26

Kapitel 3. Expertensysteme im BID-Bereich

3.1 Einsatzmöglichkeiten für Expertensysteme im BID-Bereich

Vor der Betrachtung der speziell für Nutzer einsetzbaren Expertensysteme soll an dieser Stelle mit einem kurzen, allgemeinen Überblick der Einsatzmöglichkeiten für Expertensysteme im BID-Bereich begonnen werden. Die Anwendungsmöglichkeiten lassen sich drei großen Bereichen zuordnen (vgl. Holthoff, 1994, 205-8). Auf die Darstellung der möglichen weiterführenden Strukturierung und Beispiele für die entsprechenden Untergruppen wird mit Rücksicht auf den Rahmen dieser Arbeit verzichtet.

• Expertensysteme für die Bibliotheksleitung und die Bibliotheksverwaltung: Mit den dort täglich anstehenden Arbeiten wie Budgetierung, Personalmanagement und den sehr unterschiedlichen Planungsaufgaben sind vielfältige und komplexe Probleme verbunden, für deren Lösung Expertensysteme gut geeignet wären. In der Literatur und bei den Entwicklungen sind Expertensysteme speziell für das Bibliotheksmanagement, im Vergleich zum Management im allgemeinen, stark unterrepräsentiert.
• Expertensysteme für die Buchbearbeitung und die Bestandsverwaltung: Hierzu zählen z.B. die Einsatzgebiete Erwerbung, Katalogisierung, Indexierung bzw. Klassifizierung, Bestandserhaltung und -entwicklung. Besonders im Bereich der Formal- und Inhaltserschließung wurde intensiv geforscht, und es wurden zahlreiche Systeme entwickelt.
• Expertensysteme für Nutzer: Besonders auf den Gebieten der Auskunftsdienste und des Online Information Retrievals konnten umfangreiche Aktivitäten verzeichnet werden. Eine ausführliche Auflistung von Artikeln über Expertensystementwicklungen dieser Einsatzbereiche findet sich bei Zainab und De Silva (1998).

Auf den verschiedenen beschriebenen - große Teile von BID-Einrichtungen umfassenden - Gebieten wurden über die Jahre zahlreiche neue Entwicklungen vorgestellt. Dies kann als Gradmesser des Interesses und auch des Bedürfnisses gewertet werden, Expertensysteme in den verschiedenen BID-Einrichtungen einzusetzen. Besonders in Hinblick auf die Nutzer wurden sie als erfolgversprechende Möglichkeit angesehen, neue und qualitativ hochwertige Leistungen anzubieten. Dies steht mit der in den letzten Jahren immer mehr an Bedeutung gewinnenden Orientierung an den Bedürfnissen des Nutzers in Einklang. Ein Hauptvorteil ergibt sich aus der Unterstützung des Nutzers bei der Suche nach den

27

3.2 Nutzen von „Expertensystemen für Nutzer“

Nachdem bereits auf die Vorteile im allgemeinen eingegangen wurde, konzentriert sich dieser Abschnitt auf die Beschreibung der bereichsspezifischen Vorzüge.

Waters beschreibt einige Vorteile von Expertensystemen sehr plastisch. Das folgende Beispiel bezieht sich ursprünglich auf den Auskunftsbibliothekar, läßt sich aber ohne Probleme verallgemeinernd auch auf den Informationsvermittler übertragen. „Imagine a reference librarian who can be cloned and placed wherever needed; who receives no salary; never sleeps, gets sick or takes coffee breaks or vacations; never resigns, retires, or dies; never gets tired, forgetful, or irritable; and never bluffs about what one knows“ (Waters, 1990, S. 25).

Mit Expertensystemen bietet sich die Möglichkeit, einen Service auch unabhängig von Mitarbeitern anzubieten. Die benötigten Fachkenntnisse stehen damit selbst dann zur Verfügung, wenn der Bibliothekar gerade einem anderen Nutzer eine Auskunft gibt oder der kompetente Auskunftsbibliothekar schon Dienstschluß hat. Sogar bei wechselnden Mitarbeitern kann so ein Service mit konstanter Qualität angeboten werden. Durch den Einsatz von Expertensystemen an unterschiedlichen Standorten kann flächendeckend ein Informationsangebot mit gleichmäßig hohem Standard realisiert werden.

Durch die Bündelung des Wissens mehrerer Experten in einem Expertensystem kann ein qualitativ hochwertiger Service angeboten werden. Expertensysteme arbeiten zuverlässig. Sie „vergessen“ keine selten genutzten Informationsquellen oder Datenbanken, die im speziellen Fall hilfreich sein könnten. Die Reduzierung der zur Bearbeitung notwendigen Zeit tritt besonders bei Problemen zutage, für deren Lösung ein große Anzahl an Informationen ausgewertet werden müssen. Der Zugang zu dem Expertensystem muß nicht auf eine Stelle innerhalb der Einrichtung begrenzt sein. Auskünfte können dann unabhängig vom eigentlichen Auskunftsplatz gegeben werden. Riggs (1990, S. 306-7)

28

Einigen Nutzern ist das Bitten um Hilfe nur bei bestimmten Fragestellungen, anderen grundsätzlich unangenehm. Die von Expertensystemen gewährleistete Anonymität kann dann als besonders angenehm empfunden werden. Expertensysteme können Nutzer beispielsweise beim Online Retrieval unterstützen. Damit bietet sich den Nutzern ein kompetenter und direkter Zugang zum Retrievalsystem, unabhängig vom Informationsvermittler. Nach Chignell et al. (1990, S. 174) mögen Nutzer außerdem die Möglichkeit der direkteren Interaktion: „they like to have a feeling of control and direct involvement“. Dabei können entstandene Mißverständnisse, wie sie genauso zwischen dem Nutzer und dem Informationsvermittler entstehen können, früher erkannt und behoben werden. Wenn im folgenden von „Auskünften“ gesprochen wird, so sind Empfehlungen gemeint, wie z.B. in welchen konkreten Sekundärquellen der Nutzer gute Chancen hat, sachdienliche Informationen zu finden. Dies ist für die betreffende und manchmal auch für andere Einrichtungen möglich. Kurze Antworten auf Fragen nach der Leihstelle, dem Vorhandensein einer bestimmten Bibliographie oder ähnlichem sind darunter ausdrücklich nicht zu verstehen.

