Glossar zur Künstlichen Intelligenz

Künstliche Intelligenz (KI) ist eine der Schlüsseltechnologien der Zukunft, die als Querschnitttechnologie Einfluss auf alle Bereiche der Wirtschaft haben wird. Um den deutschen Mittelstand beim Aufbau, der Anwendung und Weiterentwicklung von KI-Technologien zu unterstützen, ist bei den Mittelstand 4.0-Kompetenzzentren seit Mitte 2019 das KI-Trainer Programm angesiedelt. Das Angebot der KI-Trainer des Kompetenzzentrums Planen und Bauen richtet sich, entsprechend der branchenspezifischen Ausrichtung des Kompetenzzentrums, an die KMU der Bau- und Ausbaubranche sowie an Planer und Architekten.

An dieser Stelle finden Sie ein Verzeichnis mit Erklärungen zu den Begriffen und Schlagwörtern, die wir in KI-Projekten verwenden:

 

A

Assistenzsysteme

Diese Systeme sind dazu da, Menschen bei ihren Aufgaben zu unterstützen. Sie werden häufig schon in der Produktion und Logistik eingesetzt. Ihre Anwendungsfelder werden immer weiter: von Smarten Brillen zum Fernwartungssupport bis hin zu Werkzeugen zur Entscheidungsunterstützung. Sogar Exoskelettanzüge zum Ableiten zu hoher Beanspruchungen auf den Körper des Handwerkers werden schon eingesetzt und weiter erforscht und an die Bedürfnisse angepasst. Damit soll sichergestellt werden, dass die Menschen nicht in ihrem natürlichen Arbeits- oder Bewegungsablauf gestört werden. Die Systeme selbst sollen effektiv im Hintergrund arbeiten, die Kontrolle bleibt beim Anwender.

Automatisierte Systeme
Diese Systeme können Maschinen, Roboter und Softwaresysteme sein. Sie führen einen für sie definierten Handlungsablauf automatisch und selbstständig aus. Diese Systeme weichen nie vom vorgegebenen Muster ab, daher unterscheiden sie sich von selbstlernenden Systemen.
Automatisierungsstufe
Der Grad der Automatisierung eines Systems (z. B. einer Fabrik oder eines Unternehmens) wird Automatisierungsstufe genannt. Es gibt keine festen Abstufungen, allerdings wird nach eingesetzten Systemen unterschieden, die wiederum unterschiedlich weit fortgeschritten sind. Grundsätzlich gilt: Je höher die Automatisierungsstufe, desto weniger muss der Mensch in dem System leisten. Die eingesetzten Systeme können z. B. ferngesteuert sein (niederige Automatisierungsstufe) oder vollautomatisiert (höchste Automatisierungsstufe).
Autonome Systeme
Diese Systeme sind nach einem erfolgreichen Aufbau selbstbestimmt. Das heißt, sie funktionieren unabhängig von menschlichem Einfluss. Um ihr definiertes Ziel zu erreichen, können sie sich der Situation in gewissem Maße anpassen. Um dies zu erreichen, erhalten sie Daten über ihre Umwelt über verbaute Sensoren. Alle autonomen Systeme können lernen, denn nur so können sie sich an die Umgebung anpassen. Sie nehmen wahr, regulieren sich selbst und führen Handlungen aus. Damit sind Sensorik, Aktorik und Selbstregulation in autonomen Systemen vereint.
Autonomes Fahren
Autonomes Fahren beschreibt ein selbstständig fahrendes Auto. Das System steuert das Auto und wird über Sensoren (GPS, diverse Kameras, Sensoren) mit Daten versorgt. Dadurch ist es in der Lage, alle Aufgaben des Fahrers vollständig zu übernehmen.

B

Big Data
Big Data sind große Datenmengen mit unterschiedlichen Eigenschaften. Terabyte (1000 GB) oder Petabyte (1 Mio. GB) sind hier mehr die Regel als die Ausnahme. Die anfallenden Daten haben unterschiedliche Datentypen, werden unterschiedlich schnell erhoben und haben Abweichungen in der Qualität. Das heißt, sie sind unstrukturiert und stammen aus unterschiedlichen Quellen, beispielsweise smarten Geräten. Mit Hilfe von Big Data Systemen können diese Daten abgeglichen (z. B. auf gemeinsame Muster untersucht) werden und es lassen sich dadurch neue Zusammenhänge erkennen.
Bot
Bot Computerprogramm, das weitgehend automatisch meiste einfache, wiederkehrende Aufgaben abarbeitet. Diese Bots sind in ein System integriert und “arbeiten” dort in einem relativ eng eingegrenzten Bereich. Beispiele sind Chatbots, Social Bots und Gamebots (aus: Maschinelles Lernen/Fraunhofer 2018).

