In den letzten Jahren hat die Vision des Semantic Web das Interesse an Schlussfolgerungen über wachsende Mengen von Aussagen in Ontologien gefördert. Herkömmliche Tableau-basierte Schlussfolgerungssysteme haben Probleme bei der Beantwortung von Abfragen über große ontologische Datensätze, da diese Schlussfolgerungssysteme auf einer effizienten Nutzung von Hauptspeicher-Datenstrukturen basieren. Mit zunehmender Expressivität und Worst-Case-Komplexität steigt die Speicherbelastung weiter an. Ziel dieser Arbeit war es, zu untersuchen, wie Tableau-basierte Schlussfolgerungssysteme von der Hauptspeicherlast befreit werden können, um eine effiziente Instanzprüfung und Instanzabfrage über semi-expressive Ontologien durchzuführen.
Die Schlüsselidee war, die Instanzprüfung für ein Individuum in einer Ontologie auf kleinere Teilmengen relevanter Axiome zu reduzieren. Modularisierungstechniken wurden eingeführt und weiter verfeinert, um die Modulgröße zu reduzieren. Die Leistung bei der Suche nach Instanzen wurde durch die Definition von Ähnlichkeitskriterien für Individuen und ihre Module untersucht. Schließlich wurden in dieser Arbeit Techniken zur Erhaltung der Modularisierung bei Aktualisierungen der syntaktischen Ontologie untersucht.
Zu Evaluierungszwecken wurden Experimente mit Benchmark- und realen Ontologien durchgeführt. Die Modularisierungstechniken führten zu einer verteilten Implementierung für die Lösung von Instanzprüfungs- und Abrufproblemen. Die wichtigste Schlussfolgerung ist, dass die Hauptspeicherabhängigkeit für Instance Checking und Instance Retrieval von Tableau-basierten Schlussfolgerungssystemen für semi-expressive Ontologien in der Praxis aufgehoben werden kann.