Prozessplanung

Abgeschlossene, laufende und zukünftige Forschungsprojekte:

SEMPRO und SEMPRO2 - Modellierung, Selbstkomposition und Selbstkonfiguration von Referenzprozessen auf Basis semantischer Konzepte

 
Semantische Konzepte können die Grundlage für eine weitergehende Automatisierung der Prozessmodellierung bilden. Mit Hilfe formaler Beschreibungen, in Form von Ontologien, kann das Begriffsverständnis der an der Modellierung beteiligten Instanzen stärker vereinheitlicht sowie eine Interoperabilität und Maschinenverarbeitbarkeit erreicht werden. In der ersten Förderungsphase des Projektes SEMPRO wurden u. a. bereits Lösungen für die teilautomatisierte Planung von Prozessmodellen mit Hilfe semantischer Konzepte entwickelt. Der SEMPA-Ansatz ermöglicht es damit, aus einer Prozessbibliothek mit semantisch annotierten Aktionen und mit Planungsverfahren automatisiert Vorschläge für neue Prozessmodelle zu erstellen.

In der zweiten Förderungsphase wurde das angestrebte Ziel, bestehende (Referenz-)Prozessmodelle zu adaptieren, anhand der in der ersten Phase entwickelten Techniken umgesetzt. Zudem wurde die Integration von Ressourcenanforderungen in die Prozessmodellierung mittels Ontologien ermöglicht. Dies wiederum erlaubt eine Überprüfung der Prozessmodelle auf Ausführbarkeit hinsichtlich der Ressourcenverfügbarkeit zur Design-Zeit. Die Anwendung der entwickelten Methoden konnte bereits im realen Unternehmensumfeld gezeigt werden.

Zusammenfassend sind in beiden Förderungsphasen grundlagenorientierte Forschungsergebnisse im Rahmen des Semantischen Prozessmanagements und angrenzenden Forschungsfeldern entstanden. Erste Ergebnisse finden bereits in Projekten den Weg in die praktische Umsetzung und bilden somit die Grundlage für eine Fortentwicklung der Prozessmodellierung und des Prozessmanagements.

SEMPA - Automated Planning of Process Models

Die Fähigkeit zur schnellen Anpassung bestehender bzw. zur Gestaltung neuer Prozesse ist für Organisationen heutzutage essentiell, um agil und wettbewerbsfähig zu bleiben. Prozessmanagement und vor allem Ansätze, die eine erhöhte Prozessflexibilität ermöglichen, unterstützen Organisationen bei diesen Herausforderungen. So hat sich bspw. die Prozessmodellierung als ein wichtiges Werkzeug für die Darstellung komplexer inner- und zwischenbetrieblicher Prozesse, für die Systementwicklung oder für die Durchführung von Reorganisationsprojekten erwiesen. Prozesse zu modellieren, ist allerdings häufig sehr zeit- und kostenintensiv, selbst wenn es durch Modellierungstools und Prozessmodelle mit Empfehlungscharakter unterstützt wird.

Das SEMPA-Projekt zielte darauf ab, Prozessflexibilität durch Modelle und Algorithmen zu gewinnen. Process mining unterstützt bspw. Analysten in der Prozessanalysephase. Prozessplanung unterstützt den Modellierer mittels automatisierter Erstellung von Prozessmodellen. Automatisierte Serviceselektion erhöht den Automatisierungsgrad in der Phase Prozessimplementierung. In diesem Projekt wurden theoretische Grundlagen, Modelle und Algorithmen entwickelt, die eine automatisierte Prozessplanung und Serviceselektion ermöglichen. Im Detail:

(1) Automatisierte Erstellung von Prozessmodellen unter Berücksichtigung von Kontrollflussstrukturen und mehrerer Akteure: Prozessmodelle inkl. zentraler Kontrollflussstrukturen können nun automatisiert und im Vergleich zur manuellen Modellierung mit höherer Qualität und in geringer Zeit erstellt werden. Die erstellten Prozessmodelle erlauben auch die Koordination mehrerer Akteure mit eigenen Prozesszielen.

(2) Automatisierte Anpassung bestehender Prozessmodelle: Bestehende Prozessmodelle können nun automatisiert an neue Anforderungen oder organisatorische Veränderungen angepasst werden. Somit reduziert sich die benötigte Modellierungszeit, im Vergleich zur Erstellung neuer Prozessmodelle, um bis zu 90%. Die entwickelten Ansätze erlauben auch die Anpassung der Prozessmodelle an Kontextinformationen (z. B. Umgebungseinflüsse).

(3) Automatisierte Serviceselektion unter Berücksichtigung wirtschaftlicher Zielgrößen und Ressourcenrestriktionen. Für geplante Prozessmodelle können nun Services (Web Services & mobile Services) – basierend auf einer Optimierung von Zielgrößen (z. B. Preis, Antwortzeit) und gegebener Ressourcenrestriktionen – automatisiert selektiert werden.

Die in diesem Projekt entwickelten Ansätze sind prototypisch implementiert und wurden mittels mehrerer Realweltprozesse von verschiedenen Organisationen evaluiert.

Die nachfolgende Abbildung gibt einen Überblick über die Verknüpfung der drei obigen Projektteile.

TRADEmark - loT-basiertes Daten- und Prozessmanagement im Handwerk

Technologien des Internet of Things (IoT) ermöglichen eine datengetriebene Analyse und Steuerung von Arbeitsabläufen und Anwendungsumgebungen. Im Projekt TRADEmark wird ein IoT-gestütztes, prozessorientiertes Verfahren zur zeitlich und räumlich koordinierten Steuerung und Planung von Verwaltungs- und Wertschöpfungsprozessen im Handwerk entwickelt.

Das Projekt umfasst nachfolgende inhaltliche Teilprojekte, wobei der Lehrstuhl für Wirtschaftsinformatik II primär an den Teilprojekten TP4 bis TP6 beteiligt ist.

1. Ist-Prozess- und Systemanalyse
2. Konzepte für Soll-Prozesse und IoT-Integration
3. Systemarchitektur der IoT-basierten Prozessmanagementplattform
4. Konzept und Implementierung des kontextbezogenen Prozessmanagementsystems
5. Kontextbezogene Prozessplanung

DQMM@WIKI - Datenqualitätsmessung und -maßnahmen bei Wikis und Knowledge Graphen

 
Enterprise Wikis und Knowledge Graphen sind innovative Instrumente, um das Potenzial großer Datenmengen zu nutzen. Aufgrund der in diesem Kontext vorherrschenden Kontext vorherrschenden un-/semistrukturierten Datenformate  und der kollaborativen Erstellung ist die Sicherstellung der Datenqualität hier für Wissenschaft und Praxis von besonderer Relevanz. Das Projekt verfolgt dabei folgende Ziele:

1. Entwicklung von Methoden und Metriken zur Messung der Datenqualität von Wikis und Knowledge Graphen
2. Definition von Maßnahmen zur Verbesserung der Datenqualität von Wikis und Knowledge Graphen
3. Entwicklung von Ansätzen zur automatisierten und qualitätsgesicherten Erstellung von Knowledge Graphen aus unstrukturierten Daten wie (Enterprise) Wikis