Entwicklungsstufen auf vorhergehende Arbeitsschritte sind nicht vorgesehen, entsprechend besticht das Wasserfall-Modell durch seine Einfachheit. Der Prozeß der Modellierung bei wissensbasierten Systemen ist, wie Bild 1 zu entnehmen ist, vergleichbar mit der Spezifizierung in konventionellen Programmen. Aus vorstrukturierten Konzepten, Regeln etc. wird ein Modell des zukünftigen wissensbasierten Systems konstruiert.
Bild 1: Entwurfsstadien von Expertensystemen und "konventionellen" Programmen
Analog zum Software-Life-Cycle des Expertensystems läßt sich die Entwicklung einer Fachdialogsteuerung beschreiben. Dabei ist klar, daß die Verwendung eines solchen Wasserfall-Modells eine Idealisierung ist, die in der tatsächlichen Entwicklung häufig notwendige Rückkopplungen auf vorhergehende Entwicklungsstufen gänzlich unberücksichtigt läßt. In einem ersten Schritt muß eine Analyse der potentiellen Einsatzsituation des Fachdialogsystems vorgenommen werden und der Bezug zur Problemlösung des Expertensystems hergestellt werden. Ergebnisse dieses Prozesses sind einerseits die Festlegung einer Einsatzsituation, wie sie in Kap. 2 beschrieben wird, und andererseits die Definition von Aufgabenverteilung und Informationsfluß, wie sie sich entsprechend Kap. 3 ergibt. An dieser Stelle ist die direkte Überführung in eine Implementation möglich.
Wir schlagen hier den Weg einer expliziten Modellierung des Fachdialogs ein. Zum Zwecke der Erhebung, aber auch Verfeinerung und Validierung (Zyklen im Software-Life-Cycle) eines Fachdialogmodells werden empirische Studien durchgeführt. Ergebnis dieser Wissenserhebung und - analyse ist ein Fachdialogmodell.
Bild 2: Entwurfsstadien von Fachdialogsteuerung und Expertensystem
Operationalisierung und Wartung eines solchen Fachdialogsystems wird im Rahmen dieses Leitfadens nicht behandelt.
1.5 Auswahl eines geeigneten Modellierungsansatzes für die Fachdialogmodellierung Bisher konzentrierte sich die Modellierung hauptsächlich auf die Beschreibung des Domänenwissens und der Inferenzprozesse. Die verschiedenen Modellierungsmethoden unterstützen dabei den Knowledge Engineer, indem sie z. T. die Vorgehensweise bei der Problemlösung beschreiben, und z. T. auch bereits Schemata bereitstellen, die lediglich mit dem notwendigen Fachwissen ausgefüllt werden müssen. Die unterstützende Vorstrukturierung bewirkt jedoch gleichzeitig eine Beschränkung prinzipieller Flexibilität der Modellierung. Einige der Modellierungsmethoden werden dabei bereits von Software-Werkzeugen unterstützt und bieten Shell/Editor-Kombinationen an. Ein Überblick dazu bietet die Tabelle in Bild 2.
Inferenzstruktur Domänenstruktur Aufgabenstruktur role-limiting approach fest fest fest generic tasks fest fest fest method-to-task fest variable fest KADS variabel variabel variabel
Bild 3: Flexibilität verschiedener Modellierungsansätze für Expertensysteme Die role-limiting Methode [17] bietet verschiedene Shell/Editor-Kombinationen an, mit denen jedoch sowohl die Problemlösungsmethode, als auch die Domänenstruktur bereits festgelegt sind. Ähnliches gilt für die generic task [9], bei denen weder die Inferenzstruktur noch eine höhere Ebene modifiziert werden können. Sogar die Domänenstruktur ist in ihren Konzepten festgelegt. Mit dem in PROTÉGÉ realisierten method-to-task Ansatz [19] können neue Expertensystemshells generiert werden, die jedoch alle die Problemlösungsmethode skeletal-plan-refinement verwenden. Bei der Generierung einer neuen Expertensystemshell wird eine Domänenstruktur festgelegt.
Der Ansatz von KADS [5, 4, 25] geht zunächst nicht von einer Unterstützung durch ein System aus, sondern die Philosophie von KADS ist orientiert an der Unterstützung eines Knowledge Engineers bei der Modellierung. Sämtliche Strukturen (z. B. Interpretationsmodelle [6]) sind nicht restriktiv, sondern ausschließlich als Strukturierungsvorschlag und -hilfe zu verstehen. KADS ist deshalb einfacher zu erweitern und an die Bedürfnisse einer Fachdialogmodellierung anzupassen, als die anderen Ansätze. Es bietet außerdem die Möglichkeit, den Prozeß der Fachdialogmodellierung soft- und hardwareunabhängig im Rahmen eines Leitfaden zu beschreiben. Nur so ist eine breite Einsetzbarkeit der Fachdialogmodellierung zu gewährleisten. Dieses sind die wesentlichen Gründe für die Wahl von KADS als Basis einer Fachdialogmodellierung.
1.6 KADS als eine Methode zur Modellierung wissensbasierter Systeme Die KADS[2] Methode wurde im Rahmen des ESPRIT Forschungsprogrammes 1098 vorwiegend an der Universität Amsterdam entwickelt [5, 4, 25]. Im Vergleich zu anderen Methodologien und Ansätzen, ist KADS heute "der allgemeinste, systematischste und vollständigste Ansatz für den Entwurf wissensbasierter Systeme" [10]. Inzwischen gibt es ein Nachfolgeprojekt KADS-II, das neben dem KADS-Ansatz auch die Erkenntnisse von Chandrasekaran (generic tasks [8, 9]), McDermott (role-limiting methods [18]), Gruber, Alexander, Musen [20] und Davis berücksichtigt. Ziele sind die Definition einer einheitlichen, akzeptablen KADS-II-Terminologie und eines überarbeiteten Wissensmodellierungshandwerkzeugs. Im folgenden werden die Grundzüge von KADS-II vorstellt. 1.6.1 Prinzipien beim Entwurf wissensbasierter Systeme Der Entwurf eines wissensbasierten Systems mit KADS gründet sich auf drei Hauptprinzipien: * Wissensanalyse vor Wissensimplementierung
In einem ersten Schritt muß die Expertise analysiert werden. Erst anschließend folgen Systemdesign und Implementierung. In der Analyse- und Interpretationsphase muß sich der Knowledge Engineer so nicht mit Implementierungsdetails beschäftigen. "Das ist eine Abkehr vom rapid prototyping Postulat, bei dem schon in frühen Phasen des Entwicklungsprozesses Wissensanalyse und Implementierung vermischt werden. In der KADS Methodik findet eine klare Trennung der beiden Phasen statt, sodaß die beiden Phasen zeitlich getrennt und eventuell von verschiedenen Personen durchgeführt werden können." [10]
* Modellgestützte Wissensanalyse
KADS bietet dem Knowledge Engineer ein Gerüst zur Interpretation und Strukturierung der im Rahmen der Wissensakquisition erhobenen Daten an.
* Repräsentation des Knowledge Level
Als Expertise soll der Knowledge Level[3] [21] repräsentiert werden. Dazu ist eine epistemologische Ebene notwendig, auf der die verschiedene Arten von Wissen explizit repräsentiert werden.
1.6.2 Modelle zur Repräsentation von Wissen Der Entwurfsprozeß in KADS-II unterscheidet verschiedene Modelle zur Repräsentation von Wissen. Dieses impliziert praktisch eine Phaseneinteilung des Knowledge Engineering Prozesses. * task model
Das Aufgabenmodell beschreibt die Problemlösungsaufgabe.
* expertise model
Das Expertisemodell beinhaltet Domänenwissen, das zur Lösung des Problems notwendig ist.
