Case Based Reasoning. Seminarausarbeitung. Universität Paderborn. Li Liu. Prof. Dr. Hans Kleine Büning

Größe: px
Ab Seite anzeigen:

Download "Case Based Reasoning. Seminarausarbeitung. Universität Paderborn. Li Liu. Prof. Dr. Hans Kleine Büning"

Transkript

1 Universität Paderborn Fakultät für Elektrotechnik, Mathematik und Informatik Seminarausarbeitung Case Based Reasoning Li Liu vorgelegt bei Prof. Dr. Hans Kleine Büning

2 Inhaltsverzeichnis 1 Einleitung Zielsetzung der Arbeit Übersicht der Arbeit Case-based Reasoning (Fallbasiertes Schließen) Was ist Case-based Reasoning? Einfaches Beispiel Grundidee von CBR Auszüge der Geschichte von CBR Zyklus des CBRs Fallrepräsentation Was ist ein Fall (Case)? Informationen in einem Fall Repräsentationsformalismen Retrieval Ähnlichkeitsbestimmung Nearest Neighbour Retrieval Reuse (Lösungsübertragung, Adaption) Kopieren Anpassen Revise (Überprüfung / Verbesserung) Bewertung des Falles Reparatur des Fehlers Retain (Lernen) Extrahieren Indizieren Applikationsbeispiele und Software-Tools Applikationsbeispiele CBR Software-Tools Anwendungsmöglichkeiten in KIMAS i

3 9 Fazit und Ausblick Anhang Literaturverzeichnis ii

4 Abbildungsverzeichnis Abbildung 1: Beispiel eines CBRs ([Franz03] S. 34)...3 Abbildung 2: Einfaches CBR-Modell ([Berg99] Folie 1.10)...3 Abbildung 3: CBR Zyklus (Aamodt & Plaza, 1994, AI Communications) 5 Abbildung 4: Komponente eines Falles...6 Abbildung 5: Beispiel eines Attribut-Wert-Paars...7 Abbildung 6: Beispiel eines Falles beschriebt mit festen Attributmengen7 Abbildung 7: Vergleich des neuen Problems mit Fall Abbildung 8: Vergleich des neuen Problems mit Fall Abbildung 9: Beispiel des Nähste-Nachbarn-Algorithmus [Wetz00]...11 Abbildung 10: Übertragung der Lösung vom Fall 1 in das neuen Problem...13 Abbildung 11: Neuer Fall Abbildung 12: Anwendungsbeispiel von CBR-Commerce...18 iii

5 1 Einleitung Für ein Unternehmen ist die Erfahrung bei Produktion und Design etc. von großem Wert. Dies ist nicht greifbares Eigentum des Unternehmens. Durch Kumulieren von Erfahrungen kann eine Firma konkurrenzfähiger werden. Die Erfahrungen werden den neu eintretenden in dem Unternehmen übergeben. Die Erhaltung der Erfahrungen wird oft beeinflusst durch zum Beispiel den Personalfluss oder Investition in anderen Ländern. Erfolgreiche Projekte enthalten nützliche wertvolle Erfahrungen. Viel vorhandenes Wissen sind nur Erfahrungen. Sie sind nicht direkt verfügbar. Traditionelles Dokumentationsmanagement kann die Erfahrungen nicht effektiv nutzbar machen. Case-based Reasoning (Fallbasiertes Schließen) bietet eine effektive Methode, vorhandene Erfahrungen möglichst einfach zu sammeln und das Wissen verfügbar zu machen. Case-based Reasoning hat in den letzten zehn Jahren einen großen Aufschwung erlebt. Problemlösen durch Analogie ist ein seit langem verfolgtes Ziel in der Künstlichen Intelligenz, unter anderem, weil Menschen offensichtlich diese Problemlösestrategie benutzen. Es wurde hier vor allem untersucht, wie Lösungen auf neue Probleme übertragen werden können. [vgl. Meil03] 1.1 Zielsetzung der Arbeit In dieser Seminararbeit sollen die Grundidee, die Vorgehensweise, Applikationsbeispiele und Anwendungsmöglichkeiten in der Projektgruppe Kimas gründlich vorgestellt werden. 1.2 Übersicht der Arbeit Im Kapitel 2 werden grundlegende Definitionen aus Case-based Reasoning angeführt. Von Kapitel 3-6 werden die Grundtechniken von Case-based Reasoning jeweils in einzelnen Kapiteln vorgestellt. Das Kapitel 7 geht auf die Applikationsbeispiele des CBRs sowie die Anwendungsmöglichkeit in der Projektgruppe KIMAS ein. Das Kapitel 8 fasst die Seminararbeit zusammen. 1

6 2 Case-based Reasoning (Fallbasiertes Schließen) In diesem Kapital werden die Grundidee und Konzepte von Case-based Reasoning vorgestellt. 2.1 Was ist Case-based Reasoning? Case-based Reasoning (CBR) gehört zu dem Bereich Künstliche Intelligenz (KI) oder auf Englisch Artifical Intelligence (AI). Es gibt verschiedene Definitionen dafür. Case-based reasoning is [...] reasoning by remembering. [Leak96] Case-based reasoning is both [...] the ways people use cases to solve problems and the ways we can make machines use them. [Kolo93] Ein Computertechniker repariert häufig einen Computer nach den Erfahrungen mit anderen PCs, die ähnliche Symptome aufwiesen. Ein Arzt stellt Diagnosen aus jahrelanger Berufserfahrung. Case-based Reasoning ist eine Prozedur, die neue Probleme basierend auf den Lösungen ähnlicher bereits gelöster Fälle löst. Ein CBR-System löst nicht das Problem, sondern verwendet einen bereits gelösten Fall direkt oder in angepasster Form wieder. In dieser Arbeit werden zwei Definitionen angewendet. 1. Zielfall (target case): Zu lösendes Problem oder zu lösender Fall. 2. Basisfall (base case): Problem oder Fall inklusive Lösung im Speicher. Ein CBR-System sucht einen Basisfall im Speicher anhand von Hinweisen aus dem Zielfall und löst das Zielproblem mit Hilfe der Lösung des Basisfalls. 2.2 Einfaches Beispiel In Abbildung 1 sehen wir eine Lösungsweise vom Apfelproblem. Der Zielfall ist: Was kann man mit einem Apfel machen? In der Datenbank findet man einen Basisfall vom Birneproblem, der ähnlich zu dem Apfelproblem ist. Die Lösung des Birnefalls ist: Eine Birne kann angebissen werden. Ein CBR-System wird dann eine Lösung für das Apfelproblem vorschlagen: Der Apfel kann angebissen werden. 2

7 Basisfall Zielfall Abbildung 1: Beispiel eines CBRs ([Franz03] S. 34) 2.3 Grundidee von CBR Basisfall Zielfall Abbildung 2: Einfaches CBR-Modell ([Berg99] Folie 1.10) Abbildung 2 zeigt die Grundidee des CBRs: Ein neues Problem wird gelöst durch die Auswahl von Fällen, die ähnliche Probleme gelöst haben, und die Lösung wird angepasst. Mit einem CBR-System kann der Benutzer das Problem in natürlicher Sprache so beschreiben, wie er es gesehen hat. Das System findet ein ähnlichstes Problem in der Datenbank oder eine Reihe ähnliche Probleme. Dem Benutzer können von dem System Fragen gestellt werden, um das zu lösende Problem bestens widerzuspiegeln oder sich auf einen Fall zu konzentrieren. Am Ende wird die Lösung von dem ähnlichen Fall an das neue Problem angepasst. 2.4 Auszüge der Geschichte von CBR In diesem Abschnitt werden Auszüge der Geschichte von CBR kurz gefasst. 3

8 1977 USA: CBR in künstlicher Intelligenz wird von Roger Schank und seinen Studenten in der Arbeit von dynamic Memory Theory erfunden USA: Das erste implementierte System, das als CBR bezeichnet werden kann, war CYRUS von Janet Kolodner, die zur Gruppe Schank der Universität Yale gehörte. Es war im Grunde ein Frage-Antwort-System und basiert auf dem dynamischen Speicher-Model von Schank USA: Bruce Porter und seine Gruppe an der Universität Texas entwickeln PROTOS für CBR. Das System kombinierte allgemeines Domäne- Wissen und spezielle Fälle in einer vereinheitlichen Repräsentationsstruktur. In Europa begann CBR Forschung später als in den USA Deutschland: Michael Richter der Universität Kaiserslautern wendete CBR für komplexe technische Diagnose in dem System MOLTKE an Spanien: Fallbasiertes Lernen wird von IIIA Blanes Spanien zur Medizinischen Diagnose angewendet Norwegen: An der Universität Trondheim entwickelt Agnar Aamodt und seine Mitarbeiter ein CBR und Wissensakquisition System CREEK. Seit 1991 haben viele Workshops in Europa stattgefunden. Im Jahr 1991 findet der erste deutsche CBR Workshop (AKCBR, GWCBR) und im Jahr 1993 der erste europäische CBR Workshop (EWCBR) statt findet die erste internationale CBR Konferenz (ICCBR) statt. Zurzeit wird CBR in vielen Universitäten und Instituten weltweit erforscht. Es gibt mittlerweile viele kommerzielle Werkzeuge zur Entwicklung von CBR- Anwendungen. CBR wird größtenteils in den täglichen Anwendungen eingesetzt. Nationale und Internationale Workshops und Konferenzen finden regelmäßig statt. 4

9 2.5 Zyklus des CBRs Abbildung 3: CBR Zyklus (Aamodt & Plaza, 1994, AI Communications) Ein CBR Zyklus (s. Abbildung 3) wird typisch folgendermaßen in 4-Re beschrieben: Retrieve: Suche die ähnlichsten Erfahrungen (Fälle) im Speicher. Reuse: Verwende das Wissen und die Erfahrungen in dem Fall des Zielproblems wieder. Revise: Modifiziere die Lösung des Falles wenn nötig. Retain: Speichere einen neuen Fall in die Wissenbasis, wenn er neues Wissen enthält. In den folgenden Kapiteln werden die Grundtechniken des CBRs einzeln vorgestellt. Weitere Literatur: [Leak96], [AaPla94], [Kolo93]. 5

