witscore

Entwicklungsstand

Wir können gegenwärtig nur Modelle und Verfahren dokumentieren, die über die letzten Jahre an Experimenten entwickelt wurden. Für die Realisierung ist der Einsatz systemnaher Programmierung nötig, die wir in Form und Umfang nicht leisten können.
Bisherige Versuche einer Prototypen-Entwicklung bei entsprechend angepasster Verfahrensweise waren zu langsam und wurden dann nicht weiter verfolgt.

Einschränkungen

Entscheidungen werden aus den Relevanzen von Regeln summiert. Je umfassender und stimmiger ein Sachstand ist, umso zutreffender ist das Ergebnis. Fehlerhafte oder unvollständige Daten führen zu falschen oder unterbewerteten Einschätzungen. Steht die Allgemeingültigkeit einer Regel durch einen fehlerhaften Datensatz in Zweifel, wird sie nicht nur unzureichend angewendet.

Das System hält sich im Erkenntnisprozess außerdem mit der Differenzierung auf, unter welchen Bedingungen die Regel zutrifft, wenn sie nur ein Mal unter 1000 nicht gilt.
Das System erkennt regelwidrige Datensätze allerdings und stellt sie beim Datenverwalter in Frage.

Daten sind im IDRS viel genauer beschrieben, denn jeder für die Erfassung des Sachstands nötige Aspekt sollte vertreten sein. Der Aufwand für den Erkenntnisprozess potenziert sich mit dem Datenaufkommen, weil eine multidimensionale Datenverfolgung nötig ist. Einerseits reduziert der Prozess das Datenaufkommen, erhöht ihn aber im selben Zug durch die Einbringung der Regeln.

Ziel

Wir wollen die Technologie in erster Linie zu der Marktrelevanz führen, die ihr entspricht.
Da sie selbst kein unmittelbares Produkt darstellt, findet sich auch niemand, der sie einsetzen will. Wir suchen zum Beispiel die Partnerschaft mit einem Systemhaus, das die Potentiale erkennt und dazu eine Engine entwickeln will.

Durch Elimination der den Regeln zugrunde liegenden Daten ist eine erhebliche Verdichtung möglich. Sie basiert auf allen vorgefundenen Sachzusammenhängen und ist damit klarerweise effizienter, als bisherige Datenkompressions-Technologien, die nur vom Entwickler angesetzte Logik auf die Daten anwenden. Damit wird der anfänglich etwas höhere Platzbedarf mehr als kompensiert, der dadurch entsteht, dass die Daten in der IDRS-Umgebung viel exakter beschrieben sind.

Die Ermittlung von Mustern und das Herausbilden von Gesetzmäßigkeiten sind Teil des Aufgabenspektrums wissenschaftlicher Untersuchungen, die gegenwärtig mathematisch vorgenommen werden. Für die Entwicklung des IDRS-Systems wurde auf den mathematischen Ansatz verzichtet. Während es in der Entwicklung neuronaler Netze möglich und nötig ist, die Relevanzwerte aller Assoziationen in einen Formelkomplex zu überführen, entsprechen die bestehenden mathematischen Modelle den noch grundlegenderen Logikgesetzen der IDRS-Struktur nicht vollständig. Die Dokumentation der Technologie stützt sich — wie die Technologie selbst auch — auf den informellen Aspekt der Daten und nicht auf deren Wertigkeit.

Da die im IDRS-System entstehenden Logikmuster durch Menschen lesbar und nachvollziehbar sind, ist es in der Lage, faktische Problemlösungen für beliebige, auch mathematische Gegenstände anzubieten. Während sich die Logik des IDRS-Systems ohne Abstraktion nicht mathematisch formulieren lässt, gelingt es in einem IDRS-System sehr wohl, mathematische Sachzusammenhänge abzubilden und zu behandeln. Die Ansätze sind grundlegender, simpler und umfassender und darum auf beliebige Informationsinhalte anwendbar.

Mit dieser Auslage sind die Dateninhalte eine IDRS-Struktur prinzipiell von jedem Menschen zu verstehen. Da die gefundenen Lösungsstrukturen aber auch maschinenlesbar sind, kann es sie selbst in Programmcode formulieren, also Problemlösungen programmieren. An dieser Stelle spielt sich der nicht-mathematische Ansatz aus. Es wird dabei sehr effizienter und dichter Programmcode entstehen.

Das IDRS-System ist keine Rechenmaschine. Selbst einfache Rechenoperationen muss es erst auf Basis von Erfahrungswerten zu den Strukturen formen, die es zur Lösung heranziehen kann. Weil aber die Bedeutung jedes Aspekts in der Struktur bekannt ist, kann sie vom Computersystem mit Berechnungsergebnissen ergänzt werden, in diesem Bereich arbeitet es effizienter. In neuronalen Netzen ist diese Kooperation nicht möglich, weil unklar ist, an welcher Position in der Struktur ein berechneter Wert einzusetzen ist und in welcher Form. Es scheitert bereits am Auffinden der Eingangsparameter.

