2. Informationsmanagement2.1. Informationsreprasentation

Vorlesung Intelligente Informationssysteme

Wintersemester 2004/2005

29. 10. 2004

Prof. Dr. Bernhard ThalheimInformation Systems Engineering Group

Computer Science InstituteKiel University, Germany

1

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Informationstypen (z.B. im Unternehmen)

Individuelles und kollektives Konnen (Fahigkeit zu handeln, sich zu

adaptieren und weiterzuentwickeln)

Know-How (Fahigkeit, Produkte und Dienste zu entwerfen, entwickeln,

verkaufen und warten)

• Greifbare Elemente: Daten, Verfahren, Plane, Modelle, Algorith-

men, Dokumente

• Fluchtige Elemente: Fahigkeiten, Tricks, private Information,

Information uber Firmengeschichte und Entscheidungskontexte

Greifbares Elemente konnen direkt in IS ubernommen werden, fluchtige

Elemente erfordern Informationsaufbereitung und -formalisierung.

2

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Typologien von Informationen¨§

¥¦am Beispiel Anwendungsinformationen

Branchen-Gedachtnis (allgemeines professionelles Wissen)

Firmen-Gedachtnis

• Technisches Gedachtnis

• Organisations-Gedachtnis (Management-Gedachtnis)

• Projekt-Gedachtnis

Individuelles Gedachtnis

Anforderungen

• Benutzertypen (Manager, Sachbearbeiter, Kunden usw.)

• Benutzereigenschaften (Vorwissen, Interessen, Nutzungshaufigkeit usw.)

• Aufgaben (z.B. Innovation, Zusammenarbeit, Fluktuation, Ausnahmesituatio-

nen, kritische Situationen)

• Situationen (statische vs. dynamische Situationen)

• Wissensarten

• Vermeidung von Fehlern

3

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

AnwendungsszenarienService Support

Eingebettete Systeme

E-Commerce

Medizinische Diagnostik und Therapie

Juristisches Informationssystem

Angebotserstellung und Konfigurierung

Scheduling/Terminplanung

Web-Informationssysteme

eHealth-Systeme

eGovernment-Systeme

eLearning-system

4

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Service SupportSzenario: Beratung bei Problemen mit verkauften Produkten (z.B. Bedienungs-

und Produktfehler bei Maschinen oder Software).

Anwendungsbeispiele: Service-Support-Abteilung von Maschinenbaufirmen

(z.B. Druckmaschinen, Briefsortieranlagen), DV-Hotline, Kfz-Reparatur-

Werkstatten, Kundenservice (z.B. Telefonanlagen, Rasen-Problemberatung)

Konventionelle Losung: Dokumentationen (Handbucher, Internet, Fax) und

Beratung (Call Center, Hotline, Experten).

Probleme: Bei Dokumentationen: Herausfinden der richtigen Informationen, Ak-

tualisierung. Bei Beratung: Personalkosten, Qualifikation.

Einsatz: Diagnose- und Info-Retrieval-Systeme.

- Kunden (Beratung & IR bei einfachen Problemen; Internet)

- Hotline (Beratung, IR, Workflow & Dokumentation; Intranet)

- Service-Support-Mitarbeiter (wie Hotline; zusatzlich Aktualisierung, z.B. Auf-

nahme neuartiger Falle).

Vorteile: Bereitstellung von kontextbezogenem Wissen, so daß Probleme dezen-

tral auf der fruhestmoglichen Ebene (1. Kunde, 2. Hotline, 3. Experte) erkannt

und behoben werden konnen. Teilautomatisierung des Berichtswesen. Schnelle

Kommunikation neuer Informationen und interessanter Falle

Nachteile/Aufwand: Formalisierung und kontinuierliche Pflege des Beratungs-

wissens (geeignete Kombination von formalem und informellem Wissen), ins-

besondere bei haufigen Produktinnovationen und großer Variantenvielfalt.

5

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Eingebettete SystemeSzenario: Datenauswertung von Meß- und Sensorsystemen zur Systemuberwa-

chung.

Anwendungsbeispiele: Kreditkartenuberprufung, Auswertung der Sensoren der

Autoelektronik (BMW), Telefon- Storfallbehandlung (Telekom), Qualitatskon-

trolle bei der Fertigung (Daimler).

Konventionelle Losung: Fur jedes Einzeldatum wird eine Toleranzgrenze de-

finiert, bei deren Uberschreiten ein Alarm ausgelost oder eine Fehlermeldung

generiert wird.

Probleme: Bei Systemausfallen zu viele Einzelalarme, die die Ubersicht erschwe-

ren. Bei Sensorfehlern haufig Fehlalarme.

Einsatz: Diagnostiksystem fur integrierte Datenauswertung; dadurch Erkennen

von gemeinsamer Ursache fur Einzelalarme moglich. Bei redundanten Sensor-

systemen konnen Sensorfehler erkannt werden. Durch Auswertung von Zeit-

verlaufen konnen Systemausfalle ggf. vorhergesehen werden.

Vorteile: Erhohung der Autonomie technischer Systeme: hohere Robustheit und

Verfugbarkeit bei geringerem Personaleinsatz.

Nachteile/Aufwand: Reaktion auf außergewohnliche Umstande, hohe Sicher-

heitsanforderungen.

6

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

E-Commerce

Szenario: Produktkauf im Inter/Intranet. Anwendungsbeispiele: Buchverkauf

(Amazon), Tourismus (Reiseburos im Internet), Softwareverkauf, z.B. im Be-

reich Edutainment, Verkauf von Einbaukuchen, von Kleidung, von Gartenpflan-

zen und -zubehor (Wolf-Garten) usw.

