@phdthesis{,
    author = {Wörsdörfer, Ron Alexander},
    title = {Zur Abbildung unscharfer Wissensbasen innerhalb geschlossener Gefechtssimulationssysteme},
    editor = {},
    booktitle = {},
    series = {},
    journal = {},
    address = {},
    publisher = {},
    edition = {},
    year = {2020},
    isbn = {},
    volume = {},
    number =  {},
    pages = {},
    url = {},
    doi = {},
    keywords = {Künstliche Intelligenz, Kausales Netzwerk, Gefechtssimulation, Führungsautomat},
    abstract = {Als Hauptproblem im taktischen Führungsprozess erweist sich die generell vorherrschende Ungewissheit, welche die Feststellung der eigenen und feindliche Lage erschwert. Der militärische Führer hat diesem Problem stets zu begegnen und insbesondere dann Entscheidungen zu treffen, wenn diesem nur ein teilweise vorhandenes, d. h. mitunter auch unvollständiges Lagebild vorliegt. Dem entsprechend hat die realistische Abbildung des taktischen Führungsprozesses innerhalb einer Computersimulation auch den Umgang mit Ungewissheit zu umfassen. Sogenannte Führungsautomaten dienen hierbei zur modellbasierten Abbildung militärischer Führer und Führungsprozesse, die ihren Haupteinsatz innerhalb der Simulation militärischer Auseinandersetzungen, auch bekannt als Gefechtssimulation finden. Die heutzutage hauptsächlich in Nutzung befindlichen Führungsautomaten bedienen sich zur Abbildung der Führungsprozesse fast auschließlich regelbasierter Mechanismen. Sie ziehen dadurch deduktive Schlüsse auf Basis der ihnen in der Simulation vorliegenden Lageinformationen. Dies befähigt derartige Führungsautomaten grundsätzlich vordefinierte und auch lagebezogene Führungsentscheidungen  zu simulieren. Problematisch ist jedoch, dass den Automaten hierfür entsprechende Regeln einprogrammiert werden müssen, welche mitunter auf eine exakte Definition der vorherrschenden Lage und damit paradoxerweise auf den Ausschluss von Ungewissheit angewiesen sind. Dies führt mitunter dazu, dass bereits definierte Regeln bei abweichenden und unvollständigen Lagebildern angepasst werden müssen, damit diese weiterhin nachvollziehbare und kontextadäquate Führungsentscheidungen abbilden. Die Eigenschaft eines Führungsautomaten unter abweichenden und unvollständigen Lagebildern nachvollziehbare Entscheidungen zu simulieren wird auch als Robustheit bezeichnet. Inhalt dieser Disseration ist die programmatische Darstellung und Untersuchung bisher geläufiger Umsetzungen von Führungsautomaten, welche diese insbesondere auf das Vermögen zur Verarbeitung von Ungewissheit hin betrachtet. Das generelle Unvermögen der momentan noch in Nutzung befindlichen regelbasierten Mechanismen ist dabei der Abholpunkt, welche den Einsatz wissensbasierter Systeme und künstlicher Intelligenz für Führungsautomaten untersucht. Speziell kann dabei gezeigt werden, dass diagnostische – d. h. medizinische Experten- – Systeme Mechanismen aufweisen, welche für Führungsautomaten den Einbezug von Ungewissheit erlauben. Mit sog. kausalen Netzwerken wird dabei eine neue Form von Führungsautomat entworfen. Diese weist im experimentellen Vergleich zu regelbasierten Mechanismen tatsächlich durch den Einbezug von Ungewissheit eine höhere Robustheit vor. Der Nachweis hierfür wird in einem eigens entwickelten Experimentalsystem aufgezeigt, welches gemeinsam mit den in Zusammenarbeit mit militärischen Experten entwickelten Regelsätzen, Wissensbasen und einer umfassenden Experimentlage im Detail beschrieben ist. Dem aufgeworfenen Ergebnis folgend, findet ferner eine abschließende Rückführung der erörterten Erkenntnisse auf die vergangener wissenschaftlicher Arbeiten und konkrete Vorschläge für zukünftige Entwicklungen im Bereich der Führungsautomaten statt.},
    note = {},
    
    school = {Universität der Bundeswehr München},
    
}