* cooperation model
Das Kooperationsmodell beschreibt die Aufgabenzerlegung, -verteilung und den resultierenden Informationsfluß. Da das Kooperationsmodell eine wichtige Voraussetzung für die Dialogmodellierung ist, wird es in Kap. 3 ausführlicher beschrieben.
* conceptual model
Im konzeptuellen Modell werden die verschiedenen Wissensarten auf einer epistemologischen Ebene dargestellt.
* design model
Im Designmodell wird die globale Architektur des Systems festgelegt und KI-Methoden für das Problemlösen angegeben. Das Designmodell dient als direkte Vorlage für die Implementation des Systems.
1.6.3 Wissensarten in KADS-II Die KADS-II Terminologie unterscheidet folgende Arten von Wissen * meta knowledge
Das Metawissen besteht aus prototypischen Problemlösungsmethoden und aus strategischem Wissen, das zur Kontrolle der Problemlösung dient.
* application knowledge, bestehend aus dem
task level, der einzelne Aufgaben und Ziele der Problemlösung spezifiziert. Aussagen über die Reihenfolge der Ausführung der einzelnen Aufgaben werden nicht gemacht.
inference level, bestehend aus inferences als (elementare) Problemlösungsschritte und roles als "Ein-/Ausgabe"daten (oder auch Kontrolldaten [12]) der Inferenzschritte.
domain level, auf dem das statische Bereichswissen vermittels concepts und relations repräsentiert wird.
1.6.4 Fachdialogmodell Den oben beschriebenen Modellen zur Repräsentation von Domänen- und Problemlösungswissen in einem Expertensystem stellen wir ein Fachdialogmodell zur Seite. Wir unterscheiden folgende drei Ebene von Wissen: Die Modalities-Ebene enthält aus dem Problemlösungsprozeß resultierendes Wissen über die Aufgabenverteilung, den Informationsfluß und die Initiative (identisch mit dem cooperation model).
Die Ebene der Dialogabfolge mit Wissen über verschiedene Interaktionsaufgaben und Strategien zur Sequentialisierung, z. B. in Form von Kohärenzanforderung an den Fachdialog.
Das Fachdialogmodell bestehend aus Fachdialogfunktionen und einem Interaktionsnetz, das alle in dem Fachdialog möglichen Interaktionsfolgen repräsentiert.
Bild 4: Wissensebenen in KADS und dem Fachdialogmodell
Alle drei Ebenen werden im folgenden noch ausführlich beschrieben, die Modalities in Kap. 3, die anderen zwei Ebenen in Kap. 5. Bild 4 stellt die verschiedenen Wissensebenen von KADS und dem Fachdialogmodell gegenüber.
2 Die Festlegung einer Einsatzsituation und ihre Implikationen für die Fachdialogmodellierung 2.1 Interaktionskonstellationen Um einen methodischen Zugriff auf sehr unterschiedliche Anforderungen an die Interaktion mit einem Expertensystem zu erzielen, haben wir in Kooperation mit dem Verbundprojekt WKO die Interaktion in möglichen Einsatzsituationen eines Expertensystems klassifiziert (vgl. auch [2]). Dies geschah in Hinblick auf die Abschätzung der Einsatzchancen von Fachdialogsteuerungen. Grundlage für die Klassifikation bildeten bei empirischen Untersuchungen der Projekte WKO und DIALOS gemachte Erfahrugen sowie einige theoretische Überlegungen. * Face-to-face Interaktionen (natürlich)
Konstellation 1: Experte - Klient Konstellation 2: Experte - Experte
Die Konstallationen 1 und 2 sind quasi der Ausgangspunkt der Überlegungen. Sie werden unterschieden, da ein Professionsgefälle zwischen den Interaktanden einen großen Einfluß auf den Fachdiolog hat.
* Face-to-face Interaktionen mit Integration einer Mensch-Maschine-Interaktion (mediatisiert)
Konstellation 3: (System - Experte) - Klient Konstellation 4: (System - Experte) - Experte Konstellation 5: (System - Bediener) - Klient Konstellation 6: (System - Bediener) - Experte
Konstellationen 3 und 4 haben als Folge, daß Expertensysteme, deren "Funktionsbestimmung" auf die eines Mediums der Problembearbeitung, m.a.W. der Unterstützung von Experten zurückgeschnitten wird, die "Legitimität und damit die Geltungsansprüche der Leistungsfähigkeit von Expertise, die an Experten- und Professionsrollen geknüpft ist, relativieren, weil medienvermittelte Problembearbeitungsprozesse - gleichsam technikbedingt - neuartige Begründungspotentiale für die jeweils realisierte Lösung liefern. Eine tendenzielle Dequalifikation bzw. Entprofessionalisierungsschübe wären so gesehen der erste Effekt der Dialektik des Verhältnisses zwischen Experten und den auf ihre Tätigkeit zugeschnittenen Wissenstechnologien." [2]
Diese Dequalifikation ist in den Konstellationen 5 und 6 vollzogen.
* Interaktion zwischen Mensch und Maschine (technisiert)
Konstellation 7: System - Klient Konstellation 8: System - Experte
In den Konstellationen 7 und 8 ist der Experte vollständig durch das Expertensystem ersetzt.
Bei den Betrachtungen zur Fachdialogmodellierung wollen wir im folgenden von einer technisierten Interaktion ausgehen. Die Komplexität in der Modellierung mediatisierter Interaktionskonstellationen wird nicht weiter berücksichtigt, dennoch ist die vorgestellte Modellierungsmethode prinzipiell auch dafür geeignet.
2.2 Technische Probleme Bei der Bearbeitung technischer Probleme ist in der hier eingeschlagenen Perspektive unter dem Aspekt des "Funktionierens" einer Lösung, weder seitens eines Experten noch seitens eines Expertisenachfragenden (z. B. Kunden), ein Rekurs auf Normen, Werte, Moral, Hintergrundüberzeugungen o.ä. notwendig. Wir haben es in technischen Problemfällen mit Gegenständen zu tun, die bearbeitet oder modifiziert, beherrscht oder kontrolliert werden sollen. Wissen wird hier einem Wirksamkeitstest unterzogen, in dessen Rahmen von Kontextbedingungen weitestgehend abstrahiert werden kann, weil hier objektivierbare Sollwerte oder Zielzustände zugrundegelegt werden können, die gleichzeitig die notwendigen wissensgestützten Operationen zweckrationalen Handelns festlegen. Da bei technischen Problemen die Alternativen einer Problemlösung begrenzt sind, es sich um Standardsituationen handelt, eindeutige Interessenlagen vorliegen und eine Orientierung an meßbaren Konsequenzen zugrundegelegt werden kann, bieten sich hier auch Technisierungschancen für die Kommunikation mit einem Expertensystem durch Fachdialogmodellierungen. Die Lösung technischer Probleme kann mit Hilfe entsprechenden Wissens prinzipiell in direkter, nicht mediatisierter Interaktion erreicht werden. So kann etwa eine Fachdialogsteuerung eines Verkaufs- bzw. Beratungsgesprächs als Versachlichung der Kundenbetreuung gefaßt werden.