10 3 Fallrepräsentation Vor den 4-Re-Schritten werden die grundlegenden Fallrepräsentationstechniken in diesem Kaptitel vorgestellt und anhand eines Beispieles verdeutlicht. 3.1 Was ist ein Fall (Case)? Nach Kognitionswissenschaften sind Fälle Abstraktionen von Ereignissen, die in Zeit und Raum begrenzt werden können (Episodisches Wissen). Aus CBR Sichtweise ist ein Fall die Beschreibung einer bereits real aufgetretenen Problemsituation zusammen mit den Erfahrungen, die während der Bearbeitung des Problems gewonnen werden konnten. ([Berg99] Folie 1.11) 3.2 Informationen in einem Fall Ein Fall ist ein Stück Wissen im Zusammenhang mit dessen Umständen, das eine Erfahrung repräsentiert. Der Fall kann eine Geschichte, ein Protokoll, eine Situation usw. sein. Ein Fall besteht mindestens aus einem Problem und einer Lösung oder Lösungen für das Problem und gegebenenfalls weiterer Informationen (s. Abbildung 4). Case 001 Problem Solution more informations Abbildung 4: Komponente eines Falles Das Problem beschreibt die Umgebung, in der der Fall auftrat. Die Lösung beschreibt den Lösungsweg für das Problem. Weitere mögliche Informationen, die gespeichert sein können, sind Güteinformation, z.b. Qualitätsbeschreibung des Outputs, Kosten usw. 6

11 3.3 Repräsentationsformalismen Das Problem und die Lösung eines Falles können durch Attribut-Wert-Paare repräsentiert werden (s. Abbildung 5). Jedes Attribut hat einen bestimmten Typ, z.b. Integer, String, Datum, Hyperlink etc. Preis: 89,99 Euro Attribut Wert Abbildung 5: Beispiel eines Attribut-Wert-Paars Die Formalisierung eines Falles ist wichtig in CBR. Die Formalisierungsregeln der Fälle sollen möglichst identisch sein. Jedes Problem eines Falles hat eine eindeutige Lösung, d.h. eins-zu-eins Reflektion. Retrieval identifiziert den Fall mit ähnlicher Problembeschreibung. Wenn der Fall adaptiert werden soll, wird auch eine neue Lösung erstellt. Ein neuer Fall wird in die Datenbank eingefügt. In dieser Arbeit wird ein Beispiel über Autoreparatur angeführt. In der Falldatenbank gibt es verschiedene Fälle mit Lösungen. In Abbildung 6 wird das Problem Defekt des Fernlichts als Beispiel gezeigt. Zur Beschreibung des Problems wurden die festen Attribute Fehlername, PKW Type, Baujahr, Batteriespannung etc. benötigt. Eine Lösung steht zur Verfügung. Abbildung 6: Beispiel eines Falles beschriebt mit festen Attributmengen 7

12 4 Retrieval In der Phase Retrieval wird versucht, einen oder mehrere Fälle zu finden, die dem zu lösenden Problem am ähnlichsten sind. 4.1 Ähnlichkeitsbestimmung Ähnlichkeitsbestimmung ist der zentrale Begriff in CBR. Es gibt verschiedene Methoden für Ähnlichkeitsrechnung in Abhängigkeit von den angewendeten Algorithmen bei der Fallrepräsentation. Ein typisches Ähnlichkeitsmaß zwischen zwei Fällen c1 und c2 wird wie folgend gerechnet: SIM ( C1, C2) p w sim j j = 1 = p Parameter in der Formel: C i j = 1 j ( C1, C2) w j Problembeschreibungen für Fall i SIM(C1,C2) Ähnlichkeitsmaß zwischen Fall 1 und Fall 2 p Anzahl der Attribute w j sim j Gewicht (weight) des Attributes j Ähnlichkeit (similarity) für Attribut j Bei objektorientierten Repräsentationen werden Objekte gleicher Attribut-Wert- Paare verglichen. Die Attributähnlichkeit wird berechnet. Der Durchschnitt aller Attributähnlichkeiten ist die gesamte Ähnlichkeit. Für jedes Attribut kann noch vom Experten ein Gewicht vergeben werden. Das Gewicht hängt von den Erfahrungen ab. Die Ähnlichkeit gleicher Attribute kann aufgrund von verschiedenen Gebieten, Produkten und Experten unterschiedlich sein. Zurück zu dem Beispiel Autoreparatur. Das Bremslicht eines Autos ist kaputt. Wir untersuchen nicht, wodurch es zu dem Defekt kam, sondern vergleichen das Problem mit Fall 1 in der Falldatenbank (s. Abbildung 7). Jedes Attribut hat eine Wichtigkeit zwischen 1-6 in diesem Fall. Alle Attribute werden eins-zu-eins (1) 8

13 verglichen und die Ähnlichkeit zwischen dem neuen und alten Attribut wird im Bereich von 0 (ohne Ähnlichkeit) bis 1 (identisch) bestimmt. Abbildung 7: Vergleich des neuen Problems mit Fall 1 Nach der Formel 1 wird die Ähnlichkeit zwischen dem neuen Problem und dem Fall 1 so gerechnet: [ 6 0, , , , ,0] 20 0, 86 SIM ( new, case1) = = Es gibt noch Fall 2 in der Datenbank, der ähnlich zu dem neuen Problem ist (s. Abbildung 8). Abbildung 8: Vergleich des neuen Problems mit Fall 2 Die Ähnlichkeit zwischen dem neuen Problem und Fall 2 wird wie folgendes gerechnet: [ 6 0, , , , ] 20 0, 585 SIM ( new, case2) = = 9

14 An der Ähnlichkeitsberechnung kann man sehen, dass Fall 1 wegen des Attributs Zustand der Scheinwerfer ähnlicher mit dem neuen Problem als Fall 2 ist. 4.2 Nearest Neighbour Retrieval Nearest-neighbour retrieval ist häufig benutzte Techniken in der Ähnlichkeitsbestimmung. In diesem Abschnitt wird nearest-neighbour retrival in einem Beispiel für eine Suchmaschine kurz vorgestellt. Ein Käufer möchte ein bestimmtes Auto kaufen: Silber, Navigationssystem, großer Kofferraum, Seitenairbags, Allrad, Diesel, günstiger als 30,000 Euro. Was passiert, wenn man nach so einem Auto mit einer SQL-Anfrage in einer Autoexamplar-Datenbank sucht. Es wird höchstwahrscheinlich kein Auto für den Kunden finden, das allen genannten Kriterien vollkommen gerecht wird. Dann muss der Käufer die Kriterien ändern, bis das System eine Auswahl an Autos finden kann. In der Realität will ein typischer Kunde nur die Automodelle sehen, die den meisten Kriterien genügen. Ein typisches Expertensystem sucht alle Regeln in seinem Speicher und macht eine Diagnose. Ein CBR-System sucht zuerst, ob ein ähnlicher Fall schon passiert ist. Wenn im Speicher so ein Fall vorhanden ist, benutzt das System die Diagnose des Falles. Viele menschliche Argumente oder Beurteilungen, z.b. beim Schachspielen, beim Fußballspielen, bei ärztlichen Diagnosen und beim Autofahren, bauen mehr auf die Erkennung der Muster als auf Regeln. Von diesem Punkt aus ist CBR mehr Human-like als ein Regel-Basiertes System. (vgl. [Wtz00]) Datenbankzugriffe werden von einem CBR-System dadurch ersetzt, dass sie nach dem nächsten Nachbarn suchen. In Abbildung 9 zeigt ein Beispiel für den Nächsten-Nachbarn-Algorithmus. 2 Attribute Preis (X-Koordinate) und Leistung (Y-Koordinaten) werden in 2-Dimension eingesetzt. Der Punkt Ziel(1,10) ist ideal und daher erstrebenswert, aber leider nicht realisierbar. Deshalb wird ein alternativer Punkt gesucht, der in möglichst vielen Eigenschaften (X-und Y Koordinaten) mit dem Ziel übereinstimmt, z.b. den Punkt D in der Abbildung. Wie kann das System wissen, dass D der nächste Nachbar vom Ziel ist? Durch anwenden der Formel a² + b² = c² kann der Computer ausrechnen, dass D die geringste Entfernung vom Punkt Ziel(1,10) hat. Weiterhin können wir mehrere 10

15 Attribute in die Rechnung einbringen, z.b. noch Zuverlässigkeit, Größe dazu wird das Modell 4-dimensional sein. (1,10) (1,6) = (0, 4) a ² + b² = c² 0 + 4² = c² c = 4 Abbildung 9: Beispiel des Nächste-Nachbarn-Algorithmus [Wetz00] (1,10,10,1) (4,4,4,4) = ( 3, 6, 6, 3) a ² + b² + c² + d ² = e² ( 3)² + 6² + 6² + ( 3)² = e² e = 9,49 Fallrepräsentation ist die wichtigste Phase beim Entwurf eines CBR-Systems. Abhängig von der Komplexität der Situation können Fälle in einfacher Flachform oder in Hierarchien repräsentiert werden. Es ist wichtig, passende Modellierungsverfahren von Fällen und Ähnlichkeit auszuwählen, weil eine nachträgliche Änderung der Modellierung hohen Aufwand bedeuten würde, das heißt, dass alle Arbeitsschritte, von dieser Änderung ausgehend, wiederholt werden müssten. Für die Attributauswahlregeln, die Algorithmen für Repräsentationsformalismen und Ähnlichkeitsrechnungen stehen zahlreiche vertiefende Literaturen zur Verfügung. Weitere Literatur: [Berg99] Kap. 3-5, [Kolo93], [Wat97], [Leak96], [Lenz98]. 11

