Ein hybrides wissensbasiertes System auf der Basis von Konditionalen und ASP mit interaktiver Modellierungsumgebung und Anwendung auf Lagerplanung (CASPER – Conditionals and ASP for Expert Reasoning)

• Antragstellerin: Professorin Dr. Gabriele Kern-Isberner
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 496727276

Das Ziel dieses Projektes ist die Konzipierung und Implementierung einer hybriden Wissensrepräsentations-Methodologie, die Antwortmengenprogrammierung (Answer Set Programming, ASP) und plausibles Schließen mit Konditionalen (basierend auf Rangfunktionen bzw. ordinalen konditionalen Funktionen, OCF) zusammenbringt und eine Basis für die vielfältige Modellierung von Expertenwissen bildet. Dabei sollen sowohl technisches als auch plausibles (fachspezifisches und allgemeines) Meta-Wissen formalisiert und integrativ verarbeitet werden können. Sowohl ASP als auch OCFs sind gängige Formalismen, die wegen ihrer guten logischen Eigenschaften und ihrer guten Passung zu der Art, wie Menschen Wissen unter Unsicherheit ausdrücken und damit schlussfolgern, geschätzt werden. Für ASP stehen zudem leistungsfähige, schnelle Solver zur Verfügung. Für die konditionale OCF-Methodologie werden wir neuartige, netzwerkbasierte Inferenzalgorithmen entwickeln, die die Effizienz dieses eleganten Formalismus verbessern werden. Die Kombination beider Methoden macht es möglich, Charakteristika des einen Ansatzes im jeweils anderen einzubringen und Synergien zu erzeugen, z.B. durch die plausible Bewertung von ASP-Lösungen durch OCF-basierte Ränge, oder durch Verwendung der ASP-Logik als Basis-Logik für OCFs. In Kombination werden ASP-Programme und OCF-Konditionale ein ausdrucksstarkes Rahmenwerk bereitstellen, mit dem sich neuartige Methoden der Wissensrepräsentation in der Künstlichen Intelligenz realisieren lassen. Als akademische Anwendung soll Wissen im Bereich der Logistik modelliert werden, um kreative Aufgaben wie Lagerplanung zu unterstützen, die aktuell nur einen sehr geringen Automatisierungsgrad haben. Mit ihrer hohen Dynamik und (aktuell) vielfältigen Beteiligung von Menschen enthält die Logistik signifikante Herausforderungen, die sich in ähnlicher Form auch in vielen anderen Anwendungen finden. Daher werden die Resultate dieses Projektes über den Anwendungsbereich der Logistik hinaus relevant sein. Ein Schwerpunkt liegt in diesem Projekt auf der Sicherstellung einer professionell und kognitiv adäquaten Wissensrepräsentation. Dabei werden zum einen Charakteristika menschlichen Schlussfolgerns berücksichtigt, um Wissen adäquat zu formalisieren. Zum anderen werden Experten an vielen Stellen aktiv in den Modellierungsprozess einbezogen. Ein Demonstrator-System, mit dem Logistiker passende Lager-Layouts in holistischer Weise entwerfen und evaluieren können, wird die interaktiven Konzepte dieses Projektes implementieren: Geeignete Spezifikation von Anforderungen innerhalb der hybriden Wissensrepräsentation; Transparenz von Wissensmodellierung und Inferenzprozessen durch Erklärungen; informative Konfliktlösung; Qualitätskontrolle von Lösungen nach professionellen Standards. Insgesamt entwickelt dieses Projekt damit zahlreiche innovative Lösungen zu zentralen Forschungsfragen der Wissensrepräsentation innerhalb einer umfassenden, akademischen Anwendung.

• DFG-Verfahren: Sachbeihilfen
• Mitverantwortlich: Professor Dr. Michael ten Hompel