Konventionelle Losung: Abbildung eines Katalog im Internet mit ubersichtli-

chen Navigationsmoglichkeiten. Hervorhebung von Bestsellern und Sonderan-

geboten. Probleme: Keine individuelle Beratung.

Einsatz: regel- oder fallbasierte Diagnostik- oder Konfigurationssysteme zur Be-

ratung, Anlegen von Kundenprofilen und Vergleich mit ahnlichen Kundenpro-

filen, Intelligente Information- Retrieval-Systeme. Autonome Einkaufsagenten.

Visualisierung des Ergebnisses (z.B. bei Kleidung, Kuchen).

Vorteile: Individuelle Beratung, Produktempfehlungen konnen nach verschie-

denen Kriterien/Interessen optimiert werden. Systematischer Preisvergleich

moglich.

Nachteile/Aufwand: Aufwand zur Erstellung und Aktualisierung der Bera-

tungssysteme.

7

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Medizinische Diagnostik und TherapieSzenario: Informationsbeschaffung / -interpretation zum Patientenmanagement

Anwendungsbeispiele: Beratung von Arzten, Beratung von Patienten, Qua-

litatskontrolle arztlicher Entscheidungen (z.B. SonoConsult); jeweils bezuglich

Diagnostik, Therapie und Verlaufskontrolle; Patientenmonitoring auf Inten-

sivstationen, Labordateninterpretation, Medikamentenverschreibung, Untersu-

chungsanforderung (Order Entry).

Konventionelle Losung: Bucher, Zeitschriften; auch Informationsrecherche im

Internet, z.B. MEDLINE, Cochrane; Uberweisungen, (multiple) Konsult.

Probleme: Qualitats- und Kostenprobleme (Nicht-Berucksichtigung des medi-

zinischen Fortschritts, suboptimale Interpretation vorhandener Informationen

wegen Nichtwissen oder Fluchtigkeitsfehler, Anforderung zu weniger oder zu

vieler Patienten- Untersuchungen).

Einsatz: normative oder erfahrungsbasierte Diagnostik- und Simulationssysteme

zur Beratung und Kritik, Intelligente Information-Retrieval-Systeme; jeweils im

Inter- oder Intranet oder mit elektronischer Krankenakte gekoppelt.

Vorteile: Erhohte Transparenz, bessere Nachvollziehbarkeit medizinischer Ent-

scheidungen, Standardisierung der Diagnostik und Therapie, Verbesserung der

klinischen Forschung, standardisierte Dokumentation.

Nachteile/Aufwand: Aufwand zur Formalisierung und Aktualisierung des Wis-

sens, Aufwand zur Dateneingabe (teilweise Kopplung mit eingebetteten Syste-

men moglich), Datenschutzaspekte.

8

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Juristisches InformationssystemSzenario: Vermittlung von Basiswissen fur konkrete jurististische Probleme

Anwendungsbeispiele: Unterstutzung von Rechtsanwalten, Informieren von

Laien in juristischen Fragestellungen, Generierung von Dokumenten und Ver-

tragen, Heraussuchen von Urteilen.

Konventionelle Losung: Gesetzestexte mit Kommentaren; Urteilssammlungen;

Repetitoren; Ratgeber-Bucher; auch Informationsrecherche im Internet, z.B.

JURIS; gunstige Spezialberatungen, z.B. Mietervereine, ADAC; kaum Uberwei-

sungen! Probleme: Große Hemmschwelle fur Laien; Oft schwer vorhersagbare

Rechtsprechung wegen vieler Sonderfaktoren.

Einsatz: heuristische und fallbasierte Diagnostiksysteme zur Beratung und Kri-

tik, Berechnung von Kosten und Terminen, Intelligente Information-Retrieval-

Systeme; jeweils im Internet, ggf. mit Dokumentengenerierung gekoppelt.

Vorteile: Gunstige fallbezogene Erstinformation fur Laien; Systematische Suche

nach ahnlichen Urteilen.

Nachteile/Aufwand: Gefahr von Fehlberatung durch falsche Dateneingabe,

Datenschutz, Aufwand zur Wissensformalisierung betrachtlich, aber wohl ge-

ringer als in der Medizin.

9

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Angebotserstellung und KonfigurierungSzenario: Angebotserstellung, Kostenkalkulation und Konfigurierung komplexer

Produkte.

Anwendungsbeispiele: einfache Konfigurierung von Computern, Kuchen, Au-

tos; Komplexe Konfigurierung von Fahrsystemen, Fahrstuhlen, Druckmaschi-

nen, Abfullanlagen.

Konventionelle Losung: Disponent klickt Bauteile & Aggregate aus Teile-

stammdatei zusammen, Kostenkalkulation mit Kalkulationsprogramm.

Probleme: Hoher manueller Aufwand fur Angebotserstellung. Suboptimale An-

gebote bzgl. Preis, Qualitat und Sonderwunsche des Kunden, falls Disponent

sich nicht gut auskennt (haufig werden standardisierte Angebotstypen variiert,

die das angebotene Spektrum des Herstellers nicht ausnutzen).

Einsatz: Konfigurationssystem, daß aufgrund der eingegebenen Anforderungen

und der vorhandenen Bauteile automatisch oder interaktiv Losungsvorschlage

konfiguriert und kalkuliert.

Vorteile: Betrachtliche Zeitersparnis bei Angebotserstellung. Automatische

Berucksichtigung von Sonderangeboten, Lagerbestanden usw. sowie automati-

sche Uberprufung von Constraints und Kundenwunschen moglich. Ggf. Visua-

lisierung des Losungsvorschlages.

Nachteile/Aufwand: Betrachtlicher Aufwand zur Formalisierung und vor allem

Aktualisierung des Wissens in Abhangigkeit der Große des Teilestamms und

des Angebotsspektrums.

10

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Scheduling/TerminplanungSzenario: Koordination vieler Einzeltermine unter Berucksichtigung vorhandener

Ressourcen und Randbedingungen.

Anwendungsbeispiele: Schulstundenplanung, Auftrags- und Ressourcenpla-

nung in Fertigungsunternehmen, Dienstschichtplanung.

Konventionelle Losung: Manuelle Planung mit klassischen oder modernen Me-

dien; Vorschlag auf Basis von relativ einfachen Algorithmen; anschließend vom

Disponenten nachgearbeitet.

Probleme: Betrachtlicher manueller Aufwand fur Disponenten. Haufig Orien-

tierung an zuletzt erstellten Terminplanen. Suboptimale Terminplane wegen

unnotiger Verletzung von Randbedingungen. Geringe Transparenz.

Einsatz: Zuordnungs- (Scheduling)system auf der Grundlage von Angeboten,

Randbedingungen (intelligente Suchverfahren mit Constraint-Befriedigung

bzw. -Optimierung).

Manuell: automatische Uberwachung & Visualisierung der Constraints

Interaktiv: fruhzeitiger Eingriff des Disponenten (nicht erst am Schluß).

Unterstutzung von Umplanung.

Vorteile: Zeitersparnis bei Terminplanung. Vergleich von Alternativen. Mehr

Transparenz. Automatische Uberwachung der Randbedingungen.

Nachteile/Aufwand: Planungsdaten elektronisch verfugbar. Aufwand zur For-

malisierung der Informationen (nicht vollstandig moglich; interaktive Termin-

planung). Effizienz der Algorithmen kritisch (Any-Time-Algorithmen).

11

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Losungsansatze zur Entwicklung Intell-IS

Stakeholder Analyse

Requirement Analyse:

• Traditionelle Ansatze: Nutzer Informationsquelle aber passiv

• Partizipative Ansatze: Nutzer sollen Beitrage liefern

• Entwurfsteam: Techniker und Nutzer arbeiten zusammen

• Gruppensitzungen: Temporare Zusammenarbeit

Knowledge-Engineering Methoden

• Literatur-Analyse

• Interviews / Diskussionen

• Beobachtungen / Experimente

Spezielle Methoden

• Leitnutzer-Methode

• Analyse verschiedener Kulturen

• Sensitivitats-Analyse:

• Sensitive Prozesse fur Unternehmenserfolg identifizieren• Kritische Aktivitaten fur sensitive Prozesse bestimmen• Kritisches Wissen zur Losung der Probleme finden

12

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Konstruktion eines Intell-ISVorhandene Quellen:

• Menschen (Fachexperten)

• Vorhandene Papier-Dokumente, vorhandene elektronische Dokumente, Emails

• Datenbanken

• Fallsammlungen

• Worterbucher

• CAD-Zeichnungen, technische Dokumente, Dokumentationen

Typen von Intell-IS:

• Nicht-Computerbasiert

• Dokumentenbasiert; CMS (Indexisierung, Strukturierung, Uber-

sichtsartikel, Autorensystem, Navigation, Trennung Inhalt & Dar-

stellung, Hypertext)

• “Wissens”basiert (Wissensformalisierung)

• Fallbasiert (erlaubt kontinuierliche Evolution; Fallformat standardi-

siert bzw. formalisiert)

• Verteilt (Kombination heterogener Quellen, z.B. mit Agenten oder

Web-Suchmaschinen)

• Kombinationen

13

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Bsp. dokumentenbasierte Intell-IS

• Projektdokumente (Spezifikationen, Entwurfsdokumente, Testdokumente, Ver-

tragsunterlagen)

• Standard-Referenz-Werke in einem Bereich (z.B. Gamma oder Fowler)

• Visuelle Dokumente (Fotos, eingescannte Plane, Ikonische Dokumente)

• Berichte (technisch, wissenschaftlich)

• Bucher, Dissertationen, Normen, Archivdokumente, Fuhrer, Dossiers usw.

• Digitale Bibliotheken

• Online-Dokumentatione, Benutzerhandbucher, Referenz-handbucher usw.

Verbreitung und Nutzung

• Zuganglichkeit: Inter-, Intra-, Extranet; Nutzergruppen

• Nutzeraktivitat: Push oder Pull-Prinzip

• Adaptivitat: Benutzerprofile, (Agenten)

• Navigation: Browsing / Suche / DB-Abfrage / Dialog

• Kosten: Frei, mit Anmeldung, mit kostenpflichtiger Anmeldung, Seitengebuhr

14

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Intelligenz durch BerechnungOrganisations-, Benutzer- und Aufgabenmodelle und Ablei-

tung von Funktionen zur Anpassung, Erweiterung je nach

Organisations-, Benutzer- und Aufgabenkontext

Deduktion, Abduktion, Induktion oder andere Berechnungs-

modelle

Ableitung einer adaquaten Logik: formale Sprache, Ableitung,

Problemlosung

Inferenzmechanismus mittels deduktiver Systeme

Automatische Aufbereitung fur Auswertung: Aggregation,

Gruppierung, allgemeine Abstraktion, Visualisierung, Reprasentati-

on

S. Schreiber et al.: Knowledge Engineering and Management: The

COMMONKADS Methodology, MIT-Press, 2000

Ideale Logik: ausdrucksstark, entscheidbar, axiomatisierbar, effizien-

te Ableitungsmechanismen

z.B. Beschreibunglogik (description logic)

15

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Organisations-, Benutzer- undAufgabenmodelle

Organisationsmodell (Kollaboration, Portfolio, Umgebung)

• Kollaboration: Kommunikation, Kooperation, Koordination

• Portfolio: Aufgaben, Rollen, Rechte, Ausfuhrungsmodell

• Umgebung: Architektur, Plattformen, Qualitatsparameter

• ....