Als kurze Zusammenfassung beschreibt Walton (1988, zitiert nach Tseng, 1992, S. 171) das Potential von Expertensystemen wie folgt: „Like a human intermediary an expert system is able to interact with the client, ascertaining the nature of his problem and asking pertinent questions to fill the gaps in the information needed. It can suggest a solution to the problem, or advise on a particular course of action from the data contained in its own knowledge base. It can also explain its line of reasoning and justify its response“.

Der Einsatz von Expertensystemen für Nutzer kann auch für die Mitarbeiter Vorteile mit sich bringen. So können sie bei der Arbeit außerhalb ihres Spezialgebietes unterstützt werden (vgl. Duval und Main, 1994, S. 46). Hauptsächlich können die Mitarbeiter jedoch entlastet werden bzw. sich anderen Aufgaben zuwenden. Riggs (1990, S. 308) verweist auf die Konsequenzen, die sich aus der ständig steigenden Zahl von Nutzern und der zunehmenden Intensität der Nutzung bei gleichbleibenden Mitarbeiterzahlen ergeben. Bei dem daraus resultierenden Zeitdruck kann eine negative Auswirkung auf die Arbeitssituation der Auskunftsbibliothekare und deren Arbeitsqualität nicht vollständig verhindert werden. Man beobachtet z.B. eine Reduzierung sowohl der für die Problemstellung als auch für das Auskunftsinterview verwendeten Zeit. Es werden Fragen

29

Durch eine Entlastung der Mitarbeiter durch Expertensysteme besteht die Möglichkeit, daß diese konzentrierter, kreativer und besser arbeiten, und solche Fehler vermieden werden. Und das ist wiederum für die Nutzer von Vorteil.

3.3 Expertensysteme im Auskunftsdienst

3.3.1 Der Auskunftsdienst

Die seit dem Ende des 19. Jahrhunderts existierenden Auskunftsdienste (vgl. Davies et al., 1992, S. 91) dienen den Bibliotheksbenutzern durch die „Vermittlung von Informationen aller Art und ... [die] Beratung bei der Medienauswahl“ (Bibliotheken ‘93, 1994, S. 22). Die ständig wachsende absolute Anzahl an Informationsquellen, aber auch deren steigende Verfügbarkeit, verbunden mit der ebenfalls zunehmenden Anzahl der Anfragen, führt zu immer größeren Anforderungen hinsichtlich einer korrekten, zielgerichteten und schnellen Bearbeitung. Diese hohen Erwartungen konnten aber nicht immer erfüllt werden. Darum wäre es wünschenswert, die über die Jahre verbesserte Qualität der Auskünfte noch weiter zu erhöhen (vgl. Morris, 1991, S. 719). Man hoffte durch den Einsatz von Expertensystemen sowohl die Mitarbeiter zeitlich zu entlasten, als auch die Qualität und die Konsistenz der Ergebnisse zu verbessern.

3.3.2 Der Auskunftsprozeß

Für die Beantwortung ihrer Fragen stehen den Nutzern in Bibliotheken vielfältige Informationsquellen wie z.B. Bibliographien, Kataloge, CD-ROMs oder auch Datenbanken zur Verfügung. Sie können sich aber auch direkt an einen Mitarbeiter des Auskunftsdienstes, einen Auskunftsbibliothekar, wenden. Vor der eigentlichen Bearbeitung der Anfrage sollte diese bestmöglich präzisiert werden. Dabei ist es wichtig, die Vorkenntnisse des Nutzers, den Kontext, z.B. eine spezielle Fachrichtung, und die Art der gewünschten Informationen zu berücksichtigen. Auf dieser Basis können für die gesuchten Informationen das gewünschte Niveau, eine Begrenzung des Umfanges, die erwartete Aktualität, der Grad der Genauigkeit sowie die Möglichkeit der Berücksichtigung fremdsprachiger Quellen festgelegt werden.

30

Eine qualitativ hochwertige Antwort zeichnet sich neben der Vollständigkeit der relevanten Angaben auch durch Hinweise zur Benutzung der aufgeführten Informationsquellen aus. Kann der Nutzer nicht mit den gesuchten Informationen versorgt werden, so sollte die Möglichkeit bestehen, ihn kompetent innerhalb der Einrichtung oder in andere Einrichtungen weiterzuverweisen.

3.3.3 Entwickelte Expertensysteme für den Auskunftsdienst

Es wurde eine Reihe unterschiedlicher Expertensystemen für Auskunftsdienste entwickelt. Sie unterstützen den Nutzer bei der Suche nach relevanten Informationsquellen und bei deren Auswahl. Dabei ist die Erfragung der Hintergrundinformationen vom Nutzer, um dadurch die Anfrage so genau wie möglich einzugrenzen, als Gemeinsamkeit vieler der Systeme zu erkennen. Im Anschluß kann der Nutzer die empfohlenen Quellen in der Einrichtung konsultieren oder sich an andere Einrichtungen wenden, auf die verwiesen wurde. Wird im Ergebnis der Anfrage auf Online-Datenbanken oder CD-ROM-Quellen verwiesen, so besteht die Möglichkeit, eine direkte Verbindung zwischen dem Expertensystem und diesen Quellen aufzubauen, und auch dort eine Recherche zu ermöglichen.

Das Spektrum der Entwicklungen reicht von sehr hoch spezialisierten Systemen, die nur ein sehr kleines Einsatzgebiet abdecken, bis zu Systemen die für sehr große Bereiche konzipiert sind und z.B. Fragen in einer Allgemeinbibliothek beantworten. Der Aufgabenbereich einer Vielzahl von Systemen ist jedoch auf ein kleines Gebiet begrenzt, wie z.B. auf den Bereich der Patentinformation oder des Gartenbaus.

