Akquisition und Darstellung von Expertenwissen in komplexen Systemen

Diplomarbeit von Bernd Beule

Einleitung:

In unserem alltäglichen Leben können wir den Kontakt mit multidisziplinären komplexen Systemen nicht mehr vermeiden. Die aktuellen Systeme, denen die Medien zur Zeit große Aufmerksamkeit widmen, sind die Einführung einer einheitlichen europäischen Währung, die Verminderung der Arbeitslosigkeit und das Gesundheitswesen. Dabei hat sich die Erkenntnis durchgesetzt, daß zur Betrachtung dieser Systeme und zur Lösung von Problemen nur eine interdisziplinäre Sichtweise sinnvoll ist. So spielen im komplexen System Wattenmeer neben der ökologischen Betrachtung selbstverständlich auch die sozialen Belange der Bewohner und die ökonomischen Interessen ansässiger Firmen eine Rolle.

Die vorliegende Arbeit analysiert daher zunächst die Struktur komplexer Systeme. Dabei greift sie auch auf den Formulierungsansatz des Syndromkonzeptes vom Wissenschaftlichen Beirat der Bundesregierung "Globale Umweltveränderungen" zurück. Als wichtigste Forderung an das zu erstellende Modell ergibt sich hieraus die Forderung nach Modularität.

Um die unterschiedlichen Sprachen und Verfahren einzelner Disziplinen aufzuzeigen, werden dann beispielhafte Akquisitionstechniken aus der Expertensystemkonstruktion und den Wirtschaftswissenschaften vorgestellt. Schließlich bleibt die Wissensakquisition via Internet nicht unerwähnt, da ihre Bedeutung stark zunimmt.

Eine genaue Analyse der komplexen Systeme und Akquisitionstechniken führt schließlich zu einer Menge von Eigenschaften des akquirierten Wissens. Dies sind Inkonsistenz, Unvollständigkeit und Unschärfe, um nur die wichtigsten zu nennen. In ähnlicher Weise kann die Person des Experten weitere Fragen aufwerfen, die zu einem sogenannten Expertendilemma führen können. Hieraus ergeben sich an das darzustellende Modell eine Reihe von Forderungen. Eine Analyse bisher existierender Modellierungsansätze ergibt schließlich ein Scheitern dieser Modelle an verschiedenen Eigenschaften des Wissens in komplexen Systemen.

Bei der nun folgenden Modellierung wird zunächst in den Cognitive Maps der mathematischen Psychologie eine Darstellungsmöglichkeit für Zusammenhänge und Abläufe in komplexen Systemen gefunden, die die Forderung nach Modularität erfüllt.

Um die gegebene Unschärfe der Daten und Fakten in komplexen Systemen modellieren zu können, wird kurz in die Fuzzy Logic eingeführt. Schwerpunkte bilden dabei die mathematische Absicherung der Verknüpfung beliebiger unscharfer Expertenmeinungen und die linguistische Variable, die es erlaubt, direkt mit dem akquirierten Wissen weiterarbeiten zu können.

Die Verbindung der Modellansätze führt schließlich zu den Fuzzy Cognitive Maps. An diesem Modellierungsansatz wird gezeigt, daß eine Darstellung des Expertenwissens in komplexen Systemen trotz Inkonsistenz, Unvollständigkeit und Unschärfe möglich ist. Zusätzlich eröffnet dieser Modellierungsansatz eine Reihe weiterer interessanter Möglichkeiten. So ist es in diesem Modell möglich, ein komplexes System als Neuronales Netz zu betrachten und damit die Auswirkungen von Änderungen in diesem System durch Manipulation der Fakten zu simulieren.

Jedoch darf eine abschließende Kritik nicht fehlen. Fuzzy Cognitive Maps können nicht beweisen, wie sich ein komplexes System entwickeln wird. Sie können lediglich zeigen, wie sich ein komplexes System unter den akquirierten Vorstellungen verhält. Damit wird aber wieder rückwirkend auf die Güte und Qualität der Wissensakquisition verwiesen.

