Schlüsselpunkte
- Ein wissensbasiertes System (KBS) verbindet eine Wissensdatenbank mit einer Inferenzmaschine, die neue Antworten ableiten kann, statt nur gespeicherte Inhalte abzurufen.
- Ein KBS ist immer nur so verlässlich wie die Wissensdatenbank dahinter. Veraltete oder lückenhafte Daten begrenzen also, was es beantworten kann.
- In der IT unterstützt ein KBS die Fehlerbehebung im Helpdesk, die Netzwerküberwachung, die Erkennung von Cyberbedrohungen und tägliche Entscheidungen, indem es das vorhandene Wissen der Techniker:innen zentral bündelt.
Wissensbasierte Systeme (KBS) nutzen eine Wissensdatenbank und eine Inferenzmaschine, um Fragen zu beantworten und Entscheidungen zu unterstützen. Dieser Leitfaden erklärt, wie die Architektur eines KBS funktioniert, wo es im IT-Betrieb seinen Platz hat, etwa bei der Fehlerbehebung im Helpdesk und bei der Incident Response, und was Sie vor der Einführung abwägen sollten.
Was ist ein wissensbasiertes System (KBS)?
Ein wissensbasiertes System besteht aus zwei Hauptkomponenten: einer Wissensdatenbank, die alle Informationen zu einem bestimmten Thema, Projekt, einer Aufgabe oder einem anderen Objekt speichert, und einer KI-Software, die auf Basis dieser Inhalte Fragen beantworten oder Probleme lösen kann (die sogenannte Inferenzmaschine). Während die Wissensdatenbank ein starrer Informationsspeicher ist, soll die Inferenzmaschine aus diesen Informationen neues Wissen ableiten und nicht bloß als Abfragewerkzeug dienen. Für die Interaktion mit dem KBS gibt es in der Regel eine Benutzeroberfläche.
Wissensbasierte Systeme sind kein neues Konzept, sie werden bereits seit den 1980er-Jahren erforscht und entwickelt. Mit dem Aufkommen neuer, leistungsfähiger KI-Werkzeuge rücken sie jedoch wieder stärker in den Fokus, vor allem in Geschäftsanwendungen und zur Verbesserung des IT-Betriebs.
Expertensysteme sind eine Untergruppe wissensbasierter Systeme. Sie unterstützen Entscheidungen in bestimmten Fachgebieten, wobei die Daten von menschlichen Expert:innen stammen.
So funktionieren wissensbasierte Systeme
Strukturierte oder unstrukturierte Daten müssen an einem zentralen Ort gespeichert werden (der Wissensdatenbank), den die Inferenzmaschine auslesen kann, um an Informationen zu gelangen. Das kann eine Datenbank oder eine dateibasierte Ressource sein, die eigens für die Inferenzmaschine angelegt wurde, oder es sind bereits vorhandene Quellen wie Wikis, Dokumentationen, Ticketsysteme, CMS und andere Informationsbestände.
Die Inferenzmaschine ist eine Software, die die Wissensdatenbank durchsucht und daraus Fragen beantworten, Erkenntnisse liefern und neue Schlüsse ziehen kann. Je nach Anwendungsfall kommt zusätzlich eine Benutzeroberfläche hinzu, die direkt mit Wissensdatenbank und Inferenzmaschine verbunden ist, um Daten zu verwalten und Abfragen zu stellen.
Beachten Sie: Wissensbasierte Systeme setzen nicht zwingend auf die derzeit beliebten Large Language Models (LLMs), die KI-Chatbots antreiben. Viele KBS-Technologien sind sogar älter als diese. Durch die Popularität neuer LLM-Technologien und ihr Potenzial, die Grundlage für wissensbasierte Systeme zu bilden oder sich in sie zu integrieren, ist das Interesse an KBS jedoch neu entfacht.
Wissensbasierte Systeme können aus regelbasierten Systemen bestehen (die Informationen anhand einer vordefinierten Regelfolge verarbeiten, etwa mit Wenn-dann-Anweisungen), aus Frame-basierten Systemen (die Daten in einem stark strukturierten relationalen Format verarbeiten) und aus modellbasierten Systemen (bei denen vordefinierte Modelle in die Entscheidungsfindung einfließen). Auch ein hybrider Ansatz ist möglich.
Anwendungsfälle wissensbasierter Systeme in der IT
Wissensbasierte Systeme können Expert:innen in keinem Fachgebiet ersetzen. Sie helfen ihnen aber, Informationen ohne langwierige Suche zu finden und schneller bessere Entscheidungen zu treffen.