C

Chatbot
Chatbots sind vergleichsweise einfache Programme, die automatisiert auf Fragen antworten können. Das heißt, sie dienen als textbasiertes Dialogsystem, welches das Chatten mit einem technischen System erlaubt. Beispiel: Auf Webseiten werden Sie häufig als “Online-Empfangsdame” eingesetzt. Sie können Kunden begrüßen, einen ersten Kontakt herstellen und Anfragen von diesen beantworten. Durch maschinelles Lernen können sich Chatbots selbst verbessern und so nach und nach personalisierte Antworten ausgeben. Sie können sogar anhand der vom Menschen genutzten Wörter dessen Stimmung interpretieren.
CPU
Die CPU (Central Processing Unit, deutsch: zentrale Prozessoreinheit) ist der Hauptprozessor (“Rechner”) eines Computers, der für die Berechnung und Steuerung aller wichtigen Vorgänge, Anfragen sowie Ein- und Ausgaben des Computers zuständig ist (aus: Whitepaper der AG1/Maschinelles und Tiefes Lernen: Der Motor für “KI made in Germany”).
Cyber Physical Systems
In Cyber-physischen Systemen sind mechanische Bauteile, Software und moderne Informationstechnik über Netzwerke (z. B. das Internet) miteinander verbunden. Das ermöglicht einen Echtzeit-Informationsaustausch, der sich durch bestimmte Systemkomponenten steuern lässt. Diese Systeme werden u. a. in der Produktfertigung und beim autonomen Fahren eingesetzt. (vgl. Whitepaper der AG1/Maschinelles und Tiefes Lernen: Der Motor für “KI made in Germany”).

D

Data Science
Data Science bezeichnet Wissensgewinn aus Daten. Dies umfasst Datenerhebung, Datenaufbereitung z. B. mit Hilfe maschinellen Lernens und die Anwendung von Modellen auf diese Daten. Durch diesen Wissensgewinn können dann z. B. Assistenzsysteme dem Handwerker bessere Lösungsvorschläge machen.
Data-Mining
Data-Mining nennt man den Einsatz von Methoden und Werkzeugen der Statistik, um eine vorhandene Datenmenge auf bestimmte Punkte hin zu analysieren. Ziel ist es, aus den Daten neue Zusammenhänge und Bedeutungen zu erhalten, die dann beispielsweise für Empfehlungen von digitalen Assistenzsystemen verwendet werden.
Datenbereinigung
Datenbereinigung nennen wir das Entfernen von Datenfehlern. Das können Doppelnamen, fehlerhafte oder unvollständige Daten z. B. aus Datenbanken sein, Formatierungsfehler etc. (vgl. Whitepaper der AG1/Maschinelles und Tiefes Lernen: Der Motor für “KI made in Germany”).
Deep Learning
Deep Learning ist eine Methode beim maschinellen Lernen. Sie basiert auf künstlichen neuronalen Netzen (KNN), die deshalb teilweise auch tiefe künstliche neuronale Netze genannt werden (eng. deep neural networks). Diese Netze umfassen eine Eingabeschicht und eine Ausgabeschicht, zwischen denen das eigentliche Netz an künstlichen Neuronen liegt. Je größer das Netz und damit die Zahl seiner Neuronen, desto schwierigere Daten und Probleme können bearbeitet werden. Deep Learning wird z. B. bei der Bild-, Sprach- und Objekterkennung eingesetzt. Von tiefen künstlichen neuronalen Netzen spricht man erst, wenn die über Netze mehr als eine Zwischenschicht verfügen.

