Zusammenfassung
Der 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.
Abstract
Business 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.
This is a preview of subscription content, log in via an institution to check access.
Literatur
Aalst, Wim van der (2005): Business Alignment: Using Process Mining as a Tool for Delta Analysis and Conformance Testing. In: Requirements Engineering Journal 10 (3), S. 198–211.
Aalst, Wim van der; Dongen, Boudewijn van; Herbst, Joachim; Maruster, Laura; Schimm, Guido; Weijters, Ton (2003): Workflow Mining: A Survey of Issues and Approaches. In: Data and Knowledge Engineering 47 (2), S. 237–267.
Aalst, Wim van der; Weijters, Ton; Maruster, Laura (2004): Workflow Mining: Discovering Process Models from Event Logs. In: IEEE Transactions on Knowledge and Data Engineering 16 (9), S. 1128–1142.
Agrawal, Rakesh; Gunopulos, Dimitrios; Leymann, Frank (1998): Mining Process Models from Workflow Logs. In: Schek, Hans-Jörg; Saltor, Felix; Ramos, Isidro; Alons, Gustavo (Hrsg.): 6th International Conference on Extending Database Technology: Advances in Database Technology. London, S. 469–483.
Alves de Medeiros, Ana Karla (2006): Genetic Process Mining. Dissertation, Technische Universiteit Eindhoven, Niederlande.
Ballard, Chuck; Angus, Beaton; Chiou, David; Janardhan, Chodagam; Lowry, Meridee; Perkins, Andy; Phillips, Richard; Rollins, John (2006): Leveraging DB2 Data Warehouse Edition for Business Intelligence. IBM Redbook, IBM Corporation, San Jose.
Beck, Nikolaus (2006): Rationality and Institutionalized Expectations: The Development of an Organizational Set of Rules. In: Schmalenbach Business Review 58 (o. H.), S. 279–300.
Becker, Jörg; Algermissen, Lars; Falk, Thorsten (2007): Prozessorientierte Verwaltungsmodernisierung – Prozessmanagement im Zeitalter von E-Government und New Public Management. Springer, Berlin.
Becker, Michael; Chamoni, Peter (2006): Business Performance Management – Verzahnte Prozesse stets im Blick. In: BI-Spektrum 1 (1), S. 24–26.
Bensberg, Frank (2001): Web Log Mining als Instrument der Marketingforschung – Ein systemgestaltender Ansatz für internetbasierte Märkte. Gabler, Wiesbaden.
Borgelt, Christian; Kruse, Rudolf (1998): Attributauswahlmaße für die Induktion von Entscheidungsbäumen: Ein Überblick. In: Nakhaeizadeh, Gholamreza (Hrsg.): Data Mining – Theoretische Aspekte und Anwendungen. Physica, Heidelberg, S. 77–98.
Breiman, Leo (2001): Statistical Modeling: The Two Cultures. In: Statistical Science 16 (3), S. 199–231.
Breiman, Leo; Friedman, Jerome; Olshen, Richard; Stone, Charles (1984): Classification and Regression Trees. Wadsworth and Brooks, Belmont.
Brenner, Markus; Mayer, Reinhold (2005): Aufbau eines permanenten Prozesscontrolling. In: Horváth & Partners (Hrsg.): Prozessmanagement umsetzen – Durch nachhaltige Prozessperformance Umsatz steigern und Kosten senken. Schäffer-Poeschel, Stuttgart, S. 159–179.
Chapman, Pete; Clinton, Julian; Kerber, Randy; Khabaza, Thomas; Reinartz, Thomas; Shearer, Colin; Wirth, Rüdiger (2000): CRISP-DM 1.0: Step-by-step Data Mining Guide. CRISP-DM Consortium, o. O.
Dongen, Boudewijn van; Medeiros, Ana; Verbeek, H.; Weijters, Ton; Aalst, Wim van der (2005): The ProM Framework: A New Era in Process Mining Tool Support. In: Ciardo, Gianfranco; Darondeau, Philippe (Hrsg.): Applications and Theory of Petri Nets 2005–26th International Conference. Springer, Berlin, S. 444–454.
Eckerson, Wayne W. (2007a): Predictive Analytics – Extending the Value of Your Data Warehousing Investment. TDWI Best Practice Report, The Data Warehousing Institute, Renton.
Eckerson, Wayne W. (2007b): Best Practices in Operational BI. In: Business Intelligence Journal 12 (3), S. 7–9.