Es erscheint an dieser Stelle wichtig, noch einmal ausdrücklich festzuhalten, daß Expertensysteme im Auskunftsdienst nicht direkt die Antworten auf Fragen geben. Sie können „nur“ dabei helfen, die Antworten zu finden. Ihre Aufgabe ist es, Auskünfte wie

31

Nach Morris (1991, S. 719) wird die Entwicklung von Expertensystemen für den Auskunftsdienst durch das Fehlen expliziter Regeln für die Auswahl der Empfehlungen, das Fehlen detaillierter Modelle für den Auskunftsprozeß und das fehlende Wissen über Nutzermodelle erschwert. Hinzu kommt die Schwierigkeit, genau entscheiden zu müssen, welches Wissen im Expertensystem enthalten sein soll. Trotz dieser Probleme wurden vielfältige Versuche unternommen, Expertensysteme für den Auskunftsdienst zu entwickeln. Obwohl viele Projekte auf die Entwicklung eines Prototypen beschränkt blieben, leisteten sie damit dennoch einen wichtigen Beitrag zum besseren Verständnis von realisierbaren Anwendungsmöglichkeiten für Expertensysteme (vgl. Zainab und De Silva, 1998, S. 327).

Im folgenden werden einige Expertensysteme aufgeführt und beschrieben.

1) Beispiele für Expertensysteme, bei denen die Auskünfte auf spezielle fachliche Gebiete begrenzt sind

PLEXUS (vgl. Vickery und Brooks, 1987) wurde von Mitarbeitern des Zentralen Informationsservices der Universität von London (Großbritannien) für Nutzer in Öffentlichen Bibliotheken entwickelt. Das System ist inhaltlich auf den Bereich der Gartenarbeit begrenzt. Der Nutzer kann PLEXUS sein Problem in natürlicher Sprache beschreiben. Wenn die Informationen nicht ausreichend sind, wird er gebeten, entsprechende Fragen zu beantworten. Im nächsten Schritt wandelt das System die Problembeschreibung in eine Suchstrategie um. Es wird eine Datenbank durchsucht, in der Informationen zu Publikationen, Datenbanken, Organisationen und Experten auf dem Gebiet Gartenarbeit enthalten sind. Als Ergebnis erhält der Nutzer eine Auswahl hilfreicher Quellen, die dann von ihm und auch vom System bewertet werden können. Hat die ursprüngliche Suchstrategie zu keinen zufriedenstellenden Ergebnissen geführt, wird die Suchstrategie vom System so lange modifiziert, bis der Nutzer mit dem Ergebnis zufrieden ist.

Answerman und AquaRef wurden an der Nationalbibliothek für Landwirtschaft in Beltsville, Maryland (USA) erstellt. Answerman (vgl. Waters, 1986) ist ein menügesteuertes System, daß Unterstützung bei Fragestellungen im Bereich der Landwirtschaft bietet. Dabei wählt der Nutzer u.a. aus verschiedenen Listen die Art der gewünschten Informationen und das Gebiet aus, in das sein Problem einzuordnen ist. Im

32

Der Patent Information Assistant (vgl. Ardis, 1990) entstand an der Universität in Austin, Texas (USA). Er bietet Unterstützung bei unterschiedlichen Fragestellungen auf dem Gebiet des Patentwesens, wie z.B. der Patentinformation. Das System arbeitet menügesteuert und erlaubt den Zugang zu externen Datenbanken. Verläuft die Beantwortung einer Anfrage nicht wie erhofft, kann der Nutzer die Situation beschreiben, und das System wird versuchen, ihm mit entsprechenden Ratschlägen weiterzuhelfen.

EELIAS (Electrical Engineering Literature and Information Advisory System) wurde an der Monash Universität in Clayton, Victoria (Australien) entwickelt (vgl. Dabke und Thomas, 1991). Es soll die Nutzer in den Räumen der Universitätsbibliothek bei Fragestellungen im Bereich der Elektro- und der Computertechnik unterstützen und sie mit Angaben zu relevanten Informationsquellen versorgen. Durch eine zusätzliche kurze Beschreibung der Informationsquellen erhält der Nutzer einen ersten Eindruck. Weiterhin besteht die Möglichkeit, sich vom System von der relevanten Tertiärliteratur (z.B. Enzyklopädien) über die Sekundärliteratur (z.B. Abstracts) zur Primärliteratur (z.B. Zeitschriftenartikel) führen zu lassen. Ist der Nutzer mit den Ergebnissen zufrieden, so erhält er genaue Hinweise, an welchen Stellen innerhalb der Bibliothek die Materialien zu finden sind.

2) Beispiele für Expertensysteme, die nicht fachlich auf ein schmales Gebiet begrenzt sind und verschiedene Fragestellungen beantworten, die in einer Bibliothek auftreten

REFSIM (vgl. Parrott, 1989) entstand an der Universität in Waterloo, Ontario (Kanada). Das System kann nicht nur Anfragen von Nutzern beantworten, sondern kann darüber hinaus auch als Lehrsystem z.B. für die effektive Verwendung bibliographischer Nachschlagewerke genutzt werden. Zur Erfüllung dieser Aufgabe verfügt das System über verschiedene intelligente Instruktionsmodi. REFSIM ist ein natürlichsprachiges System.

SourceFinder (vgl. Lancaster und Sandore, 1997, S. 230) wurde Ende der achtziger Jahre von Allen und Mitarbeitern an der Universität in Urbana-Champaign, Illinois (USA)

33

Reference Expert (vgl. Lancaster und Sandore, 1997, S. 230) entstand etwa zur gleichen Zeit an der Universität von Houston, Texas (USA) durch die Zusammenarbeit von Bailey und Gunning. Das System arbeitet ähnlich wie SourceFinder. Auch hier werden mit Hilfe von Menüs Informationen vom Nutzer erfragt, die zugrundeliegende Datenbank ist jedoch um einiges kleiner.

CoBRA/RUG (Computer Assisted Bibliographic Reference and Advisory system) wurde für die Bibliothek der Universität in Groningen (Niederlande) entwickelt (vgl. Bosman und van Maanen, 1994). Das System ist ein Ergebnis der gemeinschaftlichen Arbeit zwischen der Universitätsbibliothek, dem COWOG (Centre for research on higher education) und der PICA, der niederländischen Organisation für Bibliotheksautomation. Es berät die Nutzer bei einer Literaturrecherche zu einem bestimmten Thema und erstellt einen „maßgeschneiderten Nutzerführer“ zur Literatur der Bibliothek. In einem ersten Schritt bestimmt das System die Relevanz der für die Anfrage existierenden Informationsquellen. Deren Ausgabe wird durch genaue Informationen zu Experten bzw. Sammlungen auch außerhalb der Einrichtung ergänzt. In einem zweiten Schritt stellt das System die Informationen zur Verfügung, die der Nutzer benötigt, um eine Auswahl zwischen den Informationsquellen zu treffen. Im letzten Schritt werden die Standorte der Informationsquellen aufgelistet, so daß der Nutzer alle wichtigen Dokumente schnell und effizient finden kann.

