Sowohl die Sicherung von Produktqualität, die Verbesserung der Wirtschaftlichkeit eines Unternehmens als auch flexibles Reagieren auf Marktveränderungen sind heutzutage wesentliche Faktoren für den wirtschaftlichen Erfolg eines Unternehmens. Um diesen erreichen und aufrechterhalten zu können, müssen unternehmerische Strukturen und Abläufe erfasst, überwacht und optimiert werden. Daher stehen Informationssysteme heute mehr denn je vor der Herausforderung immer mehr Informationen über Geschäftsprozesse in Unternehmen zu verarbeiten. Möglichkeiten für die Analyse und Überwachung dieser Informationen sind beispielweise Workflowmanagement- bzw. Geschäftsprozessmanagementsysteme. Process Mining ist in einer Vielzahl dieser Informationssysteme anwendbar. Diese Systeme geben in Form von aufgezeichneten Ereignisprotokollen - sog. event logs - sehr detaillierte Informationen über die ausgeführten Prozesse im Unternehmen wieder. Ziel ist somit diese Informationen aus dem Ereignisprotokoll in Form von bspw. Prozessmodellen (z.B. dargestellt in Petri-Netzen) automatisiert zu extrahieren. Folglich beinhaltet Process Mining eine Vielzahl von a-posteriori Analyseverfahren, die in der Lage sind entsprechende Informationen aus den ereignisbasierten Daten eines event logs zu gewinnen.
Ziel dieser Seminararbeit ist es, die Grundlagen des Process Mining genauer darzustellen. Dabei werden im zweiten Kapitel die Begriffe Geschäftsprozessmanagement und Workflowmanagement als Anwendungsfelder für Process Mining kurz erläutert. Das folgende Kapitel geht dann neben der Grundidee und den Zielen des Process Mining auf die Arten und das Kernprinzip ein. Das vierte Kapitel stellt schließlich den α-Algorithmus als ein grundlegendes und am weitesten verbreitetes Verfahren für Process Mining dar.
Inhaltsverzeichnis
1. EINLEITUNG
2. GESCHÄFTSPROZESSORIENTIERUNG UND WORKFLOWMANAGEMENT
2.1 Geschäftsprozessmanagement
2.2 Workflowmanagement
3. GRUNDLAGEN DES PROCESS MINING
3.1 Grundidee und Ziele des Process Mining
3.2 Arten von Process Mining
3.2.1 Discovery
3.2.2 Conformance
3.2.3 Extension
3.3 Kernprinzip des Process Mining
3.3.1 Mining der Prozessperspektive
3.3.2 Mining der Organisationsperspektive
4. DER α-ALGORITHMUS ALS EIN AUSGEWÄHLTES VERFAHREN DES PROCESS MINING
4.1 Workflow log und Relationsvorschriften
4.2 Anwendung des α-Algorithmus
4.3 Grenzen des α-Algorithmus
5. FAZIT
Zielsetzung & Themen
Die vorliegende Seminararbeit zielt darauf ab, die grundlegenden Konzepte des Process Mining systematisch darzustellen und dessen Anwendungsmöglichkeiten zur Prozessanalyse und -optimierung aufzuzeigen. Dabei wird insbesondere untersucht, wie aus ereignisbasierten Daten (event logs) automatisierte Prozessmodelle abgeleitet werden können.
- Grundlagen des Geschäftsprozess- und Workflowmanagements
- Methodische Klassifizierung von Process Mining (Discovery, Conformance, Extension)
- Analyse von Prozess- und Organisationsperspektiven
- Detaillierte Untersuchung des α-Algorithmus als Standardverfahren
- Diskussion von Herausforderungen wie Datenqualität und verborgenen Aktivitäten
Auszug aus dem Buch
3.1 Grundidee und Ziele des Process Mining
Heutzutage sammeln Unternehmen Informationen über Geschäftsereignisse (business events) im Unternehmen und speichern diese in ihrem Informationssystem in einer strukturierten Form ab. Insbesondere Workflowmanagementsysteme, als prozessorientierte Informationssysteme neben z.B. Customer Relationship Management Systemen oder Supply Chain Management Systemen, protokollieren diese Ereignisse. Hierbei werden typischerweise Beginn und Ende einzelner Aktivitäten aufgezeichnet, so dass dadurch ein Ablauf-/Ereignisprotokoll (event log) entsteht, durch das sich der gesamte Ablauf der einzelnen Aktivitäten nachvollziehen lässt. Event logs werden je nach Informationssystem auch als „audit trails“, „transaction log“, „history“ oder „process log“ bezeichnet. Im Rahmen des Workflowmanagement werden solche Ereignisprotokolle als workflow log bezeichnet, so dass im Folgenden ein workflow log“ als eine spezifische Form des event log zu verstehen ist.
Die Grundidee des Process Mining setzt hier an. Ziel ist es, Wissen aus diesen event logs zu gewinnen, um die tatsächlichen, realen Prozesse im Unternehmen zu entdecken, zu überwachen und zu verbessern. Beispielsweise können vorhandene Produktionsprozesse optimiert werden, so dass ein Unternehmen folglich mit geringerem Zeitaufwand mehr produzieren kann.
