Interacting Business Processes based on Data-Driven Service Composition

• Applicant: Professor Dr. Mathias Weske
• Co-Applicants: Professor Dr.-Ing. Avigdor Gal, Ph.D.; Dr. Malik Yousef
• Subject Area: Security and Dependability, Operating-, Communication- and Distributed Systems
• Term: from 2011 to 2015
• Project identifier: Deutsche Forschungsgemeinschaft (DFG) - Project number 195243984

Geschäftsprozessmanagement ist die zentrale Technologie um Arbeitsprozesse in Organisationen zu erheben und zu kommunizieren. Prozessmodelle werden verwendet, um Geschäftsprozesse zu verbessern und ggf. sogar softwaretechnisch umzusetzen. Diese automatische Umsetzung der Prozesse in Software ist heute allerdings eher Vision denn Realität. Durch Kombination von Techniken der Bereiche Geschäftsprozessmanagement, Schema-Matching in Datenbanken und Maschinelles Lernen zielt das beantragte Projekt darauf ab, einen wichtigen Beitrag zur Ableitung von Prozessimplementierungen aus annotierten Prozessmodellen zu liefern.Daten werden in Geschäftsprozessmodellen meist als „Bürger zweiter Klasse“ betrachtet. Formale Ansätze basieren auf Techniken wie etwa Petri-Netzen und Prozessalgebren, die sehr gut geeignet sind, um Aussagen über Prozessstrukturen zu zeigen, aber Daten ignoriert. Dies ist aus wissenschaftlicher wie aus ingenieurmäßiger Sicht unbefriedigend, weil die schwierigen Probleme zur Erreichung der obigen Vision durch diese Ansätze nicht gelöst werden können.Um dieses Problem anzugehen, ist eine detaillierte Erforschung von Daten in Prozessen erforderlich. Im vorgeschlagenen Projekt werden zwei Anwendungsfälle hierfür untersucht, zunächst Datenstrukturen interagierender Prozesse. Hier werden Techniken des Schema-Matching verwendet, um Beziehungen zwischen auszutauschender Daten von interagierenden Prozessen zu beschreiben und den Austausch zu verbessern bzw. erst zu ermöglichen.Der zweite Anwendungsfall beschäftigt sich mit der Auswahl von Diensten zur Realisierung von Prozessaktivitäten. Durch Studium der Daten-Abhängigkeiten zwischen Aktivitäten kann die Auswahl von Diensten vereinfacht werden. Zudem wird untersucht, welchen Einfluss Kontrollflussstrukturen des Prozesses auf die Auswahl der Dienste besitzen, so dass der Aufwand für die Auswahl der Dienste dadurch nochmals reduziert werden kann.Schema Matching ist kein deterministischer Prozess; durch Techniken des Maschinellen Lernens wird Feedback des Anwenders verwendet, um die Auswahl der Dienste zu verbessern. Damit wird das Wissen des Anwenders systematisch genutzt, um die Auswahl zukünftiger Dienste zu verbessern.Um die Forschungsarbeiten auf Relevanz zu prüfen und eine Verfeinerung der Resultate zu erreichen, werden im Projekt Forschungsprototypen entwickelt. Diese basieren auf Systemen, die die beteiligten Partner bereits entwickelt haben, so dass hier nicht nur die Forschungsarbeiten der Partner, sondern auch deren entwickelte Prototypen im Projekt integriert werden.

• DFG Programme: Research Grants
• International Connection: Israel, Palestine