Process mining auf Basis expliziter Semantikdefinitionen

Business Process Management wird als wichtige Strategie angesehen um Geschäftsprozesse zu kontrollieren und zu verbessern [1]. Eine zentrale Phase dabei ist das Modellieren der Prozesse, was im Allgemeinen sehr kostenintensiv und zeitaufwändig ist. Aus diesen Gründen ist man stets auf der Suche nach neuen Methoden, welche diesen Arbeitsaufwand verringern und zur Verbesserung der Informationsversorgung beitragen. Eine Sammlung derartiger Methoden ist Process Mining. Process Mining Verfahren nutzen aufgezeichnete Prozessdaten bereits abgelaufener Prozesse um daraus Information zu extrahieren und Prozessmodelle zu generieren [2]. Diese (halb-) automatische Generierung von Prozessmodellen bietet viel Potential um Zeit und Kosten einzusparen. Es können zahlreiche Informationen bei der Ausführung von Prozessen protokolliert werden, neben der eigentlichen Reihenfolge der Prozessschritte beispielsweise auch die ausführenden Agenten, verwendete und produzierte Daten oder benutzte Werkzeuge. Aus diesem Grund wurden Process Mining Verfahren entwickelt, welche ihren Fokus jeweils auf eine bestimmte Art von Information (Perspektive des Prozesses) richten. All diesen Verfahren ist gemeinsam, dass die Möglichkeiten der zu Grunde liegenden Algorithmen nur auf deren jeweilige Aufgabe beschränkt sind und diese nicht flexibel auf neue Anforderungen oder neu gestellte Aufgaben anpassbar sind. Außerdem erfolgt keine kombinierte Betrachtung der verschiedenen Arten von Information. Gerade derartige Zusammenhänge, welche perspektiven-übergreifend existieren, sind jedoch für die Analyse von Geschäftsprozessen interessant und wichtig. Process Mining auf Basis expliziter Semantikdefinitionen überführt die aufgezeichneten Prozessdaten in eine allgemeingültige Graph-Datenstruktur, welche es ermöglicht, flexibel nach beliebig definierten Semantiken zu suchen. Dadurch kann der Aufgabenbereich des Verfahrens flexibel ausgeweitet oder verkleinert werden. Außerdem wird eine kombinierte Betrachtung der vorhandenen Information ermöglicht. Das vorgestellte Verfahren ermöglicht daher die Erkennung von Zusammenhängen zwischen den verschiedenen Arten von gespeicherten Prozessdaten.

Level thesis:degree_level

master

Grantor dc:publisher

Universität Bayreuth

Author dc:creator

• Schönig, Stefan

Contributors dc:contributor

• Jablonski, Stefan

Repository record source_url

https://epub.uni-bayreuth.de/id/eprint/270/

OAI identifier oai:identifier

oai:epub.uni-bayreuth.de:270