Lehrstuhl für Angewandte Informatik in den Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kultur-, Geschichts- und Geowissenschaften Otto-Friedrich-Universität Bamberg Teil 1 Die Vorlesung im Kontext der Kulturinformatik Semantische Informationsverarbeitung Was ist Semantische IT? Teil 2 Semantische Informationstechnologie Prof. Dr. Christoph Schlieder 18. Oktober 2005 – Vorlesung 1 Teil 3 Künstliche Intelligenz Schlieder: Sem. Informationsverarbeitung Lehrstuhl für Angewandte Informatik in den Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kultur-, Geschichts- und Geowissenschaften Was ist Kulturinformatik? Kulturwissenschaften Kulturinformatik … im Plural ` Kurzform für „kulturwissenschaftliche Informatik“ ` Angewandte Informatik der Kulturwissenschaften Kulturwissenschaften ` so weit gefasst wie Naturwissenschaften ` Geschichtswissenschaft, Geographie, Ethnologie, … Seite 01-2 Kulturinformatik? Minerva: robot museum guide Schlieder: Sem. Informationsverarbeitung Seite 01-3 ` 'Kulturwissenschaften' befassen sich "mit Kultur als dem Inbegriff aller menschlichen Arbeit und Lebensformen, einschließlich naturwissenschaftlicher Entwicklungen" ` Frühwald, Jauß, Koselleck, Mittelstraß, Steinwachs (1991) Archäologie Vor- und Frühgeschichte Geschichte Kunstgeschichte Denkmalpflege Bauforschung Volkskunde Ethnologie Pädagogik (Kultur)geographie … Einige Kulturwissenschaften Schlieder: Sem. Informationsverarbeitung Seite 01-4 Lehrstuhl für Angewandte Informatik in den Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kultur-, Geschichts- und Geowissenschaften Technologien der Kulturinformatik Kulturinformatik in Bamberg Digitale Bibliotheken Methodischer Zugang www.esri.sc.edu/capabilities/gis ` Text- und Bildarchive ` Content Management ` Fokus auf geschichtswiss. Anwendungen GI-Services ` Geoinformationssysteme ` Mobile Computing ` Fokus auf geowiss. Anwendungen Analyse geowissenschaftlicher Daten mit einem Geoinformationssystem (ESRI) Schlieder: Sem. Informationsverarbeitung Prof. C. Schlieder, Universität Bamberg Wintersemester 2005-06 Seite 01-5 ` Semantische Informationsverarbeitung Geoinformatik Mobile Computing Semantische Analyse ` „Inhalt“, „Bedeutung“ modellieren bzw. automatisch erschließen Semantische Informationsverarbeitung Ansätze ` Bedeutung aus Struktur ` Bedeutung aus Kontext ` Bedeutung aus Verhalten Schlieder: Sem. Informationsverarbeitung Digitale Bibliotheken Content Management Seite 01-6 Semantische Informationsverarbeitung Vorlesung 01 -1 Lehrstuhl für Angewandte Informatik in den Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kultur-, Geschichts- und Geowissenschaften Praxisbeispiel Praxisbeispiel Diagram interpreter Anforderungen ` Technische Zeichnungen werden interpretiert, verbalisiert und navigierbar gemacht ` IT-Unterstützung für blinde und sehbehinderte Nutzer, Content Management für alle ` Bedeutung graphischer Symbole in verschiedenen Notationen (Normen) ist zu berücksichtigen ` (Teil-)Interpretationen von Zeichnungen sollen genutzt werden: Bilder (z.B. TIFF), Grafik (z.B. SVG), Diagramme (z.B. XMI) Forschungsnah Lernen ` EU-Projekt TeDUB am Labor für Semantische IT des Lehrstuhls technische Zeichnung: Grundriss Dominikanerkirche Schlieder: Sem. Informationsverarbeitung Seite 01-7 Visuelle Synonyme Schlieder: Sem. Informationsverarbeitung Lehrstuhl für Angewandte Informatik in den Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kultur-, Geschichts- und Geowissenschaften Diagram interpreter Informatischer Lösungsansatz Client validate Server Eingabe: Vektorgrafik Seite 01-8 hypothesis generator vector formats hypothesis generator raster formats image analysis Diagram navigator blackboard Inference engince Ausgabe: Interpretation Schlieder: Sem. Informationsverarbeitung semantic formats Seite 01-9 user Presentation generator semantic information processing Knowledge base Hypothesis processor Schlieder: Sem. Informationsverarbeitung Seite 01-10 Lehrstuhl für Angewandte Informatik in den Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kultur-, Geschichts- und Geowissenschaften Semantik modellieren Bachelor Angewandte Informatik Kompositionalität ` Die Bedeutung komplexer graphischer Ausdrücke ergibt sich aus der Bedeutung der Teile und der Art ihrer Zusammensetzung (Aggregationsregel) ` Kompositionalität ist ein allgemeines Prinzip logischer Ansätze zur Modellierung von Bedeutung ` Siehe Teil II der Vorlesung Schlieder: Sem. Informationsverarbeitung Prof. C. Schlieder, Universität Bamberg Wintersemester 2005-06 aggregation Lehrveranstaltung ECTS Prüfung Termin KuIn-1: Semantische Informationsverarbeitung 6 1,5 h schriftlich WS KuIn-2: Geoinformationssysteme 6 1,5 h schriftlich SS 3 1h schriftlich WS 3 15 m mündlich WS KuIn-3: Digitale Bibliotheken I KuIn-4: Praktikum Digitale Bibliotheken Der Wahlpflichtbereich umfasst 42 ECTS. Aus dem Fach Kulturinformatik stammen min. 6 und max. 18 ECTS. Aggregationsregel „Halbaddierer“ Seite 01-11 Schlieder: Sem. Informationsverarbeitung Seite 01-12 Semantische Informationsverarbeitung Vorlesung 01 -2 Lehrstuhl für Angewandte Informatik in den Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kultur-, Geschichts- und Geowissenschaften WPF Diplom Lehrveranstaltung a Kulturinformatik I: Semantische Informationsverarbeitung b Kulturinformatik II: Geoinformationssysteme SWS 4 V/Ü 4 Hauptseminar Kulturinformatik wechselnde Themen – freiwillig d V/Ü (2) Σ LVA V/Ü 4 Kulturinformatik III: Digitale Bibliotheken c NF Magister 12 TPL 1,5 1,5 1,5 HS TE Lehrveranstaltung SWS LVA TPL TE WS a Kulturinformatik I: Semantische Informationsverarbeitung 4 V/Ü Klausur WS b Kulturinformatik II: Geoinformationssysteme 4 V/Ü Klausur SS c Kulturinformatik III: Digitale Bibliotheken 4 V/Ü Klausur WS d Kulturinformatik IV: Bild- und Sprachverarbeitung 4 V/Ü Klausur SS e Hauptseminar Kulturinformatik wechselnde Themen – freiwillig 2 HS Schein WS/ SS SS WS SS 4,5 Σ Schlieder: Sem. Informationsverarbeitung Seite 01-13 Schlieder: Sem. Informationsverarbeitung Seite 01-14 Lehrstuhl für Angewandte Informatik in den Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kultur-, Geschichts- und Geowissenschaften KI-I: Sem. Informationsverarbeitung Teil 1 ` Maschinelles Problemlösen ` z.B. Constraint-Systeme nach van Harmelen (2000) Teil 2 ` Wissensrepräsentation ` z.B. formale Ontologien Teil 3 ` Lernende Softwareagenten ` z.B. Neuronale Netze 18 Teil I: Maschinelles Problemlösen V1 Was ist semantische IT? V2 Maschinelles Problemlösen V3 Heuristische Suche V4 Spiele V5 Constraint-Systeme Semantic Web: Die nächste Technologiegeneration Schlieder: Sem. Informationsverarbeitung Seite 01-15 Schlieder: Sem. Informationsverarbeitung Seite 01-16 Lehrstuhl für Angewandte Informatik in den Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kultur-, Geschichts- und Geowissenschaften Teil II: Wissensrepräsentation Teil III: Lernende Softwareagenten V6 Wissensrepräsentation V11 Maschinelles Lernen V7 Prädikatenlogische Modellierung V12 Entscheidungsbäume V8 Formale Ontologien V13 Neuronale Klassifikatoren V9 Ontologiemodellierungssprachen V14 Handlungsplanung V10 Probabilistisches Schließen V15 Zukunft der Semantischen IT Schlieder: Sem. Informationsverarbeitung Prof. C. Schlieder, Universität Bamberg Wintersemester 2005-06 Seite 01-17 Schlieder: Sem. Informationsverarbeitung Seite 01-18 Semantische Informationsverarbeitung Vorlesung 01 -3 Lehrstuhl für Angewandte Informatik in den Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kultur-, Geschichts- und Geowissenschaften Literaturempfehlung Lehrbuch Teil 1 Die Vorlesung im Kontext der Kulturinformatik ` Russell, S. & Norvig, P. (2003) ` Artificial Intelligence: A Modern Approach ` Prentice-Hall 0-13-790395-2 hardcover ` 0-13-080302-2 paperback ` Bitte beachten: 2nd edition Teil 2 Semantische Informationstechnologie Teil 3 Künstliche Intelligenz Inhaltliche Abdeckung ` Gut geeignet zum Nacharbeiten der Vorlesung Schlieder: Sem. Informationsverarbeitung Seite 01-19 Schlieder: Sem. Informationsverarbeitung Seite 01-20 Lehrstuhl für Angewandte Informatik in den Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kultur-, Geschichts- und Geowissenschaften Einfache Beobachtungen Wettbewerb ` Die Spieler der roten und gelben Mannschaft verfolgen verschiedene Ziele. Kooperation ` Spieler einer Mannschaft kooperieren, z.B. durch Zuspielen des Balls. Robustheit ` Eine Mannschaft kann auch mit 10, sogar noch mit 9 Spielern spielen. Schlieder: Sem. Informationsverarbeitung Seite 01-21 ` Informationsverarbeitung in Software-Agenten, die den Nutzer bei kognitiven Aufgaben unterstützen Situiertes System ` Fortlaufende, nicht endende Interaktion mit der Umwelt ` Der Agent nimmt die Umwelt über Sensoren wahr. ` Der Agent zeigt ein Verhalten, das die Umwelt verändert. ` Das Verhalten der Spieler wird durch ihre Umwelt bestimmt, d.h. durch die Position des Balls und die der anderen Spieler. ` Das verhalten (z.B. Passen des Balls) verändert diese Umwelt Autonomes Verhalten ` Es gibt keine zentrale Kontrolle der Spieler ` Ein Spieler folgt nicht den Kommandos eines anderen Spielers Schlieder: Sem. Informationsverarbeitung Seite 01-22 Lehrstuhl für Angewandte Informatik in den Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kultur-, Geschichts- und Geowissenschaften Semantische Informationsverarbeitung Perspektive Situiertes Verhalten „An agent is a computer system that is situated in some environment, and that is capable of autonomous action in this environment to meet its design objectives“ Wooldridge (1999). Schlieder: Sem. Informationsverarbeitung Prof. C. Schlieder, Universität Bamberg Wintersemester 2005-06 Seite 01-23 Autonomie Autonomes System – vorläufige Definition ` Fähig zu agieren, ohne Eingriff von Menschen oder anderen Systemen ` System kontrolliert sowohl seinen inneren Zustand wie auch das eigene Verhalten Schlieder: Sem. Informationsverarbeitung „An agent is an computer system that is situated in some environment, and that is capable of autonomous action in this environment to meet its design objectives“ Wooldridge (1999). Seite 01-24 Semantische Informationsverarbeitung Vorlesung 01 -4 Lehrstuhl für Angewandte Informatik in den Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kultur-, Geschichts- und Geowissenschaften Adaptives Verhalten Typen von Agenten reaktives Verhalten Problem ` Starre Kopplung zwischen Sensoren und Effektoren ` Gleicher Reiz führt zu gleicher Antwort ` Es wird kalt Biologische Anpassung ` Regulierung der Körpertemperatur ` Flexible Kopplung ` Antwort hängt vom Reiz und der Lerngeschichte ab (Gedächtnis) ` Problemlöseprozess: Feuer entfachen ` Arbeitsteilige Gesellschaft: Heizkosten bezahlen Seite 01-25 Beispiele ` Xbiff, ein X Windows Programm ` Überwacht die Mailbox und meldet eintreffende Mails Effektoren Schlieder: Sem. Informationsverarbeitung Seite 01-26 Lehrstuhl für Angewandte Informatik in den Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kultur-, Geschichts- und Geowissenschaften Rein reaktive Agenten ` Ein reaktiver Agent ist ein Agent, der reflexhaftes Verhalten zeigt. ` action: S → A Umwelt Sensoren Jede Anpassungsleistung wird nur mit einem bestimmten Ausmaß an Veränderung fertig Schlieder: Sem. Informationsverarbeitung Definition Effektoren deliberatives Verhalten Kognitive Anpassung Soziale Anpassung Agent Sensoren Architektur reaktiver Agenten temperature < threshold → heating on temperature > threshold → heating off Sensoren Umwelt condition-action rules Condition-action rules für einen Thermostaten-Agenten Schlieder: Sem. Informationsverarbeitung Seite 01-27 Zustand der Welt Effektoren Aktion ausführen Schlieder: Sem. Informationsverarbeitung Seite 01-28 Lehrstuhl für Angewandte Informatik in den Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kultur-, Geschichts- und Geowissenschaften Beispiel: Braitenberg Vehicle Reaktives Verhalten Explorationsaufgabe Agent soll alle Felder betreten Perzepte light sensors 1 Freies Feld in Bewegungsrichtung 0 Wand in Bewegungsrichtung Aktionen step motors phototropic behavior Schlieder: Sem. Informationsverarbeitung Prof. C. Schlieder, Universität Bamberg Wintersemester 2005-06 photophobic behavior Seite 01-29 L,R Links-/Rechtsdrehung M Geradeausbewegung Schlieder: Sem. Informationsverarbeitung Seite 01-30 Semantische Informationsverarbeitung Vorlesung 01 -5 Lehrstuhl für Angewandte Informatik in den Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kultur-, Geschichts- und Geowissenschaften Implementierung Verhaltenstabelle percept action 1 0 M R Eigenschaften ` funktioniert für 2x3 Feld aber hält nie an! ` Die Umwelt funktioniert als Problemrepräsentation B Kurz gefragt ^ function Reflex-Agent(percept) returns action static: table action ← Lookup(percept,table) return action Welche … ` Explorationsaufgabe lässt sich nicht durch reaktives Verhalten lösen? function Reflex-Agent2(percept) returns action static: percepts,table percepts ← Append(percepts,percept) action ← Lookup(percepts,table) return action Schlieder: Sem. Informationsverarbeitung Seite 01-31 Schlieder: Sem. Informationsverarbeitung Lehrstuhl für Angewandte Informatik in den Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kultur-, Geschichts- und Geowissenschaften Adaptives Verhalten Implementierung Endlicher Speicher Explorationsaufgabe ` Agent kann eine endliche Zahl interner Zustände unterscheiden ` Übergangsdiagramm ` Beliebige rechteckige Felder explorieren unmöglich ohne Gedächtnis ` Gleiches Perzept 1 führt zu unterschiedlichem Verhalten