Benutzerprofil (Ausbildungs-, Arbeits-, Personlichkeitsprofil)

Aufgabe: Vorgabe fur zielorientiertes Handeln• Zielstruktur z.B. Modellierung des Zielzustandes erfaßt werden.

• Wissensprofil z.B. Details des Aufgabenwissens

• Arbeitsmittel (Content, Funktionalitat) fur Losung, Strategiefindung, Bewer-

tung, Monitoring, Vorschlagen, Verbessern Dekomposition und Steuerung

• Erfullung: Arbeitsablaufe mit einzelnen

Arbeitsvorgangen (allgemeine Struktur, Resultat, Rahmenbedingungen)

• Ausfuhrungsmodell (Aufruf, Kollaboration, Arbeitsbereich)

16

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Inferenzmechanismen (1)

Exaktes Schließen mit Deduktion durch korrekte Ableitungsre-

geln∀x(P (x) =⇒ Q(x)), P (a)

Q(a) Modus ponens

Varianten: forward deduction zur Ableitung von neuen Formeln

backward deduction: aus dem Beweisziel werden anhand der Axiome

neue Teilbeweisziele generiert

Nichtmonotones Schließen (siehe extra Teil der Vorlesung)

Approximatives Schließen bei unscharfen bzw. unsicherenPramissen, unsicheren bzw. unscharfen Aggregationen, unsicherenbzw. unscharfen Kombinationen, unsicheren bzw. unscharfenKumulationen

• punktbasierte: certainty factor methods, Bayes, mehrwertige Logiken

• intervallbaiert: Dempster-Shafer

• verteilungsbasiert: Logiken der Moglichkeit / Plausibilitat, Fuzzy

Temporales Schließen mit modaler, typisierter Zeitlogik

Epistemisches Schließen (siehe extra Teil der Vorlesung)

17

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Inferenzmechanismen (2)

Induktion ausgehend von Hintergrundtheorie B, DatenD mit B 6|= DSuche nach Formel α, die konsistent mit Daten ist (B ∪ D 6|= ¬α)

und Daten erklart (B ∪ {α} |= D)P (a),P (b),Q(a),Q(b),Q(c),¬P (d),Q(d),¬P (e),¬Q(e)

∀x(P (x) =⇒ Q(x))

Grundlage der Lernverfahren (siehe extra Teil der Vorlesung)

Abduktion: zur Erklarung E mit Hypothesen H (E ⊆ H) von Beob-

achtungen O als Form des plausiblen Schließens mit Theorie Σ

d.h. Σ ∪ E |= O wobei Σ ∪ E konsistent ist

Wenn es regnet, dann ist die Straße naß. Die Straße ist naß. Also hat es

gerade geregnet.∀x(P (x) =⇒ Q(x)), Q(a)

P (a) Pseudo-Modus ponens zur Erklarung

mitunter auch mit Modus tollens (α =⇒ β), β=0α=0

benutzt bei unvollstandiger Information, i.a. nicht korrekt

Beobachtung + Theorie y Erklarung

Qualitatives Schließen durch Abstraktion und Schließen fur Ab-

strakta

18

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Ableitung einer adaquaten Logik• Sinn (Intension, Komprehension) und Bedeutung (Referenz,

etendue) der Variablen (Pradikatenvariable, Funktionsvariable) ggf.

in unterschiedlichen Welten

• Junktoren und Quantoren in der Benutzerwelt (z.B. ∀, ∀timecontext,

α ∧ β |= β |= β ∨ γ)

• Gleichheit, Existenz und Identifikation (Ontologie) in der Benutzer-

welt

• Vollstandigkeit der Pradikate, insbesondere =

• Verstandnis der Implikation (schwach, logisch, stark)

• Closed-world oder open-world

• Qualitat

• Kompositionalitat ({α, β} |= α ∧ β)

• Dimensionen (Raum und Zeit als topologische und geometrische

Strukturen)

• Kontextabhangigkeit

• Konstruktivitat der Außerungen (induktiv, rekursiv)

• Pragmatik der Benutzung

19

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Finden eines InferenzmechanismusDeduktives System z.B. (L, Ax, Reg) (Hilbert-Typ) mit endlichem

Axiomen und Regelsystem, sowie ggf. aritatsbeschrankten Pramis-

sen der Regeln

entscheidbar?, Ausdruckstarke, Effizienz z.B.

