Koordinationsfonds

• 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

Process-Mining befasst sich mit automatischen Prozessanalysetechniken basierend auf Ereignisdaten komplexer Systeme. Das klassische Process-Mining geht weitgehend davon aus, dass Ereignisdaten in einer einzigen, zentralen Datei auf einem Gerät mit ausreichender Rechenleistung verarbeitet werden. In vielen Anwendungsfällen stammen Ereignisdaten aus verteilten, sensorbasierten Systemen, die den Annahmen des (klassischen) Process-Mining im Regelfall nicht genügen. Ereignisse können hier jede Art von Beobachtungen sein (z. B. die Änderung eines Sensorwerts), unabhängig davon, ob sie explizit mit bestimmten Aktivitäten oder Fällen verknüpft sind. Ereignisse treten als unbegrenzte Ströme erfasster Ereignisdaten auf; sie sind Rauschen, ungenauen Messungen und mehrdeutigen Informationen ausgesetzt; und sie bergen das Potenzial der Korrelation mit Hintergrundwissen und entsprechenden Bedrohungen der Privatsphäre durch Re-Identifikation. Bis heute begegnen Process-Mining in verteilten Szenarien technische und konzeptionelle Forschungsherausforderungen, die sich über die drei Dimensionen erstrecken (1) Infrastruktur: Die Verteilung und physikalischen Eigenschaften sensorbasierter Systeme stellen spezifische Forschungsherausforderungen für eine effiziente Verarbeitung von Ereignisdaten dar. (2) Daten: Die Granularität und Qualitätsmerkmale von Sensordaten stellen spezifische Forschungsherausforderungen für eine sinnvolle und datenschutzrelevante Abstraktion von Ereignisdaten dar. (3) Benutzer: Die Detailliertheit und Komplexität von Sensordaten stellt spezifische Forschungsherausforderungen für die nachvollziehbare Präsentation und Darstellung von verteilten Process-Mining-Ergebnissen dar. Die Forschungsgruppe SOURCED – „Process Mining auf verteilten Ereignisquellen“ wird die methodischen Grundlagen für neuartige Process-Mining-Techniken für verteilte Ereignisdaten entwickeln. Eine übergreifende Herausforderung des sogenannten Sourced Process Mining ist die Tatsache, dass die Infrastruktur, Daten und Benutzersicht kaum vollständig getrennt werden können. Das birgt Synergien für Zusammenarbeit. Die Datenanalyse wird im Hinblick auf die Nützlichkeit der Daten untersucht, wobei die Genauigkeit und Vollständigkeit der Process-Mining-Ergebnisse so weit wie möglich erhalten bleibt, indem die Unsicherheit der Daten in die gesamte Process-Mining-Pipeline eingebettet wird. Dadurch können Datenqualitätsprobleme in der Analyse und beim Schutz explizit gemacht werden und die Daten durch nachweisbare Garantien geschützt sind. Die Forschungsgruppe bündelt Expertise aus den Bereichen Prozessmanagement, Data and Software Engineering, Verteilte Systeme und Privacy. Die sieben Projekte in SOURCED ermöglichen es, die wissenschaftlichen Herausforderungen an ihren Schnittpunkten anzugehen und einen signifikanten Forschungseffekt zu erzielen, indem sie die Grundlage für die nächste Generation von Process-Mining-Techniken bereitstellen.

• DFG-Verfahren: Forschungsgruppen
• Teilprojekt zu: FOR 5495: SOURCED – Process Mining auf verteilten Ereignisquellen