16 5 Reuse (Lösungsübertragung, Adaption) Falls ein Fall nach der Phase Retrieval gefunden wurde, versucht ein CBR- System die Lösung in dem neuen Problem wieder zu verwendet. Durch vergleichen des gegebene Problems mit dem Fall in der CBR-Falldatenbank sollen zwei Sorten Informationen erhalten werden: 1. Die Ähnlichkeit zwischen dem alten und neuen Modell; 2. Welche Teile des Falles können in das neue Problem übertragen werden. 5.1 Kopieren Für einfache Probleme ist eine Anpassung der alten Lösung nicht nötig. Das Ergebnis des alten Falles kann direkt auf das neue Problem angewendet werden. 5.2 Anpassen Für komplexe Probleme passt die Lösung wahrscheinlich nicht mehr. Das CBR- System muss die relevanten Bereiche noch besser kennen und die gefundene Lösung auf Grund der Unterschiede adaptieren. Die Methoden zur Wiederverwendung können in zwei Gruppen geteilt werden: 1. Wiederverwendung der alten Lösung (transformational reuse): Die Lösungen des alten Falles sind nicht direkt anwendbar auf das neue Problem. Das CBR-System muss alle möglichen Lösungen anhand Transformationsoperatoren in eine passende Lösung für das neue Problem transformieren. 2. Wiederverwendung der alten Methoden (derivational reuse): Derivative Wiederverwendung konzentriert sich nicht auf die Lösung des alten Falles sonder auf die Lösungsweise, d.h. wie das Problem aufgelöst wurde. Zurück zu dem Beispiel Autoreparatur. Die Diagnose und die Lösung des Falls 1 wird in dem neuen Problem angepasst (s. Abbildung 10). 12

17 Abbildung 10: Übertragung der Lösung vom Fall 1 in das neuen Problem Weitere Literatur für Reuse : [Wilk97], [Hann95], [Smyt94], [Kolo93] Kapitel

18 6 Revise (Überprüfung / Verbesserung) Nach der Lösungsübertragung und Anpassung soll es geprüft werden, ob die neue Lösung dem neuen Problem passt. Die Lösung muss vom Benutzer geprüft und korrigiert werden. 6.1 Bewertung des Falles Zuerst muss die Lösung nach der Reuse-Phase bewertet werden. Schlägt die Lösung fehl, dann sollte sie korrigiert werden. Die Lösung kann mit dem Feedback nach dem Durchlauf unter realer Umgebung oder von Experten bewertet werden. Bei manchen Applikationen kann es lange dauern, um auf das Feedback zu warten, z.b. auf das Ergebnis einer medizinischen Behandlung. In manchen Produktionen kann man das Feedback sehr schnell erhalten. Es muss aufgepasst werden, dass Fehler schlimme Unfälle verursachen können. Deswegen ist es in solchem Fall notwendig, vor dem Problauf die Belastungsfähigkeit der Maschine zu testen. 6.2 Reparatur des Fehlers Wenn die vorgeschlagene Lösung scheitert, muss der Fehler erkannt und verbessert werden. Es muss speziell untersucht werden, warum die Lösung scheitert. Fehler können durch das Modell selbst oder durch den Benutzer repariert werden. 14

19 7 Retain (Lernen) In diesem Schritt soll das für das neue Problem eventuell revidierte Problemlösungswissen gespeichert werden, damit der Fall (das Problem und die Lösung) in Zukunft wieder verwendet werden kann. 7.1 Extrahieren Unabhängig davon, wie das Problem gelöst wurde, soll das CBR-System den Fall aktualisieren. Wenn das Problem von einem bereits vorhandenen Fall gelöst wurde, kann ein neuer Fall aufgebaut oder der alte Fall erweitert werden. Wurde das Problem durch eine andere Methode gelöst, soll ein neuer Fall konstruiert werden. Jeder Schritt ist Lernstoff in CBR. Neue Erfahrung, Lösungsweise, verbesserte Ähnlichkeit und Bestimmung wichtiger Attribute, Organisation oder Indizieren der Datenbanken, Wissen von Adaption der Lösungen usw. können gelernt werden. Ungültige und Überflüssige Fälle sollten aus der Falldatenbank gelöscht werden. Ein ungültiger Fall ist ein Fall, der falsche Lösungen liefert. Ein überflüssiger Fall ist ein Fall, der eine Lösung für ein ähnliches Problem hat, das aber nicht mehr vorkommen kann. Es ist sinnvoll, dass der Fall einer reparierten Lösung zusammen mit der Fehlererklärung gespeichert wird, damit die gleichen Fehler, z.b. Anpassungsfehler oder Ähnlichkeitsrechnungsfehler, nicht wieder vorkommen, wenn die Lösung eines ähnlichen Falles scheitert. In dem Wissensbehälter (knowledge container) stehen (Richter, 1995) Vokabulare (benutzte Attribute), Falldatenbank, Erfahrungen von Ähnlichkeitsbestimmung und Lösungsadaption etc. 7.2 Indizieren Wie es die Funktion eines Indexes in einer allgemeinen Datenbank ist, kann ein Index in CBR-Systemen auch den Zugriff auf die Daten beschleunigen. Die Informationen in einem Fall können deswegen in indexiert (z.b. Alt, Geschlecht, Preis, Größe) und unindexiert (z.b. Name, Adresse, Bild, Lösungsbeschreibung) unterteilt werden. Indizes für jede Eigenschaft bzw. jedes Attribut wäre trivial, weil nicht jeder Index benutzt wird und Indizes die Aktualisierung von Da- 15

20 ten verlangsamen. Es ist möglich, dass in dieser Phase die Struktur des Indexbaumes geändert bzw. verbessert werden kann. Zurück zu dem Beispiel Autoreparatur. Ein neuer Fall 3 wie in Abbildung 11 wird in die Falldatenbank gespeichert. Abbildung 11: Neuer Fall 3 Weitere Literatur für Retain : [Wess95] S , [Wett95], S. 347 ff, [Smyt95], S. 377 ff. 16

21 8 Applikationsbeispiele und Software-Tools In diesem Kapitel werden ein paar Applikationsbeispiele und vorhandene Software-Tools vorgestellt. 8.1 Applikationsbeispiele Expertensystem für Hühneraufzucht in China: Der Mitarbeiter von Hühnerfarm muss kein Experte sein. Er muss nicht jeden Tag darüber nachdenken, was die Hühner bei welchem Wetter zu futtern bekommen. Das Expertensystem generiert Speisekarten für Eierhühner nach dem Wissen und den Erfahrungen von Nahrung und Futter für Eierhühner. Das System beinhaltet eine Fall-Bank und eine Speiseadaptionsregel-Bank. Mehr Informationen siehe [Eier03]. Landwirtschaftliches Expertenentscheidungssystem in China: Das System kombiniert zwei Datenbanken: Expertenwissen und Fälle. Ein System davon ist ein Expertensystem für hohe Maisproduktion. Es bietet Lösungen wie Sortenkombinationen, Düngeplanung und Feldmanagementmethoden an. Ein anderes System ist ein Expertensystem der Diagnosen von Schweinekrankheiten. Mehr Informationen siehe [Mais03]. Entscheidungshilfe bei Gericht in Taiwan (Decision Support for Criminal Summary Judgment): Mit der Entscheidungshilfe muss der Rechtsanwalt nicht mehr jede Anklage lesen. Das System liest das Strafverfolgungsbuch und gibt dem Fall einen ersten Beurteilungsentwurf für den Rechtanwalt. Das System warnt sogar vor möglichen falschen Anwendungen des Gesetzes. Die Richtigkeit im Test in Taiwan war über 90%. In dem System werden Fallbasiertes Schließen und Regelbasiertes Schließen Techniken eingesetzt. Mehr Informationen siehe [Law03]. CBR wurde z.b. auch noch als Hilfsmittel im Baudesign (z.b. Aided pile foundation design system ), bei Übersetzungsmaschinen, Kostenschätzungen, Reiseplanungssystem (s. Abbildung 12) usw. angewendet. Die Anwendungen von CBR können in 5 Hauptdomänen unterteilt werden: Diagnose, Help desk im Kundenservice, Bewertung, Entscheidungsunterstützung und Design. [AIAI03] 17

22 Unter stehen ein paar Demoapplikationen Online zur Verfügung: CarSmart: Der Benutzer gibt seine Wünsche an ein Fahrzeug (Fabrikat, Modell, PS, Farbe, etc.) in natürlicher Sprache ein. Das CarSmart System findet Autos, die den Vorstellungen des Benutzers am besten entsprechen. SmartCooking: Mit dem System kann der Benutzer das richtige Rezept für den richtigen Anlass aus mehr als englischen und deutschen Rezepten finden. Abbildung 12: Anwendungsbeispiel von CBR-Commerce 8.2 CBR Software-Tools Es gibt zahlreiche Software-Tools wie ART*Enterprise, Case-1, CaseAdvisor, CasePower, Eclipes - The Easy Reasoner, CBR3, KATE, ReCall usw. Im Rahmen dieser Seminararbeit wird das Tool CBR3 vorgestellt. CBR3 (1997) von Inference Corp. ist ein erfolgreiches CBR-Tool. Die CBR3 Familie besteht aus CBR Express, CasePoint, Generator, Tester und CasePoint WebServer. Fälle werden in CBR3 in einfacher Struktur in Form von Berichten in einer relationalen Datenbank gespeichert. Die Case Express Schnittstelle kommuniziert mit dem Benutzer und verlangt dabei keine Programmierkenntnisse. CBR3 kann Texte in freier Form verarbeiten und ist tolerant gegen Tipp- 18

