Melden Sie sich hier an, um auf Kommentare und die Whitepaper-Datenbank zugreifen zu können.

Kein Log-In? Dann jetzt kostenlos registrieren.

Falls Sie Ihr Passwort vergessen haben, können Sie es hier per E-Mail anfordern.

Der Zugang zur Reseller Only!-Community ist registrierten Fachhändlern, Systemhäusern und Dienstleistern vorbehalten.

Registrieren Sie sich hier, um Zugang zu diesem Bereich zu beantragen. Die Freigabe Ihres Zugangs erfolgt nach Prüfung Ihrer Anmeldung durch die Redaktion.

27.09.1985

KI und DDS: Ausblicke zur Symbiose

Professor Dr. Wolfgang Janko, Institut für angewandte Betriebswirtschaftslehre und Unternehmensführung Universität Karlsruhe, Karlsruhe. Decision-Support-Systeme (DDS) sind im Rahmen der Korrektur des überhöhten Anspruchs an Management Information Systems (MIS) im angelsächsischen Raum als Produkt und Begriff entstanden. Das Ziel der heute für fast alle betrieblichen Funktionsbereiche existierenden DS-Systeme ist, die Beurteilung von alternativen Handlungsmöglichkeiten zu unterstützen. Die Palette des verfügbaren Instrumentariums reicht von einfachen Tabellengenerierungsprogrammen bis zur Einbindung von Programmen der Statistik und der Unternehmensforschung in komplexe Modelle und zu speziellen Simulationssprachen. Meist jedoch bieten DS-Systeme nur einfache Unterstützung durch deterministische diskrete Simulation an und führen daher gewöhnlich nur zu annähernden Lösungen.

Die starke Ähnlichkeit der Systeme in den betrieblichen Bereichen hat dazu geführt, daß allmählich anstelle spezieller Systeme Generatoren für DSS geschaffen wurden. (Die Anzahl der zur Zeit verfügbaren DSS-Generatoren wird auf etwa 200 geschätzt [3,2]). Derartige Systeme enthalten heute als typisches Leistungsprofil Module zur Modellbildung, Module zur statistischen Analyse und Prognose, Werkzeuge zum ad hoc Modelltest (What-If-Analysen, Sensibilitätsanalysen, etc.) sowie Werkzeuge zur Gestaltung der Resultate (wie "Report-Writer" und Graphik-Systeme) und zur Abfrage als auch zur Verwaltung der Ergebnisse (Datei- beziehungsweise Datenbanksysteme) [2].

Beinahe unabhängig von diesen Entwicklungen hat ebenso in den 70er Jahren der Zweig "Künstliche Intelligenz" (KI) bei Expertensystemen durch seine Erfolge im naturwissenschaftlichen Bereich beträchtliches Augenmerk auf sich gezogen. Expertensysteme haben sich insbesondere bei der Auswahl und bei der Ausarbeitung von Handlungsalternativen im Bereich der Diagnose, des Entwurfs und der Analyse bewährt. Im Gegensatz zu DS-Systemen wurde bei Expertensystemen auf eine strenge Dreiteilung von Benutzerschnittstelle, wissensverarbeitendem System und Wissensverwaltungssystem geachtet.

Insbesondere haben sich regelverarbeitende Systeme als Basis von wissensverarbeitenden Systemen und Regeln zur Wissensspeicherung bewährt - ein Umstand, der heute die vielfach vorkommende Gleichsetzung von Expertensystemen mit einfachen regelverarbeitenden Systemen begründet. Es liegt daher nahe, Expertensystemtechnologie gerade dort einzusetzen, wo dieselben Voraussetzungen wie bei den genannten Einsatzbereichen im naturwissenschaftlichen Bereich erfüllt sind - nämlich bei Decision-Support-Systemen.

