Für die Klausur werden alle Hilfsmittel erlaubt; überschätzt den Nutzen nicht !

Kapitel 1: Einführung in die KI

• Wissen: einige Definitionsversuche und Charakterisierungen
• Wissen: Anwendungsgebiete (grobe Zielsetzung, Probleme, Ansätze) und Techniken (grobe Beschreibung)
• Können: Abschätzung der Sinnhaftigkeit von KI-Methoden für bestimmte Probleme

• Wissen: Zielsetzung, Grundcharakteristika, Verwendungsgebiete, Funktionsspektrum, Systemkomponenten und ihr Zweck, Methodenüberblick
• Können: Abschätzung der Notwendigkeit und der Machbarkeit von XPS-Methoden in bestimmten Problemsituationen

• Wissen: Darstellung von Problemen als Suche
• Wissen: Grundidee, Zusammenhang und Grobcharakterisierung der behandelten Suchverfahren: Breitensuche, Tiefensuche, schrittweises Vertiefen, Bestensuche, A*, Gradientenmethode, Simulated Annealing
• Wissen: Begrifflichkeiten Heuristik, Vollständigkeit von Suchverfahren, zulässige Heuristiken, Güte von Heuristiken, Eigenschaften von A*
• Wissen: Bergsteigermodell für kombinatorische Optimierungsprobleme, Beispielprobleme, Problem mit heuristischen Suchverfahren
• Können: Problemformulierung als Suchproblem, Durchführung einfacher Suchverfahren, Durchspielen kompexer Verfahren nach Vorgabe

• Wissen: Grundidee der Wissensdarstellung und Wissensnutzung mit Constraints, Darstellung als Constraintgraph, Nutzung für die Suche, mögliche Einsatzgebiete, Idee der Constraintpropagierung, Klassifizierung von Optimierungsmöglichkeiten, Ansatzpunkte und Grundidee für Optimierungen (Kantenkonsistenz, forward checking, Heuristiken für Variablenauswahl und Werteauswahl: most constrained variable heuristics / least constrained variable heuristics)
• Können: Probleme als Constraintgraph darstellen oder gegebene Constraints formalisieren
• Können: Constraintpropagierung durchführen
• Können: Constraintprobleme nach Vorgabe als Suchproblem lösen

• Wissen: Grundidee und beispielhafter Einsatz von Vorwärtsregeln, konkretes Beispiel des OPS5-Interpreters, Datenelemente und Regeln, Matching, Aktionen, Recognize-Select-Act Cycle, Konfliktlösung in OPS5
• Können: einfache OPS5-Programme verstehen und ihre Funktion beschreiben, nach Vorgabe OPS5-Programme schreiben, Modifikation gegebener OPS5-Programme, Programmlauf durchspielen mit gegebener Konfliktlösestrategie