E

Erklärbare KI
Black-Box-Modelle, wie insbesondere tiefe künstliche neuronale Netze, sind für Menschen nicht nachvollziehbar. Auch die Programmierer können nicht nachvollziehen, wie genau ihre KI zu den Ergebnissen gelangt. Der Ergebnisse sind aber – sofern die Rahmenbedingungen stimmen – richtig bzw. halten einer Kontrolle stand. Die erklärbare KI sucht nach Möglichkeiten, die versteckte Logik oder die einzelnen Ausgaben besser nachvollziehbar oder erklärbar zu machen (aus: Maschinelles Lernen/Fraunhofer 2018).
Expertensysteme
Expertensysteme sind Systeme, die geprüftes Wissen zu einem speziellen Gebiet enthalten und zugeführt bekommen, z. B. durch erfahrene Mitarbeiter im Betrieb. Mit dem hinterlegten Wissen kann das System zu einem Problem automatisch Lösungen vorschlagen, die dann auch von weniger qualifizierten Mitarbeitern umgesetzt werden können. Diese Systeme bieten sich insbesondere als Ergänzung zum Wissenstransfer in Handwerksbetrieben an.

I

Interaktion
Interaktion ist ein Forschungsfeld der KI, das sich mit u. a. multimedialen, benutzerorientierten Modellierungen von Anwendungen beschäftigt. Ziel ist es, eine möglichst gute Kommunikation zwischen Mensch und Maschine zu ermöglichen.
Internet der Dinge (Internet of Things, IoT)
Internet der Dinge (Internet of Things, IoT) bezeichnet die Vernetzung smarter Werkzeuge, Geräte und Maschinen. Durch die verbauten Sensoren erfassen die Geräte Daten, die sie untereinander teilen und verarbeiten oder auch in Datenbanken abspeichern können. Die entstehenden großen Datenmengen lassen sich z. B. als Grundlage für lernende Systeme nutzen.

K

Klassische/traditionelle Lernverfahren
Zu den klassischen oder traditionellen Lernverfahren gehören symbolische Verfahren und ältere statistische Verfahren. Diese stehen im Gegensatz zu den neueren Verfahren wie Maschinenlernen und tiefe neuronale Netze (vgl. Maschinelles Lernen/Fraunhofer 2018).
Korpus
Sammlung von Daten und Algorithmen, aus denen durch Methoden der Künstlichen Intelligenz Informationen abgeleitet werden.
Künstliche Intelligenz (KI)

Eine allgemein akzeptierte Definition zu Künstlicher Intelligenz (KI) gibt es nicht. KI ist ein Teilgebiet der Informatik. Sie hat das Ziel, Technologien zu entwickeln, die es Computern und Maschinen erlauben, “intelligent” zu agieren.

KI-Systeme können mit Hilfe von Daten ihnen gestellte Aufgaben eigenständig lösen, sich an eine Situation anpassen und mit anderen Geräten kommunizieren. Der Begriff KI beschreibt auch Systeme, die ein “Verhalten” zeigen, das eine Intelligenz nahelegt.Mit Hilfe von Algorithmen lernt eine KI also, Denkprozesse zu simulieren. Das heißt, ein Problem erkennen, aus Fehlern zu lernen und das Problem lösen zu können.Künstliche Intelligenz beinhaltet folgende Forschungsfelder:

  • Problemlösen
  • Wissensrepräsentation und Schlussfolgern
  • Unsicherheit und Schlussfolgern
  • Maschinelles Lernen
  • Wahrnehmung und Sehen
  • Verstehen und Generieren von natürlicher Sprache
  • Interaktion
  • Robotik

Der Begriff KI beschreibt auch Systeme, die ein “Verhalten” zeigen, das eine Intelligenz nahelegt. KI-Anwendungen können in einem sehr begrenzten Rahmen Intelligenz und Schnelligkeit demonstrieren, die der menschlichen überlegen ist. Eine generelle KI, die weiter gefasst ist, arbeitet noch weit unter dem Niveau einer menschlichen Intelligenz. KI-Systeme können mit Hilfe von Daten ihnen gestellte Aufgaben eigenständig lösen, sich an eine Situation anpassen und mit anderen Geräten kommunizieren. Theoretisch wird dazu nach dem Input auch kein Mensch mehr benötigt, wenn das System vollautomatisiert arbeiten kann.Die Lernfähigkeit der Systeme wurde bereits zu Beginn der KI-Forschung als grundlegende kognitive Fähigkeit definiert. Es ist jedoch schwierig, abschließend zu bestimmen, was als „intelligent“ gilt. Abhängig vom jeweiligen Stand der Technik entwickelte sich daher stets das Verständnis darüber weiter, was als KI bezeichnet wird.

