Es wird die Theorie für ein probabilistisches Expertensystem entwickelt, das die Eingabe und Verarbeitung von unvollständigem Expertenwissen erlaubt. Fehlende Informationen werden gemäß dem Prinzip der maximalen Entropie ergänzt. Dieses Prinzip wird in der Arbeit axiomatisch fundiert und ausführlich erläutert. Weiterhin werden Algorithmen beschrieben, mit denen sehr hochdimensionale Wahrscheinlichkeitsverteilungen iterativ erzeugt und zur Ableitung von Schlußfolgerungen verwendet werden können. Schließlich wird die Effizienz der Algorithmen anhand eines Prototyps aufgezeigt, der den kommerziell verfügbaren Expertensystemen technisch ebenbürtig ist, aber eine wesentlich flexiblere Informationseingabe erlaubt.
