Das Paradigma des fallbasierten Schließens (engl.: Case-Based Reasoning, CBR) hat sich in zahlreichen Anwendungen als Werkzeug zur Lösung neuer Probleme mithilfe bereits gelöster Probleme bewährt. Trotz dieses Erfolgs mangelt es dem CBR noch wie vor an theoretischen Grundlagen sowie einem allgemeinen methodischen Unterbau. Dies bildet den Ausgangspunkt für die vorliegende Arbeit. Das Hauptanliegen ist die Entwicklung eines theoretisch fundierten Konzeptes, in dem die formale Wissensrepräsentation durch Präferenzrelationen erfolgt. Präferenzen und paarweise Vergleiche bieten einen sehr natürlichen Zugang zur Modellierung und Durchführung von Problemlöseprozessen, und ihre Nutzung ist daher von großem Interesse für die künstlichen Intelligenz und angrenzende Bereiche.

Case-based reasoning (CBR) is a well-established problem solving paradigm that has been used in a wide range of real-world applications. Despite its great practical success, work on the theoretical foundations of CBR is still under way, and a coherent and universally applicable methodological framework is yet missing. The absence of such a framework inspired the motivation for the work developed in this thesis. Drawing on recent research on preference handling in Artificial Intelligence and related fields, the goal of this work is to develop a well theoretically-founded framework on the basis of formal concepts and methods for knowledge representation and reasoning with preferences.