Case Based Reasoning
Freimut Bodendorf
(unter Mitarbeit von
Carolin Kaiser)
Case Based Reasoning ist eine Methodik aus dem Bereich der Künstlichen Intelligenz, die das Lösen von Problemen auf Basis von Erfahrungswissen ermöglicht. In diesem Beitrag werden Charakteristika, Funktionsweise und Anwendungsfelder erläutert. CharakterisierungCase Based Reasoning (CBR) ist ein Problemlösungsansatz aus der Künstlichen Intelligenz. CBR erlaubt das Lösen von Problemen mithilfe von Erfahrungswissen, das in Form von Fällen in einer Fallbasis gespeichert ist. Hierbei setzt sich jeder Fall aus einer Problembeschreibung und der dazugehörigen Lösung zusammen. Zur Lösung eines neuen Problems wird in der Fallbasis nach dem ähnlichsten Problem gesucht und dessen Lösung wiederverwendet (vgl. Abb. 1). Abb. 1: CBR Grundprinzip CBR weist gegenüber anderen Methoden der Künstlichen Intelligenz einige Vorteile auf [Main/Dillon/Shiu 2001, S. 13ff]:
FunktionsweiseDie Funktionsweise kann mithilfe eines Zyklus bestehend aus vier Phasen [Aamodt/Plaza 1994, S. 46] beschrieben werden (vgl. Abb. 2). Im Rahmen der Retrieve-Phase wird zu einem gegebenen neuen Problem der Fall in der Fallbasis gesucht, der das ähnlichste Problem enthält. Die Lösung des ähnlichsten Falls wird in der Reuse-Phase zur Lösung des neuen Problems herangezogen und ggf. mit unterschiedlichen Methoden an den vorgegebenen Problemfall angepasst. Im Rahmen der Revise-Phase erfolgt eine Validierung der vorgeschlagenen Lösung durch tatsächliche Anwendung oder durch Simulation. Dabei kann es zur Korrektur bzw. Feinjustierung der Lösungsparameter kommen. In der Retain-Phase wird der neue Fall in die Fallbasis aufgenommen. Hierdurch wird ein inkrementeller Lernprozess erreicht. Abb. 2: CBR-Zyklus Zur Realisierung des CBR-Zyklus sind geeignete Verfahren der Fallrepräsentation, Ähnlichkeitsbestimmung, Suche, Adaption und Wartung nötig:
AnwendungsfelderCBR lässt sich besonders gut in Domänen einsetzen, die nicht vollständig verstanden und häufigen Änderungen unterworfen sind. CBR ist daher vor allem für komplexe und dynamische Problembereiche geeignet, deren Wissen sich nicht mit wenigen einfachen Regeln formalisieren lässt. Typische Anwendungsfelder sind [Bodendorf 2003, S. 152]:
LiteraturAamodt, Angar; Plaza, Enric: Case Based Reasoning: Foundational Issues, Methodological Variations and System Approaches. In: AI Communications Nr.1, Vol. 7 (1994), S. 39-59. Bodendorf, Freimut: Daten- und Wissensmanagement. Berlin: Springer-Verlag, 2003 Main, Julie; Dillon, Tharam; Shiu, Simon: A Tutorial on Case Based Reasoning. In: Pal, Sankar; Dillon, Tharam; Yeung, Daniel (Hrsg.): Soft Computing in Case Based Reasoning. London: Springer-Verlag, 2001, S. 1-28. Weß, Stefan: Fallbasiertes Problemlösen in wissensbasierten Systemen zur Entscheidungsunterstützung und Diagnostik. Sankt Augustin: Infix-Verlag, 1995.
Autor![]() Prof. Dr. Freimut Bodendorf, Friedrich-Alexander-Universität Erlangen-Nürnberg, Lehrstuhl Wirtschaftsinformatik II, Lange Gasse 20, 90403 Nürnberg |