23 fehler. Der Algorithmus beim Retrieval ist nearst-neighbour matching. Mit dem Case Express Case Editor kann man Fälle editieren. CasePoint sucht ähnliche Fälle. Der Generator parst Textdatei der Problembeschreibung und erzeugt daraus einen Fall. CBR Express Tester hilft dem Designer, die Qualität der Fälle zu bewerten. Der CasePoint WebServer ermöglicht, die Fallbanken im Internet zu laufen zu lassen. Freie Software ist zum Beispiel Protos von der Universität Texas. Weitere Informationen über CBR Software-Tools sind zum Beispiel unter 8.3 Anwendungsmöglichkeiten in KIMAS In der Projektgruppe KIMAS wird das Programm Quake 3 als Basis verwendet. Möglicherweise kann ein CBR-System die Bots in Quake 3 intelligenter machen. Der Bot stellt Anfragen an das CBR-System, was er in der aktuellen Situation tun soll. Wenn er einem Gegner unterlegen ist, soll er Hilfe von anderen Bots holen oder weglaufen und sich regenerieren? Wohin soll er weglaufen? Mit welcher Waffe soll er den Gegner angreifen?... Lösungen werden aus den gemachten Erfahrungen vorgeschlagen und sind nicht 100% richtig, aber es ist eventuell schneller als in jeder Situation neue Strategie zu errechnen. 19

24 9 Fazit und Ausblick Bis hier wurden die Grundlagen von CBR vorgestellt. Als Eingabe in ein CBR- System muss der Benutzer eine Anfrage mit allen vorhandenen Informationen eingeben. Das System schlägt dann möglichst passende Lösungen vor. Wenn die Eingaben nicht von ausreichender Güte sind, wird die Ausgabe des CBR- Systems nicht nutzbringend sein. Es soll vorsichtig sein, dass der Aufbau eines CBR-Systems vom Beginn an schon mit guten Daten anfängt. Der Zugriff auf Lösungen mit CBR ist schnell, effizient und bringt hohe Benutzerakzeptanz, weil der alte Fall auch durch die 4-Re-Schritte gelaufen ist. D.h. die vorgeschlagene Lösung wurde schon getestet und hat früher schon ein ähnliches Problem gelöst. Der Aufbau einer Falldatenbank (case-base) ist relativ einfach. Die Probleme können mit natürlicher Sprache beschrieben werden. Die Benutzung ist auch für Nichtexperten möglich. Ein CBR-System funktioniert auch bei unvollständig vorhandenem Wissen. Das Wissen in der Falldatenbank ist einfach zu updaten und zu warten. Jeder Fall ist von anderen unabhängig. Nicht nur Experten sondern auch Anfänger können das System verstehen. Die Wartung des CBR-Systems wird meistens durch Einfügen oder Löschen eines Falls realisiert. Nur die Änderungen der Vokabulare im Wissensbehälter sind komplizierter. Das Lernen des Wissens von einer Fallbank ist einfach. Das System arbeitet wie ein Akkumulator von Wissen. Je größer die Falldatenbank ist, desto mehr passende Lösungen können gefunden werden. Aufgrund der Vorteile wird CBR besonders häufig bei technischem Design angewendet, auch wenn das Wissen schwierig zu extrahieren oder unzureichend vorhanden ist. Die Kosten für ein CBR-System können oft günstiger als ein speziell entwickeltes System sein. Regelbasierten Systemen sind auf schmale und gut-verstehbare statische Probleme spezialisiert. Im Vergleich dazu sind CBR-Systeme besser für schwerverstehbare oder dynamische Probleme geeignet. Aber wie in den Applikationsbeispielen vorgestellte wurde, kombinieren viele Anwendungssysteme CBR- Systeme mit Regelbasierten Expertensystemen. 20

25 Aktuelle Informationen über CBR in WWW: 21

26 10 Anhang Literaturverzeichnis [AaPla94] [Hann95] [Leak96] [Lenz98] Agnar Aamodt & Enric Plaza (1994). Case-Based Reasoning: Foundational Issues, Methodological Variations, and System Approaches. AI Communications, Vol 7, Nr. 1. Hanney, K. Keane, M., Smyth, B., Cunningham, P.: Systems, Tasks, and adaptation knowledge: Revealing some revealing dependencies. In Veloso & Aamodt (Eds.). Case-Based Reasoning Research and Development: First International Conference on CBR (ICCBR 95), Springer Verlag, 1995 David Leake. Case-Based Reasoning, Experiences, Lessons & Future Directions, AAAI Press, Lenz, Bartsch-Spörl, Burkhard, Wess. Case-Based Reasoning Technology: From Foundations to Applications, Springer-Verlag, [Kolo93] Janet Kolodner: Case-based Reasoning, Morgan Kaufmann, [Ries89] [Smyt94] [Smyt95] [Wat97] [Wess95] [Wett95] Riesbeck C., Schank R. Inside Case based Reasoning, Hillsdale, New Jersey 1989; Seite 39 Smyth, B. & Keane, M.: Retrieving adaptable cases: The role of adaptation knowledge in case retrieval. In Richter, Wess & Althoff (Eds.) Topics in CBR. Springer Verlag, 1994 Smyth, B. & Keane, M.: Remembering to Forget, International Conference on Artificial Intelligence (IJCAI 95), 1995 Watson, Ian: Applying case-based reasoning: Techniques for enterprise Systems, Morgan Kaumann Publishers, California, 1997 Wess, S.: Fallbasiertes Problemlösen in wissensbasierten Systemen zur Entscheidungsunterstützung und Diagnostik, DISKI 126, Infix-Verlag, 1995 Wettschereck D. & Aha, D.: Weighting Features, Proceedings of the First International Conference on CBR (ICCBR 95),

27 [Wilk97] Wilke, W. & Bergmann, R. (1997). Techniques and knowledge used for adaptation during case-based problem solving. Manuskript. Internetquellen: [AIAI03] Stand [Berg99] Bergmann, Ralph: Grundlagen Fallbasierter Systeme, WS99/20. [Eier03] Stand [Fran03] Jasmin Franz: XML & Wissenstechnologie im Einsatz für den Kunden, PraxisbeispielCallCenter, bei tekom Frühjahrstagung 2003, Hamburg. ogie_im_einsatz_fuer_den_kunden.pdf, Stand [Law03] [Meil03] Stand Stand [Mais03] Stand [Rich03] Michael M. Richter: Case-based Reasoning und CRM: Die Perspektive, Folien für die Universität Kaiserslautern. Stand [Wetz00] Wetzel, Baylor: Building a smart search engine. l/default_pf.asp# 23

Fallbasierte Bewertung von Internet-Domainnamen. Von Sebastian Dieterle

Fallbasierte Bewertung von Internet-Domainnamen. Von Sebastian Dieterle Fallbasierte Bewertung von Internet-Domainnamen Von Sebastian Dieterle Einleitung Einleitung Grundlagen Ansatz Evaluierung Schlussfolgerungen 2 Entstehung eines interdisziplinären Ansatzes 2002-: Unternehmensgründung

Mehr

Bereiche der KI. KI und das Web Eine Übersicht. Allgemeines zur KI. Einfluss der KI auf die Informatik. Herausforderungen im Web

Bereiche der KI. KI und das Web Eine Übersicht. Allgemeines zur KI. Einfluss der KI auf die Informatik. Herausforderungen im Web Bereiche der KI KI und das Web Eine Übersicht Web Site Engineering, Vorlesung Nr. 13 Neuronale Netze Suchverfahren Expertensysteme Fallbasiertes Schließen (Case-Based Reasoning) Planen Maschinelles Lernen

Mehr

Integration Services - Dienstarchitektur

Integration Services - Dienstarchitektur Integration Services - Dienstarchitektur Integration Services - Dienstarchitektur Dieser Artikel solle dabei unterstützen, Integration Services in Microsoft SQL Server be sser zu verstehen und damit die

Mehr

Einführung in Generatives Programmieren. Bastian Molkenthin

Einführung in Generatives Programmieren. Bastian Molkenthin Einführung in Generatives Programmieren Bastian Molkenthin Motivation Industrielle Entwicklung *!!*,(% % - #$% #!" + '( & )!* Softwareentwicklung Rückblick auf Objektorientierung Objektorientierte Softwareentwicklung

Mehr

Vortrag zum Fortsetzungantrag

Vortrag zum Fortsetzungantrag 1 / 18 Vortrag zum Fortsetzungantrag Universität Rostock Fakultät für Informatik und Elektrotechnik Institut für Informatik Lehrstuhl für Informations- und Kommunikationsdienste 24.06.2008 2 / 18 Inhalt

Mehr

Mit KI gegen SPAM. Proseminar Künstliche Intelligenz

Mit KI gegen SPAM. Proseminar Künstliche Intelligenz Mit KI gegen SPAM Proseminar Künstliche Intelligenz SS 2006 Florian Laib Ausblick Was ist SPAM? Warum SPAM-Filter? Naive Bayes-Verfahren Fallbasiertes Schließen Fallbasierte Filter TiMBL Vergleich der

Mehr

DATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER

DATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER DATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER INHALTSVERZEICHNIS 1. Datenbanken 2. SQL 1.1 Sinn und Zweck 1.2 Definition 1.3 Modelle 1.4 Relationales Datenbankmodell 2.1 Definition 2.2 Befehle 3.

