Das Prinzip der maximalen Entropie ist ein Verfahren der künstlichen Intelligenz, mit dem fehlendes stochastisches Wissen generiert werden kann. Dadurch ist die Methode für alle Aufgabenstellungen anwendbar, in denen temporär oder dauerhaft nur unvollständiges Wissen vorliegt. Das Prinzip fügt zu vorhandenem lückenhaften Wissen so viel, wie möglich Unsicherheit hinzu und minimiert dadurch nicht gerechtfertigte si-chere Annahmen. Anhand eines einfachen Beispiels mit zwei booleschen Zufallsvariablen wird die Überwachungseinrichtung einer Produktionsanlage modelliert. Dabei liegt über die Güte der Überwachung nur unvollständiges Wissen vor. Aus den gegebenen Informationen werden nun die Berechnungsschritte hin bis zu einer vollständigen Wahrscheinlichkeitsverteilung demonstriert. Diese Verteilung repräsentiert das vollständige Wissen aller Zusammenhänge des Modells. Die so gewonnene Wahrscheinlichkeitsverteilung wird abschließend zur Bewertung der Güte der Überwachungsanlage genutzt und ermöglicht dabei statistische Aussa-gen, welche mit dem ursprünglich gegebenen Wissen nicht möglich wa-ren.
Diese Arbeit stellt einen Lösungsansatz
für das Erstellen einer Karte für autonome Systeme auf Grundlage von Objekten mit Lebenspunkten vor. Dafür werden von
den Sensoren erfasste Punkte mit einem DBSCAN verarbeitet,
um zusammenhängende Cluster zu finden. Diese Cluster werden
mit Lebenspunkten versehen, welche die Existenzplausibilität
widerspiegeln.