Einbinden der Entscheidungsbäume

Wie in dieser Arbeit in Punkt 3.3.4 bereits erwähnt wurde, ist die Entlastung der Experten vorrangiges Ziel des First Level Support Systems am LRZ. Dies bedeutet auch, daß das bereits vorhandene Expertenwissen in den Entscheidungsbäumen genutzt wird, um einer neuen Implementierung und Strukturierung des Expertenwissens in Form der Bayesschen Netze gerecht zu werden. Eine nochmalige Wissensakquisition, mit einer zusätzlichen Wahrscheinlichkeitseinstufung und Beurteilung für die a priori Wahrscheinlichkeiten der Knoten, stellt einen weiteren Arbeitsaufwand für die Experten dar.
Eine direkte Umsetzung der Entscheidungsbäume in Bayessche Netze ist nicht möglich. Um dennoch dieses vorhandene Expertenwissen nutzen zu können, kann ein Verfahren entwickelt werden, das das Wissen der Entscheidungsbäume interpretiert und den Bayesschen Netzen in passender Form zur Verfügung stellt.
In den Entscheidungsbäumen, wie dies auch in den Beispielen in Abbildung 3.2, 3.3 und 3.4 dargestellt wird, ist die Reihenfolge der Fragen festgelegt. Wird eine Frage mit ja beantwortet, nimmt die Diagnose einen anderen Verlauf, als wenn die Frage mit nein beantwortet wird.
In den Bayesschen Netzen ist dieser vorzeitige Ausschluß einer Diagnoserichtung nicht gegeben. Hier werden alle Ursachen betrachtet und durch Propagierung wird eine spezielle Richtung eingeschlagen. Die Reihenfolge in den Entscheidungsbäumen kann während der Laufzeit nicht verändert werden.
Ein Verfahren, das die Informationen aus den Entscheidungsbäumen direkt in Bayessche Netzeinformation umsetzt, kann deshalb nicht realisiert werden. Vielmehr ist es notwendig, die Informationen in den Entscheidungsbäumen zu werten und in einer Formation zusammenstellen, daß für ein Bayessches Netz die Knoten (a priori oder bedingte Wahrscheinlichkeitsknoten) in geeigneter Darstellung übernommen werden können.
Es ist fraglich, inwieweit dieses Verfahren einer neuen Wissensakquisition ähnelt und nicht komplett durch eine solche ersetzt werden kann.