Mehr

VBA-Programmierung: Zusammenfassung

VBA-Programmierung: Zusammenfassung VBA-Programmierung: Zusammenfassung Programmiersprachen (Definition, Einordnung VBA) Softwareentwicklung-Phasen: 1. Spezifikation 2. Entwurf 3. Implementierung Datentypen (einfach, zusammengesetzt) Programmablaufsteuerung

Mehr

Data Mining Anwendungen und Techniken

Data Mining Anwendungen und Techniken Data Mining Anwendungen und Techniken Knut Hinkelmann DFKI GmbH Entdecken von Wissen in banken Wissen Unternehmen sammeln ungeheure mengen enthalten wettbewerbsrelevantes Wissen Ziel: Entdecken dieses

Mehr

Seminar Business Intelligence Teil II. Data Mining & Knowledge Discovery

Seminar Business Intelligence Teil II. Data Mining & Knowledge Discovery Seminar Business Intelligence Teil II Data Mining & Knowledge Discovery Was ist Data Mining? Sabine Queckbörner Was ist Data Mining? Data Mining Was ist Data Mining? Nach welchen Mustern wird gesucht?

Mehr

Softwaretechnik (WS 11/12)

Softwaretechnik (WS 11/12) Universität Augsburg, LSt. Softwaretechnik, K. Stenzel, H. Seebach, G. Anders Softwaretechnik (WS 11/12) Lösungsvorschlag 5 Aufgabe 1 (System Behavior: System Sequence Diagrams) (10/5 Punkte) a) Was sind

Mehr

Recommender Systems. Stefan Beckers Praxisprojekt ASDL SS 2006 Universität Duisburg-Essen April 2006

Recommender Systems. Stefan Beckers Praxisprojekt ASDL SS 2006 Universität Duisburg-Essen April 2006 Recommender Systems Stefan Beckers Praxisprojekt ASDL SS 2006 Universität Duisburg-Essen April 2006 Inhalt 1 - Einführung 2 Arten von Recommender-Systemen 3 Beispiele für RCs 4 - Recommender-Systeme und

Mehr

Entwicklungsmethoden

Entwicklungsmethoden Slide 5.1 Entwicklungsmethoden Prof. Dr. Josef M. Joller jjoller@hsr.ch Development Methodologies Prof. Dr. Josef M. Joller 1 Session 5 Slide 5.2 TOOLS Development Methodologies Prof. Dr. Josef M. Joller

Mehr

Mengenvergleiche: Alle Konten außer das, mit dem größten Saldo.

Mengenvergleiche: Alle Konten außer das, mit dem größten Saldo. Mengenvergleiche: Mehr Möglichkeiten als der in-operator bietet der θany und der θall-operator, also der Vergleich mit irgendeinem oder jedem Tupel der Unteranfrage. Alle Konten außer das, mit dem größten

Mehr

Die neue Datenraum-Center-Administration in. Brainloop Secure Dataroom Service Version 8.30

Die neue Datenraum-Center-Administration in. Brainloop Secure Dataroom Service Version 8.30 Die neue Datenraum-Center-Administration in Brainloop Secure Dataroom Service Version 8.30 Leitfaden für Datenraum-Center-Manager Copyright Brainloop AG, 2004-2014. Alle Rechte vorbehalten. Dokumentversion:

Mehr

Befragung und empirische Einschätzung der Praxisrelevanz

Befragung und empirische Einschätzung der Praxisrelevanz Befragung und empirische Einschätzung der Praxisrelevanz eines Vorgehensmodells zur Auswahl von CRM-Systemen D I P L O M A R B E I T zur Erlangung des Grades eines Diplom-Ökonomen der Wirtschaftswissenschaftlichen

Mehr

Orientierte Modellierung mit der Unified Modeling Language

Orientierte Modellierung mit der Unified Modeling Language UML-Basics: Einführung in Objekt- Orientierte Modellierung mit der Unified Modeling Language Michael Hahsler Ziel dieses Seminars Verständnis von Objekt-Orientierung Was sind Klassen? Was ist Vererbung?

Mehr

Access Grundlagen. David Singh

Access Grundlagen. David Singh Access Grundlagen David Singh Inhalt Access... 2 Access Datenbank erstellen... 2 Tabellenelemente... 2 Tabellen verbinden... 2 Bericht gestalten... 3 Abfragen... 3 Tabellen aktualisieren... 4 Allgemein...

Mehr

Lohnt sich Requirements Engineering?

Lohnt sich Requirements Engineering? Lohnt sich Requirements Engineering? Seminar Messbarkeit von Anforderungen am Fachgebiet Software Engineering Wintersemester 2007/2008 Betreuer: Eric Knauss Oleksandr Kazandzhi Gliederung Einleitung Messen

Mehr

The Rational Unified Process. Eine Einführung von T. Langer und A. Nitert

The Rational Unified Process. Eine Einführung von T. Langer und A. Nitert The Rational Unified Process Eine Einführung von T. Langer und A. Nitert Übersicht Einleitung Probleme der SW-Entwicklung, Best Practices, Aufgaben Was ist der Rational Unified Process? Struktur des Prozesses

Mehr

Installation von Updates

Installation von Updates Installation von Updates In unregelmässigen Abständen erscheinen Aktualisierungen zu WinCard Pro, entweder weil kleinere Verbesserungen realisiert bzw. Fehler der bestehenden Version behoben wurden (neues

Mehr

1 Die Active Directory

1 Die Active Directory 1 Die Active Directory Infrastruktur Prüfungsanforderungen von Microsoft: Configuring the Active Directory Infrastructure o Configure a forest or a domain o Configure trusts o Configure sites o Configure

Mehr

Message Oriented Middleware am Beispiel von XMLBlaster

Message Oriented Middleware am Beispiel von XMLBlaster Message Oriented Middleware am Beispiel von XMLBlaster Vortrag im Seminar XML und intelligente Systeme an der Universität Bielefeld WS 2005/2006 Vortragender: Frederic Siepmann fsiepman@techfak.uni bielefeld.de

Mehr

Cognitive Systems Master thesis

Cognitive Systems Master thesis Cognitive Systems Master thesis Recherche Phase SS 2011 Gliederung 1. Einleitung 2. Analogie Modelle 2.1 SME 2.2 Ava 2.3 Lisa 3. Zusammenfassung 4. Ausblick 2 Einleitung Analogie Problemsituation wird

Mehr

Das simond Handbuch by Peter H. Grasch. Copyright 2009-2010 Peter Grasch. simond ist die Serverkomponente der simon Spracherkennungslösung.

Das simond Handbuch by Peter H. Grasch. Copyright 2009-2010 Peter Grasch. simond ist die Serverkomponente der simon Spracherkennungslösung. Das simond Handbuch Das simond Handbuch by Peter H. Grasch Copyright 2009-2010 Peter Grasch simond ist die Serverkomponente der simon Spracherkennungslösung. Permission is granted to copy, distribute and/or

Mehr

Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken

Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken Dateiname: ecdl5_01_00_documentation_standard.doc Speicherdatum: 14.02.2005 ECDL 2003 Basic Modul 5 Datenbank - Grundlagen

Mehr

Prozessbewertung und -verbesserung nach ITIL im Kontext des betrieblichen Informationsmanagements. von Stephanie Wilke am 14.08.08

Prozessbewertung und -verbesserung nach ITIL im Kontext des betrieblichen Informationsmanagements. von Stephanie Wilke am 14.08.08 Prozessbewertung und -verbesserung nach ITIL im Kontext des betrieblichen Informationsmanagements von Stephanie Wilke am 14.08.08 Überblick Einleitung Was ist ITIL? Gegenüberstellung der Prozesse Neuer

Mehr

SiteAudit Knowledge Base. Move Add Change Tracking. Vorteile Übersicht. In diesem Artikel: Vorteile Übersicht Funktionsübersicht Berichte anpassen

SiteAudit Knowledge Base. Move Add Change Tracking. Vorteile Übersicht. In diesem Artikel: Vorteile Übersicht Funktionsübersicht Berichte anpassen SiteAudit Knowledge Base Move Add Change Tracking Dezember 2010 In diesem Artikel: Vorteile Übersicht Funktionsübersicht Berichte anpassen MAC Benachrichtigungen Vorteile Übersicht Heutzutage ändern sich

Mehr

KompetenzManager http://www.kompetenzmanager.ch/mah Manual für die Benutzung der Website

KompetenzManager http://www.kompetenzmanager.ch/mah Manual für die Benutzung der Website KompetenzManager http://www.kompetenzmanager.ch/mah Manual für die Benutzung der Website Inhalt Inhalt... 1 1. Anmelden beim Kompetenzmanager... 3 2. Erstellen eines neuen Kompetenzprofils... 4 2.1. Wizard

Mehr

Dreamwap. Systemanalyse

Dreamwap. Systemanalyse Dreamwap Systemanalyse Änderungskontrolle Version Datum Name Bemerkung 0.1 15.7.2000 P. Troxler Initialversion 0.2 16.7.2000 P. Troxler Neue Tabelle: Kap. 2.1. Vgl. Datenbank Tabellen 0.3 18.7.2000 P.

