Wissensrepräsentation und -verarbeitung

Wissensrepräsentation und -verarbeitung ist Teil der symbolischen Künstlichen Intelligenz und grundlegend für die Erstellung wissensbasierter Systeme. Das Ziel ist es, Wissen so zu modellieren, dass es für Menschen verständlich ist und gleichzeitig von einem Computersystem verarbeitet werden kann. Je nach Art des Wissens und der Problemstellung sind verschiedene Methoden geeignet. Wissensgraphen repräsentieren semantisches Wissen als Beziehungen zwischen Konzepten. Regelbasierte Systeme repräsentierten Beziehungen zwischen mehreren Fakten und können daraus neues Wissen herleiten und Probleme lösen. Fuzzy-Logik ist geeignet für die Verarbeitung von vagem Wissen.

Wissen und Verstehen: Die Studierenden ...

• kennen verschiedene Arten von Wissen (Fakten, semantisch, prozedural, vage, unsicher)
• kennen verschiedene Formen der Wissensrepräsentation (prozedural vs. deklarativ, Regeln, Wissensgraphen)
• kennen die für die verschiedenen Wissenspräsentationen passenden Inferenzmechanismen

Anwendung von Wissen und Verstehen: Die Studierenden ...

• können Probleme als Wissensproblem erkennen
• können relevantes Wissen für eine Anwendung identifizieren
• können Wissen in verschiedenen Formalismen repräsentieren
• können wissenbasierte Lösungen für realistische Anwendungen realisieren

Urteilen: Die Studierenden ...

• können Arten der Wissensrepräsention in Bezug auf ihre Anwendbarkeit für eine Problemstellung beurteilen
• erkennen die Grenzen wissensbasierter Systeme

Kommunikative Fertigkeiten: Die Studierenden ...

• verwenden das korrekte Fachvokabular für ihre mündlichen und schriftlichen Ausführungen.

Selbstlernfähigkeit: Die Studierenden ...

• erlernen den Umgang mit methoden der Wissensrepräsention durch Lösen praktischer Aufgaben

• Aufbau wissensbasierter Systeme
• Arten von Wissen und Inferenzen
• Entscheidungstabellen
• Regelbasierte Systeme
• Wissensgraphen/Ontologien
• Kombination von Wissensgraphen und Regeln
• Ontology Engineering: identifikation von Konzepten, Relationen, Eigenschaften und Regeln
• Linked Data, semantische Metadata-Schemata
• Praktische Anwendungen von Wissensgraphen und Regeln
• Graphenbasierte Abfragesprachen
• Fuzzy-Regeln

Unterricht: Lernen mit Beispielen, praktische Übungen

Projekt: Realisierung eines Wissensbasierten Systems durch Kombination mehrerer Formen der Wissensrepräsentation

keine

Anwesenheit wird erwartet

Note 1-6 (halbe Noten)