Kontextgestützte prädiktive Prozessanalytik (CoPPA)

• Antragsteller: Professor Dr. Patrick Delfmann; Professor Dr. Martin Matzner
• Fachliche Zuordnung: Datenmanagement, datenintensive Systeme, Informatik-Methoden in der Wirtschaftsinformatik
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 456415646

„Process Analytics“ hat den Durchbruch in der betrieblichen Praxis geschafft. Die Grundlage für diesen Markterfolgt bildete die Grundlagenforschung, die zuvor zwei Jahrzehnte lang an leistungsfährigen Techniken und Algorithmen für die Ex-post-Analyse von Prozessdaten arbeitete. Deutsche Unternehmen sind heute die führenden Akteure in diesem Wirtschaftsfeld. Celonis, eines der wenigen deutschen „Unicorn“-Startups, ist der marktführende Softwareanbieter. Siemens ist der weltweit größte Anwender von Process-Analytics-Software. Das hier beantragte Forschungsvorhaben macht den nächsten logischen Schritt für die Grundlagenforschung und befasst sich mit der Frage, wie leistungsfähigere vorhersagende Process-Analytics-Techniken geschaffen werden können. Dazu ist das Wissen über historische Prozessausführungen mit dem Wissen über den aktuellen Zustand einer Prozessinstanz zur Laufzeit zusammenzuführen. Die wenigen vorhersagenden Prozessanalysetechniken, die Forscher bislang entwickelten, haben eine geringe Vorhersagegüte. Die Vorhersagen dieser Verfahren stützen sich zumeist nur auf Prozessereignisdaten. Das sind Log-Daten, die die Ausführung einer Aktivität oder das Treffen einer Entscheidung widerspiegeln. Die Idee des Projekts CoPPA ist, den Prozesskontext als zusätzliche Informationsquelle bei der Vorhersage zu berücksichtigen. Dazu wird eine kontextgestützte vorhersagende Prozessanalysetechnik konzipiert, die probabilistische Modelle aus der Klasse der Dynamic Bayesian Networks (DBN) nutzt. „Kontext“ bezeichnet dabei prozessbezogene Daten, die die Sequenz der bislang bei der Ausführung der Instanz beobachteten Aktivität-Typen (das ist eine Liste der „Namen“ der Aktivität-Typen) übersteigen. So können Daten zu prozessbeteiligten Personen, zur Umwelt oder Werte aus Geschäftsbelegen die Vorhersage zusätzlich stützen. Der weitere Fortgang einer Kreditantragsprüfung wird zum Beispiel sicherlich stark durch die Höhe der beantragten Kreditsumme beeinflusst. Das Beispiel veranschaulicht, dass der weitere Verlauf einer Instanz bei vielen Prozessen durch Kontextdaten entscheidend geprägt wird. Techniken, die ihre Vorhersagen auch auf Kontextdaten stützen, sollten folglich eine bessere Vorhersagegüte erreichen können. CoPPA entwickelt dazu mehrere IT-Artefakte: neuartige Analysemodelle und Algorithmen für die Prozessvorhersage, neuartige Prozessvisualisierungskonzepte und eine Scientific-Workflow- Umgebung, mit deren Hilfe die Ausführung von Experimenten zur Leistungsfähigkeit der Vorhersagetechniken unterstützt wird. Alle Artefakte werden evaluiert, unter eine Open-Source-Lizenz gestellt und frei zugänglich gemacht.

• DFG-Verfahren: Sachbeihilfen