Mehr

1 Einleitung. 1.1 Caching von Webanwendungen. 1.1.1 Clientseites Caching

1 Einleitung. 1.1 Caching von Webanwendungen. 1.1.1 Clientseites Caching 1.1 Caching von Webanwendungen In den vergangenen Jahren hat sich das Webumfeld sehr verändert. Nicht nur eine zunehmend größere Zahl an Benutzern sondern auch die Anforderungen in Bezug auf dynamischere

Mehr

Ausarbeitung des KogSys Seminars Analogie

Ausarbeitung des KogSys Seminars Analogie Otto Friedrich Universität Bamberg Professur für Angewandte Informatik / Kognitive Systeme Ausarbeitung des KogSys Seminars Analogie Thema: Case-based Reasoning und Strategische Unternehmensberatung Vorgelegt

Mehr

Data Mining-Modelle und -Algorithmen

Data Mining-Modelle und -Algorithmen Data Mining-Modelle und -Algorithmen Data Mining-Modelle und -Algorithmen Data Mining ist ein Prozess, bei dem mehrere Komponenten i n- teragieren. Sie greifen auf Datenquellen, um diese zum Training,

Mehr

Comparing Software Factories and Software Product Lines

Comparing Software Factories and Software Product Lines Comparing Software Factories and Software Product Lines Martin Kleine kleine.martin@gmx.de Betreuer: Andreas Wuebbeke Agenda Motivation Zentrale Konzepte Software Produktlinien Software Factories Vergleich

Mehr

1.3.5 Clinical Decision Support Systems

1.3.5 Clinical Decision Support Systems Arzneimitteltherapie Thieme Verlag 1.3.5 Clinical Decision Support Systems Marco Egbring, Stefan Russmann, Gerd A. Kullak-Ublick Im Allgemeinen wird unter dem Begriff Clinical Decision Support System (CDSS)

Mehr

Quellen: Towards a Human Computer InteractionPerspective. Übersicht. Warum visuelle Sprachen? Begriffsdefinitionen: Hinderungsgründe bisher:

Quellen: Towards a Human Computer InteractionPerspective. Übersicht. Warum visuelle Sprachen? Begriffsdefinitionen: Hinderungsgründe bisher: Quellen: Towards a Human Computer InteractionPerspective von B.K. & B.K. LV: Visuelle Sprachen (03-763) Universität Bremen WS 2001/02 Visual Language Theory: Towards a Human- Computer Perspective; N. Hari

Mehr

Antwortzeitverhalten von Online Storage Services im Vergleich

Antwortzeitverhalten von Online Storage Services im Vergleich EPOD Encrypted Private Online Disc Antwortzeitverhalten von Online Storage Services im Vergleich Fördergeber Förderprogramm Fördernehmer Projektleitung Projekt Metadaten Internet Foundation Austria netidee

Mehr

KODAK PROFESSIONAL DCS Pro SLR/c Digitalkamera

KODAK PROFESSIONAL DCS Pro SLR/c Digitalkamera KODAK PROFESSIONAL DCS Pro SLR/c Digitalkamera Benutzerhandbuch Abschnitt Objektivoptimierung Teilenr. 4J1534_de Inhaltsverzeichnis Objektivoptimierung Überblick...5-31 Auswählen des Verfahrens zur Objektivoptimierung...5-32

Mehr

Entwicklung eines Scheduling-Verfahrens zur Optimierung der Reihenfolge von Prototypentests. Masterarbeit

Entwicklung eines Scheduling-Verfahrens zur Optimierung der Reihenfolge von Prototypentests. Masterarbeit Entwicklung eines Scheduling-Verfahrens zur Optimierung der Reihenfolge von Prototypentests Masterarbeit zur Erlangung des akademischen Grades Master of Science (M.Sc.) im Masterstudiengang Wirtschaftswissenschaft

Mehr

Einleitung. Komplexe Anfragen. Suche ist teuer. VA-File Verfeinerungen. A0-Algo. GeVAS. Schluß. Folie 2. Einleitung. Suche ist teuer.

Einleitung. Komplexe Anfragen. Suche ist teuer. VA-File Verfeinerungen. A0-Algo. GeVAS. Schluß. Folie 2. Einleitung. Suche ist teuer. Anwendung Input: Query-Bild, Ergebnis: Menge ähnlicher Bilder. Kapitel 8: Ähnlichkeitsanfragen und ihre effiziente Evaluierung Wie zu finden? Corbis, NASA: EOS Bilddatenbank Folie Folie 2 Ähnlichkeitssuche

Mehr

Von Big Data zu Smart Information Empolis Information Management Workshop "Datenmanagement in der Zukunft"

Von Big Data zu Smart Information Empolis Information Management Workshop Datenmanagement in der Zukunft Von Big Data zu Smart Information Empolis Information Management Workshop "Datenmanagement in der Zukunft" 02.07.2014 Bamberg Andreas Nierlich Seite 1 Von 2009 bis 2020 soll das digitale Informationsvolumen

Mehr

Jump Helpdesk. Softwarelösungen für professionelles Servicemanagement

Jump Helpdesk. Softwarelösungen für professionelles Servicemanagement Jump Helpdesk Softwarelösungen für professionelles Servicemanagement Jump Network GmbH 2004-2006 Jump Helpdesk Office Übersichtliche Dokumentenstruktur und schneller Zugriff auf alle wichtigen Funktionen.

Mehr

Ein Erfahrungsbericht beim Einsatz von generierenden Ansätzen im Vergleich zu generischen Lösungen

Ein Erfahrungsbericht beim Einsatz von generierenden Ansätzen im Vergleich zu generischen Lösungen Ein Erfahrungsbericht beim Einsatz von generierenden Ansätzen im Vergleich zu generischen Lösungen Tom Krauß Agenda Begriffsdefinition Verfahren Praktische Beispiele Vergleich und Bewertung Begriffsklärung

Mehr

TIKOS Leitfaden. TIKOS Update

TIKOS Leitfaden. TIKOS Update TIKOS Leitfaden TIKOS Update Copyright 2015, Alle Rechte vorbehalten support@socom.de 06.05.2015 Inhalt 1. Allgemeine Hinweise... 3 2. Ausführen des Updates... 3 3. Mögliche Meldungen beim Update... 9

Mehr

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 350

DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 350 DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 350 Ein konzeptioneller Business-Intelligence-Ansatz zur Gestaltung von Geschäftsprozessen

Mehr

Softwareentwicklung aus Sicht des Gehirns

Softwareentwicklung aus Sicht des Gehirns Softwareentwicklung aus Sicht Business Unit Manager Folie 1 Ziel Das Ziel ist die Beantwortung der folgenden Fragen: 1. Wie lösen Softwareentwickler Probleme kognitiv? 2. Was sind die Schlüsselfaktoren

Mehr

Abbildung 1: Tool-Qualification-Kits für Testwell CTC++ Test Coverage Analyser

Abbildung 1: Tool-Qualification-Kits für Testwell CTC++ Test Coverage Analyser Qualification-Kit für Testwell CTC++ In der sicherheitskritischen Softwareentwicklung müssen die im Projekt eingesetzten Werkzeuge zunächst klassifiziert werden (Tool Classification). Diese Klassifizierung

Mehr

Wie schreibt man eine Ausarbeitung?

Wie schreibt man eine Ausarbeitung? Wie schreibt man eine Ausarbeitung? Holger Karl Holger.karl@upb.de Computer Networks Group Universität Paderborn Übersicht Ziel einer Ausarbeitung Struktur Sprache Korrektes Zitieren Weitere Informationen

Mehr

Web-Recherche WS 2015/2016 3. Veranstaltung 29. Oktober 2015

Web-Recherche WS 2015/2016 3. Veranstaltung 29. Oktober 2015 Web-Recherche WS 2015/2016 3. Veranstaltung 29. Oktober 2015 Philipp Mayr - philipp.mayr@gesis.org Philipp Schaer - philipp.schaer@gesis.org GESIS Leibniz-Institut für Sozialwissenschaften 2 Themen der

Mehr

Information-Design-Tool

Information-Design-Tool Zusatzkapitel Information-Design-Tool zum Buch»HR-Reporting mit SAP «von Richard Haßmann, Anja Marxsen, Sven-Olaf Möller, Victor Gabriel Saiz Castillo Galileo Press, Bonn 2013 ISBN 978-3-8362-1986-0 Bonn

Mehr

XINDICE. The Apache XML Project 3.12.09. Name: J acqueline Langhorst E-Mail: blackyuriko@hotmail.de

XINDICE. The Apache XML Project 3.12.09. Name: J acqueline Langhorst E-Mail: blackyuriko@hotmail.de Name: J acqueline Langhorst E-Mail: blackyuriko@hotmail.de 3.12.09 HKInformationsverarbeitung Kurs: Datenbanken vs. MarkUp WS 09/10 Dozent: Prof. Dr. M. Thaller XINDICE The Apache XML Project Inhalt Native

Mehr

Datenbank-basierte Webserver

Datenbank-basierte Webserver Datenbank-basierte Webserver Datenbank-Funktion steht im Vordergrund Web-Schnittstelle für Eingabe, Wartung oder Ausgabe von Daten Datenbank läuft im Hintergrund und liefert Daten für bestimmte Seiten

Mehr

Personalisierung. Der Personalisierungsprozess Nutzerdaten erheben aufbereiten auswerten Personalisierung. Data Mining.

Personalisierung. Der Personalisierungsprozess Nutzerdaten erheben aufbereiten auswerten Personalisierung. Data Mining. Personalisierung Personalisierung Thomas Mandl Der Personalisierungsprozess Nutzerdaten erheben aufbereiten auswerten Personalisierung Klassifikation Die Nutzer werden in vorab bestimmte Klassen/Nutzerprofilen

Mehr

Filterregeln... 1. Einführung... 1. Migration der bestehenden Filterregeln...1. Alle eingehenden Nachrichten weiterleiten...2

Filterregeln... 1. Einführung... 1. Migration der bestehenden Filterregeln...1. Alle eingehenden Nachrichten weiterleiten...2 Jörg Kapelle 15:19:08 Filterregeln Inhaltsverzeichnis Filterregeln... 1 Einführung... 1 Migration der bestehenden Filterregeln...1 Alle eingehenden Nachrichten weiterleiten...2 Abwesenheitsbenachrichtigung...2

Mehr

Anleitung zum Erstellen und Warten einer Selbstwartungs-Homepage

Anleitung zum Erstellen und Warten einer Selbstwartungs-Homepage Anleitung zum Erstellen und Warten einer Selbstwartungs-Homepage www.onco.at Einleitung: Herzliche Gratulation zum Erwerb Ihrer Homepage. Sie haben sich für ein ausgesprochen gutes System entschieden,

Mehr

WebDAV 1. ALLGEMEINES ZU WEBDAV 2 3. BEENDEN EINER WEBDAV-VERBINDUNG 2 4. WINDOWS EXPLORER (WINDOWS XP) 3 5. WINDOWS EXPLORER (WINDOWS 7 ) 6