2.3 Soziale Probleme Im Unterschied dazu handelt es sich bei Problemen mit sozialen Dimensionen um einen Problemtypus, bei dessen Bearbeitung das "Funktionieren" einer Lösung nicht ohne die Berücksichtigung personenbezogener Interessen, von Motivstrukturen und Dispositionen von mindestens zwei, in der Regel in face-to-face Interaktionsprozessen mit der Bearbeitung befaßter Akteure erreicht werden kann. Wir haben es hier mit Situationen der Wissenskommunikation zu tun, in denen keine Gegenstände bearbeitet werden, sondern Gegenspieler interagieren, um z.B. kooperativ im Rahmen von Verhandlungs- oder Austauschprozessen eine Problemlösung zu erzeugen, die richtig oder angemessen ist und nicht präjudiziert werden kann, selbst wenn davon auszugehen ist, daß auch hier "objektive" (etwa innerhalb von Institutionen) Rahmenbedingungen zu berücksichtigen sind. Solche Rahmenbedingungen werden in der Regel unterschiedlich wahrgenommen und entsprechend bewertet, woraus folgt, daß die Lösung solcher Probleme ein mehr oder weniger kontingenter, vom jeweiligen Handlungskontext abhängiger Prozeß ist. Das hier verwendete Wissen wird letztlich einem Konsenstest seiner Angemessenheit oder Richtigkeit unterzogen, über die nicht unabhängig von den nicht präjudizierbaren Stellungnahmen der involvierten Akteure entschieden werden kann.
Die Bearbeitung bzw. Lösung von Problemen mit sozialer Dimension ist im Unterschied zu technischen Problemen also ein offener und durch Wechselseitigkeit charakterisierbarer diskursiver Prozeß, der durch den Anspruch der Generalisierbarkeit und Standardisierung des Wissenstransfers, wie er mit Modellierungsansätzen im Rahmen der Fachdialogsteuerung letztlich angestrebt wird, restringiert wird.
So muß z. B. ein Klient seine spezifischen "Befindlichkeiten", Handlungsoptionen und Stellungnahmen als Ausdruck seiner unbeschnittenen Subjektivität in die Kommunikation des Problems einbringen können, um schließlich eine konsensabhängige Lösung mitzuerzeugen. Wissensgestützte Vorstrukturierungen und Generalisierungen der Kommmunikationsform durch Fachdialogsteuerungen innerhalb einer Domäne stehen deshalb dem Problem individueller Fälle gegenüber, deren Spezifika durch Vereinheitlichungen, m.a.W. Technisierungen der Problembearbeitung nur um den Preis des Fehlschlagens einer "Lösung" präjudiziert werden können. Eine wissens- und kommunikationstechnische Generalisierung der Problemlösung in Form eines Expertensystems hätte hier Effekte wie Sozialtechnologien für normadäquates Verhalten, weil durch Expertensysteme Problemdefinitionen und -lösungen festgeschrieben werden, deren Begründungszusammenhang intransparent bleibt.
2.4 Kriterien zur Entscheidung über die Einsetzbarkeit einer Fachdialogmodellierung Die vorher genannten Sachverhalte sollen an dieser Stelle in konkrete Entscheidungskriterien für den Knowledge Engineer gefaßt werden, ob eine Fachdialogmodellierung einsetzbar ist, oder nicht. Die folgenden Entscheidungskriterien dienen zwar der Beurteilung der Einsetzbarkeit einer Fachdialogsteuerung, es stellt sich jedoch die von uns nicht näher untersuchte Frage, ob sie nicht ebenso die Einsetzbarkeit eines Expertensystems generell betreffen. Vertreten Mensch und Maschine in der Interaktions-/Nutzungssituation die gleichen Interessen?
Ja: Es handelt sich um ein technisches Problem, wie z. B. bei Kontrollsystemen. Eine Fachdialgomodellierung dient der Steigerung der Effizienz und Transparenz der Wissenskommunikation entsprechend Kap. 1.2.
Nein: Sind die konfligierenden Interessenlagen in der Interaktion mehr oder weniger vorbestimmt und bekannt?
Ja: Sind die gegensätzlichen Interessen Grundlage oder Gegenstand eines Verhandlungsprozesses?
Nein: Es bestehen Chancen für eine Fachdialogmodellierung, allerdings mit der Folge einer Versachlichung des Gesprächs, z. B. bei Verkaufsgesprächen.
Ja: Eine Fachdialogsteuerung wäre hier illusorisch.
Nein: Die Dialoge können nicht als eine Art von Standard-Interaktionsituation betrachtet werden und entziehen sich somit der Modellierung.
Sind die Bewertungskriterien der Domäne quantifizierbar?
Nein: Eine Fachdialogmodellierung ist nicht möglich, da einem System kein subjektives Werturteil (etwa "Dort ist es schön.") zugeschrieben werden kann.
Ja: Können die Bewertungskriterien bezogen auf die Domäne in der jeweiligen Interaktionsituation als einheitlich vorausgesetzt werden?
Ja: Es besteht die Möglichkeit, eine Fachdialogsteuerung einzusetzen.
Nein: Zur Klärung ist ein mehr oder weniger offener Diskurs über subjektive Werturteile notwendig. Durch die Integration der Individualität des jeweiligen Falls entzieht sich die Domäne einer Fachdialogmodellierung.
3 Die Modellierung einer Aufgaben- und Funktionenverteilung als Erweiterung der KADS-Modellierung Die Modellierung einer Aufgabenverteilung und der sich daraus ergebenden notwendigen Informationstransfers im Rahmen von KADS ist wesentlicher Bestandteil des Modality-Ansatzes [1]. Da sie die problemlösungsorientierte Grundlage für die Modellierung eines Fachdialogs und damit eine der Wissensebenen im Fachdialogmodell entsprechend 1.6.4 bilden, sollen die dazu notwendigen Arbeitsschritte an dieser Stelle kurz erläutert werden. Aufgabenzerlegung In einem ersten Schritt wird die Aufgabe, die mit dem Expertensystem zu lösen ist, in kleine, in sich abgeschlossener Arbeitsschritte zerlegt. Ursprüngliches Ziel einer solchen, hierarchischen Zerlegung in mit KADS modellierten Systemen war es, daß die Blätter des entstehenden Zerlegungsbaums direkt mit Inferences auf der Inferenzebene korellieren und so eine direkte Steuerung der Inferenz durch die Taskebene gewährleistet ist. Die so beschriebene Aufgabe war jedoch ausschließlich jene, welche durch das Expertensystem zu lösen war. Wir wollen, im Gegensatz dazu, die gesamte im Arbeitsprozeß zu lösende Aufgabe betrachten. Diese gilt es zunächst soweit möglich in einzelne, in sich abgeschlossene Teilaufgaben zu zerlegen. Beispiel:
Die Aufgabe P wird zerlegt in die Teilaufgaben P1, P2 und P3.
Bild 5: Aufgabenzerlegung
Aufgabenverteilung Im Rahmen der Dekomposition der Aufgabe entstehen dann Teilaufgaben, die jeweils entweder vom Benutzer, oder vom System zu erledigen sind. Ist eine Zuordnung einer Teilaufgabe zu Benutzer oder System nicht eindeutig möglich, so ist diese weiter zu zerlegen. Somit ist auch eine Rückkopplung zur Aufgabenzerlegung gegeben.[4] Beispiel:
Die Teilaufgabe P2 wird dem System übertragen, P1 und P3 werden durch den Benutzer erledigt.
Bild 6: Aufgabenverteilung
Informationsfluß In einem weiteren Schritt muß festgelegt werden, welche Informationen für die Erledigung der einzelnen Teilaufgaben notwendig sind und welche Informationen die Teilaufgaben als Ergebnisdaten anderen zur Verfügung stellen. Beispiel:
Für das Bearbeiten von P1 ist die Information i1 als Eingabedatum notwendig. Ergebnis der Lösung der Aufgabe P1 ist i2. Dieses gilt analog für P2 und P3.
Bild 7: Informationsfluß
Es entsteht ein Netzwerk von Informationsflüssen, das gekennzeichnet ist durch den Inhalt der Information und die Richtung des Informationsflusses. Informationen können innerhalb eines Problemlösers (im Beispiel System bzw. Benutzer) weitergegeben werden (durch direktes Verbinden der Problemlösungsaufgaben). Dort, wo Informationen von einem Problemlöser zu einem anderen weitergegeben werden müssen, entstehen Interaktionsaufgaben. Interaktionsaufgaben können wiederum als ein zu lösendes Problem aufgefaßt werden. Diese Sicht wird in Kapitel 5 ausführlicher beschrieben.
