vollständige Magisterarbeit zum Thema - Michael Stollberg

Kapitel A: Grundlagen ontologiebasierter Wissensmodellierung 7
Görz und Wachsmuth unterteilen die Entwicklung der Künstlichen Intelligenz in vier
Phasen: In der ersten Phase stand die Frage nach der generellen technischen Umsetzbarkeit
der Simulation intelligenten Verhaltens im Vordergrund, wie in der Darstellung
der Dartmouth-Konferenz beschrieben (s.o.). Die zweite Phase ist durch die Einrichtung
von KI-Forschungsgruppen charakterisiert, in denen die auftretenden Fragestellungen
systematisch erarbeitet werden sollten. Als dritte Phase wird die Entwicklung von
Roboter- und Problemlösesystemen in den 1970er Jahren aufgefasst, in der vor allem in
den Bereichen der Wissensrepräsentation und Systemarchitektur intelligenter Systeme
Fortschritte erzielt wurden. Die vierte Phase wird durch die umfassende Mathematisierung
des Gebiets und die Entwicklung neuartiger Ansätze hin zu verteilten und
situierten KI-Lösungen charakterisiert. Seit Anfang der 1990er Jahre wird eine Tendenz
hin zu integrierten Ansätzen – vor allem im Zusammenhang mit Internettechnologien –,
sowie ein Paradigmenwechsel hin zu dezentralisierten Systemen mit einfachen interagierenden
Agenten beobachtet (s. Görz+00b, S. 4-5,12).
Aus den Forschungsaktivitäten der Künstlichen Intelligenz haben sich eine Vielzahl
unterschiedlicher Disziplinen entwickelt. Im Folgenden sollen die für den hier betrachteten
Untersuchungsgegenstand relevanten Gebiete der Wissensrepräsentation und des
Knowledge Engineering vorgestellt werden. Ersteres bildet den theoretischen Hintergrund
ontologiebasierter Verfahren der Wissensmodellierung und letzteres stellt den Forschungskontext
dar, aus dem Ontologien als Mittel der Wissensmodellierung hervorgegangen
sind.
A.1.1 Wissensrepräsentation
Die Wissensrepräsentation befasst sich mit der Erstellung von Repräsentationsschemata
für Wissensstrukturen, deren formalisierter Darstellung sowie mit Manipulationswerkzeugen
zur automatisierten Bearbeitung derselben. Die dabei erworbenen Erkenntnisse
dienen als Grundlagentechnologie für intelligente Systeme, weshalb dieses Forschungsfeld
eine Kerndisziplin der Künstlichen Intelligenz darstellt. Darin wurden unter anderem Verfahren
der Wissensmodellierung entwickelt, welche die Basis ontologiebasierter Wissensmodellierung
darstellen. Daher sollen hier die theoretischen Grundlagen sowie die
wesentlichen Lösungsansätze als Ausgangspunkt für die Erarbeitung eines grundlegenden
Verständnisses ontologiebasierter Wissensmodellierung erläutert werden.
A.1.1.1 Theoretische Grundlagen
Die Verfahren der Wissensrepräsentation basieren auf der sogenannten Symbolsystemhypothese,
welche im Zuge der oben genannten Dartmouth-Konferenz formuliert und in
der Folgezeit weiter ausgearbeitet wurde. 9 Diese besagt, dass „ ... Intelligenzphänomene
allein auf der Basis von Symbolverarbeitung ...“ (s. Görz+00b, S. 6) simulierbar seien.
Dies impliziere, dass zur Entwicklung intelligenter Systeme lediglich ein Symbolsystem zur
Erfassung der Wissensstruktur mit darauf arbeitenden Operationen zur Problemlösung
entworfen werden müsse (s. Luger01, S. 57). Durch alternative Konzepte wurde Simulierbarkeit
intelligenten Verhaltens einzig und allein durch Symbolverarbeitung zwar revidiert,
9 siehe: Newell, A.: Physical symbol systems. Cognitive Science 4, S. 135-183, 1980.