WebDAV 1. ALLGEMEINES ZU WEBDAV 2 3. BEENDEN EINER WEBDAV-VERBINDUNG 2 4. WINDOWS EXPLORER (WINDOWS XP) 3 5. WINDOWS EXPLORER (WINDOWS 7 ) 6 WebDAV 1. ALLGEMEINES ZU WEBDAV 2 2. HINWEISE 2 3. BEENDEN EINER WEBDAV-VERBINDUNG 2 4. WINDOWS EXPLORER (WINDOWS XP) 3 5. WINDOWS EXPLORER (WINDOWS 7 ) 6 5.1 Office 2003 6 5.2 Office 2007 und 2010 10

Mehr

PHP Kurs Online Kurs Analysten Programmierer Web PHP

PHP Kurs Online Kurs Analysten Programmierer Web PHP PHP Kurs Online Kurs Analysten Programmierer Web PHP Akademie Domani info@akademiedomani.de Allgemeines Programm des Kurses PHP Modul 1 - Einführung und Installation PHP-Umgebung Erste Lerneinheit Introduzione

Mehr

Axel Haller, Symposium 25-26 März 2010 Engineering Workflow: Potential und Praxis bei der Integration von Verfahrenstechnik und Automation

Axel Haller, Symposium 25-26 März 2010 Engineering Workflow: Potential und Praxis bei der Integration von Verfahrenstechnik und Automation Axel Haller, Symposium 25-26 März 2010 Engineering Workflow: Potential und Praxis bei der Integration von Verfahrenstechnik und Automation March 25, 2010 Slide 1 Agenda Die Problematik Das Lösungsmittel

Mehr

Kapitel DB:III. III. Konzeptueller Datenbankentwurf

Kapitel DB:III. III. Konzeptueller Datenbankentwurf Kapitel DB:III III. Konzeptueller Datenbankentwurf Einführung in das Entity-Relationship-Modell ER-Konzepte und ihre Semantik Charakterisierung von Beziehungstypen Existenzabhängige Entity-Typen Abstraktionskonzepte

Mehr

Erster Bug: eine Motte

Erster Bug: eine Motte SOFTWAREFEHLER Der erste Bug Erster Bug: eine Motte Der Begriff Bug (deutsch: Motte) stammt aus dem Jahre 1945, als Ingenieure in einem Schaltrelais eines Computers (Harvard Mark II-System) eine Motte

Mehr

Produktphilosophie erstellen

Produktphilosophie erstellen User Experience Produktphilosophie erstellen Bereich Anforderungen Aktivität Ziele Erleichterte Kommunikation zwischen Stakeholdern Designentscheidungen erleichtern/rechtfertigen schnell durchführbar einfach

Mehr

Business Intelligence Praktikum 1

Business Intelligence Praktikum 1 Hochschule Darmstadt Business Intelligence WS 2013-14 Fachbereich Informatik Praktikumsversuch 1 Prof. Dr. C. Wentzel Dipl. Inf. Dipl. Math. Y. Orkunoglu Datum: 14.10.2013 Business Intelligence Praktikum

Mehr

Wichtige Informationen. zum

Wichtige Informationen. zum Wichtige Informationen zum RDV4M Eigenbestandsbesamer-Modul Stand, 14. November 2007 Inhalt 1. Anmeldung... 3 2. Erfassung... 4 2.1 Korrektur... 5 3. Dokumentation... 6 3.1 Geburtsmeldungen... 6 3.2 Allgemeiner

Mehr

Projektbericht Gruppe 12. Datenbanksysteme WS 05/ 06. Gruppe 12. Martin Tintel Tatjana Triebl. Seite 1 von 11

Projektbericht Gruppe 12. Datenbanksysteme WS 05/ 06. Gruppe 12. Martin Tintel Tatjana Triebl. Seite 1 von 11 Datenbanksysteme WS 05/ 06 Gruppe 12 Martin Tintel Tatjana Triebl Seite 1 von 11 Inhaltsverzeichnis Inhaltsverzeichnis... 2 1. Einleitung... 3 2. Datenbanken... 4 2.1. Oracle... 4 2.2. MySQL... 5 2.3 MS

Mehr

6. Modellierung von Informationssystemen. 6.1 Einleitung 6.2 Konzeptuelles Modell 6.3 OASIS Spezifikation 6.4 Execution Model 6.

6. Modellierung von Informationssystemen. 6.1 Einleitung 6.2 Konzeptuelles Modell 6.3 OASIS Spezifikation 6.4 Execution Model 6. 6. Modellierung von Informationssystemen Spezialseminar Matr. FS 2000 1/10 Volker Dobrowolny FIN- ITI Quellen: Oscar Pastor, Jaime Gomez, Emilio Insfran, Vicente Pelechano The OO-Method approach for information

Mehr

Ressourcen-Beschreibung im Semantic Web

Ressourcen-Beschreibung im Semantic Web Ressourcen-Beschreibung im Semantic Web Cristina Vertan Inhaltsübersicht Wie sollen die Ressourcen für Semantic Web annotiert werden? Was ist und wie funktioniert RDF? Wie kodiert man RDF-Statements in

Mehr

Datenübernahme easyjob 3.0 zu easyjob 4.0

Datenübernahme easyjob 3.0 zu easyjob 4.0 Datenübernahme easyjob 3.0 zu easyjob 4.0 Einführung...3 Systemanforderung easyjob 4.0...3 Vorgehensweise zur Umstellung zu easyjob 4.0...4 Installation easyjob 4.0 auf dem Server und Arbeitsstationen...4

Mehr

Informationen für Neue Museen DEUTSCH

Informationen für Neue Museen DEUTSCH euromuse.net TYPO3 Informationen für Neue Museen DEUTSCH Letzte Aktualisierung: 01.03.2012 Inhalt - Willkommen auf euromuse.net (Seite 2) - Login und Einstellungen (Seiten 3-5) - Über die Module (Seiten

Mehr

Andreas Lux 16.03.2010. Verknüpfung unterschiedlicher Modellsprachen (BPMN, UML, DSL) zur Anforderungsanalyse

Andreas Lux 16.03.2010. Verknüpfung unterschiedlicher Modellsprachen (BPMN, UML, DSL) zur Anforderungsanalyse Andreas Lux 16.03.2010 Verknüpfung unterschiedlicher Modellsprachen (BPMN, UML, DSL) zur Anforderungsanalyse Warum unterschiedliche Sprachen? Nicht alle Probleme eignen sich, um mit Standardsprachen beschrieben

Mehr

Software Engineering. Sommersemester 2012, Dr. Andreas Metzger

Software Engineering. Sommersemester 2012, Dr. Andreas Metzger Software Engineering (Übungsblatt 2) Sommersemester 2012, Dr. Andreas Metzger Übungsblatt-Themen: Prinzip, Technik, Methode und Werkzeug; Arten von Wartung; Modularität (Kohäsion/ Kopplung); Inkrementelle

Mehr

KURZANLEITUNG FÜR DIE. Installation von Nokia Connectivity Cable Drivers

KURZANLEITUNG FÜR DIE. Installation von Nokia Connectivity Cable Drivers KURZANLEITUNG FÜR DIE Installation von Nokia Connectivity Cable Drivers Inhalt 1. Einführung...1 2. Voraussetzungen...1 3. Installation von Nokia Connectivity Cable Drivers...2 3.1 Vor der Installation...2

Mehr

Künstliches binäres Neuron

Künstliches binäres Neuron Künstliches binäres Neuron G.Döben-Henisch Fachbereich Informatik und Ingenieurwissenschaften FH Frankfurt am Main University of Applied Sciences D-60318 Frankfurt am Main Germany Email: doeben at fb2.fh-frankfurt.de

Mehr

ShopBot, ein Software-Agent für das Internet

ShopBot, ein Software-Agent für das Internet Software-Agenten p.1/20 ShopBot, ein Software-Agent für das Internet Eine Einführung in (Software-)Agenten Madeleine Theile Software-Agenten p.2/20 Aufbau des Vortrags grundlegende Theorie Definition Autonomy,

Mehr

PFlow-Editor Entwicklung und Implementierung eines Modellierungswerkzeugs für ein Peer-to-Peer Production Workflow Management System

PFlow-Editor Entwicklung und Implementierung eines Modellierungswerkzeugs für ein Peer-to-Peer Production Workflow Management System PFlow-Editor Entwicklung und Implementierung eines Modellierungswerkzeugs für ein Peer-to-Peer Production Workflow Management System Fortgeschrittenenpraktikum bei Prof. Dr. Martin Wirsing vorgelegt von:

Mehr

PPC und Data Mining. Seminar aus Informatik LV-911.039. Michael Brugger. Fachbereich der Angewandten Informatik Universität Salzburg. 28.

PPC und Data Mining. Seminar aus Informatik LV-911.039. Michael Brugger. Fachbereich der Angewandten Informatik Universität Salzburg. 28. PPC und Data Mining Seminar aus Informatik LV-911.039 Michael Brugger Fachbereich der Angewandten Informatik Universität Salzburg 28. Mai 2010 M. Brugger () PPC und Data Mining 28. Mai 2010 1 / 14 Inhalt

Mehr

Funktionserweiterungen, behobene Funktionseinschränkungen und Funktionseinschränkungen, EASY Starter V1.4

Funktionserweiterungen, behobene Funktionseinschränkungen und Funktionseinschränkungen, EASY Starter V1.4 Funktionserweiterungen, behobene Funktionseinschränkungen und Funktionseinschränkungen, Inhaltsverzeichnis 1. Funktionserweiterungen... 2 1.1. Produktidentifikation... 2 1.1.1. EASY Starter lauffähig unter

Mehr

Wissensbasierte Systeme im Engineering

Wissensbasierte Systeme im Engineering Fakultät ETIT, Institut für Automatisierungstechnik, Professur für Prozessleittechnik CAE in der Prozessautomatisierung Wissensbasierte Systeme im Engineering SS 2012, 19.06.2012 Dipl.-Ing. M. Obst Prof.

