Advanced Process Mining
IE 692 für Masterstudierende (Wirtschaftsinformatik)
Allgemeines
Verantwortlicher Dozent | Prof. Dr. Jana-Rebecca Rehse |
Veranstaltungsart | Vorlesung und Übung |
Voraussetzungen | Es wird erwartet, dass Sie mit der Verwendung von Petri-Netzen und BPMN zur Prozessmodellierung vertraut sind und grundlegende Programmierkenntnisse in Python besitzen. IS 515 oder Erfahrung mit Process Mining sind KEINE Voraussetzungen. |
Leistungspunkte | 6 ECTS |
Sprache | Englisch |
Prüfungsform und -umfang | Schriftliche Prüfung (80%) und Gruppenarbeit (20%, verpflichtend) |
Prüfungstermin | tbd |
Infos für Studierende | Achtung: Dieser Kurs ist auf 80 Teilnehmer beschränkt. Bitte melden Sie sich rechtzeitig via Portal² an und befolgen Sie genauestens die Anweisungen im Portal². Es genügt, wenn Sie sich für die Vorlesung anmelden. |

Prof. Dr. Jana-Rebecca Rehse
Juniorprofessur für Management Analytics
L 15, 1–6 – Raum 413
68161 Mannheim
Infos zur Veranstaltung
Kurzbeschreibung
Process Mining ist ein aufstrebender Zweig der Datenwissenschaft, der darauf abzielt, auf der Grundlage der Analyse aufgezeichneter Ereignisabläufe qualitative und quantitative Erkenntnisse über die Ausführung von Organisationsprozessen zu gewinnen.
Das Kursformat beinhaltet Vorlesungen und Übungen, die sich auf die formalen Grundlagen, Algorithmen und Techniken des Process Mining konzentrieren. Im Einzelnen behandelt dieser Kurs Aspekte wie:
- Prozessentdeckung, die darauf abzielt, ein Prozessmodell aus aufgezeichneten Ereignissen abzuleiten
- Konformitätsprüfung, die darauf abzielt, Abweichungen zwischen Ereignisdaten und Prozessmodellen zu identifizieren
- Prozessverbesserung, die darauf abzielt, Prozessmodelle mit Informationen über die zeitliche, organisatorische und datenbezogene Perspektive eines Prozesses zu erweitern
- Prädiktive Überwachung, die darauf abzielt, Vorhersagen über laufende Prozessinstanzen zu treffen
- Techniken zur Vorverarbeitung, Abstraktion und Clusterung von Ereignisdaten für verbesserte Analysen
Für die oben genannten Themen wird der Kurs sowohl grundlegende Algorithmen als auch fortgeschrittene, moderne Techniken behandeln.
Die Vorlesungen werden von Übungseinheiten ergänzt, in denen Sie anhand von Pen-and-Paper-Übungen sowie der Implementierung und Evaluierung unter Verwendung von Open Source-Process Mining-Tools und -Bibliotheken üben.
Die Vorlesungen und Übungen werden durch eine praktische Fallstudie ergänzt, bei der die Studierenden in Gruppen an einem Projekt arbeiten, das die Implementierung und/
oder Evaluierung einer Process Mining-Technik beinhaltet. Ziele
Nach erfolgreichem Abschluss dieses Kurses sollten Sie folgende Fähigkeiten erlernt haben:
- die Bedeutung und das Potenzial von Process Mining verstehen
- grundlegende und fortgeschrittene Techniken für Kernaufgaben des Process Mining kennen und anwenden
- reale Daten mit Hilfe von Open Source-Process Mining-Tools analysieren
Vorlesung
Dozenten Prof. Dr. Jana-Rebecca Rehse Tutoren Alexander Kraus, Adrian Rebmann Die Vorlesungen finden in Präsenz statt.
Übung
Die Übungen finden dienstags und mittwochs, jeweils von 15:30 bis 17:00 Uhr, in Präsenz statt. Alle Übungssessions einer Woche werden jeweils vom gleichen Tutor durchgeführt. Sie können sich aussuchen, welche Übung Sie besuchen.
Für jede Übung erwarten wir, dass Sie die entsprechende Vorlesung in der Vorwoche besucht oder sich anderweitig mit den Inhalten der Vorlesung vertraut gemacht haben. Sie können sich auch bereits mit den jeweiligen Übungsblatt vertraut machen, es ist jedoch nicht notwendig, dieses bereits abgeschlossen zu haben, um die Übung zu besuchen.
Die Übungen werden aktiv sein. Jede Übung beginnt mit einem Kahoot! Quiz, um das in der Vorlesung Gelernte zu rekapitulieren, gefolgt von einer Frage- und Antwortrunde zum Vorlesungsstoff der Woche. Danach haben Sie die Möglichkeit, das jeweilige Übungsblatt (gemeinsam oder einzeln) zu bearbeiten und Fragen dazu zu stellen.
Aufgrund des aktiven Charakters der Übungen können diese nicht aufgezeichnet werden. Wir werden jedoch die Quizfragen in ILIAS hochladen.
Fallstudie
Die Veranstaltung beinhaltet eine (verpflichtende) Fallstudie. Nähere Informationen dazu werden nach Kursbeginn in ILIAS veröffentlicht.