18.11.2014 Aufrufe

Download - Wi1-mertens.wiso.uni-erlangen.de

Download - Wi1-mertens.wiso.uni-erlangen.de

Download - Wi1-mertens.wiso.uni-erlangen.de

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

5.4.4.1 Multi-Agenten-Architektur<br />

Gedächtnis<br />

Benutzer<br />

persönlicher<br />

Agent<br />

Gedächtnis<br />

Informationsbedarf<br />

KQML<br />

Gedächtnis<br />

Benutzer<br />

persönlicher<br />

Agent<br />

Gedächtnis<br />

Wissensquellen<br />

Abbildung 6: Multi-Agenten-Architektur<br />

Informationspush<br />

Intelligente Agenten han<strong>de</strong>ln unabhängig<br />

im Sinne <strong>de</strong>s Nutzers, ohne <strong>de</strong>ssen<br />

explizites Eingreifen nötig zu machen.<br />

Sie filtern beispielsweise Emails, fin<strong>de</strong>n<br />

geeignete Partner auf <strong>de</strong>m Datenhighway<br />

o<strong>de</strong>r speichern kooperationsrelevante<br />

Daten (im Agent Memory). Neben<br />

<strong>de</strong>n persönlichen Agenten sind auch<br />

Rollen-, Gruppen- und Unternehmensagenten<br />

in einer Multi-Agenten-Architektur<br />

vorzusehen. Für <strong>de</strong>n Wissensaustausch<br />

von Agenten gibt es bereits die<br />

Knowledge Query and Manipulation<br />

Language (KQML) (s. [FFMM94]). So<br />

greifen etwa Agenten auch auf Teamwissen<br />

(vgl. Team Memory aus Abschnitt<br />

2.3) zurück. Der Intelligente<br />

Agent kennt das kontextbezogene Anfor<strong>de</strong>rungsprofil<br />

<strong>de</strong>s Nutzers sowie<br />

seine Informationsbedürfnisse, selektiert<br />

aus <strong>de</strong>r Masse <strong>de</strong>r theoretisch verfügbaren<br />

Daten die notwendigen heraus<br />

und gibt sie selbständig nach <strong>de</strong>m Push-<br />

Prinzip an <strong>de</strong>n Nutzer (vgl. Abbildung<br />

6).<br />

5.4.4.2 Beispiel grapeVINE<br />

Dokumente aus <strong>de</strong>n externen und internen Quelldatenbanken (Source Databases) wer<strong>de</strong>n mit Hilfe<br />

<strong>de</strong>s grapeVINE Profilers (s. [Mars95]) gefiltert. Dieser benutzt dazu die Knowledge Charts, um<br />

Schlüsselworte zuzuweisen. Dann vergleicht <strong>de</strong>r Profiler diese Schlüsselworte mit <strong>de</strong>m Interessenprofil<br />

<strong>de</strong>r Nutzer (Interest Profiles) und<br />

Knowledge<br />

Chart<br />

Source<br />

Databases<br />

Interest<br />

Profiles<br />

Escalations<br />

gV Profiler<br />

Mail<br />

In-Tray<br />

Abbildung 7: Architektur von grapeVINE<br />

Users<br />

mel<strong>de</strong>t je<strong>de</strong>m (entwe<strong>de</strong>r via Email<br />

o<strong>de</strong>r grapeVINE In-Tray) die Zahl<br />

<strong>de</strong>r übereinstimmen<strong>de</strong>n Dokumente<br />

(vgl. Topological Memory in<br />

Abschnitt 2.3). Der Nutzer kann diese<br />

lesen und auch neue Schlüsselworte<br />

hinzufügen bzw. die Wichtigkeit<br />

eines Dokumentes erhöhen. Die<br />

Kommentare und Meinungen <strong>de</strong>r<br />

Nutzer, neue Schlüsselworte und erhöhte<br />

Wichtigkeiten wer<strong>de</strong>n vom<br />

Profiler ausgewertet und mit <strong>de</strong>n Interessenprofilen<br />

<strong>de</strong>r User verglichen.<br />

Das System grapeVINE ermöglicht<br />

es, gemeinsame Interessen aufzu<strong>de</strong>cken<br />

(vgl. Abbildung 6).

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!