Künstliches neuronales Netz (KNN)
Künstliche neuronale Netze sind Modelle des maschinellen Lernens, die grob der Funktionsweise der Neuronen des menschlichen Gehirns nachempfunden sind. Sie bestehen aus in Software realisierten Schichten von Knoten, die als künstliche Neuronen bezeichnet werden. Die einzelnen Verbindungen zwischen den Neuronen haben eine Gewichtung, die aussagt, was richtig und hilfreich auf dem Weg zur Lösung ist und was nicht. Während des Trainingsprozesses mit großen Datenmengen werden die künstlichen Neuronen angepasst, so dass die Ergebnisse immer besser werden. Bei einer sehr hohen Anzahl von Schichten, auch Deep Learning genannt, können auch sehr komplexe Muster abgebildet und erkannt werden.
KI-Trainer
KI-Trainer helfen kleinen und mittelständischen Unternehmen (KMU), auch fortschrittliche Technologien wie KI im Rahmen der Digitalisierung gewinnbringend für sich zu nutzen. Angesiedelt an den Mittelstand 4.0 Kompetenzzentren, sind sie Ansprechpartner für Ihre Fragen rund um das Thema KI, insbesondere der Nutzung von KI-Methoden und -Anwendungen in KMUs. Im Rahmen von Workshops, Unternehmensbesuchen, Vorträgen und Roadshows vermitteln sie Ihnen und Ihren Mitarbeitern die KI-Kompetenzen, die Sie brauchen, um Ihr Unternehmen zukunftssicher zu machen! Das Angebot der KI-Trainer des Kompetenzzentrum Planen und Bauen umfasst neben KI-Sprechstunden, die einen ersten Kontakt zwischen den Trainern und Unternehmen ermöglichen, auch Vorträge und Webinare rund um das Thema KI im Planen und Bauen. Darüber hinaus wird das Angebot durch KI-Checks, die Konzeption und Umsetzung von KI-Demonstratoren sowie die Unterstützung bei konkreten Umsetzungsprojekten ergänzt.

L

Lernende Systeme
(Selbst-)Lernende Systeme sind Maschinen, Roboter oder Softwaresysteme, die ausgehend von einer Datenbasis selbstständig lernen und Aufgaben erledigen können, ohne dafür extra programmiert zu werden. Dazu setzen sie sogenannte Lernalgorithmen ein, die Modelle anhand der Daten immer schneller und besser lösen lernen. Dadurch verbessern sie bei jedem Durchlauf das Modell und können im laufenden Betrieb lernen. Sie basieren auf der KI-Methode des maschinellen Lernens und sind auch dank Deep Learning einer der wichtigsten Forschungsbereiche.

M

Model Checking

Verfahren zur automatischen, regelbasierten Verifikation eines Bauwerksmodells (BIM) gegen eine Spezifikation, wie z.B. Normen und Richtlinien, Kundenanforderungen.

Machine-to-Machine (M2M)-Kommunikation
Machine-to-Machine (M2M)-Kommunikation beschreibt die Kommunikation zwischen zwei Maschinen.
Maschinelles Lernen
Maschinelles Lernen ist eine grundlegende Methode im Feld der Künstlichen Intelligenz (KI). Die Methode wird angewendet, wenn Maschinen ohne darauf ausgerichtete Programmierung bestimmte Ergebnisse liefern sollen. Durch Lernalgorithmen errechnen die KI-Systeme Modelle aus den vorliegenden Daten, von denen sie zu einer Lösung gelangen. Dieser Schritt wird dann mit den Informationen über den richtigen Lösungsweg wiederholt, sodass sich dieser stets etwas verbessert. Diese Modelle können dann auch erfolgreich auf zuvor unbekannte Daten angewandt werden. Maschinelles Lernen mit großen/tiefen neuronalen Netzen wird als Deep Learning bezeichnet. Maschinelle Lernverfahren kommen zum Einsatz beim Data Mining, beim Generieren von Smart Data und in praktisch allen modernen KI-Systemen.
Mensch-Maschine-Interaktion
Mensch-Maschine-Interaktion ist der Austausch von Aktionen und Informationen zwischen Mensch und Maschine über eine entsprechende Schnittstelle (User Interface). Gute Schnittstellen zeichnen sich durch Benutzerfreundlichkeit (Usability) und eine hohe Nutzerzufriedenheit (User Experience) aus.
Multimodales-Lernen
Beim multimodalen Lernen werden Eingabesignale von unterschiedlichen Quellen (wie Audio- und Bildsignale) herangezogen und in Zusammenhang gebracht, um darauf aufbauend eine passende Aktion zur Bewältigung der Aufgabe abzuleiten (aus: Maschinelles Lernen/Fraunhofer 2018).

