Automatische Erkennung von Schwachstellen in Geschäftsprozessen basierend auf Beiträgen Sozialer Medien

• Antragsteller: Professor Dr. Henrik Leopold
• Fachliche Zuordnung: Datenmanagement, datenintensive Systeme, Informatik-Methoden in der Wirtschaftsinformatik
• Förderung: Förderung seit 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 456993549

Vor dem Hintergrund intensiven Wettbewerbs und sich schnell ändernden Anforderungen seitens der Kunden sind viele Unternehmen bestrebt, ihre Geschäftsprozesse kontinuierlich zu verbessern. Um dieses Vorhaben technisch zu unterstützen, sind in den letzten Jahren Verfahren aus dem Bereich Process Mining immer beliebter geworden. Die Grundidee von Process Mining ist, über die Analyse von sogenannten Ereignisprotokollen zu rekonstruieren, wie Geschäftsprozesse ausgeführt werden. Solche Ereignisprotokolle werden aus IT-Systemen extrahiert und geben daher genau Auskunft darüber, wie die Arbeit in der Organisation verrichtet wurde. Unter anderem ermöglichen Process Mining-Verfahren die Identifikation von unerwünschten Verhaltensmustern, Kapazitätsengpässen und Regelverstößen. Obwohl die Ergebnisse und Einblicke, die durch existierende Process Mining-Verfahren generiert werden, wertvoller Input für Prozessverbesserungsinitiativen sind, sind Process Mining-Verfahren gegenwärtig nicht in der Lage, konkrete Prozessschwachstellen zu identifizieren. Das heißt, um festzustellen, welche spezifischen Probleme existieren und wo, ist die intensive Einbeziehung von Domänenexperten unerlässlich. Daher ist es das Ziel dieses Projekts, das Problem des manuellen Arbeitsaufwands im Kontext von Prozessverbesserungsinitiativen zu adressieren und ein Verfahren zu entwickeln, dass automatisch Prozessschwachstellen identifiziert, die mit spezifischen Ereignissen zusammenhängen. Um dies zu erreichen, nutzt das Projekt eine allgemein verfügbare Ressource, die die Kundenperspektive wiedergibt: Beiträge aus Sozialen Medien. Die Kernidee besteht darin, prozessbezogene Schwachstellen zu identifizieren, die in Beiträgen Sozialer Medien beschrieben werden, und diese mit den Ereignissen eines Ereignisprotokolls zu verknüpfen. Auf diese Weise kann automatisch festgestellt werden, welche Prozessschwachstellen vorliegen und auf welche Ereignisse eines Prozesses sie sich beziehen. Um dies zu erreichen, müssen drei Hauptherausforderungen bewältigt werden: 1) Es besteht nur eine partielle Beziehung zwischen den Sätzen aus Beiträgen Sozialer Medien und Ereignisprotokollen. Dies bedeutet, dass nur wenige Sätze eines Beitrags tatsächlich Hinweise auf eine Prozessschwachstelle geben. 2) Ein einzelner Beitrag kann sich auf mehrere Ereignisse aus einem oder mehreren Ereignisprotokollen beziehen. 3) Sowohl Beiträge Sozialer Medien als auch Ereignisbeschriftungen sind aus Sicht der automatischen Verarbeitung natürlicher Sprache problematisch, da sie in der Regel kurz und grammatikalisch nicht korrekt sind. Dieses Projekt wird diese Herausforderungen überwinden, indem es ein neuartiges Verfahren definiert, das die Verarbeitung natürlicher Sprache mit optimierungsbasierter Datenintegration kombiniert. Darüber hinaus demonstriert das Projekt den praktischen Wert des Verfahrens, indem es auf realen Daten getestet wird.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Niederlande
• Kooperationspartner: Professor Dr.-Ing. Hajo A. Reijers