Wissensbasierte

Wissensbasierte Systeme bezeichnen computergestützte Systeme, die auf dem Einsatz expliziten Wissens in Form von Fakten, Regeln und Definitionen beruhen, um Probleme zu lösen oder Entscheidungen zu unterstützen. Der Ausdruck beschreibt typischerweise einen Ansatz, bei dem Wissen eine zentrale Ressource bildet, im Gegensatz zu rein datengetriebenen Ansätzen.

Zu den zentralen Bestandteilen zählen eine Wissensbasis (Fakten, Regeln oder Ontologien), eine Inferenz- oder Schlussfolgerungs-Engine zur Ableitung neuer Informationen sowie Mechanismen der Wissensakquise und -pflege. Eine Benutzerschnittstelle ermöglicht dem Anwender Erklärungen und Nachweise für die getroffenen Schlüsse zu verstehen.

Historisch spielten wissensbasierte Systeme eine zentrale Rolle in der künstlichen Intelligenz, insbesondere in Expertensystemen der 1980er und 1990er Jahre. Typische Anwendungen waren medizinische Diagnostik, technische Fehlersuche und Entscheidungsunterstützung in regulierten Bereichen, oft mit expliziten Regeln und Wissensrepräsentationen.

Anwendungsfelder liegen in Medizin, Fertigung, Wartung, Rechts- und Compliance-Anwendungen sowie im Kundendienst, wo transparente Begründungen und nachvollziehbare Entscheidungen gefordert sind.

Herausforderungen umfassen Wissensakquise, Konsistenz und Aktualität sowie die Pflege großer Wissensbasen. Im Vergleich zu datengetriebenen Ansätzen leiden wissensbasierte Systeme oft unter hohem Pflegeaufwand. Heute setzen viele Systeme auf hybride Modelle, die Wissensbasen mit maschinellem Lernen kombinieren.

Wissensbasierte Ansätze bleiben relevant, besonders dort, wo Erklärbarkeit und regulatorische Anforderungen wichtig sind. Sie spielen eine zentrale Rolle in hybriden KI-Systemen, die erklärbare Entscheidungsunterstützung mit Lernmechanismen verbinden.