Endl, Rainer (2004): Regelbasierte Entwicklung betrieblicher Informationssysteme – Gestaltung flexibler Informationssysteme durch explizite Modellierung der Geschäftslogik. Dissertation, Wirtschafts- und Sozialwissenschaftliche Fakultät der Universität Bern, Eul-Verlag, Lohmar.
Ester, Martin; Sander, Jörg (2000): Knowledge Discovery in Databases – Techniken und Anwendungen. Springer, Berlin.
Fawcett, Tom (2006): An Introduction to ROC Analysis. In: Pattern Recognition Letters 27 (8), S. 861–874.
Garcke, Jochen (2004): Maschinelles Lernen durch Funktionsrekonstruktion mit verallgemeinerten dünnen Gittern. Dissertation, Mathematisch-Naturwissenschaftliche Fakultät der Friedrich-Wilhelms-Universität, Bonn.
Gonzales, Michael L. (2007): Leveraging Relational Databases with an Integrated BI Platform. In: Business Intelligence Journal 12 (3), S. 46–53.
Grob, Heinz Lothar; Bensberg, Frank (2007): Entscheidungstheorie und Entscheidungsunterstützungssysteme. Münster.
Grob, Heinz Lothar; Brocke, Jan vom (2004): Controlling des Designs von Logistikprozessen – Konzeption und Nutzung von Referenzmodellen. In: Baumgarten, Helmut; Becker, Jörg; Wiendahl, Hans-Peter; Zentes, Joachim (Hrsg.): Logistik-Management: Strategien – Konzepte – Praxisbeispiele, Springer, Berlin, S. 1–26.
Grob, Heinz Lothar; Holling, Heinz; Bensberg, Frank (2008): Personalisierung von EUS für Entscheidungsprozesse von Experten – Gestaltungspotenziale des Recognition-Primed Decision-Modells. Arbeitsbericht Computergestütztes Controlling Nr. 31, Institut für Wirtschaftsinformatik, Münster.
Grossman, Robert L. (2006): KDD Workshop on Data Mining Standards, Services & Platforms (DM-SSP) 2006. In: ACM SIGKDD Explorations Newsletter 8 (2), S. 82–83.
Hagedorn, Jürgen; Bissantz, Nicolas; Mertens, Peter (1997): Data Mining (Datenmustererkennung): Stand der Forschung und Entwicklung. In: WIRTSCHAFTSINFORMATIK 39 (6), S. 601–612.
Hay, David; Healy, Keri (2000): Defining Business Rules – What are They Really? Final Report. http://www.businessrulesgroup.org/first_paper/BRG-whatisBR_3ed.pdf, Abruf am 2007-05-07.
Herbst, Holger; Knolmayer, Gerhard (1995): Ansätze zur Klassifikation von Geschäftsregeln. In: WIRTSCHAFTSINFORMATIK 37 (2), S. 149–159.
Hill, Charles; Yates, Robert; Jones, Carol; Kogan, Sandra (2006): Beyond Predictable Workflows: Enhancing Productivity in Artful Business Processes. In: IBM Systems Journal 45 (4), S. 663–682.
Hohesiel, Holger (2000): Temporale Geschäftsprozessmodellierung. Deutscher Universitäts-Verlag, Wiesbaden.
Ingvaldsen, Jon Espen; Gulla, Jon Atle (2006): Model Based Business Process Mining. In: Journal of Information Systems Management 23 (1), S. 19–31.
Küsters, Ulrich (2004): Evaluation, Kombination und Auswahl betriebswirtschaftlicher Prognoseverfahren. In: Mertens, Peter; Rässler, Susanne (Hrsg.): Prognoserechnung. 6. Aufl., Physica-Verlag, Heidelberg, S. 367–404.
Lämmel, Uwe; Wissuwa, Stefan; Beifert, Anatoli; Brätz, Marcel; Brandenburg, Stefan; Buse, Matthias; Höhn, Christian; Mannheimer, Gert; Rehfeld, Michael; Richter, Alexander (2007): Business Rules – Die Wissensverarbeitung erreicht die Betriebswirtschaft – Einsatzmöglichkeiten und Marktübersicht. Wismarer Diskussionspapiere Heft 5, Hochschule Wismar, Wismar.
Lim, Tjen-Sien; Loh, Wei-Yin; Shih, Yu-Shan (2000): A Comparison of Prediction Accuracy, Complexity, and Training Time of Thirty-Three Old and New Classification Algorithms. In: Machine Learning 40 (3), S. 203–229.
Maruster, Laura; Weijters, Ton; Aalst, Wil van der; Bosch, Antal van den (2006): A Rule-Based Approach for Process Discovery: Dealing with Noise and Imbalance in Process Logs. In: Data Mining and Knowledge Discovery 13 (1), S. 67–87.