Beispiel:
Die Information i2 muß vom User zum System fließen, i3 vom System zum User. Es entstehen neben den eigentlichen Problemlösungsaufgaben zwei Interaktionsaufgaben (Rechteck mit abgerundeten Ecken), die für eine erfolgreiche Bearbeitung des Gesamtproblems P gelöst werden müssen.
Bild 8: Interaktionsaufgaben als Probleme im Informationsfluß
Initiativverteilung und Modalities Jeder einzelne Informationsfluß kann nun von einem der Dialogpartner initiiert werden. Die Kombination von Initiative und Informationsfluß beschreibt einfachste sprechaktähnliche Transferaufgaben[5]. Das aus Inhalt, Richtung und Initiative gebildete Tripel bezeichnen wir als einen Informationstransfer. Beispiel:
Die Informationstransferaufgaben bewerkstelligen den Informationsfluß von i2 und i3. Die Initiative für beide Informationstransfers liegt beim System, jeweils gekennzeichnet durch einen Punkt.
Bild 9: Informationstransferaufgaben mit Information, Richtung und Initiative
Eine Modality ist die tabellarische Beschreibung aller Informationsflüsse mit Richtung und Initiativverteilung, also eine Liste aller Informationstransfers.
Beispiel
Bild 10: Aufgabenzerlegung, - verteilung und Informationsfluß am Beispiel Rechnergestütztes Kochen [1].
Bild 11: Eine der möglichen Modalities im Beispiel Rechnergestütztes Kochen [1].
4 Empirische Studien zur Erhebung, Validierung und Verfeinerung von Fachdialogwissen 4.1 Die Notwendigkeit empirischer Erhebung von Fachdialogwissen Wie bereits in der Einleitung festgestellt, setzt Fachdialogmodellierung zunächst eine Analyse der domänenspezifischen Problemlösung voraus. Die für die Fachdialogmodellierung relevanten Aspekte dieser Analyse wurden im letzten Kapitel beschrieben. Um die notwendige bzw. hinreichende kommunikative Form des Problembearbeitungsprozesses zu ermitteln ist eine empirisch gestützte Untersuchung unerläßlich, denn im Rahmen der Fachdialogmodellierung werden durch die Rekonstruktion von Strukturmustern natürlicher Fachdialoge Schemata der Problemkommunikation festgeschrieben, die zunächst das Resultat einzelner Prozesse sind. Solche Prozesse variieren jedoch bereits mit dem Wechsel der Akteure. Eine rein theoretisch-konstruktive Herleitung der Schematismen, die in der Regel kommunikative Vorlieben des Entwicklers widerspiegelt, wäre folglich ungeeignet, eine gewisse wissensbereichsabhängige Breite kommunikativ strukturierter Problemlösungen abzudecken. Derart verallgemeinerte kommunikative Vorlieben entstammen nicht der bewußten Interpolation eigener Verhaltensmaßstäbe des Entwicklers, sondern wir haben es bei Fachdialogwissen in einem ganz besonderen Maße mit tacit knowledge zu tun, dessen Erhebung einerseits und dessen Analyse und Interpretation andererseits sich als ausgesprochen schwierig darstellt. Selbstreflektion - soweit lassen sich die langjährigen Erfahrungen aus dem Knowledge Engineering übertragen - ist nicht der geeignete Weg, tacit knowledge zu erfassen. Vielmehr muß solches Wissen durch Beobachtung erhoben werden. Insofern ist es für die Entwicklung eines nicht nur geeigneten, sondern auch - aus Nutzersicht - brauchbaren Fachdialogmodells unumgänglich, empirische Untersuchungen zugrunde zu legen. 4.2 Empirische Erhebungsmethoden für Fachdialogwissen Für die Erhebung von Fachdialogwissen als einer Ausprägung von tacit knowledge ist eine reale Dialogsituation konstitutiv. Es kommen im wesentlichen zwei verschiedene Methoden in Frage, die jeweils auch einen unterschiedlichen Gegenstand untersuchen. Beobachtung Im ersten Fall wird die natürliche Interaktion in den Interaktionskonstellationen 1 und 2 (siehe Kap. 2) beobachtet. Als Beobachtungsinstrumente eignen sich Videoaufnahmen oder Tonaufzeichnungen. Videoaufnahmen bieten gegenüber Tonaufzeichnungen den Vorteil, daß auch nichtverbale Informationsaustausche, z. B. in Form von Unterlagen, Bilder o. ä., sowie darauf sich beziehende Deixis in die nachfolgende Untersuchung mit einbezogen werden kann. Vor- und gleichzeitig Nachteil der Beobachtung ist es, daß natürliche Dialoge untersucht werden. Sie belassen zwar einerseits während der Erhebung die Interaktanden in einer mehr oder weniger natürlichen Situation, in der sie ihre Interaktions- und Dialogfähigkeiten auch bisher angewendet haben. Andererseits zeigen natürliche Dialoge die ganze Bandbreite natürlicher Interaktion. Diese Bandbreite erstreckt sich von Nebenthemen bis zu großer struktureller Variabilität des Dialogs auf der verbalen Ebene, und von Mimik zu Deixis auf der nonverbalen Ebene. Erfahrungen des Projekts DIALOS haben gezeigt, daß gleich welche Form der Aufzeichnung gewählt wird, eine einfache Transkription unumgänglich ist. Sie bietet die Basis für die Analyse und Interpretation, wie sie im nachfolgenden Kapitel beschrieben wird.
Wizard-of-Oz In Wizard-of-Oz-Experimenten wird ein funktionsfähiges System auf einem Rechner simuliert. Mindestens einer der Interaktionspartner ist sich also der Tatsache nicht bewußt, daß es sich um ein getürktes System handelt. Die Reaktionen des scheinbar funktionsfähigen Systems werden indes von einem räumlich getrennt sitzenden Interaktionspartner erzeugt. Mit dieser Form der Erhebung wird die Möglichkeit nonverbaler Interaktion gänzlich ausgeschlossen - die Interaktionspartner werden gezwungen alles zu verbalisieren. Es gibt dezidierte Unterschiede zwischen verbaler, zwischenmenschlicher Interaktion und textueller Mensch-Maschine-Interaktion. Mit Wizard-of-Oz-Experimenten wird dem Rechnung getragen und Fachdialogwissen direkt in den Interaktionskonstellationen 7 und 8 erhoben.[6] Ein weiterer Vorteil dieser Experimente ist darin zu sehen, daß der Aufwand für eine nachträgliche Transkription entfällt.
Eine weitere Einschränkung und Orientierung auf den Fachdialog wird vermittels des vorgeschlagenen Erhebungsinstruments DialOz erzielt. Dort würden die Interaktanden zur Auswahl der Fachdialogfunktionen und zur Herstellung von Referenzen auf die Domäne gezwungen. Dieses ersparte nicht nur den Transkriptionsprozeß, sondern auch den der Interpretation. Außerdem könnten so Dialogstrukturen inkrementell entwickelt werden.
