Prozessplanung

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

?????????????????????????????????

Abgeschlossene, laufende und zukünftige Forschungsprojekte:

SEMPRO und SEMPRO2 - Modellierung, Selbstkomposition und Selbstkonfiguration von Referenzprozessen auf Basis semantischer Konzepte

?
Semantische Konzepte k?nnen die Grundlage für eine weitergehende Automatisierung der Prozessmodellierung bilden. Mit Hilfe formaler Beschreibungen, in Form von Ontologien, kann das Begriffsverst?ndnis der an der Modellierung beteiligten Instanzen st?rker vereinheitlicht sowie eine Interoperabilit?t und Maschinenverarbeitbarkeit erreicht werden. In der ersten F?rderungsphase des Projektes SEMPRO wurden u.?a. bereits L?sungen für die teilautomatisierte Planung von Prozessmodellen mit Hilfe semantischer Konzepte entwickelt. Der SEMPA-Ansatz erm?glicht es damit, aus einer Prozessbibliothek mit semantisch annotierten Aktionen und mit Planungsverfahren automatisiert Vorschl?ge für neue Prozessmodelle zu erstellen.

In der zweiten F?rderungsphase wurde das angestrebte Ziel, bestehende (Referenz-)Prozessmodelle zu adaptieren, anhand der in der ersten Phase entwickelten Techniken umgesetzt. Zudem wurde die Integration von Ressourcenanforderungen in die Prozessmodellierung mittels Ontologien erm?glicht. 百利宫_百利宫娱乐平台￥官网 wiederum erlaubt eine ?berprüfung der Prozessmodelle auf Ausführbarkeit hinsichtlich der Ressourcenverfügbarkeit zur Design-Zeit. Die Anwendung der entwickelten Methoden konnte bereits im realen Unternehmensumfeld gezeigt werden.

Zusammenfassend sind in beiden F?rderungsphasen grundlagenorientierte Forschungsergebnisse im Rahmen des Semantischen Prozessmanagements und angrenzenden Forschungsfeldern entstanden. Erste Ergebnisse finden bereits in Projekten den Weg in die praktische Umsetzung und bilden somit die Grundlage für eine Fortentwicklung der Prozessmodellierung und des Prozessmanagements.

SEMPA - Automated Planning of Process Models

Die F?higkeit zur schnellen Anpassung bestehender bzw. zur Gestaltung neuer Prozesse ist für Organisationen heutzutage essentiell, um agil und wettbewerbsf?hig zu bleiben. Prozessmanagement und vor allem Ans?tze, die eine erh?hte Prozessflexibilit?t erm?glichen, unterstützen Organisationen bei diesen Herausforderungen. So hat sich bspw. die Prozessmodellierung als ein wichtiges Werkzeug für die Darstellung komplexer inner- und zwischenbetrieblicher Prozesse, für die Systementwicklung oder für die Durchführung von Reorganisationsprojekten erwiesen. Prozesse zu modellieren, ist allerdings h?ufig sehr zeit- und kostenintensiv, selbst wenn es durch Modellierungstools und Prozessmodelle mit Empfehlungscharakter unterstützt wird.

Das SEMPA-Projekt zielte darauf ab, Prozessflexibilit?t durch Modelle und Algorithmen zu gewinnen. Process mining unterstützt bspw. Analysten in der Prozessanalysephase. Prozessplanung unterstützt den Modellierer mittels automatisierter Erstellung von Prozessmodellen. Automatisierte Serviceselektion erh?ht den Automatisierungsgrad in der Phase Prozessimplementierung. In diesem Projekt wurden theoretische Grundlagen, Modelle und Algorithmen entwickelt, die eine automatisierte Prozessplanung und Serviceselektion erm?glichen. Im Detail:

(1) Automatisierte Erstellung von Prozessmodellen unter Berücksichtigung von Kontrollflussstrukturen und mehrerer Akteure: Prozessmodelle inkl. zentraler Kontrollflussstrukturen k?nnen nun automatisiert und im Vergleich zur manuellen Modellierung mit h?herer Qualit?t und in geringer Zeit erstellt werden. Die erstellten Prozessmodelle erlauben auch die Koordination mehrerer Akteure mit eigenen Prozesszielen.

(2) Automatisierte Anpassung bestehender Prozessmodelle: Bestehende Prozessmodelle k?nnen nun automatisiert an neue Anforderungen oder organisatorische Ver?nderungen angepasst werden. Somit reduziert sich die ben?tigte Modellierungszeit, im Vergleich zur Erstellung neuer Prozessmodelle, um bis zu 90%. Die entwickelten Ans?tze erlauben auch die Anpassung der Prozessmodelle an Kontextinformationen (z.?B. Umgebungseinflüsse).

(3) Automatisierte Serviceselektion unter Berücksichtigung wirtschaftlicher Zielgr??en und Ressourcenrestriktionen. Für geplante Prozessmodelle k?nnen nun Services (Web Services & mobile Services) – basierend auf einer Optimierung von Zielgr??en (z.?B. Preis, Antwortzeit) und gegebener Ressourcenrestriktionen – automatisiert selektiert werden.

Die in diesem Projekt entwickelten Ans?tze sind prototypisch implementiert und wurden mittels mehrerer Realweltprozesse von verschiedenen Organisationen evaluiert.

Die nachfolgende Abbildung gibt einen ?berblick über die Verknüpfung der drei obigen Projektteile.

TRADEmark - loT-basiertes Daten- und Prozessmanagement im Handwerk

Technologien des Internet of Things (IoT) erm?glichen eine datengetriebene Analyse und Steuerung von Arbeitsabl?ufen und Anwendungsumgebungen. Im Projekt TRADEmark wird ein IoT-gestütztes, prozessorientiertes Verfahren zur zeitlich und r?umlich koordinierten Steuerung und Planung von Verwaltungs- und Wertsch?pfungsprozessen im Handwerk entwickelt.

Das Projekt umfasst nachfolgende inhaltliche Teilprojekte, wobei der Lehrstuhl für Wirtschaftsinformatik II prim?r an den Teilprojekten TP4 bis TP6 beteiligt ist.

1. Ist-Prozess- und Systemanalyse
2. Konzepte für Soll-Prozesse und IoT-Integration
3. Systemarchitektur der IoT-basierten Prozessmanagementplattform
4. Konzept und Implementierung des kontextbezogenen Prozessmanagementsystems
5. Kontextbezogene Prozessplanung

DQMM@WIKI - Datenqualit?tsmessung und -ma?nahmen bei Wikis und Knowledge Graphen

?
Enterprise Wikis und Knowledge Graphen sind innovative Instrumente, um das Potenzial gro?er Datenmengen zu nutzen. Aufgrund der in diesem Kontext vorherrschenden Kontext vorherrschenden un-/semistrukturierten Datenformate ?und der kollaborativen Erstellung ist die Sicherstellung der Datenqualit?t hier für Wissenschaft und Praxis von besonderer Relevanz. Das Projekt verfolgt dabei folgende Ziele:

1. Entwicklung von Methoden und Metriken zur Messung der Datenqualit?t von Wikis und Knowledge Graphen
2. Definition von Ma?nahmen zur Verbesserung der Datenqualit?t von Wikis und Knowledge Graphen
3. Entwicklung von Ans?tzen zur automatisierten und qualit?tsgesicherten Erstellung von Knowledge Graphen aus unstrukturierten Daten wie (Enterprise) Wikis