Process Mining versucht somit ebenso wie Data Mining Wissen aus großen Datenbeständen zu extrahieren. Allerdings zielt Process Mining auf Prozesswissen ab. Diese Art von Wissen wird dazu genutzt, um zielgerichtet handeln, Dinge verändern oder neu beschaffen zu können. Da es sich bei den Daten, die Process Mining verwendet um Protokolle zielgerichteter Ausführungen von Prozessen handelt, sind event logs als Aufzeichnungen über die Ereignisse, Abläufe und Vorgänge im Unternehmen Datenlieferanten bzw. Ausgangspunkt für Process Mining. Diesen aufgezeichneten Vorgängen liegt in der Regel implizites Prozesswissen zugrunde. Dieses Wissen existiert alleine im Kopf der ausführenden Person. Sie weiß darüber Bescheid, was, wann, wie und wo zu tun war. Um dieses Wissen jedoch allen am Vorgang Beteiligten zugänglich zu machen und der Träger dieses impliziten Wissens nicht immer oder nur eingeschränkt zu Verfügung steht, wird über Process Mining versucht dieses Wissen im Form von Prozessmodellen zu explizieren.
Zusammenfassung der Kapitel
1. EINLEITUNG: Darstellung der Relevanz von Prozessoptimierung und Einführung in das Thema Process Mining als Analysemethode.
2. GESCHÄFTSPROZESSORIENTIERUNG UND WORKFLOWMANAGEMENT: Erläuterung der Bedeutung von Geschäftsprozessmanagement und Workflowmanagement als technologische Anwendungsfelder für Process Mining.
3. GRUNDLAGEN DES PROCESS MINING: Einführung in die Zielsetzung, die verschiedenen Arten des Process Mining sowie die methodischen Perspektiven auf Prozesse und Organisationen.
4. DER α-ALGORITHMUS ALS EIN AUSGEWÄHLTES VERFAHREN DES PROCESS MINING: Detaillierte mathematische und methodische Beschreibung des α-Algorithmus zur Discovery-basierten Modellierung sowie Diskussion seiner Grenzen.
5. FAZIT: Zusammenfassende Bewertung der Abhängigkeit von Process Mining von der Datenqualität in Informationssystemen und Ausblick auf zukünftige Herausforderungen.
Schlüsselwörter
Process Mining, Geschäftsprozessmanagement, Workflowmanagement, event log, Prozessmodell, Discovery, Conformance, Extension, α-Algorithmus, Prozessperspektive, Organisationsperspektive, Workflow-Netze, Petri-Netze, Prozessoptimierung, Datenanalyse
Häufig gestellte Fragen
Was ist das grundlegende Anliegen dieser Arbeit?
Die Arbeit beschäftigt sich mit der wissenschaftlichen Einordnung und technischen Anwendung von Process Mining, um reale Unternehmensabläufe auf Basis von Systemdaten zu visualisieren und zu verbessern.
Welche Themenfelder stehen im Mittelpunkt?
Zentrale Themen sind die Integration von Prozessdaten in Informationssystemen, die methodische Analyse von Workflows und die algorithmische Rekonstruktion von Prozessmodellen.
Welches Ziel verfolgt die Forschungsarbeit primär?
Das Hauptziel ist die Darstellung, wie durch Process Mining implizites Wissen aus Ereignisprotokollen expliziert und in formale Prozessmodelle überführt werden kann.
Welche wissenschaftlichen Methoden werden verwendet?
Die Arbeit nutzt die Literaturanalyse und stellt mit dem α-Algorithmus ein spezifisches mathematisch-technisches Verfahren zur automatisierten Prozessentdeckung (Discovery) vor.
Was wird schwerpunktmäßig im Hauptteil behandelt?
Der Hauptteil gliedert sich in die theoretischen Grundlagen des Process Mining, die Differenzierung der Mining-Arten sowie die vertiefende algorithmische Analyse eines beispielhaften Workflows.
Welche Schlüsselbegriffe charakterisieren die Arbeit?
Die Arbeit ist durch Begriffe wie event log, Prozessperspektive, Organisationsperspektive und den α-Algorithmus geprägt.
Wie unterscheidet sich Process Mining von klassischen Business Intelligence Tools?
Während klassische BI-Tools aggregierte Leistungsindikatoren betrachten, geht Process Mining direkt in den Prozessablauf, um kausale Abhängigkeiten zwischen einzelnen Prozessschritten aufzudecken.
Warum ist die Datenqualität in event logs für den α-Algorithmus so entscheidend?
Der α-Algorithmus unterstellt fehlerfreie und vollständige Daten; fehlerhafte Protokollierungen können dazu führen, dass das abgeleitete Modell die Realität nicht korrekt widerspiegelt.
Welche Rolle spielen "verborgene Aktivitäten" bei der Prozessanalyse?
Verborgene Aktivitäten, die nicht im event log erscheinen, führen dazu, dass der α-Algorithmus unvollständige Prozessmodelle generiert, was den Nutzen der Analyse einschränken kann.
Was besagt die Organisationsperspektive beim Process Mining?
Diese Perspektive betrachtet die am Prozess beteiligten Personen, um Rollenverteilungen zu erkennen und durch die Analyse der Interaktionen soziale Netzwerke innerhalb des Unternehmens abzubilden.
- Quote paper
- Julia Remberg (Author), 2008, Grundlagen des Process Mining, Munich, GRIN Verlag, https://www.grin.com/document/120738
