2. informationsmanagement 2.1. …fiedler/teaching/ws2005/iis/... · informationsmanagement 2.1....
TRANSCRIPT
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