Phys. Dirk Burghardt

2.2. Grundlagen der automatisierten Generalisierung 25
Reverse Engineering: Eine Möglichkeit der Formalisierung kartographischen Expertenwissens
ist das Reverse Engineering“ (Grünreich, 1995a). Darunter versteht man einen Vergleich
”
mehrerer Darstellungen in Ausgangs- und Folgemaßstab mit dem Ziel, Gemeinsamkeiten zu extrahieren
und diese in verallgemeinerter Form (z.B. als Parameter oder Regel) abzuleiten. Auf
die Bedeutung des Reverse Engineering für die Generalisierung wurde unter anderem auf dem
zweiten Workshop über Progress in Automated Generalization“ in Barcelona 1995 hingewiesen
”
(Grünreich, 1996). Im Anhang A sind die experimentellen Arbeiten des Verfassers zur Analyse
von Verdrängungssituationen in topographischen Karten dargestellt. Hier ist die prizipielle Vorgehensweise
skizziert, wie mittels Reverse Engineering Steuerparameter für die automatisierte
Verdrängung abgeleitet werden können:
• Scannen von Verdrängungsszenen in verschiedenen Maßstäben (z.B. Fluß, Straße, Eisenbahn
im Durchbruchstal)
• Berücksichtigung charakteristischer Punkte zwecks Identifizierung gleicher Objekte in unterschiedlichen
Maßstäben
• Festlegung von geeigneten Maßen zur Beschreibung der Linienverdrängung (z.B. eingeschlossene
Fläche zwischen Original- und verdrängter Linie, bezogen auf die Bogenlänge,
Abstandsquadrate für charakteristische Punkte im Original- bzw. Folgemaßstab)
• Vergleich der Verschiebungsbeträge innerhalb der Maßstabsreihe und zwischen verschiedenen
Objekten
• Ableitung von Verdrängungsprioritäten und Vergleich mit den Verdrängungsprioritäten
des ATKIS-Signaturenkataloges (ATKIS-SK)
• Anwendung der gefundenen Verdrängungsprioritäten als Steuerparameter
Schwierigkeiten ergeben sich aus der Tatsache, daß Lageänderungen nicht zwangsläufig Folge
von Verdrängungsoperationen sind, sondern auch durch Vereinfachung der betreffenden Objekte
entstehen. Die praktische Realisierung zeigt, daß, entgegen den Verdrängungsprioritäten nach
ATKIS-SK, Gewässer stärker verdrängt werden als Straßen und die Lage von Eisenbahnen am
wenigsten geändert wird. Da hier zunächst nur die prinzipielle Machbarkeit und der Aufwand
untersucht wurde, bedarf es für allgemeingültige Aussagen wesentlich umfangreicherer Untersuchungen.
2.2.3 Wissensbasierte Systeme
Formalisierung: Der erste Schritt in der Formalisierung und Modellbildung ist die Auswahl
geeigneter Repräsentationsformen. Dazu gehört das Aufstellen von Rangfolgen und Ordnungen
(Taxonomien), z.B. mit Hilfe von Baumdiagrammen. Für die Ableitung von Relationen und
Charakteristiken können semantische Netze verwendet werden. Sie erleichtern die Abstraktion
und das Finden geeigneter Attribute zur Beschreibung typischer Eigenschaften.
Im zweiten und vielleicht schwierigsten Schritt des gesamten Akquisitionsprozesses müssen Methoden
und Regeln abgeleitet werden, welche die zu bearbeitenden Daten und das akquirierte
Wissen miteinander verknüpfen (Leitner and Buttenfield, 1995). Sie stellen das Kernstück
eines wissensbasierten Systems dar und werden mit dem Begriff des Inferenzmechanismus (Interpreter)
umschrieben (Grünreich und Rappe, 1997). Textliche Beschreibungen sind hierfür
weniger geeignet, da diese oft nicht präzise genug sind, um als Regel in einem wissensbasierten
System verwendet zu werden. Besser lassen sich Tabellen oder statistische Untersuchungen zur
Formalisierung nutzen (Laurema et al., 1991).