Regelbasierte Steuerung von Geschäftsprozessen – Konzeption eines Ansatzes auf Basis von Process Mining

ZusammenfassungDer Einsatz von Geschäftsregeln zur Prozesssteuerung hat mit der Zielsetzung zu erfolgen, die Prozesseffektivität und -effizienz auf Instanzebene zu sichern. Die Erzeugung und Anpassung von Regeln an dynamische Umweltbedingungen stellt einen Aufgabenbereich des Prozessmanagements dar, der durch analytische Techniken zu unterstützen ist. Zu diesem Zweck wird im Rahmen dieses Beitrags das Konzept des Process Minings zugrunde gelegt, das eine methodische Unterstützung dieser Aufgabenfelder mithilfe von Verfahren des maschinellen Lernens leisten kann. Zur Generierung steuerungsrelevanter Regeln werden Entscheidungsbaumverfahren aufgegriffen und ein Anwendungsbeispiel aus dem Umfeld des Forderungsmanagements in der Finanzindustrie präsentiert. Hierauf aufbauend erfolgt die Konzeption eines Integrationsansatzes zur Verzahnung der operativen und analytischen Prozesse, für die auf der Implementierungsebene unterschiedliche Realisierungsmöglichkeiten zur Verfügung stehen. Abschließend wird ein mehrstufiges Selektionsmodell eingeführt, das die Auswahl von Prozessen zur regelbasierten Prozesssteuerung auf Grundlage eines Prozessportfolios unterstützt.AbstractBusiness rules are used to automate processes under the constraint of retaining process effectivity and efficiency. A salient question is how to create and adjust business rules to situational conditions of business processes in order to meet economic targets. Therefore, this contribution proposes the process mining concept to generate explicit process knowledge from available process data. In particular, decision tree induction methods permit the generation of descriptive rule sets which are able to predict process quality. These rule sets can be used as operational knowledge base to ensure effectivity and efficiency of process executions. The application of this rule based control technique for business processes is substantiated within an integrated model which combines analytical and operational processes. Finally, we propose a multi-level decision model to support the selection of adequate processes for rule-based process control.

[1]  J. Ross Quinlan,et al.  C4.5: Programs for Machine Learning , 1992 .

[2]  Jon Espen Ingvaldsen,et al.  Model-Based Business Process Mining , 2005, Inf. Syst. Manag..

[3]  Martin Ester,et al.  Knowledge Discovery in Databases - Techniken und Anwendungen , 2000 .

[5]  Boudewijn F. van Dongen,et al.  The ProM Framework: A New Era in Process Mining Tool Support , 2005, ICATPN.

[6]  Werner Steck,et al.  Erfolgreicher Einsatz von EAI-Produkten und Servicebasierten Architekturen im Retail Banking , 2005, Wirtschaftsinformatik.

[7]  Ian H. Witten,et al.  Data mining: practical machine learning tools and techniques, 3rd Edition , 1999 .

[8]  C. McGreavy,et al.  Data Mining and Knowledge Discovery for Process Monitoring and Control , 1999 .

[9]  Nikolaus Beck,et al.  Rationality and Institutionalized Expectations: The Development of an Organizational Set of Rules , 2006 .

[10]  Dimitrios Gunopulos,et al.  Mining Process Models from Workflow Logs , 1998, EDBT.

[11]  Boudewijn F. van Dongen,et al.  Workflow mining: A survey of issues and approaches , 2003, Data Knowl. Eng..

[12]  Jörg Becker,et al.  Prozessorientierte Verwaltungsmodernisierung. Prozessmanagement im Zeitalter von E-Government und New Public Management , 2007 .

[13]  Wil M. P. van der Aalst,et al.  Business alignment: using process mining as a tool for Delta analysis and conformance testing , 2005, Requirements Engineering.

[14]  Wil M. P. van der Aalst,et al.  Process Mining: Discovering Direct Successors in Process Logs , 2002, Discovery Science.

[15]  Patrick Delfmann,et al.  Reference Modeling: Efficient Information Systems Design Through Reuse of Information Models , 2007 .

[16]  Rudolf Kruse,et al.  Attributauswahlmaße für die Induktion von Entscheidungsbäumen: Ein Überblick , 1998 .

[17]  Alexander Richter,et al.  Business Rules: Die Wissensverarbeitung erreicht die Betriebswirtschaft; Einsatzmöglichkeiten und Marktübersicht , 2007 .

[18]  August-Wilhelm Scheer,et al.  Von der Prozessdokumentation zum Corporate Performance Management , 2005 .

[19]  Jochen Garcke,et al.  Maschinelles Lernen durch Funktionsrekonstruktion mit verallgemeinerten dGittern , 2004 .

[20]  Wil M. P. van der Aalst,et al.  A Rule-Based Approach for Process Discovery: Dealing with Noise and Imbalance in Process Logs , 2005, Data Mining and Knowledge Discovery.

[21]  Robert L. Grossman.  KDD workshop on data mining standards, services & platforms (DM-SSP) 2006 , 2006, SKDD.

[22]  Ian Witten,et al.  Data Mining , 2000 .

[23]  Bernhard Schölkopf,et al.  Introduction to support vector learning , 1999 .

[24]  Gerhard Knolmayer,et al.  Ansätze zur Klassifikation von Geschäftsregeln , 1995, Wirtsch..

[25]  Charles Hill,et al.  Beyond predictable workflows: Enhancing productivity in artful business processes , 2006, IBM Syst. J..

[26]  Frank Bensberg,et al.  Web Log Mining als Instrument der Marketingforschung , 2001 .

[27]  Leo Breiman,et al.  Statistical Modeling: The Two Cultures (with comments and a rejoinder by the author) , 2001 .

[28]  Tom Fawcett,et al.  An introduction to ROC analysis , 2006, Pattern Recognit. Lett..

[29]  Oliver Thomas,et al.  Version Management for Reference Models: Design and Implementation , 2007 .

[30]  James Taylor,et al.  Smart (enough) systems: how to deliver competitive advantage by automating the decisions hidden in your business , 2007 .

[31]  Martin Ester,et al.  Knowledge Discovery in Databases , 2000 .

[32]  Peter Mertens,et al.  Data Mining (Datenmustererkennung): Stand der Forschung und Entwicklung , 1997, Wirtsch..

[33]  Stephan Schönwälder.  Portfoliomanagement für betriebliche Informationssysteme: ein computergestützter Ansatz zur partizipativen Einführung und Gestaltung , 1997 .

[34]  Wil M. P. van der Aalst,et al.  Workflow mining: discovering process models from event logs , 2004, IEEE Transactions on Knowledge and Data Engineering.

[35]  Wei-Yin Loh,et al.  A Comparison of Prediction Accuracy, Complexity, and Training Time of Thirty-Three Old and New Classification Algorithms , 2000, Machine Learning.

[36]  Leo Breiman,et al.  Classification and Regression Trees , 1984 .

[37]  Stephan Schönwälder.  Portfoliomanagement für betriebliche Informationssysteme , 1997 .

[38]  Ronald G. Ross,et al.  Principles of the business rule approach: Ronald G. Ross, Addison-Wesley Information Technology Series, February 2003, 256pp., price £30.99, ISBN 0-201-78893-4 , 2004, Int. J. Inf. Manag..

[39]  August-Wilhelm Scheer,et al.  Geschäftsprozessmanagement für das Unternehmen von morgen , 2006, Herausforderungen in der Wirtschaftsinformatik.

[40]  Leo Breiman,et al.  Statistical Modeling: The Two Cultures (with comments and a rejoinder by the author) , 2001, Statistical Science.