3.4 Expertensysteme im Online Information Retrieval

3.4.1 Das Online Information Retrieval

Die Bewältigung von Aufgaben, das Lösen von Problemen und das Treffen von Entscheidungen erfolgt immer auf der Grundlage von Informationen, die aber nicht immer verfügbar sind. Die Durchführung einer Recherche, z.B. durch eine BID-Einrichtung, ist ein effizienter Weg, den so entstandenen Informationsbedarf zu reduzieren. Bei einer

34

Es existieren viele Datenbankanbieter bzw. Hosts, die verschiedene Datenbanken anbieten. Diese Datenbanken enthalten sehr große Mengen an Informationen. Erfolgt die Recherche unter Einsatz einer Retrievalsoftware, einer Kommandosprache und einer Suchstrategie, so spricht man von Retrieval. Die Anwendung des Retrievals ist damit eine Voraussetzung für die erfolgreiche Recherche in Datenbanken.

Unter Online Information Retrieval, heute kurz Online-Retrieval genannt, versteht man nun den Vorgang des Wiedergewinnens von Informationen aus Datenbeständen mit Hilfe von Abfragekommandos. Welche Kommandos anzuwenden sind, wird durch das jeweilige Retrievalsystem bestimmt. Es besteht aus Hardware, einer Retrievalsoftware und systemspezifischer Methodik. Die Suche erfolgt mit Hilfe der Retrievalsoftware, unabhängig davon, ob die in der Datenbank enthaltenen Daten bibliographischer, textlicher oder numerischer Natur sind.

Beim Online-Retrieval werden von einer speziell dafür ausgebildeten Person, z.B. einem Informationsvermittler, bestimmte Suchbegriffe (z.B. Worte oder Phrasen) in das System eingegeben. Diese Suchbegriffe werden als Zeichenketten mit denen in der Datenbank verglichen. Befinden sich Datensätze in der Datenbank, die die Suchbegriffe enthalten, so werden sie ermittelt und können anschließend ausgedruckt oder heruntergeladen werden. Um komplexe Suchanfragen durchzuführen oder die Beziehungen zwischen den Suchbegriffen zu spezifizieren, können die Suchbegriffe beispielsweise durch Boole‘sche Operatoren miteinander verbunden werden.

Es wurden vielfältige Anstrengungen unternommen, um den komplexen Prozeß der Online-Recherche zu erleichtern. Die zu entwickelnde Software sollte durch die Vermittlung zwischen Informationsvermittler bzw. Nutzer und dem Retrievalsystem die Suche vereinfachen. Ein Ergebnis dieser Bemühungen ist die Entwicklung von Expertensystemen, die die Online-Recherche mit Retrievalsystemen unterstützen.

3.4.2 Die Organisation des Rechercheablaufs und die Rolle des Informationsvermittlers

In BID-Einrichtungen unterstützen Informationsvermittler Nutzer bei deren

35

Die Durchführung einer Online-Recherche kann in mehrere Abschnitte unterteilt werden. Die folgenden Ausführungen zu diesem Thema orientieren sich an Tseng (1992, S. 172-3) und an Jochum (1991, S. 44).

Am Anfang einer Recherche müssen in Zusammenarbeit zwischen Informationsvermittler und Nutzer die häufig nur vagen und unvollständigen Beschreibungen konkretisiert und damit der Informationsbedarf bestimmt werden. Vor dem Hintergrund der durch den Nutzer determinierten Rahmenbedingungen, wie z.B. dessen bisheriger Wissensstand, müssen die Suchziele festgelegt werden. Dafür sind neben dem Sachgebiet auch die Art, die Spezifität, der Publikationszeitraum und die möglichen Sprachen der gesuchten Dokumente zu beachten. Zusätzlich sollte erfragt werden, zu welchen Ergebnissen etwaige frühere Bemühungen geführt haben. In diesem Zusammenhang sollten mehrdeutige oder unverständliche Begriffe geklärt werden. Für die Erstellung einer optimalen Suchstrategie ist es wichtig, ein möglichst genaues Bild von den Erwartungen und Hoffnungen, die der Nutzer bezüglich der Recherche hat, zu erhalten. Die Antworten auf Fragen nach den Gründen für die benötigten Informationen, nach der angestrebten Höhe der Vollständigkeitsrate bzw. der Relevanzquote der Retrievalergebnisse etc. sollten gefunden werden. Weiterhin sollten die einschränkenden Randbedingungen definiert werden, zu denen Fragen der Ressourcen des Nutzers (z.B. maximal zulässige Kosten und Zeit für eine Recherche) oder Fragen der Infrastruktur (z.B. Zugangsberechtigung zu einzelnen Datenbanken) zählen. Der Erfolg einer Online-Recherche hängt entscheidend davon ab, wie genau der Informationsvermittler den Informationsbedarf des Nutzers ermitteln kann.

Nachdem der Informationsbedarf bestimmt wurde, ist zu überlegen, welche Datenbanken die Kriterien der Suchziele und die einschränkenden Randbedingungen erfüllen und unter diesen Voraussetzungen für das Online-Retrieval zur Verfügung stehen. Das stellt bei dem großen Angebot an Datenbanken keine leichte Aufgabe dar, da sich diese z.B. in Sachgebiet, Art, Umfang, Tiefe und Qualität der enthaltenen Informationen z.T. erheblich unterscheiden. Außerdem muß berücksichtigt werden, daß Recherchegebühren und Retrievalsprachen in Abhängigkeit vom jeweiligen Host variieren. Unter Beachtung dieser

36

Erst jetzt kann die Such- bzw. Recherchestrategie geplant und formuliert werden. Sie beinhaltet eine Folge geeignet modifizierter Suchfragen, die schließlich zur Suchfragenformulierung führen soll. Dabei muß der Informationsvermittler die Suchbegriffe auswählen, die das Problem am besten beschreiben. Da in den Retrievalsprachen der jeweiligen Hostsysteme z.T. beträchtliche Unterschiede in der Syntax bzw. Semantik existieren, ist es sehr wichtig, die Systeme genau zu kennen. Werden Sprachkonstrukte falsch verwendet, so können die Suchergebnisse erheblich verfälscht werden. Zur Festlegung der optimalen Suchstrategie muß letztlich auch geklärt werden, in welcher Reihenfolge die ausgewählten Datenbanken durchsucht werden sollen.