Problemlosung (Beschreibung der Aufgabe Π , Beschreibung der Losung Σ)

Probleminstanz I: Werte fur alle Parameter

Algorithmus: A(Π, I) |= Σ ggf. mit Qualitatsaussagen (korrekt, vollstandig,

Komplexitat (worst, best, average), (sub-)optimal)

Model checking: Verifikation, daß eine gegebene Interpretation Iein Modell fur eine geschlossene Formel α ist (|=I α)

∆ = {a, b}, P (a), Q(b) ist Modell von ∃y(P (y)∧¬Q(y))∧∀z(P (z)∨Q(z))

Subsumption φ w ψ fur Formeln gleicher Aritat (|= ∀x(φ(x) =⇒ψ(x)))

als partielle Ordnungsrelation (transitiv, reflexiv, antisymetrisch) im

Raum aller Formeln gleicher Aritat

Instance checking Γ |= P (a) fur Konstante a einer unaren Pradi-

katenvariable

20

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Automatische Aufbereitung furAuswertung

Aggregation fur Familien F = {fo, ..., fk, ...} von Funktionen

fk uber k-elementigen Multimengen auf numerische Datenty-

pen, die werte-monoton, teilmultimengen-monoton, minimum- und

maximum-invariant sind

Gruppierung von Mengen durch Partition mit Separationsbedingung

und Einfuhrung von Abstrakta

allgemeine Abstraktion durch Einfuhrung von Abstrakta mit In-

terpretationstheorie

Visualisierung durch Transformation auf andere (metrische) Raume

Reprasentation durch Abstraktion, Erganzung und Transformation

21

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Intelligenz durch IS-Funktionalitat

Kontext- und Schalenassoziation je nach Benutzerprofil, Benut-

zerportfolio, verfugbaren IS und Infrastruktur

Durchmusterungsfunktionen: Suche, Navigation, Umordnung,

Kontexterschließung, Uberblick, Assoziation

Bearbeitungsfunktionen: IS-Modifikation, Medienobjekt-

Modifikation, Arbeitsplatz

Integrationfunktionen: Export, I/O, Integration in andere Doku-

mente und Arbeitsplatz, Weitergabe, Ubernahme

Markierungsfunktionen: Kopieren, Farben, Beschriften, Assoziie-

ren (Overlay)

Sitzungsverwaltungsfunktionen: direkte Verwaltung, Kollabora-

tion, Veroffentlichung von temporaren Resultaten, Archivierung

Transformationsfunktionen zur Anpassung an Benutzer, Infra-

struktur, Prasentation, Inhalte, Abstraktion, Restrukturierung,

Verpackung (z.B. mit Kuvert), Sauberung, Eingrenzung von

Verfalschungen

22

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Funktionalitat: Bsp. komplexeNavigationshilfen

• Metasuche: Startet verschiedene Suchmaschinen parallel und fasst

Ergebnisse zusammen.

• Verbesserungen:

• Einbringen von Kontext und Assoziationen

• Parametrisierung durch Anfragetyp, Anzahl der aufzurufenden

Suchmaschinen, Linktiefe, Art der Ergebnisausgabe, Backup von

Links usw.

• Filtern der Ergebnisse zum Erkennen identischer Seiten

• Informationsfilter

• Lernen

• Ergebnismanagement

• Abstraktions-Roll-Up und -Drill-Down, Gruppierung

23

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Funktionalitat: Bsp. Suche inunterschiedlichen Facetten

• Suche mit formulierbaren Anfragen, Fragen (DB-Schema) [Query]

• Suche durch informiertes Durchmustern (Meta-Informationen)

[Meta-Suche, Kategorisierung, Klassifikation, domain engineering]

• Suche mit drill-down-fahigen Anfragen (parametrisierte Anfragen)

[OLAP-Cube]

• Suche als Durchstobern (mit Strategie zum Stobern nach Anwen-

dungsbereich) [aspekt-orientiertes Planen (aspekt-or. und generi-

sche Progr. + Planen), subjektorientierte Strategiefindung ]

• Suche mit Assoziationen (mit Kontextinformation) [Kontextinjek-

tion, Fuzzy]

• Suche durch intelligente Analyse [Data mining]

• Suche durch Experimente, Ausgrabung, Durchschuß, Simulation,

Analogien [Experimentgestaltung, Statistik, analoges Schließen, in-

tentionale Programmierung]

• Suche durch Fallstudie und Verallgemeinerung [fallbasiertes Schlie-

ßen]

• uninformierte, blinde Suche

24

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Kernfragen fur Entwicklung von Intell-IS

• Welche Informationen existieren bereits im Unternehmen?

• Welche Informationen wird fur das Intell-IS benotigt?

• dokumentiertes Wissen (Manuals, Berichte, Projektdokus)

• nicht dokumentierte Informationen

• Welche Nutzungsart wird angestrebt?

• Kommunikation zwischen geografisch verstreuten Standorten

• Kommunikation zwischen Unternehmen und Zuliefern

• Verbessertes Lernen und Arbeitseffektivitat der Mitarbeiter

• Ist Informationsmodellierung bzw. / -formalisierung notwendig oder

reicht ein intelligentes Dokumentationssystem (CMS)?

Fur alle WMS-Typen sind Ontologien (definierte Begriffsstrukturen)

fur Anwendungsbereich oder Unternehmen (z.B. gegliedert nach Akti-

vitaten, Zustand, Organisation, Zeit, Ressource, Produkt, Service) sehr

nutzlich.

25

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Reprasentation¨§

¥¦ganz allgemein: idealisierte Darstellung der Welt

Pradikatenlogik als universelle Sprache mit bekannten Inferenzme-

chanismen, geeignet auch als Zwischensprache

ausdrucksstark aber zugleich mit vielen negativen Eigenschaften

Zuruckfuhrung auf Primitive: einfache Sprache mit hoher Dar-

stellungskomplexitat

Undurchschaubarkeit fur großere Anwendungen und der Inferenz

Semantische Netze mit gleichzeitiger Darstellung von Objekten

und deren Spezifikation

unuberschaubar, aber einfacher Inferenzmechanismus

Frames als Generalisierung von Vererbungshierarchien, objektorien-

tierten Ansatzen und Defaultwerten

Vor- und Nachteile die gleichen wie HERM

Beschreibungslogiken als Verallgemeinerung der Frame-Ansatze

und gleichzeitige Zuruckfuhrung auf ausdrucksstarke und zugleich

inferenzeinfache Sprache

26

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Anforderungen an interne, symbolischeReprasentation

¨

§

¥

¦erfordert eine einheitliche (Symbol-)Sprache, in der ein Agent¨

§¥¦Aussagen uber die Welt ausdrucken und manipulieren kann.