Inhaltsverzeichnis:

0.	Motivation	4
1.	Komplexe Systeme	8
1.1.	Strukturen und Eigenschaften komplexer Systeme	10
1.1.1.	Strukturen und Eigenschaften des gesamten Systems	10
1.1.2.	Strukturen und Eigenschaften der Systembereiche	13
1.1.3.	Ein Beispiel eines komplexen Systems: Der Runde Tisch zum Thema Arbeitslosigkeit	14
1.2.	Der Syndromansatz - ein Beispiel für lokale komplexe Systeme in globalem Rahmen	16
1.3.	Darstellungen komplexer Systeme in der Kunst	24
2.	Verfahren zur Akquisition von Expertenwissen	26
2.1.	Fachspezifische Differenzierung des Wissenserwerbs in den einzelnen Disziplinen	26
2.2.	Akquisitionstechniken	29
2.2.1.	Wissensakquisition aus der Tradition der Datenverarbeitung	29
2.2.2.	Wissensakquisition aus der Tradition der Wirtschaftswissenschaften	31
2.2.2.1.	Gruppendynamische Verfahren	32
2.2.2.2.	Nicht-gruppendynamische Verfahren	33
2.2.2.3.	Gemischte Verfahren	34
2.3.	Wissensakquisitionsverfahren mit elektronischen Medien	36
2.3.1.	Online-Wissenssuche	36
	Phase 1 - Werkzeuge zur Online-Recherche	38
	Phase 2 - Wissensquellen	39
2.3.2.	Der Übergang zu neuen elektronischen Medien	40
2.3.3.	Verfahren zur Wissensbearbeitung	42
2.3.3.1.	Hasse-Diagramm-Technik	43
2.3.3.2.	Graphical Method	45
2.3.3.3.	sonstige Data Mining Methoden	46
3.	Eigenschaften des Wissens und die Person des Experten	48
3.1.	Wissen als Produktionsfaktor	48
3.2.	Die Notwendigkeit der Unterscheidung verschiedener Wissensformen	51
3.3.	Heuristiken	54
3.4.	Qualität und Aktualität der Wissensbasis	57
3.5.	Undurchsichtigkeit des Wissens und Unverständnis der Entscheidungen	58
3.6.	Die Psychologie des Experten	62
3.7.	Folgen von differentem Expertenwissen	63
3.8.	Expertendilemmata	64
4.	Vorüberlegungen zur mathematischen Modellierung komplexer Systeme	67
4.1.	Probleme bei der Modellierung	67
4.1.1.	Linguistische Transformationsprobleme	67
4.1.2.	Modellierung realer Systeme in der Datenverarbeitung	68
4.1.3.	Philosophischer Modellierungsexkurs	71
4.2.	Ansätze zur Strukturierung komplexer Systeme	72
5.	Modell zur Darstellung von Expertenwissen in komplexen Systemen	75
5.1.	Voraussetzungen	75
5.2.	Wissensakquisition	77
5.3.	Cognitive Maps	78
5.4.	Fuzzy Logic	84
5.4.1.	Unscharfe Mengen und die Zugehörigkeitsfunktion	85
5.4.2.	Begriffe und Eigenschaften unscharfer Mengen	89
5.4.3.	Operationen auf unscharfen Mengen	92
5.4.4.	Relationen auf unscharfen Mengen	95
5.4.5.	Linguistische Variablen	100
5.4.6.	Relevanz der Fuzzy Logic in komplexen Systemen	104
5.5.	Fuzzy Cognitive Maps	106
5.5.1.	Definition FCM	107
5.5.2.	Eigenschaften der FCMs	108
5.5.3.	Beispiele von Eigenschaften von FCMs in komplexen Systemen	111
5.6.	Behandlung typischer Probleme des Expertenwissens	115
5.6.1.	Inkonsistenz	116
5.6.2.	Unvollständigkeit	117
5.6.3.	Gewichtung	118
5.6.4.	Redundanz und Konsistenz	119
5.8.	Fixpunkte in komplexen Systemen - Betrachtung der FCM als Neuronales Netz	123
5.8.1.	Beispiel: Markt und Staat	124
5.8.2.	Beispiel: South African Politics	127
5.8.3.	Kausales Schließen mit FCMs	130
5.9.	Homomorphismen in komplexen Systemen	131
5.9.1.	Homomorphismen auf FCMs	132
5.9.2.	Selbstabbildungen in komplexen Systemen: Die Sprache der fraktalen Geometrie	134
5.10.	Kritik des Modellansatzes FCM	137
6.	Zusammenfassung und Ausblick	141
	Anhang A: Software	144
	Anhang B: Suchmaschinen	145
	Anhang C: Verzeichnis der Abbildungen, Tabellen, Beispiele und Definitionen	147
	Anhang D: Bezeichnungsweise in dieser Arbeit	150
	Anhang E: Anmerkungen zu ausgewählter Literatur dieser Arbeit	151
	Anhang F: Autorenverzeichnis	152
	Literaturverzeichnis	154