Im Laufe der Online-Sitzung selektiert der Informationsvermittler die relevanten Informationen aus der jeweiligen Datenbank. Im Anschluß werden die Ergebnisse dem Nutzer in verständlicher Form präsentiert. Ist der Nutzer mit dem Ergebnis zufrieden, so ist die Recherche beendet.

Die erhaltenen Informationen können jedoch auch eine Modifikation der Suche erforderlich machen. Entspricht das Retrievalergebnis nicht den vom Nutzer gewünschten Vorstellungen, muß eine neue Suchfragenformulierung vorgenommen, und das Retrieval in der Datenbank erneut durchgeführt werden. Es ist auch möglich, daß die Ergebnisse zu einem veränderten Informationsbedarf beim Nutzer führen. In diesem Fall kann es erforderlich werden, die Auswahl der Datenbanken und Hosts zu verändern. Damit wird häufig auch eine Veränderung der Suchstrategie notwendig. Die einzelnen Abschnitte der Recherche sollten solange durchlaufen werden, bis der Nutzer mit dem Ergebnis zufrieden ist.

Die beschriebene Komplexität einer Recherche erfordert von einem Informationsvermittler nicht nur Erfahrungen im Umgang mit Nutzern, sondern auch umfassende Kenntnisse zu Datenbanken, Retrievalsystemen und -sprachen, Suchstrategien und zum Umgang mit Retrievalergebnissen. Erst die Kombination dieser Fertigkeiten ermöglicht zufriedenstellende Ergebnisse. Für einen unerfahrenen Nutzer stellen die für eine erfolgreiche Recherche erforderlichen Kenntnisse eine nur schwer überwindbare Zugangsbarriere dar bzw. führen zu einer Minderung der Rechercheausbeute.

37

3.4.3 Entwickelte Expertensysteme für den Bereich des Online Information Retrieval

Es bestehen vielfältige Möglichkeiten für den Einsatz von Expertensystemen im Bereich der Online-Recherchen mit Retrievalsystemen. Expertensysteme können den Nutzer sowohl bei einzelnen Abschnitten als auch während der gesamten Recherche unterstützen.

Ein Expertensystem sollte genau wie ein Informationsvermittler versuchen, im Dialog mit dem Nutzer dessen Informationsbedarf festzustellen, um dann das Informationsproblem genau beschreiben und in eine Suchstrategie umwandeln zu können.

Hat ein Expertensystem ausreichend Informationen erhalten, so kann es Entscheidungshilfen bei der Auswahl von Hosts und von Datenbanken bieten. Es kann Empfehlungen geben, in welchen Datenbanken das Retrieval am erfolgversprechendsten ist. Die nächste Aufgabe eines Expertensystems besteht darin, die Suchanfrage für das ausgewählte Retrievalsystem zu formulieren. Dafür müssen eine Suchstrategie und Suchbegriffe, die den Inhalt der Suche repräsentieren, ausgewählt werden. Hat das System die passenden Suchbegriffe aus der Anfrage des Nutzers identifiziert und andere relevante Suchbegriffe hinzugefügt, muß es diese natürlichsprachige Formulierung in die für das jeweilige Retrievalsystem verständliche formale Retrievalsprache umformen.

Wenn die Suchergebnisse vorliegen, sollten sie vom Expertensystem analysiert und dem Nutzer erklärt werden. Ist dieser mit den Ergebnissen nicht zufrieden, sollten möglichst spezifische Hinweise zur Verbesserung und zu eventuellen Fehlerquellen gegeben werden.

Möchte ein Nutzer ohne die Unterstützung eines erfahrenen Informationsvermittlers in Datenbanken recherchieren, können die von einem Expertensystem gegebenen Hilfestellungen einen erheblichen Gewinn für den Nutzer darstellen.

Eine wichtige Voraussetzung für die Entwicklung von Expertensystemen für Online-Recherchen ist die genaue Analyse des Vorgehens erfahrener Informationsvermittler bei einer Recherche. Dazu müssen diese bei ihrer Arbeit beobachtet und interviewt werden. Im Laufe der Jahre wurden verschiedene empirische Forschungen und Untersuchungen durchgeführt, so daß auf ein solides Wissen zu diesem Thema zurückgegriffen werden kann (vgl. Tseng, 1992, S. 173).

Ende der siebziger Jahre begann die Entwicklung von Expertensystemen für den Bereich des Online-Retrievals. Seitdem wurde eine Vielzahl an Systemen entwickelt, von denen

38

Im folgenden werden einige Expertensysteme aufgeführt und beschrieben.

1) Expertensysteme, die Nutzer bei einigen Abschnitten der Recherche unterstützen:

CONIT war eines der ersten Expertensysteme im Bereich des Online-Retrievals. Die erste Version dieses Systems wurde Anfang der achtziger Jahre von Marcus und Mitarbeitern in den USA entwickelt (vgl. Tseng, 1992, S. 171; Ellis, 1996, S. 66). Während der Nutzer nur mit einem System kommunizieren muß, ermöglicht CONIT den gleichzeitigen Zugang zu drei verschiedenen Hosts. Das System übersetzt erst die Suchanfrage in die Retrievalsprache des jeweiligen Hosts, und dann die Antworten in eine einheitliche, für den Nutzer verständliche Sprache. Es unterstützt bei der Auswahl von Suchbegriffen für die Recherche und bei der Rekonstruktion des Rechercheablaufes. Spätere Versionen von CONIT bieten die Möglichkeit des Rankings von Datenbanken nach ihrer Relevanz für das Suchthema oder geben Hinweise, wie die Suche ausgeweitet bzw. eingegrenzt werden kann.

