Context-aware Predictive Process Analytics (CoPPA)

CoPPA

Dieses Projekt ist im Forschungsbereich des Geschäftsprozessmanagements (BPM) angesiedelt. Es zielt darauf ab, zu erforschen, wie Prozessanalytik von Unternehmen genutzt werden kann, um zukünftiges Prozessverhalten vorherzusagen, und wie diese Vorhersagetechniken kontextbezogene Informationen für eine bessere Vorhersageleistung nutzen könnten. Ziel des Projekts ist insbesondere die Entwicklung eines kontextbezogenen Ansatzes für die vorausschauende Prozessüberwachung, der auf probabilistischen Modellen aus dem Bereich der dynamischen Bayes'schen Netze (DBN) basiert. Der Ansatz wird in der Lage sein, vorherzusagen, welche Aktivität einer aktuell laufenden Prozessinstanz wahrscheinlich als nächstes durchgeführt wird. Durch die Einbeziehung von Kontextinformationen eines Prozesses versuchen wir, eine hohe Vorhersagegenauigkeit zu erreichen. Unter Kontext verstehen wir jeden Aspekt eines Geschäftsprozesses, der über den bloßen Namen einer Aktivität hinausgeht. Dieser Kontext kann das Verhalten eines Prozesses erheblich beeinflussen, so dass zu erwarten ist, dass die Kenntnis des in einem Prozess vorhandenen Kontexts die Vorhersagegenauigkeit eines prädiktiven Prozessüberwachungsansatzes erhöhen kann (z. B. kann die Höhe eines Kredits in einem Kreditgenehmigungsprozess einen erheblichen Einfluss auf die nachfolgenden Entscheidungen im Prozess haben und somit dessen Verhalten beeinflussen).

Dieses Projekt ist im Forschungsbereich des Geschäftsprozessmanagements (BPM) angesiedelt. Es zielt darauf ab, zu erforschen, wie Prozessanalytik von Unternehmen genutzt werden kann, um zukünftiges Prozessverhalten vorherzusagen, und wie diese Vorhersagetechniken kontextbezogene Informationen für eine bessere Vorhersageleistung nutzen könnten. Ziel des Projekts ist insbesondere die Entwicklung eines kontextbezogenen Ansatzes für die vorausschauende Prozessüberwachung, der auf probabilistischen Modellen aus dem Bereich der dynamischen Bayes'schen Netze (DBN) basiert. Der Ansatz wird in der Lage sein, vorherzusagen, welche Aktivität einer aktuell laufenden Prozessinstanz wahrscheinlich als nächstes durchgeführt wird. Durch die Einbeziehung von Kontextinformationen eines Prozesses versuchen wir, eine hohe Vorhersagegenauigkeit zu erreichen. Unter Kontext verstehen wir jeden Aspekt eines Geschäftsprozesses, der über den bloßen Namen einer Aktivität hinausgeht. Dieser Kontext kann das Verhalten eines Prozesses erheblich beeinflussen, so dass zu erwarten ist, dass die Kenntnis des in einem Prozess vorhandenen Kontexts die Vorhersagegenauigkeit eines prädiktiven Prozessüberwachungsansatzes erhöhen kann (z. B. kann die Höhe eines Kredits in einem Kreditgenehmigungsprozess einen erheblichen Einfluss auf die nachfolgenden Entscheidungen im Prozess haben und somit dessen Verhalten beeinflussen).


Förderungen & Partnerschaften


Partnerschaften
Prof. Dr. Martin Matznerwiso.rw.fau.de/forschung/forsc...
Gefördert von
Deutsche Forschungsgemeinschaft (DFG)

Kontakt