Gut geeignet fur symbolische Reprasentationen sind Logik-Sprachen,

jedoch sind Vorbereitungen zu treffen:

Referentielle Eindeutigkeit: Interne Reprasentationen mussen

Bezuge auf Referenten explizit machen!

D.h. alle Mehrdeutigkeiten (referentielle, semantische, funktionale)

im Bezug auf Referenten mussen eliminiert werden.

Semantische Eindeutigkeit: Alle Pradikate einer internen Re-

prasentation mussen eindeutig (“unambige”) sein!

(“Wortsinn”-) Mehrdeutigkeit: Geldbank, Parkbank

Funktionale Eindeutigkeit: Interne Reprasentationen mussen die

funktionale Struktur eindeutig ausdrucken!

Die Keule wurde von Petra gefangen.

Wer oder was fangt hier? Wer oder was wird gefangen?

27

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Pradikatenlogische Kalkule¨§

¥¦Komponenten: Terme, Formeln, Interenzregeln

Aussagenlogik

Offene Pradikatenlogik

Monadische Beziehungslogik (unare beschreibende Pradikate,

assoziierende binare Pradikate)

meist verwandt als terminologische Logik (description logic)

Pradikatenlogik der der ersten Stufe

Pradikatenlogik der zweiten Stufe

Hornklausellogik

Relevanzlogik

Modallogik

...

definiert uber einer Sprache mit einer Signatur S, meist kanonischen,

stratifizierten Aufbau, mit kanonischer Interpretation der Junktoren und

Quantoren

28

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Konzeptionell primitive Sprachkonzepte¨§

¥¦wie bei NIAM oder ORM

• Idee: die Reprasentation wird aus fest vorgegebenen Grundeinheiten

(“konzeptuellen Primitiven”) komponiert

• entwickelt fur die semantische Reprasentation in Programmen zur

Verarbeitung naturlicher Sprache

• Zielrichtung: Alltagswelt (“everyday human actions”)

• Basiseinheit: “event” (oder auch “conceptualization”)

• Die Idee der konzeptuellen Primitive - obwohl “nett” - hat sich fur großere Domanen

als zu beschrankt erwiesen (das “scaling-up”-Problem).

• Es fehlt die Moglichkeit, bei Bedarf weitere Konzepte zur Differenzierung einzufuhren

(das geht z.B. in KL-ONE).

• Allerdings sind konzeptuelle Primitive fur den Zweck der Mensch-Maschine-

Kommunikation interessant, da die Anzahl der “primitive acts” dort uberschaubar

ist.

29

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Semantische Netze¨§

¥¦auch: “assoziative Netze”

Semantische Netze und pradikatenlogische Formeln reprasentieren die

gleiche Information in unterschiedlichem Format:

• Knoten entsprechen Termen

• markierte gerichtete Kanten entsprechen Pradikaten

d.h. es handelt sich um alternative Notationen, nicht prinzipiell verschiedene

Reprasentationen!

• Zusatzlich enthalten semantische Netze pointer (und manchmal

auch back pointer ), die den Zugriff auf assoziierte Information

(z.B. Instanzen) einfach machen:

INDEXING

Indexing-Schemata konnen aber auch in pradikatenlogischen Re-

prasentationen uberfuhrt werden.

30

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

KonzepthierarchienMitunter Sprachmix: Statt “Objekt“’ auch “Konzept”;

statt “Hierarchien” (z.B. Lenne) auch “Heterarchien”

Es gibt viele Weisen, Hierarchien bzw. Heterarchien fur eine “Welt” anzugeben.

Vererbungshierarchien dienen der okonomischen DatenhaltungObjekte (besser Objektklassen) werden in Hierarchien strukturiertindividuelle Eigenschaften werden beim Objekt selbst abgespeichertallgemeine Eigenschaften werden den Vorgangern in der Hierarchie zugeordnet

und an alle Nachfolger vererbt

flexibler: VererbungsheterarchienVererbung der Eigenschaften mehrerer Vorganger moglich

IS A-Hierarchie und Vererbung: Instanzen “erben” Eigenschaf-

ten, die Individuenmengen (Klassen) zugeschrieben werdenDies kann sich uber ganze ISA-Hierarchien fortpflanzen.INHERITANCE OF PROPERTIES: Okonomie in der WissensreprasentationSuche entlang von inst- und isa-links, um

nicht direkt verfugbare Information zu gewinnen (durch Vererbung).inst entspricht ∈ is a entspricht ⊆ einfache ER-Spezialisierung

geschichtete Hierarchien nach KonstruktionsprinzipienSlot-Assertion-Notation (dreistellige Pradikate (Subject, Funktion, Objekt))Slot-Assertion-Notation als strukturierter Ausdruck (objektorientierte Darstellung)

31

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

FramesFormalismen, mit denen eine Menge von Fakten

• strukturiert

• okonomisch

• mit Basiswissen uber die Verwendung

abgespeichert werden kann.

• Vererbungshierarchien

• zugeordnete generische Prozeduren mit Vererbung

• Erwartungswerte (Defaults)

• Verwendungsaspekte

• Eigenschaftszuschreibung

• Klassifikation anhand von Eigenschaften

Frames konnen semantische Netze reprasentieren nachdem Knoten fur

Klassen selektiert wurden.

