Vom Erfahrungswissen zum Expertensystem

Erfahrene Menschen erkennen oft früh, dass etwas nicht stimmt. Sie sehen eine unstimmige Zahl, hören eine riskante Formulierung oder merken, dass ein Fall nicht in die übliche Kategorie passt. Dieses Urteil wirkt manchmal intuitiv, ist aber selten grundlos. Dahinter liegen beobachtete Muster, Ausnahmen, Folgen und über Jahre geschärfte Prioritäten. Ein Expertensystem beginnt nicht mit dem Versuch, eine Person zu kopieren. Es beginnt damit, einen begrenzten Ausschnitt dieser Entscheidungsarbeit sichtbar und überprüfbar zu machen.

Erfahrung ist mehr als eine Sammlung von Regeln

Fachleute handeln nicht wie ein starres Wenn-dann-Programm. Sie berücksichtigen Reihenfolge, Kontext und Wechselwirkungen. Eine Regel, die im Normalfall trägt, kann bei einer bestimmten Kundengruppe, einem fehlenden Nachweis oder einer hohen Schadensfolge ungeeignet sein. Deshalb scheitert Wissensautomatisierung, wenn sie nur einzelne Merksätze sammelt.

Erfahrung enthält mindestens vier Schichten: erkennbare Signale, eine begründete Regel, bekannte Ausnahmen und einen Maßstab für die Folgen eines Irrtums. Erst ihr Zusammenspiel erklärt, warum dieselbe Beobachtung in zwei Fällen zu unterschiedlichen Entscheidungen führen kann.

Das Ziel ist also keine vollständige Enzyklopädie des Fachgebiets. Gesucht wird ein kleiner Entscheidungsraum, dessen Eingaben, Regeln, Grenzen und Ergebnisse so klar sind, dass Fachleute ihn prüfen und andere Menschen ihn anwenden können.

Beginne mit einer Entscheidung, nicht mit einem Berufsbild

„Baue einen digitalen Experten“ ist kein bearbeitbarer Auftrag. Besser ist eine konkrete Frage: Ist dieses Briefing bereit für die nächste Phase? Welche von drei Kategorien passt zu diesem Fall? Welche Information fehlt vor einer Empfehlung? Ein guter Ausschnitt hat einen erkennbaren Auslöser und ein begrenztes Ergebnis.

Formuliere zunächst, wer die Entscheidung nutzt und welche Handlung davon abhängt. Danach werden die notwendigen Eingaben bestimmt. Alles, was interessant, aber nicht entscheidungsrelevant ist, bleibt außerhalb. Diese Begrenzung schützt vor einem System, das allgemein klingt und in keinem Fall zuverlässig hilft.

Auch das Ergebnis braucht eine feste Form. Es kann eine Einordnung mit Begründung, eine Liste fehlender Angaben, ein Risikosignal oder die Weitergabe an eine Fachperson sein. „Antwort erzeugen“ ist kein ausreichender Output. Das Ergebnis muss eine sinnvolle nächste Handlung ermöglichen.

Beispiele zeigen den Normalfall, Gegenbeispiele die Grenze

Eine Regel bleibt abstrakt, bis sie an Fällen sichtbar wird. Ein positives Beispiel zeigt Eingabe, relevante Beobachtung, angewandte Regel und begründetes Ergebnis. Es erklärt nicht nur, was entschieden wurde, sondern woran die Entscheidung hing.

Noch wertvoller sind Gegenbeispiele. Sie sehen dem Normalfall ähnlich, dürfen aber nicht zum gleichen Ergebnis führen. Vielleicht fehlt ein zwingender Nachweis, eine scheinbar kleine Ausnahme verändert das Risiko oder zwei Angaben widersprechen sich. Solche Fälle verhindern, dass ein System oberflächliche Ähnlichkeit mit fachlicher Gleichheit verwechselt.

Ein gutes Wissensmodul enthält deshalb mindestens einen typischen Fall, einen schwierigen Grenzfall und einen unzulässigen Fall. Der Grenzfall zeigt, wann zusätzliche Prüfung nötig ist. Der unzulässige Fall zeigt, wann das System stoppen muss. Erst diese Kontraste geben einer Regel Kontur.

Jede Regel braucht einen Gültigkeitsbereich

Regeln werden gefährlich, wenn sie ohne Bedingungen zirkulieren. Zu jeder Fachregel gehören Voraussetzungen: Für welche Situation, Datenqualität, Zielgruppe und Zeitspanne gilt sie? Welche Faktoren setzen sie außer Kraft? Wer darf eine Ausnahme bestätigen?

Der Gültigkeitsbereich muss nicht kompliziert formuliert sein. Oft reichen vier Felder: gilt wenn, gilt nicht wenn, unsicher wenn und erneut prüfen ab. Dadurch wird sichtbar, dass Wissen einen Zustand besitzt. Eine bewährte Regel kann durch neue Vorgaben, veränderte Produkte oder andere Rahmenbedingungen veralten.

Ausnahmen sollten nicht als Fußnote behandelt werden. Wenn eine Ausnahme häufig auftritt, ist sie möglicherweise eine eigene Fallklasse. Wenn sie selten, aber folgenreich ist, braucht sie ein deutliches Eskalationssignal. Das System wird nicht durch möglichst viele Regeln robust, sondern durch klare Übergänge zwischen Regel, Ausnahme und menschlichem Urteil.

Sprachmodell und deterministische Logik haben verschiedene Rollen

Sprachmodelle sind stark darin, unstrukturiertes Material zu lesen, Informationen zu extrahieren, Rückfragen zu formulieren und Begründungen verständlich darzustellen. Sie sind weniger geeignet, verbindliche Regeln jedes Mal exakt gleich anzuwenden oder allein zu beurteilen, ob eine harte Grenze überschritten wurde.

Eine belastbare Architektur trennt deshalb Interpretation und Entscheidung. Das Modell kann Angaben aus einem Text in ein festes Schema übertragen. Eine deterministische Regel prüft Pflichtfelder, Schwellenwerte oder unzulässige Kombinationen. Anschließend kann das Modell das Ergebnis erläutern – ohne die Regel heimlich neu zu erfinden.