Maruster, Laura; Weijters, Ton; Aalst, Wim van der; Bosch, Antal van den (2002): Process Mining: Discovering Direct Successors in Process Logs. In: Lange, Steffen; Satoh, Ken; Smith, Carl H. (Hrsg.): 5th International Conference on Discovery Science. London, S. 364–373.
Quinlan, J. Ross (1993): C4.5: Programs for Machine Learning, Morgan Kaufman Publishers, San Mateo.
Ross, Roland G. (2003): Principles of the Business Rule Approach. Addison-Wesley, Boston et al.
Scheer, August-Wilhelm; Jost, Wolfram (2005): Von der Prozessdokumentation zum Corporate Performance Management. In: Scheer, August-Wilhelm; Jost, Wolfram; Hess, Helge; Kronz, Andreas (Hrsg.): Corporate Performance Management: ARIS in der Praxis, Springer, Berlin, S. 1–6.
Scheer, August-Wilhelm; Werth, Dirk (2006): Geschäftsprozessmanagement für das Unternehmen von morgen. In: Karagiannis, Dimitris; Rieger, Bodo (Hrsg.): Herausforderungen in der Wirtschaftsinformatik – Festschrift für Hermann Krallmann. Springer, Berlin, S. 49–64.
Schölkopf, Bernhard; Burges, Christopher; Smola, Alexander J. (1999): Introduction to Support Vector Learning. In: Schölkopf, Bernhard; Burges, J. C. Christopher; Smola, Alexander J. (Hrsg.): Advances in Kernel Methods: Support Vector Learning. MIT Press, Cambridge, S. 1–15.
Schönwälder, Stephan (1997): Portfoliomanagement für betriebliche Informationssysteme – ein computergestützter Ansatz zur partizipativen Einführung und Gestaltung. Gabler, Wiesbaden.
Staud, Josef (2006): Geschäftsprozessanalyse – Ereignisgesteuerte Prozessketten und objektorientierte Geschäftsprozessmodellierung für Betriebswirtschaftliche Standardsoftware, 3. Aufl., Springer, Berlin.
Taylor, James; Raden, Neil (2007): Smart (Enough) Systems – How to Deliver Competitive Advantage by Automating the Decisions Hidden in Your Business. Prentice Hall, Upper Saddle River.
Thomas, Oliver (2007): Version Management for Reference Models: Design and Implementation. In: Becker, Jörg; Delfmann, Patrick (Hrsg.): Reference Modeling – Efficient Information Systems Design Through Reuse of Information Models. Physica-Verlag, Heidelberg, S. 1–26.
Tomann, Matthias; Steck, Werner (2005): Erfolgreicher Einsatz von EAI-Produkten und Servicebasierten Architekturen im Retail Banking. In: Ferstl, Otto; Sinz, Elmar J.; Eckert, Sven; Isselhorst, Tilman (Hrsg.): Wirtschaftsinformatik 2005 – eEconomy, eGovernment, eSociety. Physica-Verlag, Heidelberg, S. 509–526.
Tutz, Gerhard (2000): Die Analyse kategorialer Daten: Anwendungsorientierte Einführung in Logit-Modellierung und kategoriale Regression. Oldenbourg, München.
Vossen, Gottfried (2000): Datenbankmodelle, Datenbanksprachen und Datenbank-Management-Systeme. 4. Aufl., Oldenbourg, München.
Wang, Xue Z. (1999): Data Mining and Knowledge Discovery for Process Monitoring and Control. Springer, London.
Witten, Ian H.; Eibe, Frank (2005): Data Mining – Practical Machine Learning Tools and Techniques. 2. Aufl., Morgan Kaufman Publishers, San Francisco.
Author information
Authors and Affiliations
Corresponding authors
Additional information
Eingereicht am 2007-07-04, nach zwei Überarbeitungen angenommen am 2008-04-22 durch Prof. Dr. Buhl.
Rights and permissions
About this article
Cite this article
Grob, H., Bensberg, F. & Coners, A. Regelbasierte Steuerung von Geschäftsprozessen – Konzeption eines Ansatzes auf Basis von Process Mining. Wirtsch. Inform. 50, 268–281 (2008). https://doi.org/10.1365/s11576-008-0060-y
Published:
Issue Date:
DOI: https://doi.org/10.1365/s11576-008-0060-y
Stichworte
- Geschäftsregelmanagement
- Geschäftsregeln
- Prozessmanagement
- Prozesscontrolling
- Process Mining
- Entscheidungsbaumverfahren