Die Weiterentwicklung im Künstlichen Denken.
Expertensysteme (engl.: expert systems) sind KI-Programme, die bei der Lösung komplexer Probleme helfen sollen. Sie tun dies indem sie einen menschlichen Experten simulieren, der mit Hilfe einer Problembeschreibung und seines Expertenwissens verschiedene Handlungsmöglichkeiten abwägen und schlussendlich eine Handlungsempfehlung aussprechen kann. Ein Beispiel hierfür ist ein Arzt. Dieser betrachtet die Problembeschreibung eines Patienten zusammen mit seinem Wissen über diverse Krankheitsbilder und schlägt vor, was als Nächstes getan werden sollte. Es könnte sein, dass er noch keine Diagnose stellen kann und erst weitere Informationen sammeln muss, zum Beispiel durch eine Röntgenuntersuchung. Oder er hat bereits genug Informationen und schlägt eine Therapie mit einem bestimmten Medikament vor.
Ein Expertensystem kann ein solches Verhalten durch die Kombination von drei Bausteinen nachstellen. Zuerst benötigt es eine Wissensbasis (engl.: knowledge base), in der alles nötige Wissen für den Computer verständlich abgespeichert und verwaltet wird. Hier werden sowohl die reinen Fakten, als auch Regeln für die Verarbeitung der Fakten abgelegt. Die Wissensbasis muss zu Beginn erst einmal befüllt werden, aber auch im späteren Betrieb sollte das gespeicherte Wissen regelmäßig aktualisiert werden, damit es nicht veraltet, und verbessert werden, um die Qualität der Handlungsempfehlungen zu erhöhen.
Der zweite Baustein, die Inferenzmaschine (engl.: inference engine), nimmt das gespeicherte Wissen aus der Wissensbasis und leitet daraus neue Aussagen oder eine Handlungsempfehlung ab. Dafür betrachtet sie alle Fakten und versucht darauf die vorhandenen Regeln anzuwenden. Diese Regeln können verschiedene Formen haben. Manche Expertensysteme nutzen einfach Wenn-Dann-Regeln, andere bauen auf der komplexeren Prädikatenlogik auf.
Ein dritter, optionaler Baustein ist die Erklärungskomponente, die dem Endnutzer erläutern kann, warum das System eine Bestimmte Handlungsempfehlung ausgesprochen hat.
Die ersten Expertensysteme wurden in den 70er Jahren gebaut und gehören zu den ersten erfolgreichen Formen von KI-Programmen. Sie wurden unter anderem für die Diagnose von Krankheiten verwendet. Nach anfänglicher Euphorie um diese Systeme und ihre Fähigkeiten stellte sich dann aber etwas Ernüchterung ein, als gezeigt wurde, dass Expertensysteme in ihren Fähigkeiten limitiert sind. Aktuelle Fortschritte in anderen KI-Bereichen, wie maschinelles Lernen oder auch Data Mining konnten aber inzwischen einige Limitationen der ersten Expertensysteme verbessern.
Zu den Vorteilen von Expertensystemen gehört, dass ihr Wissen explizit dargestellt wird und nicht als Computercode angegeben ist. So kann es auch von nicht IT-Experten verstanden und verändert werden. Dies ermöglicht eine schnellere Entwicklung und bessere Wartbarkeit solcher Systeme. Ein großer Nachteil ist jedoch, dass Experten auf dem jeweiligen Anwendungsgebiet nötig sind um ein solches Expertensystem erstmal mit Wissen zu befüllen. Da Experten aufgrund ihres Wissens aber sowieso schon viel gefragt sind, und zudem teilweiße ein Expertensystem noch als Bedrohung für ihre Zukunft ansehen, ist es oft schwierig, genügend Wissen in entsprechender Qualität zu sammeln.