4.3 Auswertung der empirischen Daten analog zu den einzelnen Schritten der Modellierung Als eine Knowledge-Engineering-Aufgabe wirft die Erhebung und Interpretation von Fachdialogwissen Probleme auf, die in der Komplexität der natürlichen Sprache und Verhaltensweisen begründet liegen. Ziel des Leitfadens und des vorgestellten Modells ist es in diesem Zusammenhang, Anhaltspunkte für eine Selektion relevanten Wissens bereitzustellen. In einem ersten Schritt muß versucht werden, den aus dem Problemlösungsprozeß gewonnenen Modalities Texteinheiten aus den empirischen erhobenen Dialogen zuzuordnen. Dabei ist die Ausprägung der eigentlichen Textoberfläche zunächst irrelevant - es geht nur um die Zuordnung einer Informationstransferaufgabe zu einem Textabschnitt und die Kennzeichung von Initiative und Richtung des Informationsflusses. Hieran wird sich zeigen, ob das Fachdialogmodell der realen Interaktion entspricht, oder zumindest letztere das Fachdialogmodell subsumiert. Mögliche Ergebnisse dieser Untersuchung sind:
1) Die Initiativverteilung in der Realität unterscheidet sich von der im Modell. 2) Es gibt bestimmte Informationsflüsse, die anscheinend in der realen Interaktion, aus welchen Gründen auch immer, überflüssig sind. 3) Es zeigt sich eine deutlich andere Aggregation der Informationsflüsse zu einem Dialog. In einem weiteren Schritt werden dann die Dialoge selbst genauer betrachtet, d. h. auch jene Textabschnitte, die nicht einer Informationstransferaufgabe direkt zugeordnet werden konnten. U. A. sind folgende Ergebnisse möglich: 4) Die realen Dialoge beinhalten wesentlich mehr Informationsaustausche. 5) Informationsaustausche werden indirekt vorgenommen. 6) Es gibt für das Gelingen des Dialogs notwendige Subdialoge, Nebenthemen etc. Während die Punkte 1-3 eine Modifikation der Modalities nach sich ziehen, müssen für die Punkte 4-6 Erweiterungen der bisherigen Modellierung vorgenommen werden. Diese Erweiterungen sind Gegenstand des Kapitels 5. 4.4 Software-Life-Cycle: Erhebung, Verfeinerung, Validierung, Die in diesem Kapitel beschriebenen Verfahren eignen sich nicht nur zur Erhebung von Fachdialogwissen. Zwar sieht der Software-Life-Cycle (Kap. 1.4) mit dem Wasserfall-Modell nur eine Phase vor, doch erscheint eine empirische Validierung des erhobenen Fachdialogwissens ebenso notwendig, wie die schrittweise Verfeinerung des Fachdialogmodells aufgrund empirisch durchgeführter Tests. Busche et al. [7] folgerten bei einer ähnlichen Problemstellung, "daß ohne das Prototypisieren eine korrekte Erhebung der tatsächlichen Nutzeranforderunen nicht möglich ist. Deshalb ist grundsätzlich eine duale, also eine analytische und eine experimentelle Herangehensweise bei der MMI-Entwicklung zu empfehlen." Mit Hilfe des vorgeschlagenene Erhebungsinstruments DialOz ließen sich alle drei empirischen Schritte, Erhebung, Verfeinerung und Validierung unterstützen. Eine - wenn auch reduzierte - Form von Prototyping wäre in den Software-Life-Cycle integriert. 5 Dialogmodellierung als interaktions- und kommunikationsorientierte Erweiterung der KADS-Modellierung Im folgenden soll nun skizziert werden, welche Schritte zu einer Modellierung eines Fachdialog zwischen Expertensystem und Benutzer führen. Dabei finden insbesondere auch die in verschiedenen empirischen Untersuchungen im Projekt DIALOS gemachten Erfahrungen über typische Erweiterungen Berücksichtigung, Erweiterungen, wie sie sich in Fachdialogen finden, wenn man sie mit problemlösungsorientierten bzw. entsprechend Kap. 3 modellierten Dialogen vergleicht. Während die Erstellung der Modalities-Ebene der in 1.6.4 vorgestellten Wissensebenen einer Fachdialogmodellierung bereits in Kapitel 3 behandelt wurde, beschreiben 5.1 und 5.2 die Ebene der Dialogabfolge, in 5.3 folgt das eigentliche Fachdialogmodell. 5.1 Erzeugung einer Fachdialogstruktur mit kohärentem Informationsfluß Abhängigkeiten zwischen Informationstransfers Der Problemlösungsprozeß, wie er in Expertensystemen modelliert ist, determiniert eine Menge minimal notwendiger Informationstransfers zwischen Expertensystem und Benutzer. Zwischen einzelnen Informationstransfers können Abhängigkeiten bestehen, die den weiteren Verlauf des Dialogs bestimmen. Wir haben es also auf dieser Ebene nicht mehr mit Aufgaben und den notwendigen Informationstransfers zu tun, sondern wir betrachten die Informationstransfers als Interaktions- resp. Dialogaufgaben. Beispiel:
Wir sehen also an dieser Stelle nicht mehr die eigentlichen Problemlösungsaufgaben P1-P3, sondern wir betrachten ausschließlich die Informationstransferaufgaben mit Information, Richtung und Initiative (ITA2 transferiert i2 von User nach System, System hat die Initiative)
Bild 12: Informationstransfers als Interaktions- resp. Dialogaufgaben.
An dieser Stelle des Modellierungsprozesses eines Fachdialogs müssen die sowohl aus dem Informationsfluß, als auch aus empirischen Untersuchungen resultierenden Abhängigkeiten zwischen den einzelnen Dialogaufgaben festgelegt werden. Als Beispiel sei hier genannt, daß bestimmte Antworten Folgefragen induzieren.
Beispiel:
Die Abhängigkeiten zwischen den Problemlösungsschritten P1-P3 determinieren die Abhängigkeit zwischen ITA2 und ITA3: ITA2 muß vor ITA3 erledigt werden. (Der fette Pfeil "<" in Bild 13 besagt "vor".)
Bild 13: Abhängigkeiten zwischen Informationstransferaufgaben
Sequentialisierung Durch die Bildung einer Sequenz der minimal notwendigen Informationstransfers ergibt sich ein Dialog. Durch beliebige Sequentialisierung der notwendigen Informationstransfers ergibt sich die Menge aller möglichen Dialoge. Dabei entspricht nicht jeder mögliche Dialog den professionsspezifischen Usancen und den Anforderungen in der jeweiligen Arbeitssituation. Aus diesem Grund ist bereits bei der Sequentialisierung auf diese Belange zu achten. Grundlage für die Berücksichtigung bilden die in Kap. 4 beschriebenen empirischen Untersuchungen. Berücksichtigung von Kohärenzanforderungen Ein weiterer, wichtiger Faktor bei der Bildung eines Fachdialogs ist die Berücksichtigung von Kohärenzanforderungen. Die Sequentialisierung der Informationstransfers ist nicht ausschließlich an empirischen Untersuchungen mit all ihren Unzulänglichkeiten oder den Bedarfen des Problemlösungsprozesses zu orientieren, sondern sie wird auch beeinflußt von Kohärenzanforderungen, die eine systematische Herangehensweise erlauben. Es gibt verschiedene, konkurrierende Arten von Kohärenz, z. B. * thematisch/ontologische Kohärenz
* Kohärenz bzgl. der Problemlösungsstruktur
* Kohärenz bzgl. der Richtung und Initiative des Informationsflusses.
Ziel des Modellierungsprozesses ist es nun, eine möglichst kohärente Sequentialisierung zu erreichen. Die verschiedenen möglichen Dialoge lassen sich bzgl. der jeweiligen Kohärenzanforderungen bewerten, so z. B. entsprechend der über die zugrundeliegende Ontologie definierten thematischen Nähe zwischen den einzelnen Informationstransfers [vgl. Vortrag in 23].
