Beantwortet von der Redaktion von Business.Digital Stand
Das Prinzip ist einfach: Ein Fachexperte formuliert sein Wissen als Regeln, das System wendet sie an. Anders als bei heutigen Modellen ist jede Entscheidung damit vollständig nachvollziehbar. Alles, was nicht in den Regeln steht, existiert für das System aber auch nicht.
In den 1970er und 1980er Jahren waren Expertensysteme die dominierende KI-Technologie. MYCIN, ein Expertensystem für Antibiotika-Empfehlungen, zeigte in Tests eine Genauigkeit vergleichbar mit menschlichen Ärzten. XCON konfigurierte komplexe Computerbestellungen bei DEC und sparte dem Unternehmen jährlich Millionen.
Warum wurden sie abgelöst?
Das Kernproblem: Skalierung. Jede Regel muss von Menschen formuliert werden. Bei wenigen hundert Regeln funktioniert das gut. Bei tausenden wird es unhandhabbar, widersprüchlich und teuer zu pflegen. Außerdem versagen regelbasierte Systeme bei unvorhergesehenen Situationen, die nicht explizit abgedeckt sind.
Machine Learning übernahm ab den 1990er Jahren die Führung, weil es Muster aus Daten lernt, ohne dass jemand jede Regel schreiben muss. Für viele Probleme ist das leistungsfähiger und skalierbarer.
Gibt es noch Einsatzfelder heute?
Ja. In stark regulierten Bereichen, wo Entscheidungen nachvollziehbar und explizit begründbar sein müssen, haben regelbasierte Systeme weiterhin Vorteile. Compliance-Prüfungen, einfache Entscheidungslogik in Produktionsumgebungen, medizinische Leitlinien. Oft kombiniert man heute regelbasierte Logik mit Machine-Learning-Modellen.
Für Unternehmen, die klare, transparente Entscheidungslogik brauchen, kann ein hybrides System aus Regeln und KI die bessere Wahl sein. In einer Beratung klären wir, welcher Ansatz zu deinen Anforderungen passt.