Mehr

TYPO3 Version 4.5 Neuerungen für Redakteure

TYPO3 Version 4.5 Neuerungen für Redakteure TYPO3 Version 4.5 Neuerungen für Redakteure Warum das Update auf 4.5? (Die wichtigsten Features und Optimierungen) 4.5 Neuerungen für Redakteure Die Version 4.5 von TYPO3 beinhaltet einige Änderungen in

Mehr

egenix PyRun Python Runtime in einer einzigen 12MB Datei FrOSCon 2012 Sankt Augustin Marc-André Lemburg EGENIX.COM Software GmbH Langenfeld, Germany

egenix PyRun Python Runtime in einer einzigen 12MB Datei FrOSCon 2012 Sankt Augustin Marc-André Lemburg EGENIX.COM Software GmbH Langenfeld, Germany Python Runtime in einer einzigen 12MB Datei FrOSCon 2012 Sankt Augustin Marc-André Lemburg EGENIX.COM Software GmbH Langenfeld, Germany Marc-André Lemburg Geschäftsführer der egenix.com GmbH Mehr als 20

Mehr

Aktivierung der SeKA-Anmeldung

Aktivierung der SeKA-Anmeldung Aktivierung der SeKA-Anmeldung Bitte, benutzen Sie diese Methode nur, wenn Sie gerade kein Kennwort im SeKA-System erhalten haben. Wenn Sie die Aktivierung vorher schon geschafft, aber das Kennwort vergessen

Mehr

Technische Beschreibung: EPOD Server

Technische Beschreibung: EPOD Server EPOD Encrypted Private Online Disc Technische Beschreibung: EPOD Server Fördergeber Förderprogramm Fördernehmer Projektleitung Projekt Metadaten Internet Foundation Austria netidee JKU Linz Institut für

Mehr

Inhaltsverzeichnis: Definitionen Informationssysteme als Kommunikationssystem Problemlösende Perspektiven Allgemeine System Annäherung Fazit

Inhaltsverzeichnis: Definitionen Informationssysteme als Kommunikationssystem Problemlösende Perspektiven Allgemeine System Annäherung Fazit Informationssysteme Inhaltsverzeichnis: Definitionen Informationssysteme als Kommunikationssystem Problemlösende Perspektiven Allgemeine System Annäherung Fazit Definitionen: Informationen Informationssysteme

Mehr

Anpassung der SolidWorks-Umgebung auf externen Rechnern

Anpassung der SolidWorks-Umgebung auf externen Rechnern Anpassung der SolidWorks-Umgebung auf externen Rechnern Wer der Fachhochschule Kiel SolidWorks startet, arbeitet mit einer angepassten Benutzerumgebung und benutzt FH-Vorlagen für Teile, Baugruppen und

Mehr

Proseminar: Website-Management-Systeme

Proseminar: Website-Management-Systeme Proseminar: Website-Management-Systeme Thema: Web: Apache/Roxen von Oliver Roeschke email: o_roesch@informatik.uni-kl.de Gliederung: 1.) kurze Einleitung 2.) Begriffsklärung 3.) Was ist ein Web? 4.) das

Mehr

Continuous Information Quality Assessment in Stream Based Smart City Frameworks

Continuous Information Quality Assessment in Stream Based Smart City Frameworks Continuous Information Quality Assessment in Stream Based Smart City Frameworks 19. VDE/ITG Fachtagung Mobilkommunikation Osnabrück, 22.05.2014 Thorben Iggena Tel.: +49 541/969-2723 E-Mail: t.iggena@hs-osnabrueck.de

Mehr

Quality Point München

Quality Point München Quality Point München Test webbasierter Applikationen - Vorgehen, Instrumente, Probleme Gestern habe ich mich wieder über eine fehlerhafte Webanwendung geärgert. Muss das sein? Test ist halt auch hier

Mehr

Übungen zur Softwaretechnik

Übungen zur Softwaretechnik Technische Universität München Fakultät für Informatik Lehrstuhl IV: Software & Systems Engineering Markus Pister, Dr. Bernhard Rumpe WS 2002/2003 Lösungsblatt 8 10. Dezember 2002 www4.in.tum.de/~rumpe/se

Mehr

Mit dem 6. Rundbrief gelange ich mit einem Update des Zeitservers an Alle.

Mit dem 6. Rundbrief gelange ich mit einem Update des Zeitservers an Alle. Rundbrief 6 Aktuelles aus der SAS Softwarewelt. 0.1 Zeit Server Update Werte Anwender Mit dem 6. Rundbrief gelange ich mit einem Update des Zeitservers an Alle. Das Update wurde aus Kompatibilitätsgründen

Mehr

Übungen Softwaretechnik I

Übungen Softwaretechnik I Universität Stuttgart Institut für Automatisierungstechnik und Softwaresysteme Prof. Dr.-Ing. M. Weyrich Übungen Softwaretechnik I Übung 5: Objektorientierte Analyse Einführung Objektorientierung in der

Mehr

APEX URLs Suchmaschienen- und Benutzerfreundlich

APEX URLs Suchmaschienen- und Benutzerfreundlich APEX URLs Suchmaschienen- und Benutzerfreundlich Christian Rokitta themes4apex Leusden (NL) Schlüsselworte APEX, URL, Parameter, Suchmaschinen, PLSQL, Google Analytics, Restful Services Einleitung Im Vergleich

Mehr

Einführung. Information Retrieval. IR-Aufgaben. IR in Beispielen. Adhoc-Suche: Web. IR in Beispielen. Was ist IR? Norbert Fuhr

Einführung. Information Retrieval. IR-Aufgaben. IR in Beispielen. Adhoc-Suche: Web. IR in Beispielen. Was ist IR? Norbert Fuhr Einführung Information Retrieval Norbert Fuhr 13. Oktober 2011 IR in Beispielen Was ist IR? Daten Information Wissen Dimensionen des IR Rahmenarchitektur für IR-Systeme Adhoc-Suche: Web IR in Beispielen

Mehr

Softwaretechnik (Allgemeine Informatik) Überblick

Softwaretechnik (Allgemeine Informatik) Überblick Softwaretechnik (Allgemeine Informatik) Überblick 1 Einführung und Überblick 2 Abstraktion 3 Objektorientiertes Vorgehensmodell 4 Methoden der Anforderungs- und Problembereichsanalyse 5 UML-Diagramme 6

Mehr

OOD. Objektorientiertes Design. Peter Coad und Edward Yourdon. Prentice Hall Verlag

OOD. Objektorientiertes Design. Peter Coad und Edward Yourdon. Prentice Hall Verlag OOD Objektorientiertes Design Peter Coad und Edward Yourdon Prentice Hall Verlag New York, London, Toronto, Sidney, Tokio, Singapur, München, Mexiko Vorwort 9 Vorwort der Übersetzer 11 Danksagungen 13

Mehr

Programmieren Tutorium

Programmieren Tutorium Programmieren Tutorium Tom Schildhauer Tutorium 12 Universität Karlsruhe (TH) Institut für Programmstrukturen und Datenorganisation (IPD) Lehrstuhl Programmierparadigmen WS 2008/2009 c 2008 by Tom Schildhauer,

Mehr

Musterlösung zur Vorlesung Modellbasierte Softwareentwicklung Wintersemester 2014/2015 Übungsblatt 9

Musterlösung zur Vorlesung Modellbasierte Softwareentwicklung Wintersemester 2014/2015 Übungsblatt 9 Prof. Dr. Wilhelm Schäfer Paderborn, 15. Dezember 2014 Christian Brenner Tristan Wittgen Musterlösung zur Vorlesung Modellbasierte Softwareentwicklung Wintersemester 2014/2015 Übungsblatt 9 Aufgabe 1 Codegenerierung

Mehr

Generatives Programmieren

Generatives Programmieren Generatives Programmieren Seminar Produktlinien WS03/04 Tammo van Lessen 08.01.2004 Outline Einleitung Generatoren Generatives Programmieren Fazit Einleitung Industrielle Entwicklung 1826 Austauschbare

Mehr

Internet Kurs. Suchmaschinen

Internet Kurs. Suchmaschinen Internet Kurs Suchmaschinen M. Stalder Internetkurs M. Stalder 1 / 6 Suchmaschinen Suchmaschinen haben sich in letzter Zeit immer mehr zu einem unverzichtbaren Hilfsmittel entwickelt. Das Internet bietet

Mehr

EAI - Enterprise Application Integration

EAI - Enterprise Application Integration EAI - Enterprise Application Integration Jutta Mülle WS 2005/2006 EAI - Folie 1 Überblick und Begriffsbildung Zusammenfassung und Ausblick hinweise EAI - Folie 2 Conclusion EAI Enterprise Application Integration

Mehr

Einführung in die Wissensverarbeitung und Data Mining

Einführung in die Wissensverarbeitung und Data Mining Einführung in die Wissensverarbeitung und Data Mining Peter Becker FH Bonn-Rhein-Sieg Fachbereich Angewandte Informatik!" $# Vorlesung Wintersemester 2001/02 1. Einführung Vorbemerkungen 1 Einführung Vorbemerkungen

Mehr

Änderungsbasiertes Requirements Management mit agosense.requirements und Atlassian JIRA

Änderungsbasiertes Requirements Management mit agosense.requirements und Atlassian JIRA Änderungsbasiertes Requirements Management mit agosense.requirements und Atlassian JIRA REFERENT Webinar Nr. 1 26. März 2015 15 Uhr bis 16 Uhr Antonio Jesus de Loureiro antonio.loureiro@agosense.com +49.7154.99951.16

Mehr