Indem sie Ihr IT-Team dabei unterstützen, Informationen zu teilen und zu verstehen, helfen wissensbasierte Systeme bei:
- Automatisierung und Fehlerbehebung im IT-Helpdesk
- Netzwerküberwachung und Incident Response
- Erkennung von Cyberbedrohungen
- Systemdiagnose und Performance-Optimierung
- Entscheidungsunterstützung im IT-Management
Wenn alle Informationen zentral und jederzeit verfügbar sind, entstehen in der IT keine organisatorischen Engpässe. Zudem ist sichergestellt, dass in kritischen Momenten die bestmöglichen Entscheidungen fallen.
Ein Beispiel: Die Lösung für ein schwer einzugrenzendes Problem, dessen Diagnose und Behebung Stunden gedauert haben mag, steckt dann nicht allein im Kopf einer Technikerin oder eines Technikers. Sie steht auch anderen Teammitgliedern zur Verfügung, die später auf dasselbe Problem stoßen. Das verbessert Skalierbarkeit und Verlässlichkeit, denn Lösungen gehen mit der Zeit nicht verloren und Störungen lassen sich schnell beheben.
Entscheidungsunterstützende Systeme in der IT: Herausforderungen und Grenzen
Die Ergebnisse jedes wissensbasierten Systems hängen von der Qualität und Menge der bereitgestellten Informationen ab. Die Wissensdatenbank muss aktuell, korrekt und gut strukturiert sein, damit die Verantwortlichen Informationen leicht finden und überarbeiten können und die Indexierung durch die Inferenzmaschine unterstützen. Auch das System selbst muss gepflegt werden, damit es die jeweils aktuellen Anforderungen weiterhin erfüllt.
Je nach Art der gespeicherten Daten kommen möglicherweise Datenschutz- und Sicherheitsaspekte hinzu, die zusätzliche Schulungen und Sensibilisierung der Benutzer:innen erfordern.
So führen Sie ein wissensbasiertes System in Ihrer IT-Abteilung ein
Worin unterscheiden sich ein wissensbasiertes System und ein Expertensystem? Ein Expertensystem ist ein wissensbasiertes System für eine bestimmte, spezialisierte Aufgabe, etwa die medizinische Diagnose.
Alle Expertensysteme sind wissensbasiert, aber nicht alle wissensbasierten Systeme sind Expertensysteme. Brauchen wissensbasierte Systeme Large Language Models (LLMs)? Nein, wissensbasierte Systeme gab es lange vor LLMs, und viele laufen weiterhin auf regelbasierten oder Frame-basierten Architekturen.
Wissensbasierte Systeme werden meist nach Spezifikation für einen bestimmten Bedarf im Unternehmen gebaut, statt fertig von der Stange gekauft zu werden. Deshalb ist es entscheidend, die verfügbaren Softwarekomponenten zu prüfen und diejenigen auszuwählen, die zu Ihrem Anwendungsfall passen.
Beispiele für die Wissensdatenbank-Komponente eines wissensbasierten Systems sind relationale Datenbanken wie MySQL, Dokumentenspeicher wie MongoDB, Graphdatenbanken wie Neo4j und sogar domänenspezifische Werkzeuge wie die Daten in Ticketsystemen und IT-Inventarsystemen. Als Inferenzmaschine eignen sich unter anderem Drools und CLIPS, beide kostenlos und Open-Source. Benutzeroberflächen lassen sich mit Low-Code-App-Plattformen oder Web-App-Frameworks erstellen.
Schnelle Informationen plus einfacher Fernzugriff ergeben zufriedene Techniker:innen (und zufriedene Benutzer:innen)
Wenn Ihr IT-Team sofort auf Informationen zugreifen kann, hat es schneller eine Antwort parat, weil die Suche nach Details zu einer Hardware, einer Software oder sogar zu Endbenutzer:innen weniger Zeit kostet. Ihre Benutzer:innen wiederum erleben, dass ihre Probleme schneller gelöst werden, und müssen in ihren Support-Tickets oft weniger Vorgeschichte liefern.
NinjaOne Documentation® gibt IT-Teams eine Wissensdatenbank an die Hand, die in derselben Plattform liegt, in der sie Endpunkte verwalten und Tickets lösen. Prozeduren und Artikel der Wissensdatenbank sind direkt mit offenen Tickets verknüpft. So haben Techniker:innen das passende Runbook in dem Moment zur Hand, in dem ein Ticket aufgeht, und das Wissen des Unternehmens bleibt im System, statt mit ausscheidenden Mitarbeiter:innen zu verschwinden.
Verwandte Themen:
