Die bekannten Verfahren des Maschinellen Lernens, die den Prinzipien der Induktiven Logischen Programmierung folgen, beschneiden den Raum der möglichen erlernbaren Regeln. Dies ist notwendig, um in endlicher Zeit überhaupt Regeln lernen zu können. Diese Suchraumbeschränkungen sind zumeist ein fester Teil der implementierten Algorithmen. Somit kennt man verschiedene Verfahren, die mit mehr oder weniger großem Erfolg Regeln in bestimmten, unterschiedlichen Bereichen erlernen. Zur deklarativen, und damit bereichsunabhängigen Beschränkung von Hypothesenräumen bei Lernverfahren der ILP wurde von Birgit Tausend die Beschreibungssprache MILES-CTL entworfen. Damit besteht die Möglichkeit, Lernsysteme an verschiedene Lernaufgaben unterschiedlicher Domänen anzupassen. In Rahmen der vorliegenden Arbeit wurde ein Werkzeug entwickelt, mit dem gezeigt werden konnte, daß MILES-CTL Beschreibungen aus bereits bekanntem Hintergrundwissen der Domäne automatisiert abgeleitet werden können.