Agentensysteme - Dokumentenserver Fakultät für Mathematik und ...
Agentensysteme - Dokumentenserver Fakultät für Mathematik und ...
Agentensysteme - Dokumentenserver Fakultät für Mathematik und ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Softwareagenten – Theoretische Betrachtungen<br />
nente verlangt, daß sie rational arbeitet, d. h., daß die sich daraus<br />
ableitenden Handlungen nicht dem Gesamtziel entgegen arbeiten.<br />
Die Technologien da<strong>für</strong> kommen meistens aus der klassischen KI<br />
oder beruhen auf dem Einsatz von neuronalen Netzen. Derartige<br />
Agenten sind von ihrer Struktur her den deliberativen Agenten zuzuordnen<br />
<strong>und</strong> besitzen einen entsprechend komplexen Aufbau.<br />
• Lernfähigkeit / Adaption<br />
Agenten mit der Fähigkeit, aus den bisherigen Daten zu lernen, d. h.<br />
sich an ihre Umwelt anzupassen (Adaption), setzen normalerweise<br />
Schlußfolgerungsmechanismen voraus. Die Konsequenzen aus den<br />
Schlußfolgerungen werden von diesen Agenten nicht nur in Aktionen<br />
mit der Umwelt umgesetzt, sondern auch zur Anpassung des internen<br />
Modells. Agenten <strong>für</strong> das Information Retrieval könnten z. B. ihr<br />
Profil anpassen, wenn der Benutzer durch Feedback die Relevanz<br />
der bisher vom Agenten gelieferten Dokumente einschätzt.<br />
• Kontinuierliche Ausführung (engl. temporal continuity)<br />
Ein Agent ist normalerweise über einen längeren Zeitraum aktiv, arbeitet<br />
dabei im Hintergr<strong>und</strong> <strong>und</strong> kann bei Bedarf den Benutzer über<br />
den aktuellen Zustand informieren. Damit hebt er sich von einfachen<br />
Programmen ab, die auf eine bestimmte Eingabe mit einer entsprechenden<br />
Ausgabe reagieren <strong>und</strong> dann ihre Arbeit beenden.<br />
Mit Hilfe der o. g. Kriterien lassen sich Agenten bzgl. ihrer Eigenschaften<br />
sehr genau einordnen <strong>und</strong> nach jeder einzelnen Komponente vergleichen<br />
bzw. zusammenfassen. Problematisch wird jedoch eine Übersicht<br />
nach dieser Einteilung, da <strong>für</strong> jedes Merkmal eine Dimension erforderlich<br />
ist. Aus diesem Gr<strong>und</strong> haben z. B. Gilbert et al. in [Gil95], Nwana in<br />
[Nwa96] <strong>und</strong> Brenner et al. in [Bre98, S. 33 ff.] jeweils drei der ihnen am<br />
wichtigsten erscheinenden Eigenschaften ausgewählt <strong>und</strong> die anderen<br />
Merkmale diesen untergeordnet. Die Variante des letztgenannten Autors<br />
möchte ich stellvertretend <strong>für</strong> die anderen Lösungen vorstellen.<br />
Die ausgewählten Kategorien entsprechen in etwa denen von Gilbert et<br />
al. Der einzige Unterschied besteht darin, daß Gilbert et al. anstelle der<br />
Anzahl von Agenten das Merkmal Agency verwendet, welches den Grad<br />
der Interaktion angibt <strong>und</strong> damit auch in etwa mit der Anzahl von Agenten<br />
gleichgesetzt werden kann. Im Gegensatz zu Gilbert et al. ist die<br />
Achseneinteilung mit jeweils zwei Werten recht grob angegeben <strong>und</strong><br />
eignet sich daher eher <strong>für</strong> die Zuordnung von Agenten zu bestimmten<br />
Oberklassen. Für feinere Unterscheidungen zwischen einzelnen Agenten<br />
sollte daher eine Einteilung wie in Gilbert et al . herangezogen werden.<br />
Von den restlichen Eigenschaften von Agenten können die Reaktivität,<br />
Proaktivität, Schlußfolgerung <strong>und</strong> Lernfähigkeit auf der Intelligenzachse<br />
abgebildet werden, Kommunikation <strong>und</strong> Kooperation hängen eng<br />
mit der Anzahl der Agenten im System zusammen <strong>und</strong> die Autonomie<br />
korreliert mit der Mobilität.<br />
14