• Wissen: Syntax und Semantik der Aussagenlogik, Modelle, Erfüllbarkeit, Allgemeingültigkeit, Tautologien, semantische Äquivalenz, Umformungsregeln, Literale und Normalformen
• Können: Beschreibung gegebener Sachverhalte in Aussagenlogik
• Können: Semantik komplexer Aussagen durch Wertetabellen bestimmen, Umformungsregeln anwenden, Allgemeingültigkeit durch Wertetabelle oder Umformungen beweisen, Ableitung der Normalform aus der Wertetabelle
• Wissen: semantische Folgerung, Satz 4.1. von Socher mit seinen Implikationen, Klauseln und Klauselform und ihr Zweck, Resolvente und Bedeutung, Resolution als Verfahren und ihr Zweck, Vollständigkeit und Korrektheit der Resolution
• Können: Beweis der Folgerung durch Wertetabelle, Darstellung aussagenlogischer Formeln als Klauselmenge, eine / alle Resolventen finden, einen aussagenlogischen Resolutionsbeweis durchführen
• Wissen: Unzulänglichkeiten der Aussagenlogik, Steurerungsproblem bei Resolutionsbeweisen
• Wissen: Übergang von der Aussagenlogik zur Prädikatenlogik erster Ordnung, Unifikation als zusätzlicher Schritt bei der Resolution, Grenzen der PL1
• Können: einfache Sachverhalte in PL1 formulieren
• Können: Unifikationsalgorithmus durchspielen
• Können: Resolventen in der PL1 bestimmen
• Wissen: Prolog als Programmierung mit Hornklauseln, Grundvorgehen eines rückwärtsverkettenden Regelinterpreters, Implementierung der Resolution in Prolog, fehlender Occur Check, Implementierungsunvollständigkeit bei Prolog, Cut, Prolog-Charakteristika für die KI-Programmierung, Vergleich Prolog-OPS5, Vergleich Prolog-PL1, Unzulänglichkeiten der PL1 für die Wissensrepräsentation
• Können: Verstehen und Beschreiben einfacher Prolog-Programme, Modifikation nach Vorgabe, Durchspielen der Anfrageverarbeitung, Rekursion z.B. für mathematische Probleme nach Vorgabe nutzen, Symbolverarbeitung und Mustererkennung nach Vorgabe einsetzen, außerlogische Konstrukte (assert, retract, cut) und Interpretereigenschaften (Reihenfolgeabhängigkeit und Tiefensuche) beschreiben und ihren Einsatz verstehen können, einfache Sachverhalte in Prolog umsetzen können

• Wissen: Motivation und Darstellungsgrundvorrat von Frames und Semantischen Netzen, Nutzung in komplexen Systemen und Anfragemöglichkeiten, Zusammenhang von Repräsentationsmechanismen (Frames und Netze, Netze und PL1/Prolog)
• Können: Sachverhalte in Frames / mit semantischen Netzen beschreiben können, semantische Primitive sinnvoll einsetzen, Sachverhalte differenziert zerlegen, Einsatzmöglichkeiten von if-added / if-needed / if-removed Dämonen  erkennen, Fragebeantwortung in Frame-/Netz-Darstellungen simulieren

• Wissen: Quellen und Klassen von Unsicherheit und Vagheit, Einsatzbeispiele in XPS
• Wissen: Theorem von Bayes als statistisches Modell, Nutzungsmöglichkeit, Intuition, Grenzen und Probleme, Voraussetzungen (Vollständigkeit und Disjunktheit der Diagnosenmenge)
• Können: natürlichsprachlich oder tabellarisch beschriebene Sachverhalte für den Einsatz des Satzes von Bayes formalisieren und die Formel von Bayes sinnvoll anwenden, Interpretation des Ergebnisses, Anwendbarkeit prüfen
• Wissen: Sicherheitsfaktoren als pragmatische Lösung, Grundidee und Motivation, Darstellung, Verwendung in Regelsystemen, Verrechnungsschema, Interpretation
• Können: Beispielrechnung für die Einbettung in Regelsysteme
• Wissen: Fuzzy-Ansätze für die Darstellung vager Begriffe / Sachverhalte, Fuzzy-Zugehörigkeitsfunktion, Verrechnungsschema, Idee der Fuzzy-Steuerung
• Können: Einsatzmöglichkeiten für Fuzzy-Technik erkennen, mögliche Membership-Funktionen angeben

• Wissen: Grundbegriffe der Diagnose und ihr Zusammenhang, Beschreibungsrahmen für die wesentlichen Begriffe, Fehlersuchpläne als prozedurale Variante (Idee und Interpretation, Implementierungsansatz, Problempotential), Interpretationszyklus und Architekturmodell der modellorientierten Diagnose, Zusammenhang zwischen Formelauswertung und Suchsteuerung, Funktionalität von Erklärungskomponenten
• Können: geeignete Implementierungsansätze oder Optimierungen erkennen, Erweiterungen mit vorgestellten oder neuen Techniken durchdenken können