IR-NLI entstand ebenfalls Anfang der achtziger Jahre (vgl. Tseng, 1992, S. 175, 178, 180). Guida und Mitarbeiter entwickelten ein System, das den Nutzer nach der natürlichsprachigen Eingabe der Anfrage bei der Konstruktion einer Suchstrategie unterstützt. Durch die Beantwortung verschiedener Fragen am Anfang der Recherche erhält das System die notwendigen Informationen, die es ihm ermöglichen, ein Nutzermodell zu erstellen. Der dadurch entstehende Kontext hilft dem System z.B. bei der Interpretation von Problembeschreibungen oder von Bezeichnungen, die in verschiedenen Fachgebieten unterschiedliche Bedeutungen haben. Die gewonnenen Daten können gespeichert werden und stehen für spätere Recherchen zur Verfügung. Dadurch kann eine Wiederholung von Fragen vermieden werden.

IANI (Intelligent Access to Nordic Information) wurde Ende der achtziger Jahre in Skandinavien von Berg Hansen und Mitarbeitern erstellt (vgl. Morris, 1991, S. 715; Tseng, 1992, S. 185). Das System ermöglicht den Zugang zu mehreren nordischen und einer Anzahl internationaler Hosts. Es unterstützt den Nutzer sowohl bei der Auswahl der entsprechenden Hosts und Datenbanken als auch bei der Formulierung von Suchstrategien.

39

In Halle (BRD) wurde ein Konzept für ein Expertensystem zur Unterstützung von Endnutzern bei der Vorbereitung von Recherchen erstellt und im Anschluß in einen Prototypen implementiert (vgl. Siemer, 1996). Die Entwicklungen am Institut für Agrarentwicklung in Mittel- und Osteuropa waren speziell auf die Recherche in agrar- und ernährungswissenschaftlichen bibliographischen Datenbanken ausgerichtet. Zur Analyse einer optimalen Recherchevorbereitung wurde die Interaktion zwischen erfahrenen Informationsvermittlern und Nutzern empirisch untersucht. Das Expertensystem unterstützt den Nutzer bei der Beschreibung seines Informationsproblems und bei der sich daran anschließenden Entwicklung der ersten Suchfrage. „Eine effektive Unterstützung ... kann dadurch erreicht werden, daß die interpretativen Fähigkeiten der Anwender durch die Struktur der Benutzerführung und die Bereitstellung unterstützender Informationen und Heuristiken gefördert und genutzt werden“ (Siemer, 1996, S. 12).

2) Expertensysteme, die Nutzer speziell bei der Datenbankauswahl unterstützen:

Online-Expert (vgl. Zahir, 1995) wurde entworfen und entwickelt, um Nutzern bei der Auswahl von in Kanada angebotenen Wirtschaftsdatenbanken und Hosts zu assistieren. Durch die genaue Beschreibung des Informationsproblems und mit Hilfe des Systems wird es dem Nutzer möglich, das unüberschaubar riesige Angebot an Datenbanken und deren Potentiale mit größerer Wahrscheinlichkeit zufriedenstellend zu nutzen.

CIDA (Company Information Database Adviser) wurde an der Universität in Loughborough, Leicestershire (Großbritannien) entwickelt (vgl. Morris et al., 1994). Bei der Suche nach Informationen zu britischen Firmen unterstützt das System die Auswahl der relevanten Wirtschaftsdatenbanken. Die Firmeninformationen werden in sieben

40

3) Expertensysteme, die Nutzer bei der Recherche in einer speziellen Datenbank unterstützen:

CANSEARCH (vgl. Pollitt, 1987) wurde an der Technischen Hochschule in Huddersfield (Großbritannien) erstellt. Mit diesem System sollen Mediziner bei der alleinigen Literatursuche über Krebstherapien in der Datenbank Medline unterstützt werden. Zur Indexierung und zum Retrieval in Medline werden die sogenannten „MeSH terms“ (Medical Subject Headings) aus dem MeSH-Thesaurus verwendet. Um eine effektive Recherche zu gewährleisten, sind genaue Kenntnisse über den MeSH-Thesaurus erforderlich. CANSEARCH bietet Hilfestellungen bei der Konstruktion von Suchstrategien und bei der Auswahl geeigneter Suchbegriffe (MeSH terms). Der Nutzer wird durch verschiedene Menüs geführt, wobei die Kommunikation über einen berührungsempfindlichen Bildschirm realisiert wird.

MenUSE (Menu-based User Search Engine) entstand als Weiterentwicklung von CANSEARCH und erleichtert dem Nutzer nicht nur die Optimierung der Suche, sondern auch das Anzeigen der gesuchten Titel. Die Kommunikation erfolgt mit Hilfe einer Computermaus (vgl. Morris, 1991, S. 715; Tseng, 1992, S. 180-1).

4) Expertensysteme, die Nutzer während des gesamten Rechercheprozesses unterstützen:

I³R (Intelligent Intermediary for Information Retrieval) wurde an der Universität in Amherst, Massachusetts (USA) entwickelt (vgl. Croft und Thompson, 1987). Es bietet eine Reihe von Hilfestellungen bei der Formulierung der Suchanfrage, beim Browsing, beim Retrieval und bei der Evaluation der Ergebnisse. Die Verfahrensweise und die resultierende Auswahl werden dokumentiert und können dem Nutzer bei Nachfrage jederzeit erklärt und begründet werden. Eine entscheidene Voraussetzung für die Effizienz des Systems ist die Genauigkeit der Beschreibung des Informationsproblems durch den Nutzer, - „the quality-in quality-out principle“ (Croft und Thompson, 1987, S. 402).

EURISCO entstand Mitte der achtziger Jahre an der Paul Sabatier Universität in Frankreich (vgl. Tseng, 1992, S. 185). Das von Barthes und Mitarbeitern entwickelte Expertensystem interpretiert französische, natürlichsprachige Anfragen und führt den

41

TOME-SEARCHER (vgl. Tseng, 1992, S. 185-6) wurde Ende der achtziger Jahre in Großbritannien auf der Grundlage von PLEXUS entwickelt, einem Expertensystem, das schon in Punkt 3.3.3 näher beschrieben wurde. Das System wurde entworfen, um Nutzern bei Datenbankrecherchen auf den Gebieten der Elektrotechnik, der Informatik und der Informationstechnologien zu assistieren. Der Zugang zu den Datenbanken war ursprünglich nur über einen Host möglich, wurde dann aber auf mehrere Hosts, mit einem entsprechend größeren Datenbankangebot, erweitert. TOME-SEARCHER wurde zwar am Markt angeboten, hat jedoch nicht den erhofften kommerziellen Erfolg gebracht (vgl. Morris, 1991, S. 715). Es wurde sogar wieder vom Markt zurückgezogen (vgl. Tseng, 1992, S. 186).

