Experten-System

Expertensysteme (Teilgebiet der Künstlichen Intelligenz): Programme, die menschliches Expertenwissen in einem bestimmten Bereich kodifizieren, um Entscheidungen zu treffen oder Probleme zu lösen.

⚙️ Aufbau eines Expertensystems

Ein typisches Expertensystem besteht aus drei Hauptkomponenten:

Wissensbasis (Knowledge Base)

• Enthält das Fachwissen über den Problembereich.
• Beinhaltet Fakten (z. B. Symptome, Messwerte) und Regeln (z. B. „Wenn A und B, dann C“).

Inference Engine (Schlussfolgerungsmechanismus)

• Das „Gehirn“ des Systems.
• Wendet die Regeln der Wissensbasis auf bekannte Fakten an, um neue Erkenntnisse oder Schlussfolgerungen zu gewinnen.
• Arbeitet häufig mit regelbasiertem Schließen (z. B. Vorwärts- oder Rückwärtsverkettung).

Benutzerschnittstelle (User Interface)

• Ermöglicht die Kommunikation zwischen Benutzer und System.
• Der Benutzer gibt Daten ein, das System liefert Erklärungen oder Lösungen zurück.

🧩 Beispiel

Ein medizinisches Expertensystem kann z. B. helfen, Krankheiten zu diagnostizieren:

Regel 1: Wenn der Patient Fieber und Husten hat, dann könnte er eine Grippe haben. Regel 2: Wenn der Patient Ausschlag hat und Fieber, dann könnte er Masern haben.

Wenn ein Benutzer „Fieber und Husten“ eingibt, schließt das System auf „Grippe“.

✅ Vorteile

• Zugriff auf Expertenwissen, auch wenn kein Mensch verfügbar ist
• Gleichbleibende Qualität von Entscheidungen
• Gute Nachvollziehbarkeit durch erklärbare Regeln

⚠️ Nachteile

• Begrenztes Wissen (abhängig von der Wissensbasis)
• Schwer anpassbar an neue Situationen
• Kein echtes „Verstehen“, sondern regelbasiertes Arbeiten

🧩 Fazit

Ein Expertensystem ist ein frühes, aber wichtiges Beispiel für symbolische KI, das versucht, menschliches Fachwissen formal abzubilden.

Es eignet sich besonders für strukturierte, regelbasierte Entscheidungsprobleme, verliert aber an Bedeutung gegenüber lernenden Systemen wie Machine Learning.