Der Raptor lernt ständig dazu - mit jeder Diagnosesitzung. Die Lernkomponente RDS-Learn lernt aus den Sitzungen derart, dass der Raptor sowohl seine Benutzerführungsstrategien als auch seine Assistenzfunktionen automatisch optimieren kann.
So kann z.B. während einer Diagnosesitzung mit RDS-Run die Best Shot-Strategie in jeder Diagnosesituation, ausgehend vom Startsymptom bzw. Startfehler, die besten statistisch abgesicherten Diagnosekandidaten zur Inspektion anbieten, z.B. in Form einer nach Verdacht angeordneten Liste potentiell defekter Bauteile. Mit jedem einzelnen Diagnoseschritt wird diese Prognose aktualisiert und zielgenauer. Dadurch kann der Diagnoseprozess oft entscheidend verkürzt werden. Neben dieser Fähigkeit optimiert der Raptor aber auch automatisch seine eigenen Diagnosestrategien. Dabei ist er auch in der Lage, Kriterien wie Zeitdauer, Testaufwand oder Fehlerwahrscheinlichkeiten zu berücksichtigen, ähnlich wie bei einem Navigationssystem Zeit oder Strecke optimiert werden können.
Neben der vollautomatischen Optimierung unterstützt RDS-Learn aber auch Entwicklungs-, Produktions- und Serviceeinheiten in vielfacher Hinsicht durch Aufdecken verborgener Information mit Data-Mining-Verfahren, etwa durch Korrelationsanalysen, oder beim Wissenserwerb, z.B. bei der Identifikation neuer Diagnosefälle für die Fallbasen.
> RDS-Suite (Raptor-Überblick)
> RDS-Data (Datenpflegekomponente)
> RDS-Developer und RDS-ClassLib (Autorenwerkzeuge)
> RDS-Registry (Administration von Wissensbasen)
> RDS-Order, RDS-Checkout & RDS-Checklist (Auftragssystem)
> RDS-Run (Laufzeit- bzw. Werkstattsystem)
> RDS-Eval (Auswertung der Felddaten)
> RDS-Learn (Lern- und Optimierungskomponente)