Modulcode:	infPM-01a
Englische Bezeichnung:	Process Mining
Modulverantwortliche(r):	Prof. Dr. Agnes Koschmider
Turnus:	unregelmäßig (WS19/20 WS20/21 WS21/22)
Präsenzzeiten:	2V 2Ü
ECTS:	6
Workload:	30 Std. Vorlesung, 30 Std. Präsenzübung, 120 Std. Selbststudium
Dauer:	ein Semester
Modulkategorien:	BSc-Inf-WP (BSc Inf (21)) BSc-WInf-WP-WInf (BSc WInf (21)) WI (BSc Inf (15)) MSc-Inf-WP (MSc Inf (21)) 2F-MEd-Inf-WP (MEd-Hdl Inf (21)) 2F-MA-Inf-WP (2F-MA Inf (21)) MSc-WInf-WP-WInf (MSc WInf (21)) WI (MSc Inf (15)) WWi (MSc WInf (15))
Lehrsprache:	Deutsch
Voraussetzungen:

Kurzfassung:

Mit Hilfe von Process Mining können Prozesse auf Basis von digitalen Spuren (den sogenannten Ereignisprotokollen) analysiert und rekonstruiert werden. Hierzu existieren zahlreiche Process Mining Algorithmen, die abhängig vom Ereignisprotokoll das Prozessmodell rekonstruieren. Neben der Konstruktion eines Modells aus dem Ereignislog, um die Frage zu beantworten "Was passiert wirklich?", existieren weitere Anwendungsgebiete wie die Konformitätsvalidierung und die Prozessvorhersage. Diese Vorlesung gibt eine Einführung in das Process Mining. Hierzu werden zunächst Grundlagen zur Modellierung und Analyse von Petri-Netzen gelegt. Anschließend werden Algorithmen für die Konstruktion von Prozessen aus Ereignisprotokollen und Verfahren für die Konformitätsvalidierung vermittelt.

Lernziele:

Die Studierenden können

• Anwendungsgebiete des Process Mining erfassen
• die Konstruktion von Prozessmodellen aus Protokolldateien verstehen
• abhängig von den Merkmalen der Protokolldatei den Process Mining, passende Algorithmen auswählen und anwenden

Lehrinhalte:

1. Grundlagen zu Prozessmodellierung
2. Analyse von Geschäftsprozessmodellen (Soundness)
3. Einführung in das Process Mining
4. Einführung in das Conformance Checking
5. Process Mining Enhancement
6. Process Mining on Event Streams

Weitere Voraussetzungen:

Geschäftsprozessmanagement

Prüfungsleistung:

Am Ende der Vorlesung findet eine schriftliche Klausur statt. