<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<item>
  <id>01939824</id>
  <dt>j</dt>
  <an>01939824</an>
  <augroup>
    <au>Waleschkowski, N.</au>
    <au>Schahn, M.</au>
    <au>Forchert, T.</au>
  </augroup>
  <ti>Wissensmodellierung und Wissenserwerb am Beispiel der Fahrzeugdiagnose. (Knowledge modeling and knowledge acquisition at example of the vehicle diagnosis.).</ti>
  <so>KI, K\"unstl. Intell. 9, No. 1, 55-61 (1995).</so>
  <py>1995</py>
  <pu>Springer, Berlin</pu>
  <lagroup>
    <la>DE</la>
  </lagroup>
  <ccgroup>
    <cc>I.2.1</cc>
  </ccgroup>
  <utgroup>
    <ut>Artificial intelligence</ut>
    <ut>Regional planning, transportation</ut>
    <ut>Knowledge base</ut>
    <ut>Transportation</ut>
    <ut>Model</ut>
    <ut>Control (Check)</ut>
  </utgroup>
  <cigroup>
  </cigroup>
  <ligroup>
  </ligroup>
  <abgroup>
    <ab>Im vorliegenden Beitrag wird das hybride generische Diagnosewerkzeug WDS (Wissensbasiertes Diagnosesystem) vorgestellt. Dabei liegt der Schwerpunkt auf dem Knowledge Engineering-Proze{\ss}, der zugrundeliegenden Modellierung des Wissens und der Gestaltung der Wissenserwerbskomponenten. Das WDS kombiniert modellbasierte, heuristische und fallbasierte Diagnosekonzepte. Es basiert auf technischen Systembeschreibungen in Form von Struktur- und Wirkungsmodellen und ist konzipiert f\"ur die vollst\"andige Diagnose komplexer technischer Systeme hoher Varianten- und Typenvielfalt wie Fahrzeuge, Flugzeuge etc.. (Autor) (Provider: Infodata)</ab>
    <rv></rv>
  </abgroup>
</item>