Norbert Eisinger – författare

Der vorliegende Studien- und Forschungsführer Künstliche Intelligenz gibt einen aktuellen Überblick über die in der Bundesrepublik Deutschland und in Österreich bestehenden Ausbildungsmöglichkeiten im Hochschulbereich und die Forschungsaktivitäten und -förderungsprogramme im öffentlichen und industriellen Bereich. Das Gebiet der Künstlichen Intelligenz (engl. Artificial Intelligence) hat in den USA, England und anderen Ländern bereits einen festen Platz in den Lehrplänen und in der Forschung gefunden und erlebt derzeit auch hierzulande einen enormen akademischen Aufschwung. Nicht zuletzt wegen der vielfältigen Anwendungsmöglichkeiten steht dieses Gebiet heute weltweit im Zentrum des Interesses und wird von einigen Ländern mit Aufwendungen in Milliardenhöhe gefördert. Die Künstliche Intelligenz hat sich in Deutschland erst sehr spät und gegen einigen Widerstand entwickeln können. Inzwischen gibt es jedoch Vorlesungen und Seminare an vielen deutschen Universitäten, einzelne Universitäten bieten sogar eine dem Ausland vergleichbare KI-Ausbildung an, die in die Informatik-Studienpläne integriert ist; einen eigenen KI-Studiengang gibt es allerdings bisher in Deutschland noch nicht. Die Informationen dieser Broschüre wurden von den Herausgebern im Namen des Fachausschusses 1.2 "Künstliche Intelligenz und Mustererkennung" der Gesellschaft für Informatik zusammengestellt.

This volume contains the tutorial papers of the Summer School “Reasoning Web,”July25–29,2005(http://reasoningweb. org). TheSchoolwashostedbythe University of Malta and was organized by the Network of Excellence REWERSE “Reasoning on the Web with Rules and Semantics” (http://rewerse. net), funded by the EU Commission and by the Swiss Federal O?ce for Edu- tion and Science within the 6th Framework Programme under the project ref- ence number 506779. The objective of the school was to provide an introduction into methods and issues of the Semantic Web, a major endeavor in current Web research, where the World Wide Web Consortium W3C plays an important role. The main idea of the Semantic Web is to enrich Web data with meta-data carrying a “meaning” of the data and allowing Web-based systems to reason about data (and meta-data). The meta-data used in Semantic Web applications is usually linked to a conceptualization of the application domain shared by di?erent applications. Such a conceptualization is called an ontology and sp- i?es classes of objects and relations between them. Ontologies are de?ned by ontology languages, based on logic and supporting formal reasoning. Just as the current Web is inherently heterogeneous in data formats and data semantics, the Semantic Web will be inherently heterogeneous in its reasoning forms. - deed, any single form of reasoning turns out to be insu?cient in the Semantic Web.

This volume contains the tutorial papers of the Summer School “Reasoning Web,”July25–29,2005(http://reasoningweb. org). TheSchoolwashostedbythe University of Malta and was organized by the Network of Excellence REWERSE “Reasoning on the Web with Rules and Semantics” (http://rewerse. net), funded by the EU Commission and by the Swiss Federal O?ce for Edu- tion and Science within the 6th Framework Programme under the project ref- ence number 506779. The objective of the school was to provide an introduction into methods and issues of the Semantic Web, a major endeavor in current Web research, where the World Wide Web Consortium W3C plays an important role. The main idea of the Semantic Web is to enrich Web data with meta-data carrying a “meaning” of the data and allowing Web-based systems to reason about data (and meta-data). The meta-data used in Semantic Web applications is usually linked to a conceptualization of the application domain shared by di?erent applications. Such a conceptualization is called an ontology and sp- i?es classes of objects and relations between them. Ontologies are de?ned by ontology languages, based on logic and supporting formal reasoning. Just as the current Web is inherently heterogeneous in data formats and data semantics, the Semantic Web will be inherently heterogeneous in its reasoning forms. - deed, any single form of reasoning turns out to be insu?cient in the Semantic Web.

Der vorliegende Studien- und Forschungsführer Künstliche Intelligenz gibt einen aktuellen Überblick über die in der Bundesrepublik Deutschland und in Österreich bestehenden Ausbildungsmöglichkeiten im Hochschulbereich und die Forschungsaktivitäten und -förderungsprogramme im öffentlichen und industriellen Bereich. Das Gebiet der Künstlichen Intelligenz (engl. Artificial Intelligence) hat in den USA, England und anderen Ländern bereits einen festen Platz in den Lehrplänen und in der Forschung gefunden und erlebt derzeit auch hierzulande einen enormen akademischen Aufschwung. Nicht zuletzt wegen der vielfältigen Anwendungsmöglichkeiten steht dieses Gebiet heute weltweit im Zentrum des Interesses und wird von einigen Ländern mit Aufwendungen in Milliardenhöhe gefördert. Die Künstliche Intelligenz hat sich in Deutschland erst sehr spät und gegen einigen Widerstand entwickeln können. Inzwischen gibt es jedoch Vorlesungen und Seminare an vielen deutschen Universitäten, einzelne Universitäten bieten sogar eine dem Ausland vergleichbare KI-Ausbildung an, die in die Informatik-Studienpläne integriert ist; einen eigenen KI-Studiengang gibt es allerdings bisher in Deutschland noch nicht. Die Informationen dieser Broschüre wurden von den Herausgebern im Namen des Fachausschusses 1.2 "Künstliche Intelligenz und Mustererkennung" der Gesellschaft für Informatik zusammengestellt.

Dieses Buch behandelt einfache Beweismuster wie Fallunterscheidung, Allbeweis, Implikationsbeweis, komplexe Beweismuster wie Kontraposition, Widerspruchsbeweis, Diagonalisierung sowie die verschiedenen Varianten der vollständigen Induktion bis hin zur transfiniten Induktion. Damit gibt es Antworten auf Fragen wie Was genau ist eigentlich ein Widerspruchsbeweis? Oder eine Widerlegung? Und wie hängen sie miteinander zusammen? Die Autoren versuchen, derartige fragen zu erörtern, indem sie verbreitete Beweismuster und anhand von allgemein verständlichen Beispielen aus dem Alltag, der Mathematik und der Informatik zu verdeutlichen.