Erzeugung zusätzlicher Kohärenz Im folgenden sollen nur die Dialoge mit großer thematischer Nähe berücksichtigt werden. Sie weisen in der Regel dennoch verschiedene thematische Sprünge oder sonstige Ungereimtheiten auf. Diese müssen durch Hinzufügen von Zusatzinformationen geschlossen bzw. überbrückt werden (vgl. [11]). Dieser konstruktive Prozeß führt zusätzliche Dialogaufgaben ein, deren Ausmaß sich an den in den empirisch festgestellten Bedarfen in einem Fachdialog orientieren sollte. Als Resultat dieses Arbeitsschritts entstehen thematisch kohärente Fachdialoge. Beispiel:
In einem im Rahmen des Projekts DIALOS untersuchten Fachdialog, der u. a. die Planung eines Transportsystem in einer Fabrikhalle betraf, wurden verschiedene Lösungsvarianten (H1-H5) diskutiert. Interessanterweise deckt sich die Vorgehensweise in etwa mit der Ontologie von Transportsystemen, wie sie in einem bereits vorher entwickelten Expertensystem zur Transportmittelauswahl vorhanden ist. Lösungsvarianten und ein relevanter Ausschnitt der Ontologie sind in Bild 14 aufgeführt.
Bild 14: Bewegung durch die Ontologie
Der in der nachfolgenden Tabelle aufgeführte und zur Verdeutlichung simplifizierte Dialog diskutiert die Lösungsvarianten H1, H3 und zeigt dann vor allem auch, welche zusätzlichen Informationen (neben den beiden Lösungsvarianten) in einem Fachdialog gegeben werden müssen, wenn er für den Hörer verstehbar und nachvollziehbar sein soll. Dabei gibt es eine Reihe von Operationen, die vom Dialog bezogen auf die Ontologie der Domäne durchgeführt werden. Näheres zu diesem Beispiel in [11]. Die Operationen sind die oben genannten zusätzlichen Dialogaufgaben.
operation construction-process simplified dialog Selecting a place/node "We have tested the as starting place usability of FTS system7" Connecting with base giving information in a jump about FTS systems, estimating, evaluating but not closing "Maybe a fully automatic system is reasonable" Inserting intermediate giving reasons, why a place (looking fully automated system back/embedding) could be suitable "There are not many alternatives." Specialisation from "An electric the intermediate place suspension railway to a node other than woul be a theoretic the starting place possibility" Closing of the branch, "But it is not whose nodes/places are suitable in this not needed any more specific setting. You can forget it." jump completed completion of the "The next idea is, to connection (started in use a combination of b) by specialisation FTS systems and form the base continual conveyors, particulary simple conveyor belts." h) Closure of not giving information and needed branches an exact specification of the combination needed "But even in this combination a FTS system is not suitable." i) Starting the next giving information, connection which attributes are not suitable "Maybe, we should use continual conveyor systems only." giving information, why continual conveyor systems seem reasonable * * * * * * * * *
Bild 15: Verständnissichernde, an der Domänenstruktur orientierte Operationen eines Fachdialogs zur Transportmittelplanung 5.2 Festlegung von Realisierungsstrategien für einzelne Informationstransferaufgaben Es gibt unterschiedlichste Strategien, um die einzelnen Informationstransfers tatsächlich zu realisieren. Als Beispiel mögen hier die Dialogstrategien bei der Reiseberatung dienen, wie wir sie in empirischen Untersuchungen ermitteln konnten. Diese Dialogstrategien sind domänenabhängig. Welche Fachdialogstrategien jeweils adäquat sind, muß empirisch ermittelt und dann im Expertensystem modelliert und umgesetzt werden. Weiteres über Fachdialogwissen und Realisierungsstrategien in [14]. Beispiel:[8]
Aus mehreren Beratungsdialogen in einem Reisebüro haben wir eine grundlegende Problemlösungsstruktur ermittelt. Die in einem Beratungsdialog zu erfüllende Aufgabe ist die schrittweise Spezifikation verschiedener Parameter, wie Reisezeit, Reiseart, Ort, Unterkunft etc. Die zugrundeliegende Problemlösungsmethode ist die des skeletal-plan-refinements. Mit dieser Methode erhalten wir eine Spezifikationsstruktur, die mit der Teil-von-Hierarchie in Bild 16 korreliert. Ein rigider Problemlösungsprozeß verfährt wie folgt: Zunächst wird für alle Parameter die erste Spezifikationsebene durchlaufen, dann die zweite usw.
Bild 16: Ausschnitt der Spezifikationsaufgaben in einer Reiseberatung
Vernachlässigen wir etwa Fragen der Initiativverteilung, so bleibt auf den ersten Blick für den Expertensystementwickler folgendes Vorgehen, um die einzelnen Informationstransferaufgaben zu realisieren: Der Berater (System) kann mögliche Wertbelegungen für den betreffenden Parameter vorgeben und der Kunde muß entscheiden. Solches 'Fragen stellen' beschreibt in etwa die mehr oder weniger einfachen Strategien, welche in konventionellen Expertensystemen Verwendung finden. Doch stellen wir uns die Frage "Welches Hotel in Huhgada wünschen Sie?" vor. Selbst wenn alle möglichen Wertbelegungen für den Parameter Hotel, sprich alle Hotels in Huhgada aufgelistet werden, ist diese Frage unangemessen. Ein Benutzer, der nicht all die Leistungen der Hotels kennt, kann diese Frage nicht entscheiden. Andererseits kann es ziemlich irritierend sein, wenn zusätzlich alle Leistungen sämtlicher Hotels aufgeführt werden. Abhängig von der Wissensverteilung müssen folglich unterschiedliche Strategien für die einzelnen Parameter verwendet werden. Wir haben in der Reiseberatung einige Realisierungsstrategien identifiziert, die den verschiedenen Spezifikationsebenen der Parameter zugeordnet werden können. Wir betrachten die Spalte Reiseort (location):
* Offene Frage (1) Die Spezifikationsaufgaben auf der obersten Ebene lassen sich am besten mit offenen Fragen realisieren, da sie dem Kunden die Möglichkeit geben, auf einer beliebigen Spezifikationsebene zu antworten.
* Frage mit Standardwerten (2+3) Entscheidungen bleiben auch hier beim Kunden. Nur einige Standardbeispiele werden vom Berater vorgegeben, um dem Kunden eine Vorstellung von dem erfragten Parameterwert zu geben.
* Ratschlag geben (4) Die Spezifikation einer Region hängt sehr vom Kenntnisstand des Kunden ab. Oft folgt die Entscheidung einem Ratschlag, der durch Klimainformationen, Mentalität und mögliche Aktivitäten gestützt wird. Nichtsdestotrotz kann der Berater auch direkt nach einer Region fragen.
* Vorschlag und Kritik (5) Üblicherweise werden vom Berater beispielhaft einige Städte vorgeschlagen, und durch charakteristischen und vergleichenden Merkmalen ergänzt. Der Vorschlag kann vom Kunden kritisiert werden. Eine der vorgeschlagenen Städte (oder natürlich auch keine, wenn weitere Vorschläge gefordert werden) muß vom Kunden ausgewählt werden.
* Angebote unterbreiten (6, evtl. 5) Manchmal kann die Entscheidung zwischen ähnlichen Städten auch indirekt durch die Unterbreitung einiger Angebote vorgenommen werden. Bei der Auswahl der Hotels wird dieses Verfahren immer angewendet.
5.3 Assoziierung und Spezifikation zu verwendender Fachdialogfunktionen Während die in 5.1 und 5.2 beschriebenen Schritte die Ebene der Dialogabfolge betrafen (vgl. Kap. 1.6.4), wollen wir uns nun der Herleitung eines Fachdialogmodells widmen. Wir gehen dabei davon aus, daß es eine begrenzte Menge mehr oder weniger domänenspezifischer Bausteine gibt, aus dem sich ein Fachdialog aufbauen läßt. Wir bezeichen diese Bausteine als Fachdialogfunktionen. Vermittels der Fachdialogfunktionen werden eine Reihe weiterer Parameter für die Realisierung von Dialogaufgaben spezifiziert. Zusätzlich zu Information, Richtung und Initiative kommen jetzt noch Dialogfunktion, Reaktionsmöglichkeiten und die innere argumentativ-rhetorische Struktur. Die Dialogfunktion beschreibt die intentionale Semantik eines Dialogbeitrags im Sinne eines Sprech- oder Kommunikationsakts [22, 24]. Die Arbeit im Projekt DIALOS hat gezeigt, daß die klassischen Sprechakte und die darauf aufbauenden Theorien für die praktische Modellierung weniger adäquat sind, als etwa die mehr kommunikationsorientierten Arbeiten von Allen. Die klassischen Sprechakte konzentrieren sich auf die intendierte Wirkung einer einzelnen Äußerung beim Hörer, während die communication acts auch die dialogische Funktion berücksichtigen.
