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.

13.03.1987 - 

Explosion des Tool-Angebots stellt KI-Interessenten vor Probleme, aber:

Kooperation mit dem Hersteller zahlt sich aus

Das Schlagwort "Künstliche Intelligenz" machen sich immer mehr Hersteller für ihre Produkte zunutze. Die praktische Anwendbarkeit der mit diesem Label belegten Systeme hält sich jedoch sehr oft in engen Grenzen. Wichtig ist es deshalb vor allem, den speziellen Anwendungsbereich eines KI-Tools genau unter die Lupe zu nehmen. So das Ergebnis einer Studie, die an der Münchner Ludwig-Maximilians-Universität durchgeführt wurde.

Zwischen Anwenderwünschen und ihrer Erfüllung steht bekanntlich die Programmierung. Dies gilt insbesondere für die Entwicklung von Expertensystemen. Software-Tools mit dem KI-Label sollen dabei die Diskrepanz zwischen Anforderung und Machbarkeit verringern. Ihre Aufgabe besteht explizit darin, die Produktivität im Entwicklungsprozeß zu steigern, die Implementationskosten zu senken, die Entwicklung auf den eigentlichen Wissenserwerb zu beschränken und den Aufwand für die Erweiterung und Veränderung der Wissensbasis zu verringern.

Die verfügbaren Tools unterstützen dabei ausschließlich die Transformation des Wissens in computerisierbare Formalismen. In den Planungsprozeß übergreifende Tools,

nach dem Prinzip des Computer Aided Software Engineering (CASE), existieren für diesen Anwendungsbereich nicht. Neben den Programmiersprachen der fünften Generation wächst das Angebot an sogenannten Expertensystem-Shells, die als Expertensysteme ohne Wissensbasis verstanden werden möchten und auf diesem Tool-Markt dominieren. Sie sind aufgrund ihrer Struktur dem zu entwickelnden Expertensystem deutlich näher als die Programmiersprachen. Den Anspruch, für die unterschiedlichsten Anwendungsbereiche von Expertensystemen geeignet zu sein, erheben die Hersteller von zirka 100 Produkten. Der KI-Interessent steht dabei dem Angebot machtlos gegenüber und ist vielfach nicht mehr in der Lage, die Leistungsfähigkeit im Zusammenhang mit der Problemstellung zu beurteilen.

Die jeweiligen Merkmale der einzelnen Shells sind ebenso verwirrend wie die Bandbreite der Anschaffungskosten. Sie kann zwischen 500 Mark für PCs und 160 000 Mark für Lisp-Rechner liegen. Experten warnen vor einer Fehleinschätzung der Leistungsfähigkeit dieser Tools und befürchten, daß durch falsche Vorstellungen die momentane Euphorie für Expertensysteme in eine Phase der Frustration umschlägt.

Die Problemorientierung ist entscheidend für die Anwendbarkeit der Software-Tools. Ausgehend vom Planungsprozeß läßt sich ein ungefähres Anforderungsprofil für das SW-Werkzeug erstellen. Dieses bestimmt, inwieweit das Tool für die Problemstellung geeignet ist. Die Ansicht, sich in der Planung von den Leistungsmerkmalen des Werkzeugs leiten lassen zu können, ist einer der häufigen Fehler. Das Problem sollte nicht dem Werkzeug angepaßt werden, sondern das Werkzeug dem Problem.

Schwierigkeiten treten bei der Beurteilung der Problemorientierung des Tools auf. Nur wenige Knowledge Engineers verfügen über praktische Erfahrungen mit mehr als einem Tool und können die einzelnen Produkte objektiv vergleichen. Um dennoch dem KI-Interessenten einen Anhaltspunkt zu geben, wurden im Rahmen eines Forschungsprojekts 104 existierende Expertensysteme auf die zur Entwicklung verwendeten kommerziellen Software-Werkzeuge untersucht. Davon stammten 87 Prozent der Anwendungen aus den USA, elf Prozent aus Großbritannien und zwei Prozent aus der Bundesrepublik Deutschland. Die Tools wurden unterschiedlichen Klassen zugeordnet (siehe Abbildung 1; die Kennziffern beziehen sich auf die in der Grafik dargestellten Klasseneinteilung).

Programmiersprachen der fünften Generation [1] Expertensystem-Shells

- Hybrid-Systeme, die dem Knowledge-Engineer verschiedene Inferenzmechanismen und unterschiedliche Möglichkeiten der Wissensdarstellungen zur Verfügung stellen. [2]

- Expertensystem-Shells mit einem starren Konsultationsparadigma, die in der Regel nur einen Schlußfolgerungsmechanismus oder eine Möglichkeit zur Wissensdarstellung erlauben. Diese Shells sind entweder hauptsächlich konzipiert für Mainframes und Lisp-Rechner [3]

Workstations und PCs oder [4]

ausschließlich ausgelegt für PCs [5]

Konventionelle Programmiersprachen [6]

Die Expertensysteme wurden in die bekannten Problemklassen Interpretation, Diagnose, Design, Planung, Kontrolle und Simulation unterteilt.