M or R ` Agent muss sich seine vorangegangenen Aktionen zu einem gewissen Grad merken 1-M stop 0,1-L M1 start 0-. Schlieder: Sem. Informationsverarbeitung Seite 01-33 ` nach Wooldridge & Jennings (1995) ` Ein Agent ist intelligent, wenn er folgende Eigenschaften besitzt: L2 function Adaptive-Agent(percept) returns action static: state,table action ← Lookup(percept,state,table) state ← Update-State(state,percept) return action 1-M 0-. L1 0-L 0-R R1 R2 1-M M2 0,1-R stop 1-M Schlieder: Sem. Informationsverarbeitung Seite 01-34 Lehrstuhl für Angewandte Informatik in den Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kultur-, Geschichts- und Geowissenschaften Intelligente Agenten Definition Seite 01-32 Rein deliberativer Agent Reaktivität ` Reagiert auf Veränderungen der Umwelt Sensoren Proaktivität ` Zeigt ziel-orientiertes Verhalten durch Ergreifen von Initiative Soziales Verhalten Planungsverfahren Wissensbasis Umwelt ` In der Lage, mit anderen Agenten (auch: Menschen) zu interagieren Lernverfahren Effektoren Schlieder: Sem. Informationsverarbeitung Prof. C. Schlieder, Universität Bamberg Wintersemester 2005-06 Seite 01-35 Schlieder: Sem. Informationsverarbeitung Seite 01-36 Semantische Informationsverarbeitung Vorlesung 01 -6 Lehrstuhl für Angewandte Informatik in den Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kultur-, Geschichts- und Geowissenschaften Vorlesung Teil 1 Die Vorlesung im Kontext der Kulturinformatik Sensoren Teil II Wissensrepräsentation Umwelt Teil I Problemlösen Teil III Lernen Teil 2 Semantische Informationstechnologie Teil 3 Künstliche Intelligenz Effektoren Schlieder: Sem. Informationsverarbeitung Seite 01-37 Schlieder: Sem. Informationsverarbeitung Lehrstuhl für Angewandte Informatik in den Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kultur-, Geschichts- und Geowissenschaften Künstliche Intelligenz Gegenstand ` “The study of the computations that make it possible to perceive, reason, and act” Winston (1992) B Kurz gefragt ^ Verallgemeinerung ` die KI-Forschung untersucht Berechnungen, die kognitive Funktionen realisieren ` Wahrnehmung, Denken, Handeln ` Sprache, Gedächtnis, Lernen, ... Schlieder: Sem. Informationsverarbeitung Seite 01-39 ` Messen Unterschiede der Performanz von Individuen mit derselben Kompetenz (e.g. Sprechen, Denken) ` Die Aussage, ein Affe oder eine Maschine seien weniger intelligent als ein Mensch, ist sinnlos! ` definiert KI wie folgt “The art of creating machines that perform functions that require intelligence when performed by people.” Künstliche Intelligenz ` Wie unterscheidet sich diese Definition von der durch Winston (1992) gegebenen? ` Ist Intelligenz ein geeigneter psychologischer Begriff für die Definition von KI? Schlieder: Sem. Informationsverarbeitung Seite 01-40 Lehrstuhl für Angewandte Informatik in den Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Forschungsrichtungen Ingenieur- Menschliche Intelligenz Menschliche Intelligenztests Kurzweil (1990) Kultur-, Geschichts- und Geowissenschaften Intelligenz ` Ein kontrovers diskutierter psychologischer Begriff! Seite 01-38 wissenschaftliche KI Kompetenz ` (nicht: Performanz) dient der KI als Vorbild ` McCarthy schlägt 1956 Cognetics als geeignetere Bezeichnung für das Gebiet vor Schlieder: Sem. Informationsverarbeitung Prof. C. Schlieder, Universität Bamberg Wintersemester 2005-06 ` Informationsverarbeitung