Aspekte (nach Marvin Minsky):

Wiedererkennen von stereotypen Objekten (z.B. Wohnzimmer)

Handeln bei stereotypen Ereignissen (z.B. Kindergeburtstag)

Beantwortung von Fragen uber stereotype und konkrete Objekte

Nur der dritte Aspekt ist in den meisten Frame-Sprachen (z.B. FRL) berucksichtigt.

32

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Erwartungswerte• Vorbelegungen von Werten, die normalerweise, aber nicht immer

stimmen und daher durch konkrete Informationen uberschrieben

werden konnen.

Beispiel: (Vogel Flugfahigkeit ja), (Pinguin ist ein Vogel),

(Pinguin Flugfahigkeit nein)

• ACHTUNG: Der Einsatz von Defaults kann erfordern, daß Schluß-

folgerungen zuruckgezogen werden mussen.

ACHTUNG: Eigentlich zu unterscheiden: generische Objekte (Objektklassen)

und individuelle Objekte (Instanzen)

Manche Frame-Sprachen unterscheiden daher IS - und AKO-Slots!

• Alle Zusicherungen konnen durch Ausnahmen uberschrieben wer-

den.

• Eine automatische Klassifikation neuer Objekte anhand ihrer Eigen-

schaften ist daher nicht moglich.

• Radikale Konsequenz: Erwartungswerte (Defaults) und Abweichun-

gen bei der Objekt-Definition verbieten.

33

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Frames etc. sind HERM unterlegen

WeinSO2-GehaltAlkoholVol%Bezeichnung

Datum AbfullungRestsße

APNr

Menge Saure Ident

Aziditat

6

?

WeinkomponenteZusatze{(Substanz, Schonung, Menge)}

Behandlung

Menge

*

6

Charge

6Aufbesserung

Ident

FaßGebindenummer

MengeVerlaufsdatum(Von,Bis,Kontroll{...})

6

ErnteMostgewicht

ErtragDatum

Qualitat

¾

6

-angebaut inBesatzung

Traube

IdentSorteFarbe

Normhektarertrag Charakteristik

Synonym

Verwendung in Anbaugebieten

Bemerkung

? ?

Jahr

Ident

Anzahl Sonnentage 05-11

Prinzipielles Urteil

¾

?

ChemieMenge pro ha Datum

⊕Y

6

Pestizide

IdentHerstellerWirkung

BeschrankungenDunger

Ident

Hersteller Beschrankung

?

-Weinberg

Ident

NameBesonderheit

Boden(...)

Wasser(...)Flache

WinzerIdent

Name(...)

Adresse(...)

¾

?

In

Von [Bis]

Genossenschaft

[Großhandler] Name(...)

Adresse(...)Ident

6

Lage

Ident

Bezeichnung

Aktuelle Anbauflache

Nachbar

¼¼

Grenze(Von(Lange,Breite),Bis(Lange,Breite))

ist

Nachbar

6

BereichIdentBezeichnung

Wachstumsbedingungen

Anbaugebiet

Ident Name

Wachstumsbedingungen

Flache = f(...)

Handel

⊕*

6

¼

Inhalt FlascheAnzahl Flaschen

Etikett NrHandelspreisBezeichnung

Etikett

34

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Reprasentationsformalismen

Logische Reprasentationsformalismen: deklarativ; z.B. PL1,

modale/temporale u.a. Erweiterungen von PL1, PROLOG

Netzwerk-artige Reprasentationsformalismen: Graphen:

Knoten = Konzepte oder Objekte, Kanten = Relationen / As-

soziationen z.B. semantische Netze wie Conceptual Dependency,

Conceptual Graphs

Strukturierte Reprasentationsformalismen: Erweiterung der

Netzwerkreprasentationen: Knoten als komplexe Datenstrukturen

mit benannten Slots,

Slotwerte: numerisch, symbolisch, Zeiger auf andere Knoten; pro-

cedural attachment

z.B. Frames, Scripts

Prozedurale Reprasentationsformalismen: Wissen in Form

von Instruktionen z.B. if..then..Regeln ( y Produktionssysteme)

35

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Adaquatheit von Sprachen

Epistemologische Adaqutheit (McCarthy & Hayes, 1969)

Ausdrucksstarke: konnen alle relevanten Fakten und Regeln reprasentiert wer-

den?

z.B. PL1 sehr ausdrucksstark

Heuristische Adaquatheit (McCarthy & Hayes, 1969)

Sind die durchzufuhrenden Inferenzen uberhaupt bzw. mit den zu Verfugung

stehenden Ressourcen moglich? Sind Zwischenschritte des Losungswegs im For-

malismus reprasentierbar?

z.B. Theorembeweisen in PL1 unentscheidbar, in Praxis aufwendig

Ergonomische Adaquatheit

Wie verstandlich sind die Reprasentationen?

