Ausgehend vom Ansatz Mentaler Modelle (Johnson-Laird) wurde ein Modell zur räumlichen Inferenz entwickelt, daß zum einen diesen Ansatz präzisieren und zum anderen eine Alternative zu den Methoden des qualitativen Schließens darstellen soll. Die Anregung stammt aus der Roboterkinematik, bei der räumliche Relationen durch homogene Transformationsmatrizen dargestellt werden sowie aus Erfahrungen bei der Entwicklung "höherer" Robotersprachen.
Input in das Modell sind Propositionen (einfache Texte). Die in einer Proposition eingeführten Objekte werden auf die Knoten, die Relationen zwischen ihnen auf die Kanten eines abstrakten Graphen abgebildet. Jedem Objektsymbol wird ein Koordinatensystem zugeordnet. Räumliche Relationen werden durch homogene Koordinatentransformationen mit zusätzlichen Constraints in Form von Gleichungen bzw. Ungleichungen über den Parametern der Transformation definiert. Inferenzen werden über Multiplikation von Transformationsmatrizen unter Berücksichtung der Erfüllbarkeit der zugehörigen bzw. sich fortplanzenden Constraints gezogen. Sind Positions- und Ausdehnungsparameter der Objekte bekannt, können mit Hilfe dieser begrifflichen (!) Repräsentation räumlicher Szenen konkrete Depiktionen erzeugt werden. An einigen einfachen Beispielen soll außerdem gezeigt werden, wie die Erfüllbarkeit bei der Inferenz auftretender komplizierter numerischer Constraints (z.B. Ungleichungssysteme mit trigonometrischen Funktionen) mit Verfahren des Klassifizierungslernen (approximativ) überprüft werden kann. Kognitive Modellaspekte werden ebenfalls diskutiert.