vollständige Magisterarbeit zum Thema - Michael Stollberg
vollständige Magisterarbeit zum Thema - Michael Stollberg
vollständige Magisterarbeit zum Thema - Michael Stollberg
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Kapitel A: Grundlagen ontologiebasierter Wissensmodellierung 13<br />
Der Begriff des Knowledge Engineering wurde Anfang der 1980er Jahre geprägt,<br />
wobei in Anlehnung an die Zielsetzung des Software Engineering systematische und<br />
wissenschaftlich reflektierte Methoden zur Entwicklung Wissensbasierter Systeme erarbeitet<br />
werden sollten. Dabei wurde vor allem anwendungsorientierten Fragestellungen<br />
hinsichtlich Techniken zur Erfassung, Darstellung und Verarbeitung von Wissensstrukturen<br />
nachgegangen. Als hauptsächliche Forschungsgebiete des Knowledge Engineering<br />
entstanden die Wissensakquisition, die Wissensmodellierung und -formalisierung<br />
sowie der Prozess der Systementwicklung. Die dabei gewonnenen Erkenntnisse sollten in<br />
umfassende ingenieursartige Methodologien zur Entwicklung Wissensbasierter Systeme<br />
zusammengefasst werden (s. Puppe+00, S. 599ff).<br />
Zur Erläuterung des Entstehungskontextes ontologiebasierter Verfahren der Wissensmodellierung<br />
sollen hier als wesentliche Errungenschaften des Knowledge Engineering<br />
die Differenzierung verschiedener Wissensarten sowie generische, also allgemeingültige<br />
und damit wiederverwendbare Wissensmodelle zur Darstellung derselben genauer betrachtet<br />
werden. Die Differenzierung der Wissensarten beruht auf der unterschiedlichen<br />
funktionalen Verwendung von Wissensstrukturen in Wissensbasierten Systemen. Gemäß<br />
dem modellbasierten Ansatz (s. A.1.1.3) werden dabei Domänen- und Inferenzwissen<br />
unterschieden und in separaten, voneinander unabhängigen Modellen erfasst. Auf Grund<br />
dieser Unterscheidung können die zur Entwicklung eines Wissensbasierten Systems relevanten<br />
Aspekte einer Wissensdomäne hinsichtlich der einzelnen Wissensarten betrachtet<br />
werden, wodurch eine differenzierte Erfassung der Domänenstruktur ermöglicht wird.<br />
Für jede Wissensart wird eine spezifische Repräsentationsform zur Erfassung der jeweils<br />
relevanten Aspekte verwendet (s. Puppe+00, S. 606). Um existente Erfassungen von<br />
Wissensstrukturen wiederverwenden zu können, werden ihre konzeptionellen Strukturen<br />
mittels sogenannter „Wissensmodelle“ (Puppe+00, S. 617) beschrieben, welche im Folgenden<br />
genauer betrachtet werden. Anschließend daran soll die kurze Darstellung ausgewählter<br />
Methodologien des Knowledge Engineering vertiefenden Einblick in die<br />
Differenzierung der Wissensarten sowie der Verwendung der Wissensmodelle geben.<br />
A.1.2.1 Wissensmodelle<br />
Wie schon angedeutet, besteht das Ziel der hier als Wissensmodelle bezeichneten Konstrukte<br />
in einer abstrahierenden und allgemein gehaltenen Beschreibung einer Wissensstruktur.<br />
Dabei soll die konzeptionelle Beschaffenheit derselben erfasst werden, weshalb<br />
sie auch als „Modellierung der Wissensebene 20 “ (s. A.1.1.1) bezeichnet werden. Da die<br />
Erstellung einer Wissensbasis 21 eine sehr aufwendige Analyse sowie die entsprechenden<br />
Fähigkeiten vom Wissensingenieur 22 verlangt, soll ihm mit derartigen Modellen die Möglichkeit<br />
zur Wiederverwendung bereits erfasster Wissensstrukturen beziehungsweise Lösungsansätze<br />
für ähnliche Fragestellungen als Referenz gegeben werden. Als ein derartiges<br />
Wissensmodell für das Domänenwissen wurden Ontologien und für das Inferenzwissen<br />
20 engl.: „ Knowledge Level Model“ (Wielinga94, S. 19).<br />
21 Als Wissensbasis eines Systems wird die Menge der formalisierten Wissensstrukturen bezeichnet, die das System<br />
zur Erfüllung seiner wissensverarbeitenden Aufgaben benötigt (s. Pupp+00, S. 599f).<br />
22 engl: „Knowledge Engineer“ (Schreiber+00, S. 20): Tätigkeitsbezeichnung für den Systemanalysten, dessen<br />
Aufgabe vornehmlich in der Modellierung der wissensverarbeitenden Fähigkeiten eines Systems liegt.