Über 80 Prozent der Applikationen stammen aus den Bereichen Interpretation, Diagnose und Design - worunter auch der Anwendungsbereich Konfiguration subsumiert wurde. Die Anwendungsgebiete Planung, Kontrolle und Simulation sind nur schwach repräsentiert. Dies liegt nicht allein daran, daß die existierenden Tools diese Problembereiche nur unzureichend abdecken. Auch das Fehlen geeigneter Methoden der Wissensdarstellung - aufgrund der Komplexität der Anwendungsgebiete - trägt dazu bei.

In diesem Zusammenhang fällt auf, daß nur die KI-Programmiersprachen, die Hybrid-Systeme und die Shells mit starrem Konsultationsparadigma auf der Basis von Mainframes und Lisp-Rechnern in den Bereichen Planung, Simulation und Kontrolle zu Applikationen geführt haben. Dabei werden letztere in diesem Bereich zu 90 Prozent durch ein einziges Werkzeug (Picon von Lisp Machine Inc.) repräsentiert. Stark ausgeprägt ist auch das kleine Anwendungsspektrum der PC-Tools, das sich fast ausschließlich auf Interpretations- und Diagnoseprobleme beschränkt.

Neben dem eigentlichen Anwendungsgebiet ist auch die Komplexität des Problems von Bedeutung, da nicht jede Shell in der Lage ist, beliebig viele Regeln zu verarbeiten. Als Maßgröße für die Komplexität setzt sich in zunehmendem Maße die Anzahl der zu verarbeitenden Regeln durch (siehe Abbildung 2).

In der Planungsphase, in der die Toolauswahl getroffen wird, läßt sich allerdings die endgültige Größe des Systems nur in einem groben Rahmen vorausbestimmen. Außerdem ist das Expertensystem im Laufe der Anwendung Veränderungen unterworfen. Neue Regeln können hinzukommen oder lösen andere ab. Im Vergleich der Problembereiche mit der Systemgröße (siehe Abbildung 3) zeigt sich, daß die Anwendungsgebiete Kontrolle, Simulation und Planung in der Regel zu komplexeren Applikationen tendieren.

Die Implementationsumgebung ist neben der reinen anwendungsbereichsorientierten Betrachtungsweise von ebenso großer Bedeutung. Die Untersuchung zeigte, daß stark abgegrenzte Probleme aus den Bereichen Interpretation, Diagnose und Design mit fast allen Software-Tool-Klassen realisierbar sind, solange das Problemfeld eng umgrenzt ist. Hierbei ist die notwendige Hardwarekonfiguration kein Kriterium.

Anwendungen in den Bereichen Planung, Simulation und Kontrolle können derzeit nur mit Tools realisiert werden, die sich neben ihrer flexiblen und zugleich komplexen Handhabung durch hohe Anschaffungskosten und eine beschränkte Integrationsfähigkeit in bestehende Hardwaresysteme auszeichnen. Eine Multiplikation des Wissens - wie sie durch die Entwicklung von Expertensystemen angestrebt wird - kann in diesen Anwendungsbereichen häufig nur durch ökonomisch nicht zu rechtfertigende zusätzliche Hardwareinvestitionen erreicht werden. Dieses Problem wurde bereits von den Softwareherstellern erkannt, die vereinzelt Run-Time-Versionen anbieten und bestrebt sind, Portierungen auf andere Computersysteme zu ermöglichen.

Neben der eigentlichen Problemorientierung und der Betrachtung des Implementationsumfeldes spielen auch allgemeine Qualitätsmerkmale wie Schulung, Dokumentation und Wartung eine Rolle. Die sorgfältige Auswahl des Tools bleibt allerdings wirkungslos, wenn methodische Verfahren und Kenntnisse fehlen.

Dennoch ist es unbestritten, daß man mit KI-Programmiersprachen und Expertensystem-Shells schneller zum Ziel kommen kann als mit konventionellen Programmiersprachen. Die Aufgabe der Identifizierung des relevanten Wissens können die existierenden Tools allerdings nicht lösen. Von den Entwicklern werden somit nicht nur technische, sondern auch psychologische Fähigkeiten verlangt.

Gerade durch den Mangel an KI-Spezialisten drängen sich dem Interessenten zwangsläufig Kooperationsprojekte mit den Tool-Herstellern auf, die für beide Partner Vorteile mit sich bringen. Erfahrungen aus den USA und Großbritannien bestätigen dies insofern, als der überwiegende Anteil industriell einsetzbarer Expertensysteme das Ergebnis derartiger Kooperationen war.

*Stefan Radtke ist freiberuflicher Unternehmensberater in München.