vollständige Magisterarbeit zum Thema - Michael Stollberg

Kapitel A: Grundlagen ontologiebasierter Wissensmodellierung 11
Auf die Erfassung einer Wissensstruktur mittels eines Repräsentationsschemas folgt
die Operationalisierung, also die Überführung in einen Repräsentationsformalismus.
Damit wird die Maschinenlesbarkeit des repräsentierten Wissens und somit die Verwendbarkeit
in computergestützten Systemen erreicht. Die dazu verwandten Wissensrepräsentationssprachen
müssen in der Lage sein, die Komplexität der erfassten Wissensstruktur
ausdrücken zu können und eine effiziente informationstechnische Verarbeitung
zu gewährleisten (s. Owsnicki-Klewe+00, S. 171). Um diesen Anforderungen zu genügen,
sollte eine solche Sprache folgende Fähigkeiten aufweisen. Erstens sollte qualitatives
Wissen beschreibbar sein – also die Erfassung von Beziehungszusammenhängen anstatt
reiner Datenverarbeitung. Zweitens soll neues Wissen aus dem vorhandenen über inferenzielle
Verknüpfungen ableitbar sein. Drittens soll die Darstellung von allgemeinabstrakten
als auch von speziell-detaillierten Zusammenhängen möglich sein. Viertens
sollen komplexe semantische Konstrukte beschreibbar sein und fünftens die Möglichkeit
zur Darstellung von Meta-Wissen gegeben sein (vgl. Luger01, S. 60-65).
Wesentlich für die Qualität derartiger Sprachen ist, dass sie eine formal definierte Semantik
aufweisen. Das heißt, dass jedem Primitivum und jedem Operator eine eindeutige
Bedeutung zugewiesen und somit die Homomorphie von Ausdrücken gewährleistet ist.
Dazu haben logische Methoden sich als geeignetes Werkzeug etabliert. Somit folgt die
Situation, dass logikbasierte Formalismen zwar nicht direkt als Repräsentationsformalismus
verwandt, aber als Analysewerkzeug eingesetzt werden (s. Owsnicki-
Klewe+00, S. 175f). Für die besprochenen Repräsentationsschemata wurden jeweils
entsprechende Wissensrepräsentationssprachen entwickelt. Auch für Ontologien werden
entsprechende Repräsentationsformalismen benötigt, welche ebenfalls später ausführlich
behandelt werden.
A.1.1.3 Modellbasierter Ansatz
Als abschließender Aspekt aus dem Bereich der Wissensrepräsentation soll der modellbasierte
Ansatz erläutert werden, der aus einem Paradigmenwechsel innerhalb des
Knowledge Engineering (s. A.1.2) hervorging. Dabei wurde zunächst im sogenannten
Transfer-Ansatz das Wissen menschlicher Experten in eine formale Repräsentation überführt
und das entsprechende Problemlösewissen durch Schlussregeln darauf aufgesetzt.
Diese Vorgehensweise zeigte jedoch erhebliche Schwächen, da zum einen implizit schwer
formalisierbares Alltagswissen in den Problemlöseprozess menschlicher Experten einfließt
und zum anderen, weil die nötige erschöpfende Erfassung der Wissensdomäne allein
durch Extraktion von Expertenwissen nicht möglich erschien (s. Studer+98, S. 2f). Daher
wurde die Erstellung eines konzeptuellen Modells der Wissensdomäne als zusätzlicher,
vorgelagerter Schritt eingeführt. Darin sollte die statische Wissensstruktur auf Basis
mehrerer Quellen derart erfasst werden, dass eine umfassende, konzeptionell korrekte
Abbildung der Domäne entsteht. Auf dieser kann eine entsprechende Inferenzmaschine
das benötigte Problemlösewissen realisieren (vgl. Struss00, S. 431-433).
Bei derartigen Verfahren stellt die Wissensbasis als wissensrepräsentierende Komponente
eines intelligenten Systems die modellhafte Abbildung der Wissensdomäne dar,
welche auf einer objektiven Analyse der Wissensstrukturen beruht. Daher werden diese