Een belangrijke uitdaging die zich aandient bij de automatische extractie van een kennisbank uit ruwe data is het omgaan met inconsistenties die resulteren uit opgelegde integriteitsvoorwaarden. Een gangbare oplossing is om te zoeken naar een minimale reparatie. In echte toepassingen is echter vaak aanvullende kennis over het te modelleren systeem beschikbaar. Deze aanvullende informatie kan tijdens het reparatieproces worden gebruikt om meer plausibele reparaties te vinden, die niet noodzakelijk minimaal zijn. In dit proefschrift bestuderen we eerst de impact van het gebruik van vuistregels voor het repareren van inconsistenties in taxonomieën die automatisch werden geëxtraheerd uit tekstcorpora die op het web te vinden zijn. Ten tweede stellen we een manier voor om inconsistente "answer set programs" te repareren op basis van vuistregels. We beschouwen het scenario waarin enerzijds aanvullende kennis over het modelleringsdomein beschikbaar is die met behulp van vuistregels kan worden gecodeerd, maar waarin er anderzijds geen trainingsgegevens beschikbaar zijn om te leren hoe deze vuistregels samenwerken. Ten derde leggen we ons toe op het herstellen van inconsistenties in aanbevolen behandelingen voor patiënten die gediagnosticeerd zijn met comorbide ziekten. In al deze toepassingen presenteren we nieuwe methoden voor het gebruik van vuistregels om inconsistenties te herstellen en laten we zien dat onze nieuwe methoden nauwkeurigere resultaten opleveren dan de gangbare herstelmethoden