Zusammenfassung

Diese Arbeit umfaßt die Untersuchung des Einsatzes Bayesscher Netze im Intelligent Assistant, wie er am Leibniz-Rechenzentrum in München eingesetzt wird. Derzeit ist das Expertenwissen für den First Level Support mit dem Intelligent Assistant in Entscheidungsbäumen implementiert. Aus der Analyse der bestehenden Situation ergeben sich Anforderungen für den Aufbau und den Einsatz der Bayesschen Netze.
Beginnend mit der Wissensakquisition und weiter im Entwurf der Netze und der Umsetzung des Wissens, sollten die Experten durch graphische Editoren unterstützt werden.
Weitere Unterstützung sollte in der Anwendung erfolgen, insbesondere über eine Schnittstelle zu einer Inferenzmaschine, um die Berechnung und Propagierung der Wahrscheinlichkeiten und bedingten Wahrscheinlichkeiten zu automatisieren. Die Inferenzmaschine ist ein Algorithmus.
Um dies realisieren zu können, sind drei weitere Algorithmen notwendig. Ein erster Algorithmus sollte dem Experten das Eintragen der Wahrscheinlichkeiten in die bedingten Wahrscheinlichkeitstabellen erleichtern und automatisieren. Der Fragealgorithmus, der sich wiederum des Inferenzalgorithmus zur Berechnung bedient, entscheidet, welche Frage oder welcher Test als nächstes durchgeführt wird. Ein Lernalgorithmus sorgt dafür, daß das Bayessche Netz ein Erinnerungsvermögen besitzt, um das Bayessche Netz lernfähig zu machen.

Für die Realisierung der Anforderungen an Bayessche Netze stehen kommerzielle Werkzeuge zur Verfügung, die aber an diese speziellen Bedürfnisse noch angepaßt werden müssen, oder es können nur Teile des Werkzeuges verwendet werden, wie es bei Siemens im Einsatz ist.

Ein Ansatz zur Lösung in den drei Problembereichen des Intelligent Assistant wird im vorhergehenden Kapitel 6 dieser Arbeit aufgezeigt.