Das IDRS-System kann sich hiermit als Hintergrund (Backend) für die reguläre Form der Datenverarbeitung darstellen, eine neue Art Datenbanksystem, das nicht nur wie die bisherigen in der Lage ist, Datenabfragen zu beantworten, Daten zu modifizieren, hinzuzufügen und zu warten. Es verfügt auch über die Fähigkeit, fehlende Datenbestandteile am Sachstand zu ergänzen, also unvollständige Eingangsdatensätze zu vervollständigen oder komplette aber fehlerhaft abgegebene Datensätze beim Anwender begründet zu reklamieren, weil sie nicht ins Bild passen.

Es mag sich als unbilliger Aufwand darstellen, alle Daten so klar zu beschreiben. Es kann aber weder von Menschen noch von Maschinen intelligente Verarbeitung erwartet werden, wenn die zugrunde liegenden Informationen dazu nicht ausreichen. Menschen profitieren von früheren Erkenntnissen ihrer Entwicklung und setzen dabei vorrangig Lösungsmuster ein, die sie ab ihrer Geburt erfuhren. Die Maschine verfügt über diese Kenntnisse nicht, es müssen ihr also alle relevanten Aspekte vorgetragen werden.

Damit wird sie in ihrer Denkweise rigoros sachbezogen und zielorientiert ausgelegt sein, nämlich unvollständige Terme zu komplettieren und unplausible Eingangsdaten zu hinterfragen. Der als hoch zu erwartende Eingabeaufwand wird vor dieser Funktionalität wieder relativiert. Die über das bisherige Maß hinausgehende Beschreibung wird nämlich auf Basis der erkannten Datenmuster nachgezogen. Der Aufwand sinkt sogar noch unter das bisherige Niveau, wenn man es zulässt, dass das System nahe liegende Eingaben für jedes Datenfeld gewichtet und gegebenenfalls vorausgewählt anbietet. Diese Funktionalität ist deshalb so bedeutsam, weil sie in der Datenverarbeitung häufig eintritt und Fehler in den Eingangsdaten vermeidet. Darauf ist das System nämlich angewiesen. Falsche Daten führen zu unerkannten Gesetzmäßigkeiten und damit zu falschen Entscheidungen.

Intelligente Systeme werden heute bereits in der Steuerungstechnik, der Mustererkennung, der Informationsverarbeitung und bei Computerspielen eingesetzt. Sie basieren auf Neuronalen Netzen und der so genannten „Fuzzy Logik“. Während im ersten Ansatz versucht wird, die elektronische Funktion des Gehirns nachzubilden, stellt die Fuzzy-Logik bereits Daten in einen eng definierten Zusammenhang. Der ist aber jeweils festgelegt, die Intelligenz steckt nicht in den Daten, sondern in den Vorgaben.

Im Unterschied zum Neuronalen Netz wird mit einem IDRS-System nicht die technische Basis simuliert, sondern die Verarbeitung der Informationen im Gehirn nachvollzogen. Dadurch ist es womöglich nicht zu allen Funktionalitäten des menschlichen Gehirns fähig, die Informationsverarbeitung geschieht aber unter entschieden geringerem Rechenaufwand und unterliegt nicht der bestehenden Einschränkung, dass noch nicht jeder Steuerungseffekt auf dieser technischen Basis erforscht ist.

Die IDRS-Logik unterscheidet sich grundlegend von der Fuzzy-Logik, indem sie alle Informationen miteinander in jeden Zusammenhang bringt, der nur auf die Informationen eingeschränkt ist, die überhaupt in das System gelangen können. Das ist zwar definiert, kann aber jederzeit manuell oder durch das System selbst ausgebaut werden. Stehen die Informationen in einem Zusammenhang, wird er im IDRS-System auch hergestellt.

Die IDRS-Technologie ist potentiell in allen vier Bereichen einsetzbar. Für den Einsatz in der Steuerungstechnik ist allerdings die Tatsache hinderlich, dass sich der Informationsstand fortlaufend ergänzt und sich Datenabfragen daher nach und nach verlangsamen. Diese Eigenheit lässt sich durch den Vorgang künstlichen Vergessens aushebeln, der wenig relevante Bestände eliminiert. Kreativität ist an dieser Stelle ohnedies nicht sehr gefragt.

