Ansätze der KI 🧭

Leitfrage

Muss man einer KI die Regeln der Welt erklären – oder kann sie Regeln aus Beispielen selbst ableiten?

📘 Lerntext

Für einen Überblick ist eine grundlegende Unterscheidung besonders hilfreich:

Abb.: Wissensbasierte und datenbasierte Ansätze setzen an unterschiedlichen Stellen an.

Wissensbasierte Ansätze

Bei wissensbasierten Ansätzen wird Wissen explizit formuliert. Menschen legen fest, welche Fakten, Regeln oder Strategien das System verwenden kann.

Das Schulbuch nennt mehrere typische Formen:

Tabellenbasiertes Wissen

Eine Tabelle kann direkt Wissen enthalten:

Deutsch	Portugiesisch
Hund	cachorro
Markt	feira
Sonntag	domingo

Ein Programm muss hier nichts „lernen“. Es schlägt einen bekannten Eintrag nach.

Problemlösen durch Suche

Bei Navigation oder Spielen kann ein System viele mögliche Zustände durchsuchen und nach einem guten Weg oder Zug suchen.

Die Idee lautet:

Ausgangssituation
      ↓
mögliche Aktionen
      ↓
neue Situationen
      ↓
weitere Aktionen
      ↓
Ziel / beste gefundene Lösung

Entscheidungsbäume als explizite Regeln

Auch ein von Menschen formulierter Entscheidungsbaum ist wissensbasiert:

Zeugnisschnitt > 2,5?
├─ ja  → Absage
└─ nein → formale Fehler?
           ├─ ja  → Absage
           └─ nein → weiter prüfen

Hier kann man meist gut nachvollziehen, welche Regel zu einer Entscheidung geführt hat.

Logisches Schließen

Fakten und Regeln werden in einer Wissensbasis gespeichert. Eine Inferenzmaschine prüft daraus Aussagen oder leitet neue Zusammenhänge ab.

Genau hier kommt Prolog ins Spiel. Das wird auf der nächsten Seite praktisch umgesetzt.

Datenbasierte Ansätze – vorerst nur als Ausblick

Bei datenbasierten Verfahren werden Regeln nicht vollständig von Menschen vorgegeben. Stattdessen entwickelt das System aus Daten ein Modell.

Das Schulbuch unterscheidet als zentrale Bereiche:

• überwachtes Lernen: Zuordnung aus gelabelten Beispielen lernen
• unüberwachtes Lernen: Strukturen oder Gruppen in ungelabelten Daten finden
• verstärkendes Lernen: durch Belohnung und Bestrafung eine Strategie verbessern

Die Website buch.informatik.cc ergänzt außerdem self-supervised learning als heute besonders wichtigen Ansatz, bei dem Lernaufgaben aus vorhandenen Daten selbst erzeugt werden.

Diese datenbasierten Verfahren werden später in eigenen Kapiteln vertieft.

Hybride Systeme

In der Praxis werden wissensbasierte und datenbasierte Techniken häufig kombiniert.

Ein System kann beispielsweise

1. mit einem datenbasierten Modell etwas erkennen und
2. anschließend mit festen Regeln entscheiden, was damit passieren soll.

Merke

Die Grenze ist nicht immer „entweder – oder“. Entscheidend ist, welcher Teil eines Systems aus menschlich formuliertem Wissen und welcher Teil aus Daten entsteht.

Grenzen wissensbasierter Ansätze

Wissensbasierte Systeme sind stark, wenn Wissen klar formuliert werden kann. Ihre Entscheidungen sind oft gut nachvollziehbar.

Schwierig wird es, wenn Menschen selbst keine einfachen Regeln formulieren können.

Beispiel:

Wie erklärst du einem Computer vollständig, woran auf jedem denkbaren Foto ein Hund von einer Katze zu unterscheiden ist?

Aufnahmewinkel, Fellfarbe, Licht, verdeckte Körperteile und Hintergründe führen schnell zu tausenden Sonderfällen. Genau bei solchen Problemen werden datenbasierte Verfahren interessant.

🛠️ Arbeitsaufträge

Aufgabe 1 – Vier wissensbasierte Denkweisen

Ordne zu:

1. Vokabel nachschlagen
2. kürzesten Weg finden
3. Bewerbungen mit festen Bedingungen vorsortieren
4. aus Familienbeziehungen ableiten, ob eine Person Enkelkind einer anderen ist

Verwende:

Suche · Tabellenwissen · logisches Schließen · Entscheidungsbaum · logisches Schließen

Aufgabe 2 – Wissensbasiert, datenbasiert oder hybrid?

Ordne ein und begründe jeweils in einem Satz:

• Spamfilter, der aus markierten E-Mails trainiert wurde
• medizinisches Expertensystem mit festen Wenn-Dann-Regeln
• Navigationssystem mit Kartendaten und Verkehrsvorhersage
• Schachprogramm mit Suchbaum und Bewertungsfunktion
• Chatbot auf Basis eines großen Sprachmodells

Bei mindestens einem Beispiel ist hybrid eine plausible Antwort.

Aufgabe 3 – Warum nicht einfach Regeln schreiben?

Formuliere fünf Regeln, mit denen ein Computer auf Fotos Hunde von Katzen unterscheiden könnte.

Prüfe danach kritisch:

• Welche Gegenbeispiele fallen dir ein?
• Wie viele zusätzliche Regeln würdest du vermutlich brauchen?
• Warum ist das ein Hinweis auf die Grenzen wissensbasierter Ansätze?

Aufgabe 4 – Expertensystem unter der Lupe

Das historische System MYCIN nutzte hunderte Regeln, um medizinische Empfehlungen zu unterstützen.

Diskutiert:

1. Warum sind nachvollziehbare Regeln in der Medizin ein Vorteil?
2. Was passiert, wenn eine wichtige Regel fehlt?
3. Wer trägt Verantwortung, wenn eine Empfehlung falsch ist?

✅ Kurz-Check

1. Was bedeutet „Wissen explizit modellieren“?
2. Nenne vier Formen wissensbasierter KI.
3. Warum sind wissensbasierte Systeme oft gut nachvollziehbar?
4. Wo stoßen sie an Grenzen?
5. Warum können reale Systeme wissensbasierte und datenbasierte Teile kombinieren?