Experience-based Learning Systems

Humans can accomplish a variety of tasks because they have the ability to understand problems, abstract them appropriately, and then combine their knowledge with their experience to develop appropriate solutions. Humans are able to learn from problem solving experience and thus continuously improve themselves, be it by accomplishing tasks better, with fewer mistakes, or faster. 

At the DFKI branch at the University of Trier, we investigate experience-based learning systems in which we try to transfer comparable mechanisms of problem solving and learning to computer systems and implement them in different areas. Experience-based learning systems are hybrid AI systems that use different AI technologies:

• Semantic technologies (ontologies, knowledge graphs)
• Case-Based Reasoning (CBR) & Process-Oriented Case-Based Reasoning (POCBR)
• Machine Learning, incl. Deep Learning
• Planning and Constraint Satisfaction Problem-Solving

Application Area Intelligent Process Management

Increasing digitalization as well as today's requirements regarding the flexibility of production and service provision call for new intelligent approaches to process management using artificial intelligence methods. To this end, we are researching experience-based learning systems with which the redesign, adaptation and optimization of processes is possible, the execution of processes can be supported by flexible workflow systems and the analysis of process data can be performed with regard to the diagnosis of resources and processes.

Application Area Knowledge and Experience Management in the Digital Society

In the modern, digital knowledge society, knowledge and experience must increasingly be networked on a global scale and made available, assessable, and usable. We explore how experience-based learning systems can understand and analyze knowledge and experience in available (mostly textual) forms, and how efficient search and decision support can be realized based on this.

Für die prototypische Umsetzung von EBLS entwickeln wir modulare Softwareframeworks wie ProCAKE und CBRkit, die als technologische Basis für die Demonstration und Erprobung erfahrungsbasierter Ansätze genutzt werden. 

Unsere anwendungsorientierte Forschung erfolgt in enger Zusammenarbeit mit Partnern aus Wirtschaft und Gesellschaft. EBLS kommen dabei unter anderem in folgenden Bereichen zum Einsatz:

Industrielle Produktion

EBLS unterstützen Planung und Entscheidungsfindung in cyber-physischen Systemen, von der Prozesserstellung und Echtzeitanpassung von Produktionsabläufen über flexible Ausführung bis zur vorausschauenden Wartung. Zum Einsatz kommen erfahrungsbasiertes Agentic Reasoning, symbolische KI-Planung, fallbasierte Planung, LLMs und Reinforcement Learning für transparente und sichere Prozesssteuerungen.

Wasser- und Energiemanagement

Zur ressourcen- und energieeffizienten Steuerung von Betriebspunkten kombinieren wir robuste KI-Modelle zur Prognose von Verbrauch, Last und Einspeisung mit erfahrungsbasierter Optimierung. Digitale Zwillinge liefern die Datenbasis, auf der die Modelle im 24/7-Betrieb per Continuous Learning fortlaufend nachtrainiert und angepasst werden können. EBLS erkennen Anomalien (z. B. Leckagen), empfehlen Gegenmaßnahmen und treffen Entscheidungen mit hohem Automatisierungsgrad. Sie passen sich dynamisch an sich ändernde Betriebs- und Rahmenbedingungen (z. B. Nachfrage, Energiepreise, Wetter) an, um Kosten, CO₂-Fußabdruck und Versorgungssicherheit auszubalancieren.

Verwaltung & Handwerk

EBLS ermöglichen intelligente, flexible Workflows in Verbindung mit semantischer Suche in heterogenen Dokumenten- und Wissensbeständen. Intelligente Assistenzsysteme beschleunigen die Bearbeitung von Vorgängen, erhöhen die Qualität, schaffen nachvollziehbare Entscheidungen und bieten mit Chat-Systemen effiziente Schnittstellen zu Kundinnen und Kunden.

Rezepturentwicklung

Mit fallbasiertem und generativem Design werden Rezepturen – einschließlich Zutaten und Verarbeitungsschritten – anforderungsgerecht gestaltet oder angepasst. Vorhandenes Erfahrungswissen wird erschlossen und mit tiefem Fachwissen kombiniert, um innovative und zugleich valide Rezepturen zu entwickeln.

Notfall- und Krisenmanagement

EBLS führen heterogene Lageinformationen aus Sensoren, Kommunikationssystemen und historischen Einsatzdaten semantisch zu einem konsistenten Lagebild zusammen. Sie unterstützen Leitstellen in zeitkritischen Situationen bei der operativen Einsatzführung durch erklärbare Handlungsempfehlungen, Prognosen zum Ressourcenbedarf und die Koordination zwischen Einsatzkräften in dynamischen Lagen.

Medizin

EBLS analysieren Behandlungsprozesse mit Process Mining, finden semantisch ähnliche Patientenfälle und prognostizieren nächste Schritte zur personalisierten Entscheidungsunterstützung. Dabei werden Leitlinienwissen, Prozessdaten und erklärbare Modelle kombiniert, um Transparenz und Vertrauen in Entscheidungen zu fördern.