Die grundlegende Funktionsweise liegt in der Erkennung von Mustern, die nicht vorgegeben, sondern erfahren werden, und dabei auch Änderungen unterworfen sind, wie z.B. Sprach- und Schrifterkennung.

Internet-Suchmaschinen verwenden heute intelligente Systeme, um Datenstände mit angemessener Gewichtung in ihre Suchdaten-Struktur zu überführen. Diese Aufgabe erfüllen sie schlecht und sie sind mit gezielten Störmaßnahmen leicht zu überlisten, weil sie nur eingeschränkt gut differenzieren können (Fuzzy-Logik). Die IDRS-Logik ist in der Lage, Datenbestände unbekannter Struktur in Zusammenhänge zu bringen. Dazu wird von den kleinsten Elementen ausgegangen. Das System ordnet die Bestände ein und kann aus der so entstandenen Logik folgern, welche Themen in erster Linie behandelt werden. Dieselbe Technik ist auch für Spam- und Virenschutz, so wie Übersetzungssysteme wirksam.

In Computerspielen kommen heute Gegenspielfiguren zum Einsatz, die sich – mit Verhaltensmerkmalen ausgestattet – sinn- und wirkungsvoll benehmen. Ihre Vorgehensweise ist aber vom menschlichen Spieler nach einiger Zeit nachvollziehbar, eine Tatsache, die unerwünscht ist. Das KI-System des Gegners kann sich auf den Spieler auch nicht sehr differenziert einstellen. Das IDRS-System wird immer mitlernen. Seine Kreativität wird hingegen dadurch eingeschränkt, dass Computerspiele stark auf Geschwindigkeit optimiert sind, während es selbst mit wachsendem Sachstand immer mehr Zeit benötigt. An dieser Stelle wird die Kreativität im optimalen Zusammenwirken mit Relevanzen bedeutsam, weil damit Aspekte aufeinander Einfluss nehmen, die in einem ähnlichen Sachzusammenhang stehen.

Expertensysteme für einzelne Anforderungen lassen sich auch zu Verbänden benachbarter Sachstände zusammenführen, die in einem einzigen System wirken. Es wird damit intelligenter und kreativer.

In der Grundlage der Datenbasis liegt nicht nur das Potential folgerichtiger Schlüsse und Kreativität. Ein Datenbanksystem, das alle Daten in Beziehung zueinander stellt, ist sehr geeignet für Abfragen auf die Ähnlichkeit von Datenelementen. Während nach dem heutigen Stand wachsende Abfragen nötig wären, um Daten zu ermitteln, die sich in unterschiedlicher Weise ähnlich sind, stellt die IDRS-Datenbank eine solche Funktionalität durch ihre Architektur bereit. Im Unterschied zur bisherigen Vorgehensweise muss dann nicht mehr die Abfrage selbst die Differenzierung enthalten. Das Ergebnis wird wiedergegeben, worin die Unterschiede in den Abfrageergebnissen bestehen.
Je nach Anwendungsfall kann eine IDRS-Technik auch Ressourcen schonender arbeiten, also ein relationales System. Jeder Datenwert kommt im System nämlich nur einmal vor. Die Differenzierungen erfolgen über die Verbindungen, davon gibt es aber dann vielmehr als jetzt.

Das volle Leistungspotential der Technologie ist erst abzuschätzen, wenn sich Verarbeitungsgeschwindigkeit und Speicherplatzbedarf herausgestellt haben.

Marktrelevante Einsatzgebiete

• Jede Form von Abgleich inhomogener Quelldaten
• Konsistenthaltung von unkontrolliert veränderlichen Datenbeständen
• Leit- und Suchsysteme für die Datenauswahl (Suchmaschinen)
• Rechtschreibprüfungen und Thesauren
• Mustererkennung
• Spracherkennungs- und Übersetzungssysteme
• Datenkompression
• Industrielle Qualitätssicherung
• Unterstützungssysteme für Software-Entwicklung
• Entwicklung optimierter Algorithmen
• Erkennung von Angriffsschemata in Netzwerken
• Filtern von Datenübermittlungen auf Relevanz und Datensicherheit
• Ermittlung wissenschaftlicher Gesetzmäßigkeiten
• Medizinische Analyse und Diagnose
• Entwicklung chemischer Stoffe
• Analyse chaotischer Systeme (Wetter, Börse, Wirtschaft)
• Entscheidungs-, Optimierungs- und Vorgangsassistenten
• Verhaltensparameter für Spielgegner in Computerspielen

Im Gegensatz zum menschlichen Vorbild wurde in der IDRS-Architektur darauf Wert gelegt, dass die Verarbeitung der Daten sicher bleibt. Darum wird die Relevanz der Daten nicht in der Struktur festgelegt sondern erst am Erfolg der Lösungsmuster, getrennt von der Struktur. Die Summe der Tatsachen bestimmt ansonsten die Relevanz heranzuziehender Lösungsaspekte. Kleine Datenfehler sind daher durchaus verschmerzbar. Sie stören aber bei der Feststellung, ob eine erkannte Tatsache allgemeingültig ist.