Zu jeder Fachdialogfunktion muß eine Reihe von Reaktionsmöglichkeiten festgelegt werden, die dem Dialogpartner zur Verfügung stehen. Durch die Reaktionsmöglichkeiten wird gleichzeitig ein Dialograum bzw. Dialognetzwerk aufgespannt, das durch das Dialogsystem und das zugrundeliegende Wissen vollständig abgedeckt werden muß. Die Menge aller sinnvollen Reaktionen ergibt sich aus der semantischen Analyse der jeweiligen Fachdialogfunktion. Für den Knowledge Engineer bieten sich eine zweistufige Herangehensweise an: Zuerst werden die notwendigen Reaktionen modelliert (z. B. 'Ja' und 'Nein' bei einer Ja/Nein-Frage). Wird dieses für alle Fachdialogfunktionen gemacht, so entsteht ein notwendiger Dialograum. Im Anschluß werden empirisch gestützt weitere fachdialogtypische Reaktionsmöglichkeiten hinzugefügt. Die Festlegung von Reaktionsmöglichkeiten ist relevant für die Effektivität und Transparenz des Dialogablaufs.
Während der Aspekt der Dialogfunktion beschreibt, was vermittels einer Fachdialogfunktion erzielt werden soll, beschreibt die innere argumentativ-rhetorische Struktur den argumentationslogischen Aufbau einer Fachdialogfunktion, um die beabsichtigte Wirkung beim Dialogpartner zu erzielen. So können Handlungsaufforderungen durch Begründungen gestützt oder Fragen durch Ergänzungen präzisiert werden. An dieser Stelle läßt sich ebenso die argumentationslogische Funktion nonverbaler Information definieren, z. B. wenn Bilder als ergänzende Informationen fungieren. Für die Modellierung kommt die ganze Bandbreite rhetorischer Relationen, wie sie etwa bei [16] oder bei [15] beschrieben sind, in Frage. Vorteilhaft an der Definition einer argumentativ-rhetorischen Struktur muß angesehen werden, daß sie nur noch die Beschreibung einfacher Aussagen (Propositionen)[9] offen läßt. Ausserdem lassen sich alle rhetorischen Relationen direkt in Satzkonstruktionen überführen bzw. durch typische Konjunktionen und Formulierungen realisieren. Die Festlegung der argumentativ-rhetorischen Struktur ist relevant für die Effektivität und Transparenz des Dialoginhalts.
Sind die Fachdialogfunktionen in allen drei Aspekten definiert, so können sie den einzelnen Dialogaufgaben zugeordnet werden. Hierbei sind die empirisch ermittelten Usancen der Domäne zu berücksichtigen. Anschließend werden die einzelnen Propositionen entsprechend den formalen Anforderungen des Dialogsystems beschrieben, im einfachsten Fall als Volltext (canned text).
6 Schlußfolgerung Das Wissen, welches durch die Schritte in den Kapiteln 3-5 erhoben und modelliert wird, bezeichnen wir als Fachdialogwissen. Durch die Integration der obigen Schritte in die Modellierung eines Expertensystems ergibt sich ein an den z. T. aus empirischen Daten erhobenem Wissen orientiertes Modell eines Fachdialogs. Die Anwendung einer solchen Fachdialogmodellierung verspricht eine Orientierung des Dialogs zwischen Expertensystem und Benutzer an den Bedürfnissen des Benutzers[10]. Der Nutzungsprozeß ist damit nicht mehr vornehmlich determiniert durch den Problemlösungsprozeß des Expertensystems, sondern die Ausgestaltung des Nutzungsprozesses wird wesentlicher Bestandteil der Entwicklung.
-------------------------------------------------------------------------------- Danksagung Erste Ansätze zu diesem Bericht entstanden bereits während meiner Mitarbeit im Projekt DIALOS bei Prof. Dr. D. Metzing an der Universität Bielefeld. Das Projekt DIALOS ist Teil des vom BMFT geförderten Projektverbunds Veränderungen der Wissensproduktion und -verteilung durch den Einsatz von Expertensystemen. Ich danke meinem jetzigen Arbeitgeber an der Universität Hamburg, Prof. Dr. W. von Hahn, daß ich einen Teil meiner Arbeitszeit für die Fertigstellung des überwiegenden Teils dieses Berichts habe nutzen können. Der Bericht beruht auch auf einer Reihe vorangegangener Arbeiten im Projekt DIALOS und ist auch als Beitrag für den Verbundmeilenstein Leitkriterien für das Knowledge Engineering sowie für die Entwicklung und den Einsatz von Expertensystemen vorgesehen.
|
05 Dec 2004
20:51:06 |
P. Rohner |
Infos zu Thema wissensbasiert, viel Erfolg! Gruss T.Kraft
http://www.nes.ruhr-uni-bochum.de/for/p09.html#Seitenanfang
Entwicklung eines wissensbasierten Systems zur Erstellung rationell und regenerativ orientierter Umstrukturierungsmaßnahmen für die kommunale Energieversorgung Development of a Knowledge Based System for Providing Renewable- and Rational-Oriented Measures to Change the Structure of Communal Energy Supply
--------------------------------------------------------------------------------
Leiter / Koordinatoren des Vorhabens:
Prof. Dr.-Ing. Hermann Unger; Dr.-Ing. Markus Mohr, Dr.-Ing. Dirk Gernhardt
Beteiligte Wissenschaftler:
Prof. Dr.-Ing. Hermann Unger; Dr.-Ing. Markus Mohr, Dr.-Ing Dirk Gernhardt, Dipl.-Ing Andreas Ziolek
Schlagwörter:
Energie / Kommune / Rationelle und regenerative Energieversorgung
energy / municipality / rational and regenerative-oriented energy supply
Kurzbeschreibung:
Bei der Planung privatwirtschaftlicher und öffentlicher Unternehmungen stehen ökologische Forderungen oft den ökonomischen Zielen konträr gegenüber und verlangen eine differenzierte Bewertung einzelner Lösungsalternativen. Zur Entscheidungsunterstützung bei der Gestaltung einer preisgünstigen und umweltverträglichen Energieversorgung wird ein Verfahren zur Entwicklung optimaler Investitionsstrategien für ein beliebig wählbares Untersuchungsgebiet entwickelt. Das zu untersuchende Versorgungsgebiet wird durch 157 repräsentative Energieanwender und 89 typische Gebäude abgebildet. Auf der Basis eines Indikatoren- und eines geometrischen Gebäudemodells werden sowohl der Energie- als auch der Leistungsbedarf der Energieverbraucher geschätzt und Energiesparpotentiale quantifiziert. Die systematische Klassifizierung energietechnischer Anlagen zur Bereitstellung von Warm- und Heißwasser, Prozeßdampf und Elektrizität sowie eine definierte Beschreibung ihrer Schnittstellen erlaubt die Erzeugung einer Vielfalt von Versorgungsmöglichkeiten für alle Energieverbraucher des untersuchten Gebiets und ihre Charakterisierung durch Jahreskosten, Ressourcen- und Flächenbedarf sowie betriebsbedingte Emissionen luftgetragener Schadstoffe. Ausgehend von einer Referenzversorgung entwickelt ein sequentielles heuristisches Optimierungsverfahren Umstrukturierungsvorschläge für die Energieversorgung zur Minderung des Primärenergiebedarfs und der Schadstoffemissionen bei effizientem Einsatz von Kapital, lokaler Biomasseressourcen und bestehender Flächenkapazitäten.