P

Problemlösen
Problemlösen ist eines der Forschungsfelder von KI. Bestimmte Aufgaben (z.B. Schach) lassen sich durch eine Handlungsabfolge beschreiben, die zum Ziel führt. Jede Aktion ändert den aktuellen Zustand. Ziel des Problemlösen ist es, eine Reihenfolge der Aktionen und Zustände zu finden, die von Start zu Ziel führt.

R

Roboter/Robotik
Ein Roboter ist ein System, das dem Menschen Arbeit abnimmt. Allerdings werden nur solche Maschinen als Roboter bezeichnet, die körperliche Arbeit verrichten. Zur Steuerung von Robotern wird immer häufiger KI eingesetzt, teils arbeiten solche gesteuerten Roboter auch mit Menschen zusammen (“CoBots”). Die Robotik ist ein Forschungsfeld der KI mit dem Ziel, Roboter zu entwickeln, die in einem gegebenen Rahmen selbstbestimmt mit der physischen Welt interagieren können.

S

Schwache KI
Schwache KI beschreibt Systeme, die in einem spezifischen, eng definierten Kontext scheinbar intelligent agieren und dort sogar menschliche Fähigkeiten übersteigen können. Beispielsweise kann eine schwache KI besser als jeder Mensch Schach spielen, oder auch Produktempfehlungen basierend auf dem Kaufverhalten des Kunden geben. Sämtliche bis heute verfügbare Künstliche Intelligenz fällt unter schwache KI zu definieren. Das Gegenmodell ist die starke KI.
Selbstregulation
Selbstregulation ist die Fähigkeit von autonomen Systemen, sich an die Umgebung oder das Verhalten von Menschen anzupassen. Dabei können sie sogar eigene Aktionen korrigieren. Neben Aktorik und Sensorik ist Selbstregulation eine der drei Hauptkomponenten von autonomen Systemen.
Sensoren
Sensoren sind technische Bauteile, die bestimmte Eigenschaften und/oder die stoffliche Beschaffenheit ihrer Umgebung erfassen. Über elektrische Signale können sie mit anderen Geräten kommunizieren und diese Informationen weitergeben. Neben Aktorik und Selbstregulation ist die Sensorik eine der drei Hauptkomponenten von autonomen Systemen.
Smart Data
Smart Data sind Datenbestände, die mit Hilfe von (Lern-)Algorithmen aus sehr großen Datenmengen (Big Data) extrahiert wurden und sinnvolle Informationen enthalten.
Social Bots
Social Bots sind Softwaresysteme, die auf Lernenden Systemen basieren. Sie können als menschenähnliche Akteure mit Menschen auf digitalen Plattformen kommunizieren. Sie werden vor allem in sozialen Netzwerken und Chat-Programmen eingesetzt.
Soft Bots (Software Roboter)
Computerprogramm, das selbstständig Aufgaben in einer virtuellen Umgebung ausführt. Es archiviert z. B. Dateien oder indexiert Webseiten (Web Bot). Das Programm nimmt dazu Informationen auf, analysiert sie und interagiert mit anderen Programmen oder auch mit Menschen (Chat Bot bzw. Social Bot).
Sprachassistenzsysteme
Sprachassistenzsysteme sind Softwaresysteme, die mittels Spracherkennung und -analyse die Anweisungen des Anwenders aufnehmen. Dadurch bilden sie die Schnittstelle bei der Mensch-Maschine-Interaktion. Moderne Sprachassistenten können Fragen beantworten und sogar Dialoge führen. Sie werden oft als Intelligenter Persönlicher Assistent (IPA) bezeichnet.
Starke KI
Starke KI bezeichnet KI-Systeme, die mindestens über menschenähnliche Intelligenzleistung in allen Bereichen und nicht nur in eng definierten Anwendungsfeldern (schwache KI) verfügen. Eine starke KI existiert noch nicht und ist damit nur ein hypothetischer Fall. Allerdings wäre eine solche starke KI dem intelligentesten Menschen weit überlegen, aufgrund der Möglichkeit des Lernens gepaart mit extrem schneller Datenverarbeitung. Aus diesem Grund wird sie als ein Kernelement für die Realisierung der technologischen Singularität gesehen. Ein solches Ereignis würde zu unvorhersehbaren Veränderungen der menschlichen Zivilisation führen.
Symbolische Modelle
In symbolischen Modellen sind die Merkmale der Beispiele und die erlernten Zusammenhänge explizit und nachvollziehbar repräsentiert. Beispiele sind logische Regeln, Entscheidungsbäume und Wissensgraphen (aus: Maschinelles Lernen/Fraunhofer 2018).

