Algorithmen zum Finden von Diagnosen aus beobachteten Symptomen, bei denen der zeitliche Verlauf keine Rolle spielt, sind gut untersucht und finden ihre Anwendung in vielen Diagnosesystemen. Das Schlussfolgern aus zeitlichen Verläufen von Symptomwerten ist aber noch nicht befriedigend gelöst.
Im medizinischen Bereich sind diese zeitlichen Verläufe von Symptomen und Therapien die Regel; und gerade in diesem Bereich können gute Diagnosesysteme für den Menschen sehr hilfreich sein. Wünschenswert ist eine bessere Unterstützung des Therapieprozesses, indem Voraussagen über den Erfolg von Therapien gemacht werden können, sowie Diagnosen aufgrund von zeitlichen Symptomverläufen und der Historie der Therapiemaß nahmen gestellt werden können.

In dieser Diplomarbeit werden die prinzipiellen Anforderungen an medizinische Diagnose- und Therapiesysteme erarbeitet, die heute weit verbreiteten regelbasierten und simulationsbasierten Ansätze vorgestellt sowie die konkreten simulationsbasierten Systeme QSIM und HDP beschrieben. Der Schwerpunkt dieser Diplomarbeit liegt auf dem Dynamic Belief Network (DBN) Algorithmus, der aus zeitlichen Symptomverläufen Diagnosen stellen kann, der Therapiesimulation beherrscht und der zeitliche Rückschlüsse auf vergangene Systemzustände erlaubt.
Die theoretischen Grundlagen werden vorgestellt und an Beispielen erklärt. Anhand eines in Java implementierten DBN-Systems wird der Algorithmus evaluiert.