Weiterentwicklung einer Kognitiven Systemarchitektur auf Basis von Graphtransformationen

Mit der fortschreitenden Entwicklung moderner technischer Systeme und neuen Einsatzbereichen von Automation, die bisher dem Menschen vorbehalten waren, steigen auch die Anforderungen an die Fähigkeiten der Automation. Die Entwicklung heutiger Systeme basiert darauf, jede mögliche Situation, die das System zur Laufzeit antreffen wird, zu spezifizieren und die angemessene Reaktion festzulegen. Mit der wachsenden Komplexität der angetroffenen Situationen kommt dieser Ansatz allerdings an seine Grenzen. Insbesondere in der Luftfahrt konnte in den vergangenen Jahren eine Vielzahl von kritischen Situationen und Unfällen beobachtet werden, die darauf zurückzuführen waren, dass das Verhalten der Automation nicht auf die Situation vorbereitet war und der Pilot dies nicht oder zu spät erkannte. Der Kognitive Prozess nach Onken ist ein Ansatz, höhere kognitive Fähigkeiten in die Automation zu integrieren und dadurch den Problemen, die aus der gestiegenen Komplexität folgen, Herr zu werden. COSA, die bestehende Implementation des Kognitiven Prozesses, konnte bereits in mehreren Anwendungen erfolgreich die Relevanz dieses Ansatzes nachweisen, benötigt aber viel Rechenleistung und Ressourcen und ist auf einige, strukturell bedingte, Hilfskonstruktionen bei der Umsetzung des Kognitiven Prozesses angewiesen. Im Rahmen dieser Studie wurden daher die grundlegenden Algorithmen auf die Anwendung hin optimiert und die Systemarchitektur neu implementiert. In der Darstellung der Neuimplementierung wird der Kognitiven Prozesses, das nötige Hintergrundwissen, wichtige heute existierende Optimierungsansätze und die daraus entwickelten Algorithmen zur Wissensverarbeitung, sowie die übergeordnete Systemarchitektur dargestellt. Der Fokus liegt dabei auf der Wissensverarbeitung und dort konkret auf einem effizienten Algorithmus zur Mustersuche für Produktionensysteme der auf dem RETE Algorithmus basiert. Die dazu benutzte Speicherstruktur wird mittels eines genetischen Algorithmus auf die konkrete Anwendung hin optimiert. Die Ergebnisse der ersten Untersuchungen zur Leistungsfähigkeit der Neuimplementierung und zum Einfluss der Optimierungsparameter werden erläutert und Empfehlungen für die Wahl der Parameter in der Praxis abgeleitet. Soweit uns bekannt, ist das so entstandene Produktionensystem das erste, das in der Lage ist, auf der Basis des Hintergrundwissens über die Anwendung, eine effektive Optimierung seiner Regelbasis durchzuführen und der Vergleich mit dem Vorgängersystem zeigt die angestrebte deutliche Verbesserung sowohl was das Zeitverhalten, als auch was den Speicherbedarf des Systems angeht.