Social Process Mining

• Antragstellerinnen / Antragsteller: Professor Dr. Patrick Delfmann; Professorin Dr. Petra Schubert
• Fachliche Zuordnung: Datenmanagement, datenintensive Systeme, Informatik-Methoden in der Wirtschaftsinformatik
• Förderung: Förderung von 2020 bis 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 445182359

Im Rahmen des Forschungsvorhabens "Social Process Mining" (SPM) soll ein neuartiger Process-Mining-Ansatz entwickelt, implementiert und evaluiert werden, der für die Log-basierte Erkennung von Nutzerverhalten in Enterprise Collaboration Systems (ECS) geeignet ist und mit dessen Hilfe typische Nutzungsmuster (Kollaborationsszenarien) automatisiert erkannt werden können. Aufgrund der Nutzungsoffenheit von ECS sind die in ihnen möglichen Arbeitsabläufe deutlich variabler und unstrukturierter als bspw. in ERP-Systemen. Die mangelnde Repetition derselben Abfolge von Aktivitäten in ECS führt zu weitaus komplexeren Prozessmodellen als etwa bei ERP-Systemen, wodurch die Identifikation eines typischen, wiederkehrenden Verhaltens durch pure Sichtung der entstehenden Modelle kaum mehr möglich ist. Eine automatisierte Unterstützung bei der Identifikation von typischen Verhaltensmustern in ECS-Prozessen wird von existenten Process-Mining-Ansätzen bisher nicht geleistet. Auch Process-Mining-Ansätze, die auf schwach strukturierte Geschäftsprozesse zugeschnitten sind (z. B. deklarative oder Case-Management-Ansätze), stoßen hier an ihre Grenzen.Der SPM-Ansatz soll hier Abhilfe schaffen, indem er typische Kollaborationsszenarien in den erzeugten Prozessmodellen automatisch erkennt. Dazu wird ein auf Frequent Subgraph Mining basierender Mustererkennungsalgorithmus als Teil des SPM realisiert und mithilfe von realen ECS-Log-Daten und bekannten Nutzungsmustern angelernt. Das zur Identifikation und Bereitstellung solcher bekannter Nutzungsmuster notwendige, tiefgreifende Verständnis der Abläufe (Domänenwissen) hat das Forschungsteam in den letzten Jahren in Vorstudien aufgebaut. Auch die generelle (technische) Machbarkeit von SPM wurde bereits in einigen Vorstudien nachgewiesen. Für das Vorhaben stehen umfangreiche Log-Daten der Kollaborationsplattform UniConnect zur Verfügung, welche die Universität Koblenz-Landau für über 3000 registrierte Nutzer im DACH-Raum seit mehr als 10 Jahren betreibt. Nach Abschluss der SPM-Entwicklung wird der neue Algorithmus in einer explorativen Feldstudie auf die Log-Daten von hochskalierten Kollaborationssystemen realer Unternehmen in der Praxis angewendet. Einige dieser Systeme haben mehrere Hunderttausend Anwender, so dass mit aussagekräftigen Analyseergebnissen zu rechnen ist.Das geplante Projekt SPM hat somit ein Gestaltungsziel und ein Erkenntnisziel. Das Gestaltungsziel besteht in der Entwicklung, Implementierung und Evaluation des SPM-Ansatzes. Das Erkenntnisziel ist das bessere Verständnis des Nutzerverhaltens in ECS, zum einen in Form der identifizierten und getesteten Kollaborationsszenarien und zum anderen durch die Aufdeckung des Zusammenspiels ihrer Nutzungsmuster im Kontext realer Unternehmen. Das aufgebaute Wissen kann dazu genutzt werden, die digitale Unterstützung kollaborativer Prozesse am Arbeitsplatz besser zu verstehen und darauf basierend die notwendigen Adoptionsprozesse gezielter zu gestalten.

• DFG-Verfahren: Sachbeihilfen