BSc/MSc Projekt- und Forschungspraktikum – Hyperparameteroptimierung für Predictive Process Monitoring

Thema

Die IT-gestützte Ausführung von Geschäftsprozessen bietet vielversprechende Möglichkeiten für den Einsatz von KI für deren Auswertung und Analyse. Speziell das Gebiet des Predictive Process Monitoring (PPM) ist hierbei für Unternehmen interessant, da es sich mit der Vorhersage des Ergebnisses laufender Geschäftsprozesse auf der Grundlage des vorherigen Ereignisprotokolls befasst. Dadurch können beispielsweise Vorhersagen über die verbleibende Laufzeit einer Prozessaktivität oder die nächste Aktivität im Prozessablauf getätigt werden. In der Regel geschieht dies, um Leistungsziele zu messen, die Einhaltung von Compliance-Regeln zu überwachen oder bei wahrscheinlich bald auftretenden Anomalien rechtzeitig gegensteuern zu können.

Trotz des großen erwarteten Nutzens für Organisationen gibt es jedoch bisher nur wenige Umsetzungen für PPM. Im Projekt- und Forschungspraktikum soll daher ein PPM-Prototyp weiterentwickelt werden, der auf Grundlage von Event Logs aus dem Workflow-Management-System Camunda ein Vorhersagemodell erstellt. Hierfür können verschiedene selbstlernende Algorithmen eingesetzt werden. Der Prototyp ist dann in der Lage, für eine laufende Prozessinstanz die verbleibende Restdauer und die Wahrscheinlichkeiten für die nächste Aktivität zu berechnen. Diese Vorhersagedaten werden anschließend für den Endnutzer übersichtlich visuell aufbereitet und dargestellt.

Der Konkrete Fokus des Praktikums liegt auf der Umsetzung eines Moduls zur Hyperparameteroptimierung für die bestehenden Vorhersagemodelle und Clusteringverfahren, um hierdurch die Qualität der Vorhersagen zu erhöhen. Hierzu sollen geeignete Verfahren für die Hyperparameteroptimierung ausgewählt, implementiert und evaluiert werden. Weitere Details zum Praktikum finden Sie in der zugehörigen Präsentation.

Betreuer:innen