While planning private and public investments common ecological claims are opposite to economical goals, necessitating a differenciated assessment of alternative solutions. Regarding the provision of the formation of a low priced and an ecologically less harmful energy supply, a procedure is presented enabling the development of optimum investment strategies for a region under investigation. The region investigated is described by 157 representative energy consumers and 89 typical buildings, whose frequency and distribution of dimension as well as of age (for buildings) is known from official statistical data bases. Based on an indicator model and a geometrical building model, the energy demand as well as the power consumption of all energy consumers and buildings are estimated and the potentialities of saving energy are quantified. The methodical assignment of technologies for producing hot water, steam and electricity to sets as well as the defined specification of their interfaces allows the generation of a great variety of supply possibilities for the energy demands, which are described by annual costs, consumption of resources and area, as well as pollutant emissions. Starting at an initial state of energy supply, a sequential heuristic optimization procedure suggests measures for restructuring the energy supply in order to reduce the demand of primary energy and pollutant emissions by an efficient use of available capital, local resources of biomass, and usable areas.
Laufzeit:
07/1994 - 12/1995
Kooperationen:
Arbeitsgemeinschaft Solar Nordrhein-Westfalen
Förderinstitutionen / Institutionen:
Arbeitsgemeinschaft Solar Nordrhein-Westfalen Ministerium für Schule Weiterbildung, Wissenschaft und Forschung des Landes Nordrhein-Westfalen
Publikationen:
D. Gernhardt: Ein Verfahren zur Entwicklung optimistischer Investitionsstratregien für eine preisgünstige und umweltverträgliche Energieversorgung. Dissertation zur Erlangung des Grades Doktor-Ingenieur der Fakultät für Maschinenbau der Ruhr-Universität Bochum, Bochum 1997. D. Gernhardt, A. Ziolek, M. Mohr, H. Unger: Abbildung und Bewertung kommunaler Energieversorgungsmöglicheiten mit Hilfe eines wissensbasierten Systems. Verhandlungen der Deutschen Physikalischen Gesellschaft (DPG), Reihe VI, Band 30, 1995. D. Gernhardt, A. Ziolek, M. Mohr, H. Unger: Handlungsempfehlungen zum Einsatz erneuerbarer Energieträger in der kommunalen Energieversorgung mit Hilfe eines wissensbasierten Systems. Tagungsband ?Energie und Umwelt“, Freiberg 1996. D. Gernhardt, A. Ziolek, M. Mohr, H. Unger: Strategy Development by a Knowledge Based System for Integration of Renewable Energy and Rational Use of Energy in Municipal Supply Structures. Proceedings zur “EuroSun ’96“, Freiburg 1996 M. Mohr, H. Unger, A. Ziegelmann, A. Ziolek, D. Gernhardt: Entwicklung von Handlungsempfehlungen zur Integration erneuerbarer Energieträger und rationeller Energietechniken in kommunale Energieversorgungsstrukturen durch ein wissensbasiertes System. VDI-Berichte 1352 "Optimierung in der Energieversorgung II", ISBN 3-18-091352-5, VDI Verlag GmbH, Düsseldorf, 1997. D. Gernhardt, A. Ziolek, M. Mohr, H. Unger: Konzept eines handlungsunterstützenden Expertensystems zur Einführung regenerativer und rationeller Energieanwendungen auf kommunaler Ebene. 1. Technischer Fachbericht zum Forschungsvorhaben IV B3-AG Solar-258 005 94 ?Entwicklung eines wissensbasierten Systems zur Erstellung rationell und regenerativ orientierter Umstrukturierungsmaßnahmen für die kommunale Energieversorgung“, Ruhr-Universität Bochum RUB E-91, Bochum 1994. A. Ziolek, D. Gernhardt, M. Mohr, H. Unger: Klassifizierung der Energieverbraucher im Expertensystem HERAKLES anhand statistischer, erhobener Indikatoren. 2. Technischer Fachbericht zum Forschungsvorhaben IV B3-AG Solar-258 005 94 ?Entwicklung eines wissensbasierten Systems zur Erstellung rationell und regenerativ orientierter Umstrukturierungsmaßnahmen für die kommunale Energieversorgung“, Ruhr-Universität Bochum RUB E-99, Bochum 1995. D. Gernhardt, A. Ziolek, M. Mohr, H. Unger: Gestaltung und Funktion der Eingabe-Dialog-Einheit des Systems ?HERAKLES“. 3. Technischer Fachbericht zum Forschungsvorhaben IV B3-AG Solar-258 005 94 ?Entwicklung eines wissensbasierten Systems zur Erstellung rationell und regenerativ orientierter Umstrukturierungsmaßnahmen für die kommunale Energieversorgung“, Ruhr-Universität Bochum RUB E-109, Bochum 1995. A. Ziolek, D. Gernhardt, M. Mohr, H. Unger: Abbildung kommunaler Ressourcen und Potentiale zur Nutzung erneuererbarer Energieträger auf der Basis statistischer Datensätze im Expertensystem "HERAKLES". 4. Technischer Fachbericht zum Forschungsvorhaben IV B3-AG Solar-258 005 94 ?Entwicklung eines wissensbasierten Systems zur Erstellung rationell und regenerativ orientierter Umstrukturierungsmaßnahmen für die kommunale Energieversorgung“, Ruhr-Universität Bochum RUB E-126, Bochum 1995. D. Gernhardt, A. Ziolek, M. Mohr, H. Unger: Parametrierung moderner Energietechniken und Kostenstrukturen konventioneller und erneuerbarer Energieträger im Expertensystem "HERAKLES". 5. Technischer Fachbericht zum Forschungsvorhaben IV B3-AG Solar-258 005 94 ?Entwicklung eines wissensbasierten Systems zur Erstellung rationell und regenerativ orientierter Umstrukturierungsmaßnahmen für die kommunale Energieversorgung“, Ruhr-Universität Bochum RUB E-146, Bochum 1996. A. Ziolek, D. Gernhardt, M. Mohr, H. Unger: Spezifische Kennzahlen zur Abbildung der Energie- und Leistungsnachfrage typischer Energieanwender im Expertensystem "HERAKLES". 6. Technischer Fachbericht zum Forschungsvorhaben IV B3-AG Solar-258 005 94 ?Entwicklung eines wissensbasierten Systems zur Erstellung rationell und regenerativ orientierter Umstrukturierungsmaßnahmen für die kommunale Energieversorgung“, Ruhr-Universität Bochum RUB E-147, Bochum 1996. D. Gernhardt, A. Ziolek, M. Mohr, H. Unger: Entwicklung eines wissensbasierten Systems zur Optimierung kommunaler Energieversorgungsstrukturen. Abschlußbericht zum Forschungsvorhaben IV B3-AG Solar-258 005 94 ?Entwicklung eines wissensbasierten Systems zur Erstellung rationell und regenerativ orientierter Umstrukturierungsmaßnahmen für die kommunale Energieversorgung“, Ruhr-Universität Bochum RUB E-177, Bochum 1997. D. Gernhardt, A. Ziolek, M. Mohr, H. Unger: Handlungsempfehlungen zum Einsatz erneuerbarer Energieträger in der kommunalen Energieversorgung mit Hilfe eines wissenbasierten Systems. Tagungsband "Energie und Umwelt", Freiberg 1996.
|
05 Dec 2004
20:52:44 |
T. Kraft |
Auf diesen Beitrag anworten
|
|
|
|