Ein erstes System, welches zusätzlich zum traditionellen Werkzeug von Decisions-Support-Systemen die Möglichkeit bietet, Regelwissen und Koeffizienz zum Einsatz von Verfahren des "uncertain reasoning" aus der Expertensystemtechnologie in ein DS-System einzubringen und zu berücksichtigen, wird bereits seit kurzer Zeit angeboten [4]. Darüber hinausgehende Versuche, DS-Systeme und Erfahrungen aus dem Bereich der Künstlichen Intelligenz zu vereinen, sind derzeit an der Benutzerschnittstelle zu finden. Hier wird durch Sprach- und Bildverstehen und akustische Sprachanalyse versucht, die Benutzerfreundlichkeit zu erhöhen. Zwei Bereiche, die heute aktueller Gegenstand der KI-Forschung sind, werden allerdings noch kaum bei der Konstruktion von Decision-Support-Systemen berücksichtigt: die zielorientierte Modellanalyse sowie maschinelles Lernen.

Zielorientierte Modellanalyse könnte im Sinne des Arbeitsbereiches "intention-based debugging von Programmen" (vgl.[1]) eine Hilfestellung in der Modellkonstruktion geben und so zur Vermeidung von fehlerhaften Einsätzen von DSS-Generatoren herangezogen werden. Auf diese Weise würde die DS-System-Erzeugung konstruktiv unterstützt und ein niedriger Wissenspegel der Benutzer könnte als Voraussetzung genügen. Neben der Modellkonstruktionssprache ist in diesem Falle jedoch eine genaue Definition der Semantik der möglichen Konstruktionsteilschritte und ihrer Komponenten, sowie die Definition einer nichtprozeduralen Problembeschreibungssprache erforderlich.

Darüber hinaus ist die Kontrolle eines konkret implementierten DSS-Generators durch ein Dachsystem, welches die erfolgreichen Modellkonstruktionen und ihre Erzeugungsabschnitte dokumentiert und daraus wiederum durch maschinelles Lernen Heuristiken - methodische Anleitungen - zu generieren im Stande ist, zwar noch Zukunftsversion. Es zeichnen sich jedoch heute bereits erste Erfolge bei dem Entwurf derartiger Systeme ab. (D. B. Lenat etwa leistet mit seinem Programm "Eurisko" zu diesem Weg einen wesentlichen Beitrag.)

Ein wichtiger Punkt in der Effizienz von Systemen, welche Expertensystemtechnologie mit zielorientierter Modellanalyse unter Aufsicht von lernenden Systemen verbinden liegt in der Schaffung einer universellen betriebswirtschaftlichen Hintergrundmodells, dessen Basiskomponenten und dessen Optimierungsmodelle wohlverstanden sein müssen. Dieses Verständnis könnte durch die Bereitstellung von Wissen (etwa Regeln) zur Auswahl von Decision-Support-Systemen und Optimierungsverfahren unterstützt werden und nicht wie bisher von dem mehr oder weniger geschulten Benutzer einfach vorausgesetzt werden müssen. Allerdings ist der Entwurf eines Prototyps, eines DSS-Generators mit den skizzierten Fähigkeiten, ein umfassendes Forschungsprojekt. Kaum ein Unternehmen wird ein derartiges Forschungsprojekt allein beginnen. Zum(...)nen mangelt es an kompetenten Forschern aus den verschiedensten Gebieten. Zum anderen fehlt eigenes Interesse an universell verwendbaren Ergebnissen aus den verschiedenen Gebieten.

So stellt die Aufgabe der Konzeption eines derart universellen und anpassungsfähigen DSS-Generators in erster Linie eine Herausforderung an die wirtschaftswissenschaftliche Forschung dar, die jedoch nur mit dem Verständnis einer sachlich orientierten Forschungspolitik, welche auch Anwendungen der Informatik fördert, bewältigt werden kann.

Literaturhinweise:

[1]: Johnson, W. L., "Intention-Based Diagnoses of Programming Errors", Yale University, Dep. Comp. Science 1984.

[2]: B. C. Reimann and A. D. Wassen, User-oriented criteria for

the selection of DSS software, Comm. ACM, Vol. 28, No. 2 (Feb. 85).

[3]: H. J. Watson and D. P. Christy, University Support Programs

offered by vendors of DSS Generators, Comm. ACM, Vol. 26, No. 12 (Dec. 83).

[4]: R. Webster, Revealing Business Solutions, PC Magazine, April 1985 (pp. 125 - 130).