ExplainableMine: Anomaliequantifizierung für Erklärbares und Privatheitsbewahrendes Process Mining

• Antragstellerin: Professorin Dr. Agnes Koschmider
• Fachliche Zuordnung: Datenmanagement, datenintensive Systeme, Informatik-Methoden in der Wirtschaftsinformatik
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 496119880

In diesem Projekt wird ein Framework zur Quantifizierung von Ausreißern entwickelt, das die Analyseergebnisse und Sourced Process Mining erklärbar macht. Zu diesem Zweck werden wir Ausreißer klassifizieren, Muster für Ausreißer definieren und quantifizieren, um sie schließlich in ein Framework zu integrieren und öffentlich verfügbar zu machen. Das Ausreißermodell stützt sich auf eine Taxonomie zur Quantifizierung von Ausreißern und zur benutzerzentrierten Filterung und Erkennung von Ausreißern. Infolgedessen wird es das Framework ermöglichen, Prozessattribute nach ihrer Empfindlichkeit von am meisten bis am wenigsten verrauscht zu ordnen und dann Poliertechniken anstelle der Ausreißerentfernung für stark rauschempfindliche Attribute anzuwenden. Außerdem werden Datenanmerkungen bereitgestellt, die Ausreißer wie interessantes vs. unerwünschtes Verhalten charakterisieren oder ob Ausreißer zufällig sind. Die Synergien von SOURCED ermöglichen es, das Thema Ausreißer genauer zu verstehen. Beispielsweise bieten verteilte Sensoren die Möglichkeit, eine robustere und genauere Klassifizierung vorzunehmen (Ausreißer vs. kein Ausreißer). Die Kombination von neuen Visualisierungen mit Ausreißermethoden ermöglicht Benutzern auch eine bessere Transparenz und ein besseres Verständnis dafür, was und warum etwas gefiltert wurde, gefiltert, repariert oder gelöscht werden sollte. Die Quantifizierung von Ausreißern wiederum ermöglicht eine genauere Schätzung, wie viel neues Rauschen benötigt wird, um unterschiedliche Privatsphäre mit minimalem Nutzenverlust zu gewährleisten. Basierend auf diesen Maßnahmen werden Modelle zur Steuerung der proaktiven Störung von Daten für das Datenschutzbewusstsein basierend auf dem Ausmaß bereits vorhandener Anomalien entwickelt.

• DFG-Verfahren: Forschungsgruppen
• Teilprojekt zu: FOR 5495: SOURCED – Process Mining auf verteilten Ereignisquellen
• Großgeräte: mobiles Tinyhaus
• Gerätegruppe: 9060 Baracken, Gewächshäuser, Maschinenhallen