einzelne Vorteile von MOM/FAVA

Wie herkömmliche Begriffssysteme bietet MOM die Möglichkeit, Begriffe innerhalb des Begriffssystems aufzufinden. Diese können Gegenständen zugeordnet werden. Dadurch lassen sich Gegenstände auffinden indem der zugehörige Begriff aufgefunden wird.

Im Unterschied zu herkömmlichen Begriffssystemen gibt MOM zusätzlich für jeden Begriff (außer den grundlegendsten) mehr als eine Eigenschaft des Gegenstandes an, den der Begriff repräsentiert. Ferner verwendet MOM ausschließlich eine einzige Relation: ist Eigenschaft von. Dadurch bewirkt die Zuordnung mehrerer Eigenschaften zu einem Begriff eine echte Definition dieses Begriffes. Diese Definition kann aus einer Visualisierung des MOM-Begriffssystems abgelesen werden. Ferner lässt sich ein Begriff deswegen auch anhand seiner Eigenschaften innerhalb des MOM-Begriffssystems ermitteln: Vorkenntnisse oder Fachbezeichnungen sind nicht länger erforderlich, um einen Gegenstand mithilfe des MOM-Begriffssystems zu identifizieren.

Wie seine Vorgänger Thesaurus und Klassifikationssystem können Knoten des MOM-Begriffssystems (bei den vorgenannten als "Klassen" bezeichnet) dazu eingesetzt werden, generische Gegenstände zu taggen, um diese wiederauffinden zu können. Im Unterschied zu seinen Vorgängern ist zur Nutzung MOMs kein Vorwissen erforderlich. Dies hat weitreichende Konsequenzen. Als wesentliche etwa, dass auch Maschinen dazu in der Lage sein sollten, MOM einzusetzen: Auch Maschinen fehlt Vorwissen. Dementsprechend sollte es möglich sein, etwa MOM in Geräten einzusetzen, um Gegenstände zu erkennen. Etwa Tumorzellen, ähnliche DNA-Sequenzen, Schrottobjekte, Straßen gegenüber Straßengraben und Gegenfahrbahn, Menschen.

Wie herkömmliche Begriffssysteme bildet MOM einen Wissensspeicher. Doch wird in MOM der "Medienbruch" vermieden, der bei jenen stattfindet: Um Angaben aus Scope Notes interpretieren zu können, ist Vorwissen erforderlich. Etwa darüber, wie die Sprache "funktioniert", in der die Scope Note abgefasst ist, was die Wörter bedeuten. Wenn sich die Annahme bewahrheitet, dass Maschinen MOM einsetzen können, um Gegenstände zu erkennen, dann bildet MOM implizit eine Möglichkeit, Wissensspeicher anzulegen, die von Maschinen genutzt werden können. Das heißt: Wissen, das Maschinen benötigen, um ihre jeweilige Aufgabe zu bewältigen, kann mithilfe von MOM erstellt, verwaltet, modifiziert und v.a. dupliziert werden. Im Unterschied zu Neuronalen Netzwerken ist für jeden Knoten innerhalb eines MOM-Wissensspeichers (aka MOM-Begriffssystems) bekannt, was er bedeutet. MOM bietet also eine Möglichkeit, Neuronale Netzwerke zu initialisieren.


FAVA bildet einen Wrapper um MOM herum. Es funktioniert ähnlich wie ein Indexierungs-/Retrieval-Tool: Mit seiner Hilfe lassen sich MOM-Begriffe beliebigen Gegenständen zuordnen – etwa Dateien, Musikstücken, Videofilmen, Bookmarks, Netizens, Verhandlungspartnern ... –, und diese lassen sich auch mithilfe dieser Begriffe wiederauffinden.


Die Möglichkeit, dass Maschinen MOM-Wissensspeicher nutzen, um ihre jeweiligen Aufgaben zu erfüllen, wird in diesem Projekt noch nicht berücksichtigt, denn zunächst müssen die überhaupt die Werkzeuge erstellt werden, um derartige Wissensspeicher anzulegen.