Klarheit und Prazision, leichte Veranderbarkeit (Woods, 1987)

z.B. Modellierung in PL1 i.a. muhsam

Kognitive Adaquatheit

z.B. Ursprunge semantischer Netze und Frames auch kognitiv motiviert

36

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Semantik

Operationelle Semantik: Bedeutung durch Algorithmen definiert, die uber

Sprachkonstrukten operieren

Typisch fur fruhe Semantische Netze und Frames, z.B. Babylon

Nachteil: Semantik ist systemabhangig, damit nicht unmittelbar ubertragbar

Aquivalenzsemantik Ubersetzung in WR-Formalismus mit bekannter Semantik

z.B. Frames # PL1 (Hayes, 1980)

Deklarative Semantik: Syntaktische Strukturen werden uber eine

Interpretationsfunktion zu Elementen von abstrakten Strukturen in Bezug gesetzt

(PL1, KL-ONE-artigen Sprachen)

Vorteile:

“Konsistenz” einer Wissensbasis kann formal gefaßt werden

Berechnung von Subsumptionsbeziehungen zwischen Konzepten (Extension des

einen Konzepts ist Teilmenge der Extension des anderen Konzepts)

“Korrektheit” und “Vollstandigkeit” von Inferenzverfahren, z.B. zur Berechnung

von Subsumptionsbeziehungen, sind jetzt definiert

Nachteil

Semantik ausschließlich extensionial, intensionale Aspekte nicht erfaßt

z.B. gleiche Bedeutung “Morgenstern”, “Abendstern” und “Venus”

37

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Prinzipien der Visualisierung

Nutzung der Wahrnehmungsfahigkeit (scanning, Erkennung,

Erinnerung, Muster)

Fokusierung und Kontext (3D, Fischauge, Uberblick kombiniert

mit Detail)

Visualisierung-Manta: “Overview, zoom and filter, detail on de-

mand” (B. Shneiderman)

Visualisierung + Interaktion: mit Animation, Story-Raum

Visualisierung nach Typen der Information: linear, hierar-

chisch, Netze, mehrdimensional, (Vektor-)Raume, Geometrien

38

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Perspektiven der Visualisierung1. Strukturelle PerspektiveAssoziationen, Zusammenhangsgraph (-baum), Abstraktionen, Architekturen

2. Geometrische bzw. topologische PerspektiveLandschaft, Uberblick, Reliefkarten, Atlanten mit drill down, 3D

3. Zeitliche PerspektiveEntwicklung, Zeitreihen, Lebenslinien und -zyklen, Animation

4. Semantische Perspektivelatente Indexierung, Pfadfinder, Eigenschaften, Metaphorik

5. VerhaltensperspektiveDidaktische, mnemonische Grundmuster, Pistensucher, Evolution (Memex)

6. Kognitive PerspektiveKognitionstechniken (cone tree)

7. Wahrnehmungsperspektive

Gestaltungs- und Erkenntnismustern z.B. Textur, Farbung

8. Soziale PerspektiveKontextintegration, commonsense und Gruppenwissen

9. Okologische PerspektiveWert f(Information,Benutzer, Zeit, Kontext), Sinne, Meme

10. Technologische PerspektiveAlgorithmik, Erzeugung, Parsing, OLAP-artig, Reprasentationsmechanismen

39

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Visualisierung linearer StrukturenTypisch: geordnete (z.B. alphabetische, chronologische) Listen,

(Programm-)Texte, Tabellen

Perspektivische Darstellung mit 3D-Strukturen

Fokusierte geschachtelte Tabellen mit Rollover-Funktionalitat

(z.B. fur Alter, Qualitat von Daten) und Kontextexpansion

Tabellenlinsen mit Kompression auf Pixelformat und Kontextexpan-

sion

Strome von geordneten Daten z.B. Lifestream von Karteikarten

(substream)

Raumentwicklung bei Informationen, die Entwicklung oder se-

kundare etc. Strukturierung besitzen

Entwicklungstrukturen ggf. auch 2D oder 3D

40

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Visualisierung von HierarchienTypisch: Dateisysteme, Bibliotheksklassifikation, Baume (von Familien)

Baumdarstellungen ggf. mit 90o-Rotation und naturlich

Baumstrukturen mit Overlay- und Erganzungsdarstellung

(z.B. fur Meta- oder Aggregationsinformation)

Raumgroße je nach Umfang der Klassen (z.B. vlnr oder auch 2-

dimensional)

Landkarte, Raum z.B. als Stadtkarte, Gebaude

Hyperbolischer (2D, 3D) Browser mit Einstiegspunkt und loga-

rithmischer Verkleinerung

Cheops (Pyramiden, die sich ggf. enthalten oder aufeinander stehen

bzw. in Assoziation)

Scheiben in nach außen laufenden Kreisen oder auf Ball

Landschaftsdarstellung

Vektor-Raum-Modelle

41

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Visualisierung von Netzen undmehrdimensionaler Information

Typisch: stark zusammenhangende Teilgraphen innerhalb von Informa-

tionsmengen

Adhasionsnetze mit separierbaren Teilnetzen

Gewichtete Adhasionscluster mit logarithmischer Transformati-

on

Mindmapnetze als Hypermedia-Netz

Hyperraumnetze in 2D-Darstellung

Neuronale Netzstrukturen mit Nachbarschaftstrukturen

n-partite Strukturen mit Verbindungsnetzwerk

Dynamische Anfragen und Sternfelder mit Transformations-

abbildung zur Visualisierung von Clustern

Histographische Attributassoziation in 3D oder 2D Darstellung

42

IntelligenteIS.2

Reprasentation

29. 10. 2004

B. Thalheim

Ubersicht

Intelligente IS

Reprasentation

Visuelle Darstellung

Zusammenfassung

Concept Topic

Content

Information

Zusammenfassung¨§

¥¦Intelligenz ist nicht einfach

Keine universelle Losung sondern in Abhangigkeit von Informati-

onstypen

Intelligenzanreicherung von Informationssystemen durch

Berechnungsfunktionen und Inferenzmechanismen

Logiksprachen als universeller Modellierungsmechanismus

Abbildung auf Datenbanktechnologie durch hierarchische

Strukturen, UDT, generische Funktionen

Visualisierung ermoglicht Orientierung

43