Symbolische KI: Regeln, Logik und Wissensrepräsentation – KI – Themenpool

Lernziele dieser Lektion

Erklären können, was symbolische KI ist und wie sie sich von subsymbolischer KI unterscheidet
Das Prinzip der logischen Schlussfolgerung anhand von Fakten und Regeln verstehen
Die Programmiersprache PROLOG als Beispiel für symbolische KI kennenlernen
Anwendungsbereiche klassischer/symbolischer KI benennen können

Zwei Ansätze der KI: Symbolisch vs. Subsymbolisch

In Modul 1 haben wir bereits den Unterschied zwischen symbolischer und subsymbolischer KI kennengelernt. In diesem Modul vertiefen wir den symbolischen Ansatz – die älteste und am längsten erforschte Form der Künstlichen Intelligenz.

Symbolische KI (Klassische KI)

Die symbolische KI arbeitet mit expliziten Regeln, Symbolen und logischen Abläufen. Das Wissen wird in Form von Fakten und Regeln formalisiert, und das System zieht daraus logische Schlussfolgerungen.

Prinzip: Eingabe → Klassische KI-Algorithmen (Suche, Regeln, Abläufe) → Ausgabe

Subsymbolische KI (Moderne KI)

Die subsymbolische KI – insbesondere Machine Learning und neuronale Netze – lernt Muster aus großen Datenmengen, ohne dass Regeln explizit programmiert werden.

Prinzip: Eingabe → ML-Algorithmen, statistische Verfahren, große Datenmengen → Modell

Der entscheidende Unterschied

Bei der symbolischen KI gibt ein Mensch die Regeln vor – das System wendet sie an. Bei der subsymbolischen KI entdeckt das System die Muster selbst aus den Daten. Beide Ansätze haben ihre Stärken: Symbolische KI ist transparent und nachvollziehbar, subsymbolische KI ist flexibel und lernfähig.

Dies ist nur ein kurzer Auszug. Die vollständige Lektion mit interaktiven Übungen und Lernfortschritts-Tracking gibt es nach Einlösung eines Einschreibeschlüssels.