Das IDRS-System verfügt über eine programmierte Steuerungssystematik, die die Ermittlungen an den Daten vornimmt. Es erhält die Daten in einer Grundform, die von den Inhalten unabhängig ist.
Das volle Potential der Technologie wird sich entfalten, wenn die Verarbeitung des Steuerungssystems seinerseits von einer IDRS-Umgebung vorgenommen wird. Es ist zur intelligenten Verarbeitung beliebiger Daten fähig und es arbeitet auf dieser Ebene immer mit korrekten Daten. Ergebnis der oben beschriebenen Konsolidierung wird dann ein in Programmcode umsetzbares Lösungsschema für beliebige Problemstellungen sein. Dieses Ziel ist der wesentliche Grund, weshalb die Technologie nicht mathematisch entwickelt wurde. In der Endform wird sie auf ihrem eigenen Schema aufbauen, das umfassender orientiert ist und nur mit dem das System selbst in der Lage ist, Abstraktionen seiner eigenen Arbeitsweise zu bilden und damit zum Beispiel Kreativität hervorzubringen.

Es sind beliebige Software-Lösungen möglich, je umfassender die ausgelegt sind, umso mehr Daten können miteinander in Zusammenhang gebracht werden.

Das System wurde 2006 auf die XML-Schnittstelle ausgelegt.
Im Rahmen einer projektierten Softwareentwicklung ist die Bereitstellung eines Steuerungssystems in sechs Monaten zu schaffen. Genügt die erreichte Verarbeitungsleistung, kann der Bau eines Entwicklungssystems erfolgen. Ansonsten wäre der Schritt vorzuziehen, das Steuerungssystem mit sich selbst zu kompilieren/assemblieren. Dafür ist allerdings die Entwicklung mehrerer schlüssiger Datenlandschaften (Welten) nötig, an denen das dann intelligente Steuerungssystem seine Verarbeitungsweise trainiert. Entwicklungszeit: ein Team-Jahr.
Die Programmierung von intelligenten IDRS-Lösungen ist leicht verständlich und mächtig. Sie könnte die bestehenden Skriptsprachen ablösen.

Die Entwicklungen in den Informationstechnologien haben dazu geführt, dass die Informationsflut mit gestiegenem Datenvolumen Ausmaße angenommen hat, die einerseits mit erhöhtem Aufwand verwaltet werden müssen, und es andererseits immer schlechter gelingt, die gewünschten Informationen aus dem Bestand zu ermitteln.

Es werden daher in der Zukunft Mechanismen zum Einsatz kommen, die das Datenaufkommen so speichern, dass die Informationsinhalte in grundlegender logischer Beziehung miteinander stehen.

Die Datentechnologien der neuesten Generation nähern sich diesen Zielen bereits an. Mit der XML-Verarbeitungsweise ist es gelungen, die Plausibilität von Eingangsdaten an einer übergeordneten Struktur zu manifestieren.

Die KI-Technologien unserer Zeit erlauben dass,

• Internetsuchmaschinen die Relevanz von Webseiten im Zusammenhang mit Suchanfragen ermitteln
• Übersetzungssysteme die Verwendung von Begriffen in Kontext festlegen
• Prozesssteuerungssysteme anhand von Messwerten die optimale Gerätejustierung im laufenden Betrieb vornehmen (Qualitätssicherungssysteme, die Ausschussware aus der Produktion erkennen)
• Experten- und Entscheidungssysteme im Diagnosesektor der Medizin treffendere Ergebnisse als Menschen liefern

Die Mechanisierung der menschlichen Informationsverarbeitung führt die Menschheit in ein neues Zeitalter. Denn die Verarbeitungsleistung danach entstehender Systeme wird gering geschätzt um den Faktor 20 höher liegen als die eines normalen Menschen.

Gründe

• Ausschließliche Zielorientierung mit voller Konzentration
• Zuverlässige Verfügbarkeit der für die Lösungsfindung erforderlichen Daten
• Instantane Ermittlung von Berechnungsergebnissen
• Heranziehen ausschließlich relevanter Informationen
• Potentielle Berücksichtigung jeder relevanten Tatsache
• Ressourcensparender Betrieb

Damit wird allem voran die technologische Entwicklung in allen Bereichen dynamisiert. Jede Problemstellung, der die Analyse von Erhebungsdaten zu Grunde liegt, wird von solchen Systemen gelöst.