Abb. 1: Zeitleiste ausgewählte Meilensteine der KI

1.2.1 Repräsentation von Wissen

Der eine wesentliche Bestandteil war die Erfassung des gesamten heuristischen Wissens für das Fachgebiet, und zwar so, dass es mit Programmen verarbeitet werden konnte.

Das Wissen in der Wissensdatenbank besteht zum einen aus Fakten wie z. B.

und aus Regeln. Diese können als einfache Regel (Wenn <Bedingung> Dann <Aktion>) bis hin zu strukturierten und komplexen Regeln mit Vorbedingung und Wahrscheinlichkeiten der Aktionen vorliegen.

Das führte zu mehreren Herausforderungen.

• Zumeist handelt es sich um heuristisches Wissen, also etwas, das nicht scharf definiert ist, sondern einer Interpretation bedarf. Die Begriffe »kalt«, »warm« oder »heiß« kann ein Computerprogramm beispielsweise so nicht verarbeiten. Werden dafür Temperaturen angegeben (kalt: < -10 0C; warm: zwischen 0 und 30 0C; heiß: > 30 0C), so können diese in einem Programm verarbeitet werden.
• Dieses Daten sind jetzt in einer Struktur zu speichern, um das Wissen in den richtigen Bezug zu einem Objekt zu bringen. Luft z. B. fühlt sich bei 20 C warm an, während die gleiche Temperatur im Wasser als kalt empfunden wird.

Man musste also das gesamte Know-how bestehend aus Fakten und Regeln zu dem Fachgebiet erfassen und in einer Datenbank speichern, um alle möglichen Fälle in diesem Fachgebiet bearbeiten zu können. Das war somit eine kleine, in sich abgeschlossene Welt (Closed World Assumption). Hatte man jetzt einen Fall, der nicht mit dem gespeicherten Wissen abgedeckt wurde, konnte dieser Fall nicht bearbeitet werden bzw. führte zu keinem befriedigenden Ergebnis.

In dieser Zeit wurde die Rolle des Knowledge Engineers entwickelt. Ein Knowledge Engineer ist ein Fachmann, der sich mit der Entwicklung von fortgeschrittener Logik in Computersysteme beschäftigt. Seine Aufgabe war es, das Wissen von Experten so zu erfassen und zu strukturieren, dass es in einem Expertensystem verarbeitet werden konnte. Die Arbeit des Knowledge Engineers hatte entscheidende Bedeutung für die Qualität der Wissensbasis und somit auch für die Ergebnisqualität des Expertensystems.

1.2.2 Inferenzmaschine

Der zweite wesentliche Bestandteil für ein wissensbasierendes System ist die Inferenzmaschine. Die Inferenzmaschine ist der Teil des wissensbasierenden Systems, der das vorhandene Wissen verarbeitet und daraus neue Aussagen ableitet. Sie ist der Teil, der eine anzuwendende Regel auswählt und ausführt. Dabei entstehen neue Fakten, auf die wieder eine Regel anzuwenden ist. Ist keine Regel mehr anwendbar, ist ein Ergebnis gefunden. Die Inferenzmaschine sucht also in der Wissensbasis nach ausführbaren Regeln. Sind mehrere Regeln anwendbar, ist eine davon nach einer festzulegenden Auswahlstrategie anzuwenden.

1.2.3 Einsatz von Expertensystemen in der Praxis

Die ersten Expertensysteme wurden bereits in den 1970er-Jahren an amerikanischen Universitäten entwickelt. Ab Anfang der 1980er-Jahre begann die KI durch den Einsatz von Expertensystemen praxisnäher zu werden. Obwohl sich die Forschung an Expertensystemen noch in den Kinderschuhen befand, gab es bereits vereinzelt kommerzielle Einsätze in der Praxis. Das hauptsächliche Anwendungsgebiet für Expertensysteme war die Analyse und Diagnose von Problemen. Hier ein paar Beispiele:

ELIZA

ELIZA ist ein Chat-Bot-Programm, das 1967 von Josef Weizenbaum noch vor dem ersten Expertensystem entwickelt wurde. Es hatte sich mit seinem Anwender »normal« unterhalten. Heute nennt man das Chatbot. Dieses Programm hieß ELIZA – angelehnt an Eliza Doolittle aus Pygmalion von George Bernard Shaw. Das Programm ELIZA ist eine oberflächliche Simulation einer Psychotherapeutin, die eine bestimmte Methode verwendet. ELIZA verwendet ein strukturiertes Wörterbuch (Thesaurus). Ein eingegebener Satz wird danach durchsucht, ob ein Wort aus dem Thesaurus darin enthalten ist. Ausgehend von diesem Wort wird nach Synonymen und Oberbegriffen gesucht. Diese werden in eine Phrase passend zum Themengebiet eingesetzt und mit einer Frage oder Aufforderung zu einer weiteren Eingabe ausgegeben. Kommt in einem Satz kein Wort aus dem Thesaurus vor, antwortet das Programm mit »Das habe ich nicht verstanden. Können Sie mir das bitte erklären?« oder »Davon verstehe ich nichts. Lassen Sie uns das Thema wechseln.« ELIZA kommunizierte derart »menschlich« mit den Benutzern, dass sie tatsächlich glaubten, mit einer realen Person zu kommunizieren. Dieses »menschliche« Erscheinungsbild wird neben der fachlichen Komponente auch heute noch von Chatbots verwendet, womit deren Erfolg bei ihren Benutzern erklärt werden kann.

MYCIN

MYCIN ist ein seit 1972 an der Stanford University in der Programmiersprache Lisp entwickeltes Expertensystem, das zur Diagnose und Therapie von Infektionskrankheiten durch Antibiotika eingesetzt wurde. Zu der Zeit seiner Entwicklung begann man die übermäßige Anwendung von Antibiotika kritisch zu betrachten und suchte daher nach Methoden, ihre Anwendung in Abhängigkeit vom jeweiligen Krankheitsbild zu...