Process Mining ist das fehlende Bindeglied zwischen modellbasierter Prozessanalyse und datenorientierten Analysetechniken. Anhand konkreter Datensätze und einfach zu bedienender Software vermittelt der Kurs datenwissenschaftliche Kenntnisse, die direkt zur Analyse und Verbesserung von Prozessen in einer Vielzahl von Bereichen eingesetzt werden können. Datenwissenschaft ist der Beruf der Zukunft, denn Unternehmen, die nicht in der Lage sind, (große) Daten auf intelligente Weise zu nutzen, werden nicht überleben. Es reicht nicht aus, sich auf die Datenspeicherung und Datenanalyse zu konzentrieren. Der Datenwissenschaftler muss die Daten auch mit der Prozessanalyse in Verbindung bringen. Process Mining schließt die Lücke zwischen der traditionellen modellbasierten Prozessanalyse (z.B. Simulation und andere Techniken des Geschäftsprozessmanagements) und datenzentrierten Analysetechniken wie maschinelles Lernen und Data Mining. Beim Process Mining geht es um die Konfrontation von Ereignisdaten (d.h. beobachtetes Verhalten) und Prozessmodellen (manuell erstellt oder automatisch ermittelt). Diese Technologie ist erst seit kurzem verfügbar, kann aber auf jede Art von betrieblichen Prozessen (Organisationen und Systeme) angewendet werden. Anwendungsbeispiele sind: die Analyse von Behandlungsprozessen in Krankenhäusern, die Verbesserung von Kundendienstprozessen in einem multinationalen Unternehmen, das Verständnis des Surfverhaltens von Kunden auf Buchungsseiten, die Analyse von Fehlern in einem Gepäckabfertigungssystem und die Verbesserung der Benutzeroberfläche eines Röntgengeräts. Alle diese Anwendungen haben gemeinsam, dass dynamisches Verhalten mit Prozessmodellen in Verbindung gebracht werden muss. Daher bezeichnen wir dies als "Data Science in Aktion". Der Kurs erklärt die wichtigsten Analysetechniken im Process Mining. Die Teilnehmer lernen verschiedene Algorithmen zur Prozesserkennung kennen. Diese können zum automatischen Lernen von Prozessmodellen aus Ereignisrohdaten verwendet werden. Es werden verschiedene andere Prozessanalysetechniken vorgestellt, die Ereignisdaten verwenden. Darüber hinaus bietet der Kurs benutzerfreundliche Software, reale Datensätze und praktische Fähigkeiten zur direkten Anwendung der Theorie in einer Vielzahl von Anwendungsbereichen. Der Kurs beginnt mit einem Überblick über Ansätze und Technologien, die Ereignisdaten zur Unterstützung der Entscheidungsfindung und der (Neu-)Gestaltung von Geschäftsprozessen nutzen. Anschließend konzentriert sich der Kurs auf Process Mining als Brücke zwischen Data Mining und Geschäftsprozessmodellierung. Der Kurs ist ein Einführungskurs mit verschiedenen praktischen Aufgaben. Der Kurs behandelt die drei Haupttypen des Process Mining. 1. Die erste Art des Process Mining ist die Entdeckung. Bei einer Discovery-Technik wird aus einem Ereignisprotokoll ein Prozessmodell erstellt, ohne dass a-priori-Informationen verwendet werden. Ein Beispiel ist der Alpha-Algorithmus, der aus einem Ereignisprotokoll ein Prozessmodell (ein Petri-Netz) erstellt, das das im Protokoll aufgezeichnete Verhalten erklärt. 2. Die zweite Art des Process Mining ist die Konformität. Hier wird ein bestehendes Prozessmodell mit einem Ereignisprotokoll desselben Prozesses verglichen. Mit der Konformitätsprüfung können Sie überprüfen, ob die Realität, wie sie im Protokoll aufgezeichnet ist, mit dem Modell übereinstimmt und umgekehrt. 3. Die dritte Art des Process Mining ist das Enhancement. Hier geht es darum, ein bestehendes Prozessmodell mit Hilfe von Informationen über den tatsächlichen Prozess, die in einem Ereignisprotokoll aufgezeichnet sind, zu erweitern oder zu verbessern. Während die Konformitätsprüfung die Übereinstimmung zwischen Modell und Realität misst, zielt diese dritte Art des Process Mining auf die Änderung oder Erweiterung des a-priori Modells ab. Ein Beispiel dafür ist die Erweiterung eines Prozessmodells um Leistungsinformationen, z.B. zur Darstellung von Engpässen. Process Mining-Techniken können sowohl in einer Offline- als auch in einer Online-Umgebung eingesetzt werden. Letzteres wird als operative Unterstützung bezeichnet. Ein Beispiel ist die Erkennung von Abweichungen in dem Moment, in dem die Abweichung tatsächlich stattfindet. Ein anderes Beispiel ist die Zeitvorhersage für laufende Fälle, d.h. bei einem teilweise ausgeführten Fall wird die verbleibende Bearbeitungszeit auf der Grundlage historischer Informationen über ähnliche Fälle geschätzt. Process Mining schlägt nicht nur eine Brücke zwischen Data Mining und Geschäftsprozessmanagement, sondern hilft auch, die klassische Kluft zwischen "Business" und "IT" zu überwinden. Evidenzbasiertes Geschäftsprozessmanagement auf der Grundlage von Process Mining hilft, eine gemeinsame Basis für die Verbesserung von Geschäftsprozessen und die Entwicklung von Informationssystemen zu schaffen. Der Kurs verwendet viele Beispiele anhand von Ereignisprotokollen aus dem wirklichen Leben, um die Konzepte und Algorithmen zu veranschaulichen. Nach diesem Kurs sind Sie in der Lage, Process Mining-Projekte durchzuführen und haben ein gutes Verständnis für den Bereich Business Process Intelligence.

Nach dem Besuch dieses Kurses sollten Sie: - ein gutes Verständnis von Business Process Intelligence-Techniken (insbesondere Process Mining) haben, - die Rolle von Big Data in der heutigen Gesellschaft verstehen, - Process Mining-Techniken mit anderen Analysetechniken wie Simulation, Business Intelligence, Data Mining, maschinelles Lernen und Verifikation in Beziehung setzen können, - grundlegende Process Discovery-Techniken anwenden können, um ein Prozessmodell aus einem Ereignisprotokoll zu lernen (sowohl manuell als auch mit Hilfe von Tools), - grundlegende Conformance Checking-Techniken anwenden können, um Ereignisprotokolle und Prozessmodelle zu vergleichen (sowohl manuell als auch mit Hilfe von Tools), - ein Prozessmodell mit aus dem Ereignisprotokoll extrahierten Informationen erweitern können (z.g., ein Prozessmodell um Informationen aus dem Ereignisprotokoll erweitern (z.B. Engpässe aufzeigen), - ein gutes Verständnis der Daten haben, die für den Start eines Process Mining-Projekts benötigt werden, - die Fragen charakterisieren können, die auf der Grundlage solcher Ereignisdaten beantwortet werden können, - erklären können, wie Process Mining auch zur operativen Unterstützung (Vorhersage und Empfehlung) eingesetzt werden kann, und - Process Mining-Projekte strukturiert durchführen können.