T

Trolley-Problem
Das Trolley-Problem ist ein philosophisches Gedankenexperiment, das eine Dilemma-Situation beschreibt. Darin führen beide Wahlmöglichkeiten zu einem unerwünschten Ergebnis. Ziel ist, zu ergründen, wie aktive und passive Handlungen von Menschen bewertet werden und von einer KI bewertet werden sollten. Das typische Szenario ist wie folgt: Eine führerlose Straßenbahn (engl.: trolley) rast auf fünf am Gleis arbeitende Menschen zu und kann nicht gestoppt werden. Durch die aktive Umstellung einer Weiche könnte die Bahn auf ein anderes Gleis umgeleitet werden, auf dem "nur" eine Person arbeitet. Ziel ist es, zum Nachdenken über ethische Fragestellungen anzuregen. Besonders vor dem Hintergrund des autonomen Fahrens sind solche Fragen wichtig. Dies gilt besonders dann, wenn Entscheidungen durch eine KI getroffen oder unterstützt werden, da für solche Fälle Regeln geschaffen werden müssen. Dabei ist das Problem, dass die gleiche Situation von Menschen weltweit unterschiedlich bewertet wird. (vgl. https://www.nature.com/articles/s41586-018-0637-6)
Turing-Test
Vom britischen Mathematiker Alan Turing entwickelter Test, um festzustellen, ob eine Maschine als intelligent zu bewerten ist. Ein menschlicher Fragesteller kommuniziert dabei über eine Tastatur mit einem menschlichen Gesprächspartner und einer Maschine. Kann er am Ende nicht sagen, welcher Gesprächspartner die Maschine ist, gilt diese als intelligent.

U

Unsicherheit und Schlussfolgern
Dieses Forschungsfeld der KI befasst sich mit dem Umfang von Unsicherheiten und Wahrscheinlichkeiten. Diese sind vor allem für probabilistische Modelle oder Entscheidungstheorie relevant, die einer KI zugrunde liegen.

V

Verstärkendes Lernen
Verstärkendes Lernen ist ein Prozess, bei dem ein Lernendes System Entscheidungen trifft, auf deren Basis es anschließend handelt. Dazu verwendet es einen Algorithmus, der lernt die Erfolgsaussichten der einzelnen Aktionen in den verschiedenen Situationen besser einzuschätzen. Für die gewählten Aktionen erhält es positives oder negatives Feedback. Ziel des Systems ist, möglichst viel positives Feedback zu erhalten.
Verstehen und Generieren von natürlicher Sprache
Verstehen und Generieren von natürlicher Sprache ist ein Forschungsfeld der KI, das darauf abzielt, Maschinen menschliche Sprache besser erfassen und verarbeiten zu lassen. Dadurch soll sich die Kommunikation zwischen Mensch und Maschine verbessern. Damit wiederum erhalten Informationen eine höhere Qualität und Relevanz, sodass z. B. Planungsfehler minimiert werden.

W

Wahrnehmung und Sehen
Die Erkennung von Objekten ist ein Forschungsfeld der KI. Dabei kommt es vor allem auf die Fähigkeit an, Formen zu identifizieren und diese verlässlich voneinander abgrenzen zu können. Auch Mustererkennung dient diesem Zweck. Die Fähigkeit, visuelle Informationen zu verarbeiten, ist eine Grundbedingung für viele automatisierte Prozesse. Mithilfe von Regeln und Algorithmen werden Bilder und andere sensorische Eingaben verarbeitet und interpretiert oder bei Bedarf auch erstellt und ausgegeben.
Wissensrepräsentation und Schlussfolgern
Ziel dieses KI-Forschungsfeldes ist es, Wissen über die Welt (von Menschen) für eine Maschine so darzustellen, dass diese ein System es für die Lösung komplexer Aufgaben nutzen kann. Das kann beispielsweise eine Diagnose zu einer Krankheit sein oder ein Dialog in natürlicher Sprache mit einem Menschen führen. Besonders im Wissensmanagement in Betrieben können sogenannte Expertensysteme aufgebaut und mit teils großem Mehrwert genutzt werden.