IMIS (Intelligent Multilingual Interface System) wurde einige Zeit später in Zusammenarbeit der Entwickler von EURISCO und der Entwickler von TOME-SEARCHER im Rahmen eines EU-Projektes erstellt (vgl. A cognitive approach, 1992). Das System hilft dem Nutzer bei Recherchen in Datenbanken verschiedener europäischer Hosts. Die Suchanfrage kann in natürlicher Sprache eingegeben werden, und die Kommunikation mit dem System ist in mehreren Sprachen möglich.

3.5 Probleme und Gefahren von BID-Expertensystemen

Im zweiten Kapitel wurden die Nachteile und Probleme von Expertensystemen im allgemeinen beschrieben. An dieser Stelle wird nun auf die konkreten Probleme eingegangen, die sich bei der Entwicklung, dem Aufbau und dem Einsatz eines Expertensystems in einer BID-Einrichtung ergeben können.

Ein großer Anteil der zu bewältigenden Probleme tritt bereits in der Phase der Entwicklung

42

Es gibt nur wenige Mitarbeiter in BID-Einrichtungen, die ausreichendes Wissen und die notwendige Erfahrung mit dem Aufbau eines Expertensystems besitzen. Aufgrund der beschriebenen Probleme ist es aber sehr wichtig, bei derartigen Projekten Kontakt mit erfahrenen Fachkräften aus dem Bereich des Knowledge Engineering aufzunehmen. Lancaster (1997, S. 26) weist darauf hin, daß die Systeme, die erfolgreich arbeiten, durch die Zusammenarbeit von Wissensingenieuren mit den jeweiligen Praktikern entstanden.

Der Umfang der notwendigen Aktualisierungen ist je nach Gebiet sehr unterschiedlich. Zum einen müssen die in der Wissensbasis gespeicherten Fakten auf den neuesten Stand gebracht werden. Zum anderen ergeben sich durch innovative und kreative Lösungen der in dem entsprechenden Bereich tätigen Auskunftsbibliothekare oder Informationsvermittler ständig neue Lösungsansätze, die in das System integriert werden sollten (vgl. Holthoff, 1994, S. 204). Aktualisierungen werden weiterhin dadurch erforderlich, daß Datenbankangebote und Benutzeroberflächen von Hostsystemen ständigen Veränderungen unterliegen. Grundsätzlich sollte sichergestellt werden, daß die Aktualisierung des Expertensystems auch gewährleistet ist, wenn der Experte das Interesse verloren oder die Einrichtung verlassen hat (vgl. Carrington, 1990, S. 50).

Sowohl der zeitliche als auch der finanzielle Aufwand, der für die Entwicklung, den Aufbau, die Pflege und die Wartung eines Expertensystems erforderlich ist, sollten nicht unterschätzt werden. Nach Lancaster (1997, S. 26) wurde der finanzielle Faktor bei vielen Entwicklungen unrealistisch eingeschätzt: „the developers ... seem to have been naively optimistic regarding ... system costs“. Bei Cluff (1990, S. 302) findet sich eine ausführliche Beschreibung der entstehenden Kosten, zu denen einmalige und laufende Kosten (z.B. Personal-, Hardware- und Softwarekosten) zählen.

Davies et al. (1992, S. 94) führen einige Probleme an, die sich für Mitarbeiter ergeben

43

Expertensysteme und Nutzer können entweder über Menüs oder durch eine Folge von Fragen und Antworten miteinander kommunizieren. Die Verwendung von geschlossenen Fragen hat sich bewährt, da die Systeme gut mit der Bearbeitung vorgegebener Antwortmöglichkeiten zurechtkommen. Im Gegensatz dazu ergeben sich aus der großen Variabilität der möglichen Antworten des Nutzers auf offene Fragen des Systems immer wieder Probleme. Durch die den Systemen fehlende Fähigkeit zur nonverbalen Kommunikation werden diese Probleme noch verstärkt. Mills (1992 in Weckert und Ferguson, 1993, S. 173, 179) weist darauf hin, wie wichtig gerade dieser Aspekt der Kommunikation ist, und daß der überwiegende Teil der zwischenmenschlichen Kommunikation auf nonverbaler Ebene erfolgt.

In der Literatur finden sich einige Stimmen, die auf mögliche Gefahren von Expertensystemen hinweisen. Im Zusammenhang mit der Überlegung, ob Bibliothekare grundsätzlich alle Anfragen bearbeiten sollten, werfen Weckert und Ferguson (1993) auch ethische Fragen in bezug auf Expertensysteme auf. Da diese kein moralisches Urteilsvermögen haben, ist es ihnen im speziellen Fall nicht möglich zu entscheiden, ob einem Nutzer im speziellen Fall z.B. Informationen zum Bauen einer Bombe oder zum Begehen von Selbstmord besser vorenthalten werden sollten. Lancaster (1997, S. 35) führt das Problem an, daß Menschen noch keine Experten werden, nur weil sie ein Expertensystem nutzen. Ein solches Werkzeug könne sogar gefährlich werden, da es Nichtexperten Entscheidungen und Handlungen auf Gebieten ermöglicht, die normalerweise nur durch eine langjährige Ausbildung und umfangreiche Berufserfahrung zugänglich sind.

44

3.6 Zusammenfassende Einschätzung

In der Literatur finden sich viele Beschreibungen zu Expertensystemen, die als Leistungsangebot für Nutzer geeignet wären. Der größte Teil dieser Systeme ist jedoch nie über die Stufe eines Prototypen hinausgelangt, und die meisten Projekte wurden sogar vollständig eingestellt. Hawks (1994, S. 211) berichtet davon, daß sich fast keine Systeme im Einsatz befinden: „almost no operational systems in widespread use“.

