Ein Fuzzy-Inferenzsystem (FIS) ist die zentrale Entscheidungseinheit innerhalb eines Fuzzy-Logik-Systems. Es bietet einen rechnerischen Rahmen, um menschliches Denken in ein funktionales Modell zu übersetzen, hauptsächlich durch die Verwendung von WENN-DANN-Regeln. Ein FIS ist von strategischer Bedeutung, da es vage und ungenaue Informationen mithilfe eines Rahmens linguistischer Regeln verarbeiten und ein definitives Ergebnis ableiten kann. Damit ist es ein Eckpfeiler von Fuzzy-Steuerungs- und Entscheidungsanwendungen.

Das Hauptmerkmal eines FIS besteht darin, dass seine Ausgabe immer eine Fuzzy-Menge ist, unabhängig davon, ob die Eingaben scharfe (präzise) oder unscharfe (ungenaue) Werte sind. Daher ist für Anwendungen, die eine einzelne, verwertbare Ausgabe erfordern, wie z. B. in einem Controller, eine Defuzzifizierungseinheit erforderlich, um diese unscharfe Ausgabe in eine scharfe Variable umzuwandeln.

Ein vollständiges Fuzzy-Inferenzsystem besteht aus fünf verschiedenen Funktionsblöcken:

• Regelbasis: Enthält den Satz unscharfer WENN-DANN-Regeln, die das Verhalten des Systems steuern.
• Datenbank: Definiert die Zugehörigkeitsfunktionen für die Fuzzy-Mengen, die in den Fuzzy-Regeln verwendet werden.
• Entscheidungsträger: Führt die Inferenzoperationen für die Regeln aus, um Schlussfolgerungen abzuleiten.
• Fuzzifizierungs-Schnittstelleneinheit: Wandelt scharfe Eingabemengen in unscharfe Mengen um.
• Defuzzifizierungs-Schnittstelleneinheit: Wandelt die unscharfen Ausgabemengen des Inferenzprozesses wieder in präzise Mengen um.

Während die grundlegende Architektur konsistent bleibt, können sich die internen Mechanismen dieser Systeme erheblich unterscheiden. Dieses Whitepaper bietet eine vergleichende Analyse der beiden wichtigsten Methoden für Fuzzy-Inferenz: das Mamdani-System und das Takagi-Sugeno-Modell.