Computational Intelligence

In der Informatik bezieht sich Computational Intelligence (CI) auf Konzepte, Paradigmen, Algorithmen und Implementierungen von Systemen, die darauf ausgelegt sind, in komplexen und sich verändernden Umgebungen „intelligentes“ menschliches Verhalten nachzuahmen. Diese Systeme zielen darauf ab, komplexe Aufgaben in einer Vielzahl von technischen oder kommerziellen Bereichen zu bewältigen und bieten Lösungen, die unter anderem Muster erkennen und interpretieren, Prozesse steuern, Entscheidungsfindungen unterstützen oder Fahrzeuge oder Roboter in unbekannten Umgebungen autonom manövrieren. Die Konzepte und Paradigmen zeichnen sich durch die Fähigkeit aus, zu lernen oder sich an neue Situationen anzupassen, zu verallgemeinern, zu abstrahieren, zu entdecken und zu assoziieren. Naturanaloge oder von der Natur inspirierte Methoden spielen dabei eine Schlüsselrolle.

CI-Ansätze befassen sich in erster Linie mit komplexen Problemen der realen Welt, für die mathematische oder traditionelle Modellierung aus verschiedenen Gründen nicht geeignet ist: Die Prozesse lassen sich mit vollständigem Wissen nicht genau beschreiben, sie sind für mathematische Herangehensweisen zu komplex, sie beinhalten gewisse Unsicherheiten während des Prozesses, wie beispielsweise unvorhergesehene Veränderungen in der Umgebung oder im Prozess selbst, oder die Prozesse sind einfach stochastischer Natur. Daher sind CI-Techniken in der Regel auf Prozesse ausgerichtet, die unzureichend definiert, komplex, nichtlinear, zeitabhängig und/oder stochastisch sind.

Eine Definition der IEEE Computational Intelligence Society von 2025 beschreibt CI als die Theorie, das Design, die Anwendung und die Entwicklung von biologisch und linguistisch motivierten Berechnungsparadigmen. Traditionell sind die drei Hauptsäulen der CI neuronale Netze, Fuzzy-Systeme und evolutionäre Algorithmen (Evolutionary Computation). ... CI ist ein sich weiterentwickelndes Gebiet und umfasst derzeit neben den drei Hauptkomponenten auch Berechnungsparadigmen wie ambient intelligence, künstliches Leben, cultural learning, artificila endokrine networks, social reasoning und artificial hormone networks. ... In den letzten Jahren gab es eine explosionsartige Zunahme der Forschung im Bereich Deep Learning, insbesondere im Bereich der deep convolutional neural networks. Heutzutage ist Deep Learning zur Kernmethode der künstlichen Intelligenz geworden. Tatsächlich basieren einige der erfolgreichsten KI-Systeme auf CI. (Übersetzt mit DeepL.com)

Die allgemeinen Anforderungen für die Entwicklung eines „intelligenten Systems“ sind letztlich immer dieselben, nämlich die Simulation und Nachahmung intelligenten menschlichen Denkens und Handelns in einem bestimmten Anwendungsbereich. Dazu muss das Wissen über diesen Bereich in einem Modell dargestellt werden, damit es verarbeitet werden kann. Die Qualität des resultierenden Systems hängt weitgehend davon ab, wie gut das Modell nach der Entwicklungs- oder Lernphase die relevanten Aspekte der Realität abbildet. Manchmal eignen sich datengesteuerte Methoden, um ein gutes Modell zu finden, und manchmal liefern logikbasierte Wissensrepräsentationen bessere Ergebnisse. In realen Anwendungen kommen in der Regel hybride Modelle zum Einsatz.

Da es sich bei CI um ein aufstrebendes und sich entwickelndes Gebiet handelt, gibt es keine endgültige Definition von CI, insbesondere hinsichtlich der Liste der dazugehörigen Konzepte und Paradigmen. Ausgehend von aktuellen Lehrbüchern können die folgenden Methoden und Paradigmen, die sich weitgehend ergänzen, als Bestandteile von CI betrachtet werden:

  1. Rudolf Kruse, Sanaz Mostaghim, Christian Borgelt, Christian Braune, Matthias Steinbrecher: Computational Intelligence: A Methodological Introduction (= Texts in Computer Science). 3. Auflage. Springer International Publishing, Cham 2022, ISBN 978-3-03042226-4, doi:10.1007/978-3-030-42227-1 (computational-intelligence.eu [abgerufen am 6. Januar 2026]).
    1. 1 2 Preface, S. V
    2. 1 2 Intelligent Systems, S. 1-2
    3. 1 2 3 4 5 Computational Intelligence, S. 2-3
  2. Andries P. Engelbrecht: Computational Intelligence: An Introduction. 2nd ed Auflage. John Wiley & Sons, Chichester, England ; Hoboken, NJ 2007, ISBN 978-0-470-03561-0.
    1. 1 2 Introduction to Computational Intelligence, S. 3-4
    2. 1 2 3 4 Computational Intelligence Paradigms, S. 4-11
  3. Nazmul Siddique, Hojjat Adeli: Computational Intelligence: Synergies of Fuzzy Logic, Neural Networks, and Evolutionary Computing. J. Wiley & Sons, Chichester, U.K 2013, ISBN 978-1-118-53481-6.
    1. ↑ Computational Intelligence, S. 1-2
    2. ↑ Paradigms of Computational Intelligence, S. 2-3
    3. 1 2 3 4 5 6 Approaches to Computational Intelligence, S. 3-10
  4. ↑ What is Computational Intelligence? IEEE Computational Intelligence Society, abgerufen am 23. Dezember 2025 (englisch).
  5. ↑ James C. Bezdek: (Computational) Intelligence: What's in a Name? In: IEEE Systems, Man, and Cybernetics Magazine. Band 2, Nr. 2, April 2016, ISSN 2333-942X, S. 4–14, doi:10.1109/MSMC.2016.2558778 (ieee.org [PDF]).
  6. ↑ Bart Craenen, A. E. Eiben: Computational Intelligence. In: N. K. Joost (Hrsg.): Encyclopedia of Life Support Sciences (EOLSS). Band 4. EOLSS Co. Ltd., 2002 (researchgate.net).
  7. ↑ Włodzisław Duch, Jacek Mandziuk: What Is Computational Intelligence and Where Is It Going? In: Włodzisław Duch, Jacek Mandziuk (Hrsg.): Challenges for Computational Intelligence (= Studies in Computational Intelligence). Band 63. Springer, Berlin, Heidelberg 2007, ISBN 978-3-540-71983-0, S. 1–13, doi:10.1007/978-3-540-71984-7.
  8. ↑ John Fulcher: Introduction, Overview, Definitions. In: John Fulcher, L. C. Jain (Hrsg.): Computational Intelligence: A Compendium (= Studies in Computational Intelligence). Nr. 115. Springer, Berlin, Heidelberg 2008, ISBN 978-3-540-78292-6, S. 3–7, doi:10.1007/978-3-540-78293-3.
  9. Volker Nissen: Evolutionäre Algorithmen. Deutscher Universitätsverlag, Wiesbaden 1994, ISBN 3-8244-0217-3, doi:10.1007/978-3-322-83430-0.
    1. ↑ Hybridsysteme, S. 265-312
  10. 1 2 3 4 5 Thomas Hanne, Rolf Dornberger: Computational Intelligence. In: Computational Intelligence in Logistics and Supply Chain Management (= International Series in Operations Research & Management Science). Band 244. Springer International Publishing, Cham 2017, ISBN 978-3-319-40720-3, S. 13–41, doi:10.1007/978-3-319-40722-7.
  11. Alexander Hošovský, Ján Piteľ, Monika Trojanová, Kamil Židek: Computational Intelligence in the Context of Industry 4.0. In: D.T. Matt, V. Modrák, H. Zsifkovits (Hrsg.): Implementing Industry 4.0 in SMEs. Springer International Publishing, Cham 2021, ISBN 978-3-03070515-2, doi:10.1007/978-3-030-70516-9_2.
    1. 1 2 3 4 5 6 S. 30-31
  12. Russell Eberhart, Yuhui Shi: Computational Intelligence. Elsevier / Morgan Kaufmann, Amsterdam, Boston 2007, ISBN 978-1-55860-759-0, doi:10.1016/B978-1-55860-759-0.X5000-8.
    1. 1 2 3 4 Preface, S. XIII-XIX
  13. 1 2 3 4 5 Cengiz Kahraman (Hrsg.): Computational Intelligence Systems in Industrial Engineering: With Recent Theory and Applications (= Atlantis Computational Intelligence Systems. Band 6). Atlantis Press, Paris 2012, ISBN 978-94-91216-76-3, Preface, S. VII-XI, doi:10.2991/978-94-91216-77-0.
Dieser Artikel wurde von Wikipedia herausgegeben. Der Text ist unter Creative Commons Attribution-Share Alike 4.0 verfügbar, sofern nicht anders angegeben. Für die Mediendateien können zusätzliche Bedingungen gelten.