Interessanterweise ergaben jedoch Evaluationen einiger der zuvor genauer beschriebenen Systeme positive Ergebnisse. Sie wurden sowohl von den Entwicklern, als z.T. auch von den Nutzern für gut befunden. Als ausgewählte Beispiele hierfür können CANSEARCH (vgl. Tseng, 1992, S. 181), EELIAS (vgl. Dabke und Thomas, 1992, S. 59) und der in Halle erstellte Prototyp (vgl. Siemer, 1996, S. 12) angeführt werden.

Da sich bei der Beschreibung der speziellen Systeme kaum Angaben finden lassen, die über die Planung, Entwicklung und Erstellung des jeweiligen Prototypen hinausgehen, können hier keine konkreten Gründe aufgeführt werden, die zum Scheitern der Systeme beitrugen. Es können jedoch Ursachen aufgezeigt werden, die zum einen in den allgemeinen Problemen mit Expertensystemen und zum anderen im BID-Bereich begründet liegen.

Zu den allgemeinen Gründen zählt das an früherer Stelle schon genauer beschriebene Problem der Umsetzung von Expertenwissen in ein System. Meyer-Fujara et al. (1995, S. 751) stellen dazu fest, daß es „große Bereiche von Expertenwissen und insbesondere auch -handeln [gibt], die sich einer effizienten Formalisierung mit den bisherigen Mitteln widersetzen“. Ein weiteres Problem liegt in der Lernfähigkeit von Expertensystemen, d.h. der automatischen Erweiterung der Wissensbasis, die nicht zufriedenstellend funktioniert. Zu einer generellen Ernüchterung in Hinblick auf die Pflege und Wartung der Systeme kommen die Schwierigkeiten, die sich mit ihrer Integration in die organisatorischen und technischen Strukturen ergeben. Nach Hensel (1993, S. 18) erkannte man außerdem, daß sich viele der Aufgaben, die ursprünglich mit Hilfe von Expertensystemen gelöst werden sollten, inzwischen auch mit Standardsoftware lösen lassen. Eine entscheidende Ursache für die reduzierte Präsenz der Expertensysteme ist auch die derzeitige Konzentration des Interesses auf andere neuere Technologien auf dem Gebiet der Künstlichen Intelligenz.

Im BID-Bereich hat man sich anderen Entwicklungen zugewendet, z.B. der Verbesserung der Nutzeroberflächen von Online-Systemen für Nutzer (vgl. Tseng, 1992, S. 187), die sich

45

Für den Bereich des Online Information Retrievals wird durch verschiedene Autoren diskutiert, ob dieses Gebiet möglicherweise generell ungeeignet für den Einsatz von Expertensystemen ist. Auch Brooks (1990, S. 210) ist der Meinung, daß dieses Gebiet keinen idealen Anwendungsbereich darstellt, da es weder begrenzt, noch schmal, noch homogen ist.

An der schwierigen Prognose für die Zukunft von Expertensystemen und deren Einsatz im BID-Einrichtungen versuchen sich nur einige Autoren.

Unter diesen finden sich einige relativ pessimistische Stimmen. So hätten Expertensysteme grundsätzlich keine Chance, wenn nicht das Problem der Ausfallquoten, auf das schon im zweiten Kapitel eingegangen wurde, geklärt werde. Lancaster und Sandore (1997, S. 233) stellen fest, daß außerhalb des Bibliotheksbereiches Ernüchterung weitverbreitet zu sein scheint. Sie vertreten die Meinung, daß der Enthusiasmus über die Möglichkeiten der Expertensysteme, der in einigen Teilen des Bibliotheksberufes existiert, völlig fehl am Platz ist, da einige der grundlegenden Probleme viel größer sind als ursprünglich erwartet wurde. Es wird noch lange Zeit dauern, bis es vielleicht möglich sein wird, die für solche Systeme so wichtigen menschlichen Intuitionen in entsprechender Form umzusetzen.

Eine andere Gruppe von Autoren steht dieser Technologie eher optimistisch gegenüber. Alberico (1990) sieht eine recht positive Zukunft voraus, wobei er die Möglichkeiten zukünftiger Expertensysteme und erfolgversprechende Wege für deren Realisierung beschreibt. Er äußert aber auch eine gewisse Skepsis, da auf diesem Wege noch große Anstrengungen unternommen werden müßten. Riggs (1990, S. 306), Weckert und Ferguson (1993, S. 179) und Morris (1996, S. 19) beschreiben die Situation als nicht einfach, halten die weitere Entwicklung dieser Systeme jedoch für vielversprechend. Bei Tseng (1992, S. 125) finden sich ähnliche Aussagen, die sich jedoch nur auf den Bereich des Auskunftsdienstes beschränken. Sie deutet in diesem Zusammenhang auch zukünftige Entwicklungsmöglichkeiten an, die beispielsweise durch die Nutzung von Hypertext, und der damit verbundenen Vorteile entstehen.

46

COMFRESH (Common Framework for Expert Systems and Hypertext) entstand als duales System an der Aristoteles Universität in Thessaloniki (Griechenland) (vgl. Kokkoras und Vlahavas, 1995). Es unterstützt den Nutzer bei der Suche nach Informationen zu griechischen Inseln. Durch die Nutzung der besonderen Vorzüge, die Hypertext bietet, gelingt in COMFRESH eine für den Nutzer transparentere Darstellung der Entscheidungen. Es kann somit entweder als Expertensystem mit den Möglichkeiten von Hypertext oder als wissensbasierter Hypertext genutzt werden.

Ein auf Metadaten basierendes Indexierungssystem mit integriertem Expertensystem wurde von Chander und Mitarbeitern an der Concordia Universität in Montreal, Quebec (Kanada) erstellt (An expert system, 1997). Das Expertensystem unterstützt u.a. die Suche nach elektronischen Dokumenten in digitalen Bibliotheken im World Wide Web, wobei es auf die Gebiete der Informatik und der Elektrotechnik begrenzt ist.

© Die inhaltliche Zusammenstellung und Aufmachung dieser Publikation sowie die elektronische Verarbeitung sind urheberrechtlich geschützt. Jede Verwertung, die nicht ausdrücklich vom Urheberrechtsgesetz zugelassen ist, bedarf der vorherigen Zustimmung. Das gilt insbesondere für die Vervielfältigung, die Bearbeitung und Einspeicherung und Verarbeitung in elektronische Systeme.