KI - Wissensakquisition und Wissensrepräsentation

Organizational Issues and Materials can be found at our Stud.IP page

Wissensakquisition entspricht in weiten Grenzen der Systemanalyse, wie sie aus dem Software Engineering bekannt ist. So beschäftigt sich die Wissensakquisition damit, wie in Organisationen bestimmte Aufgaben so definiert werden können, daß sie z. B. einer maschinellen Bearbeitung zugänglich sind. Es ist schon lange bekannt, daß das früher benutzte einfache Bild der “Informationsextraktion” aus den Experten nicht trägt: es geht hier um einen modellbasierten Prozeß, der das zu nutzende Wissen zuerst verbal, dann semiformal und schließlich formal dargestellt, um die Kluft zwischen dem Expertenwissen und einer letzendlich in einer formalen Programmiersprache fixierten Anwendung schließen zu können. In diesem Kontext spielt eine implementierungs-unabhängige Wissensrepräsentation, die es erlaubt, statisches und dynamisches Wissen auf mehreren Ebenen zu formulieren und (mindestens) zu validieren, eine große Rolle. Modellierung komplexer bzw. realer Anwendungen erfordert zumeist eine Abbildung auf verteilte Systeme.

Die Ausrichtung der Veranstaltung beinhaltet die Nutzung von aktuellen Werkzeugen, die für die einzelnen Lehrgebiete erhältlich und repräsentativ sind. Die Lehrinhalte sollen insbesondere Bezug zum Stand der Forschung aufweisen. Die Inhalte sind im Einzelnen:

• Wissensakquisition (Maschinelle Lernverfahren, Data Mining)
• Wissensrepräsentation (Formale Ontologien, spezielle Entscheidungsverfahren)
• Verteiltes Wissen (Intelligente Agenten und Multiagentensysteme)

Theoretisch/methodische Inhalte nehmen etwa die Hälfte des Semesters ein und behandeln insbesondere die folgenden Themen:

• Wissensakquisition (Data Mining und C4.5)
• Wissensrepräsentation (Formale Ontologien, Beschreibungslogiken)
• Verteiltes Wissen (ACL und KQML als Agentenkommunikationssprachen, Konflikte bei Agentenkommunikation