Die Technologie der Software Tassos (Technologie assoziativer Speicher), auf der die Innovation der hier dargestellten Funktionen beruht, wurde in über zwanzigjähriger Forschungs- und Entwicklungsarbeit geschaffen.

Das Kernmodell beinhaltet vor allem Erkenntnisse über a) die Funktion des menschlichen Gehirns, b) aus der Mathematik der Künstlichen Neuronalen Netze und c) aus Verfahren der Künstlichen Intelligenz.

Diese Software wird seit mehreren Jahren als Kern einer intelligenten selbstlernenden Bildverarbeitungssoftware durch die Fa. IBV GmbH vermarktet.

Der Technologie von Tassos liegen in einer modularen und erweiterbaren Struktur neuronale Netze und assoziative Speicher zugrunde. Der Aufbau des Systems sieht folgendermaßen aus:

In konventionellen Systemen sind die Textdaten immer in ihrer ursprünglichen Form als ASCII-Codes von Einzelworten gespeichert. Alle Zugriffe, wie direkte Textsuche, basieren ausschließlich auf Operationen mit diesem ASCII-Code (Vergleich von Texten mit einem Suchwort bei der Volltextsuche, Erstellen von Statistiken bei der Kategorisierung etc.). Modifikationen dieser Operationen wie z.B. Erreichen von Tippfehlertoleranz oder auch "Assoziationen" zwischen Wörtern beruhen auf der Existenz von Tabellen, in denen z.B. verschiedene Schreibweisen von Wörtern oder auch Synonyme für einzelne Wörter (per Hand) eingetragen werden.

Bei Tassos werden alle ASCII-Daten zur Speicherung in eine Menge von "Eigenschaften" verwandelt. Diese Menge legt damit mathematisch gesehen einen Punkt in einem Eigenschafts- oder Merkmalsraum fest. Jeder eingegebene ASCII-Text (Einzelwörter oder auch ganze Wortsequenzen beliebiger Länge) entspricht damit einem solchen Punkt im Merkmalsraum.

Der wichtigste Vorteil dieses Vorgehens ist der, dass nun die relative Lage dieser Punkte etwas aussagt über die Ähnlichkeit der darin kodierten Texte. Dieses Vorgehen ist nach der Speicherung von Informationen im menschlichen Gehirn modelliert: Wenn wir das Wort BALL geschrieben sehen, müssen wir zuerst diese Buchstaben in das zugehörige Wort BALL umwandeln. Dabei fügen wir unbewusst bereits einige Eigenschaften zu diesem Wort hinzu, z.B. "ist Hauptwort", "ist konkreter Gegenstand" etc.. Das Wort Ball ist uns aber vermutlich auch bereits als Bezeichnung für einen Gegenstand bekannt, so dass wir hier noch weitere Eigenschaften hinzufügen (rund, weich, innen hohl, geeignet zum Werfen,...). Wir erweitern damit das Wort zum (mit Bedeutung versehenen) Begriff.

Diese Art der Speicherung ermöglicht bereits an sich (ohne komplizierte Zugriffsoperationen) eine fast unübersehbare Reihe von Funktionen ! Als Beispiel sei hier der "assoziative Zugriff" genannt:

Alleine diese Eigenschaft macht einen assoziativen Speicher wie TASSOS bereits allen konventionellen Speichermethoden weit überlegen. Es ergibt sich daraus ohne weitere programmtechnische Maßnahmen eine sehr hohe Tippfehlertoleranz, "unscharfe" Suche ohne Boolesche Operatoren, Suchen von Einzelteilen in kompletten Texten, Zerlegen von Komposita, Eingabe längerer Suchstrings sowie eine sehr hohe Zugriffsgeschwindigkeit für das Finden der ähnlichsten Eintragungen.

Eine weitere Möglichkeit der Suche in assoziativen Speichern kann durch die Vorgabe von Zusatzwissen in einfacher Weise modifiziert werden. Am Beispiel "KUGEL" soll dies verdeutlicht werden:

Es wird nach dem ASCII-Begriff "KUGEL" in einem Gesamttext gesucht. Da dieses Wort aber recht mehrdeutig ist, erhält man u.U. eine lange Liste verschiedener Texte, die sich entweder mit Waffen (Bleikugel), Spielzeug (Murmeln), Sport (Kugelstoßen) oder anderen Themen beschäftigen.

Hier ist noch anzumerken, dass dieser Kontext (wie auch beim Menschen) dynamisch sehr schnell geändert werden kann, da er ja nicht programmtechnisch festgelegt, sondern rein durch Zusatzmerkmale definiert ist.

Aus Platzgründen kann an dieser Stelle nicht auf die Vielzahl von Vorteilen eingegangen werden, ein Punkt soll aber noch angesprochen werden, welcher fast als "Abfallprodukt" des eigentlichen Suchwerkzeugs TASSOS bezeichnet werden kann:

Auch die Struktur des assoziativen Speichers selbst beinhaltet relevante Informationen über die internen Zusammenhänge der eingelernten Daten! Wenn man mit den geeigneten Werkzeugen den Aufbau des Merkmalsraums nachträglich untersucht, sieht man die Zusammenhänge zwischen verschiedenen Begriffen abhängig vom jeweiligen Kontext. Dazu ein Beispiel: