Abschlussarbeit

Beschreibung:

Assumption-Based Argumentation (ABA) [Cyras et al., 2018] ist ein etabliertes Formalismus zur Modellierung und Analyse von Argumentationen. Durch die explizite Darstellung von Annahmen, Regeln und Konflikten ermöglicht ABA eine formale Untersuchung von Debatten und Schlussfolgerungsprozessen und findet Anwendung in zahlreichen Bereichen der Wissensrepräsentation und des automatisierten Schließens. Gleichzeitig stellen die hohen Berechnungskosten zentraler Inferenzaufgaben in ABA eine wesentliche Herausforderung dar, insbesondere bei großen Wissensbasen.

Eine verbreitete Strategie zur Bewältigung solcher Komplexitätsprobleme besteht darin, Berechnungen durch Zerlegungsverfahren effizienter zu gestalten. Ein wichtiges Beispiel hierfür ist das sogenannte Splitting, bei dem ein Argumentationsproblem in kleinere Teilprobleme zerlegt wird. Die Lösungen der einzelnen Teilprobleme können anschließend kombiniert werden, um die Lösungen des ursprünglichen Problems zu erhalten. Solche Verfahren ermöglichen es, den Suchraum schrittweise einzuschränken und dadurch die Extensionen effizienter zu berechnen.

Bisherige Ansätze zu Splitting wurden insbesondere für graphbasierte Argumentationsformalismen wie Dung’s Argumentation Frameworks [Dung, 1995] untersucht [Baumann, 2011]. Allerdings entsteht bei ABA ein besonderes Problem: Wird eine ABA-Wissensbasis zunächst in ein Argumentationsgraphen überführt, kann die Anzahl der erzeugten Argumente exponentiell wachsen. Dadurch kann der Vorteil graphbasierter Splitting-Verfahren durch den Aufwand der vorherigen Instanziierung verloren gehen. Um dieses Problem zu adressieren, wurde ein Ansatz entwickelt, der Splitting direkt auf der Wissensbasis eines ABA-Frameworks anwendet, anstatt auf dessen graphbasierter Darstellung [Berthold et al., 2026]. Dadurch kann die Struktur der ursprünglichen Wissensbasis genutzt werden, bevor eine vollständige Argumentgenerierung erfolgt.

Ein verwandter und weiterführender strukturierter Argumentationsformalismus ist ASPIC+ [Modgil and Prakken, 2014], der durch die Unterscheidung zwischen strikten und defeasiblen Regeln sowie durch die Möglichkeit, Präferenzen zwischen Argumenten zu modellieren, eine noch ausdrucksstärkere Repräsentation ermöglicht. Diese zusätzliche Ausdruckskraft führt jedoch auch zu neuen Herausforderungen hinsichtlich der effizienten Berechnung von Extensionen. Insbesondere stellt sich die Frage, ob und wie die für ABA entwickelten Splitting-Ideen auf ASPIC+ übertragen werden können.

Im Rahmen dieser Bachelorarbeit soll daher untersucht werden, wie ein Splitting-Verfahren auf Wissensbasisebene von ABA auf ASPIC+ erweitert werden kann. Dabei müssen die spezifischen Eigenschaften von ASPIC+, insbesondere die unterschiedlichen Regeltypen und die daraus entstehenden Abhängigkeiten zwischen Argumenten, berücksichtigt werden. Ziel ist es, ein geeignetes Zerlegungsverfahren für ASPIC+ zu entwickeln und dessen Korrektheit hinsichtlich der resultierenden Extensionen zu untersuchen.

Referenzen:

[Cyras et al., 2018] Cyras, K.; Fan, X.; Schulz, C.; and Toni, F. 2018.
Assumption-based argumentation: Disputes, explanations,
preferences. In Handbook of Formal Argumentation, volume 1. chapter 7.

[Dung, 1995] Dung, P. M. (1995). On the acceptability of arguments and its fundamental role in nonmonotonic reasoning, logic programming and n-person games. Artificial intelligence, 77(2):321–357.

[Baumann, 2011] Ringo Baumann: Splitting an Argumentation Framework. LPNMR 2011: 40-53

[Berthold et al., 2026] Matti Berthold, Lydia Blümel, Giovanni Buraglio, Anna Rapberger: Splitting Argumentation Frameworks with Collective Attacks and Supports. CoRR abs/2604.28112 (2026)

[Modgil and Prakken, 2014] Sanjay Modgil, Henry Prakken: The ASPIC+ framework for structured argumentation: a tutorial. Argument Comput. 5(1): 31-62 (2014)