genügt technischen Rationalitätskriterien ` Diese Vorlesung Kognitions- Technische Rationalitätskriterien ` Algorithmische Kosten: schnellste Lösung ` Wirtschaftlichkeit: billigste Lösung wissenschaftliche KI ` Informationsverarbeitung, die rational (optimal) für biologische Systeme ist ` Vorlesung Schmid: Kognitive Systeme Seite 01-41 Schlieder: Sem. Informationsverarbeitung Seite 01-42 Semantische Informationsverarbeitung Vorlesung 01 -7 Lehrstuhl für Angewandte Informatik in den Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kultur-, Geschichts- und Geowissenschaften Beschreibungsebenen corporate memory Semantische IT Wissensmanagementsystem Soziale Prozesse Künstliche Intelligenz episodisches Wissen Künstliche Intelligenz Gedächtnisassistent Kognitive Prozesse Neuroinformatik synaptische Plastizität Soziale Prozesse Kognitive Prozesse Neuroinformatik Assoziativer Speicher Biologische Prozesse Schlieder: Sem. Informationsverarbeitung Seite 01-43 Biologische Prozesse Schlieder: Sem. Informationsverarbeitung Seite 01-44 Lehrstuhl für Angewandte Informatik in den Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kultur-, Geschichts- und Geowissenschaften Bsp. Gedächtnisassistent Kognitive Assistenzsysteme Forget-Me-Not Kognitive Fragestellung ` Xerox UK, 1990-94 Michael Lamming u.a. ` Erinnerung an Vorgänge und Ereignisse unterstützen ` Wie löst das kognitive System die Aufgabe? Informatische Frage ` Wie lässt sich die Aufgabe algorithmisch lösen? Kognitive Grundlagen ` episodisches Gedächtnis Informatische Lösung Aufgabenteilung ` Thread-Konzept Forget-Me-Not 1994 Intelligent Assistance Schlieder: Sem. Informationsverarbeitung Seite 01-45 ` Wo liegen Stärken und Schwächen der mentalen bzw. maschinellen Problemlösung? Forget-Me-Not 1994 Intelligent Assistance Schlieder: Sem. Informationsverarbeitung Seite 01-46 Lehrstuhl für Angewandte Informatik in den Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kultur-, Geschichts- und Geowissenschaften Bsp. Schachprogramme Verschiedenheit der Strategien Philadelphia, 1996 Parallele Garry Kasparov´s Suchalgorithmen Kasparov 011=11 Deep Blue 1 0 0 = 0 0 Vorteil ` auf IBM RS/6000 ` Evaluierung: 2·108 vs. 3 positions / s ` Suchtiefe: 12 ply exhaustiv vs. 4 ply selectiv New York, 1997 Kasparov 10===0 Deep Blue 0 1 = = = 1 Weitere Information www.research.ibm.com/ deepblue/ Schlieder: Sem. Informationsverarbeitung Prof. C. Schlieder, Universität Bamberg Wintersemester 2005-06 Seite 01-47 Schlieder: Sem. Informationsverarbeitung “Deep Blue, as it stands today, is ... not capable of utilizing artificial intelligence to either learn from its opponent or "think" about the current position of the chessboard.” IBM website Seite 01-48 Semantische Informationsverarbeitung Vorlesung 01 -8 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften IJCAI Conference Search Constraint Satisfaction Planning Genetic Algorithms Knowledge Learning Agents Description logics Neural Networks Multiagent systems Belief revision Machine Learning Cognitive robotics Action and causality Probabilistic Uncertainty Learning & Reasoning Case-based reasoning Qualitative reasoning Temporal reasoning Spatial reasoning Schlieder: Sem. Informationsverarbeitung Prof. C. Schlieder, Universität Bamberg Wintersemester 2005-06 Seite 01-49 Semantische Informationsverarbeitung Vorlesung 01 -9
© Copyright 2025 ExpyDoc
