Die Idee des Process Mining besteht in der Nutzung der in vielen IT-Systemen automatisch gesammelten Prozesslogdaten für das Geschäftsprozessmanagement. Es bringt prozessorientiertes Geschäftsprozessmanagement und Geschäftsprozessmodellierung mit Methoden der Datenanalyse, des Data Mining und das Machine Learning in Zusammenhang. Teilbereiche des Process Minings sind Process Discovery, Conformance Checking und Process Enhancement. Es kann beispielsweise zur Prozessoptimierung, Prozesserkennung für die Automatisierung, Konformitätsprüfung, oder Prozessreorganisation verwendet werden.
Die Forschungen der Juniorprofessur verbinden generische Methoden des Process Mining mit domänenspezifischem Wissen und Anwendungsmöglichkeiten, um Wert für die Anwender zu schaffen. Relevante Anwendungsdomänen sind beispielsweise Unternehmensbereiche wie die Beschaffung, Branchen wie die Medizintechnik oder ungewöhnliche Domänen wie die Rettungsrobotik.
Führungskräfte und andere Prozessverantwortliche in Unternehmen müssen häufig zahlreiche parallel ablaufende Aktivitäten ausführen, überwachen und koordinieren. Dies wird häufig durch einen Mangel an Informationen zu den einzelnen Prozessinstanzen erschwert. Datengetriebene Prozessassistenzsysteme können hierbei Abhilfe schaffen. Sie setzen vortrainierte Modelle des Maschinellen Lernens und Methoden der Prozessanalyse ein, um Aktivitäten zu erkennen, ausgeführte Prozesse zu dokumentieren, die Einhaltung von Vorschriften zu überprüfen und Empfehlungen zur optimalen Prozessausführung generieren. Auch zur (Teil-)Automatisierung der Prozesse ist so möglich.
Die Arbeiten der Juniorprofessur in diesem Bereich fokussieren sich auf datengetriebene Prozessassistenzsysteme für spezifische Domänen, wie etwa die Rettungsrobotik.
Als Anwendung von Predictive Analytics im Geschäftsprozessmanagement nutzt die Prozessvorhersage Daten zu früheren Prozessinstanzen, um Vorhersagen über das Verhalten einer laufenden Instanz zu treffen. Dabei können auf der Grundlage verschiedener Daten etwa der reguläre Ausgang des Prozesses, die nächste auszuführende Aktivität oder Attribute wie etwa die Zeit bis zum Prozessabschluss vorhergesagt werden. Zu diesem Zwecke werden verschiedene Techniken des Maschinellen Lernens eingesetzt, wobei insbesondere das Deep Learning hier eine zentrale Rolle spielt.
Process-Analytics-Methoden können in mehrerer Hinsicht zur verstärkten Prozessautomatisierung beitragen. Beispielsweise lassen sie sich verwenden, um Standardprozesse innerhalb eines Unternehmens oder zwischen verschiedenen Unternehmen zu identifizieren, welche als Grundlage einer Automatisierung dienen können. Auch können sie genutzt werden, um das Automatisierungspotential von Prozessschritten zu quantifizieren. Sind Prozesse automatisiert, können sie die Instanzen herausfiltern, die Abweichungen vom Standard darstellen und dadurch manuell behandelt werden sollten.
Die Arbeiten der Juniorprofessur beschäftigen sich in diesem Bereich verstärkt mit der Identifizierung von Standardprozessen in verschiedenen Kontexten und Domänen.