Erfahrungsbasierte Lernende Systeme

Erfahrungsbasierte Lernende Systeme (EBLS) sind KI-Systeme, die aus Erfahrungen lernen, diese speichern und zur Lösung neuer Probleme einsetzen. Sie orientieren sich an kognitiven Prozessen des Menschen und verknüpfen Erinnern und Lernen mit adaptivem Problemlösen. Als hybride KI-Ansätze kombinieren sie symbolische Verfahren mit subsymbolischen Methoden und generativer KI. Im Mittelpunkt stehen hierbei:

• Fallbasiertes Schließen (Case-Based Reasoning) als methodologisches Fundament zur Problemlösung durch Erinnern und Anpassen von Fällen
• Wissensbasierte KI mittels semantischer Technologien, Ontologien und Planungsverfahren zur Verarbeitung und Nutzung expliziten Wissens
• Datenbasierte Verfahren wie maschinelles Lernen und Deep Learning zur Auswertung bestehender Datenbestände
• Generative KI und Foundation Models zur Analyse, Synthese und Erklärung

EBLS agieren sowohl als autonome Systeme als auch als Teil von Mensch-KI-Teams. Sie analysieren Prozesse, unterstützen Entscheidungen, steuern adaptiv Abläufe und verbessern sich durch kontinuierliches Lernen aus Feedback. Wir betrachten diese Systeme insbesondere im intelligenten Prozessmanagement sowie im Wissens- und Erfahrungsmanagement in komplexen Anwendungsdomänen.

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.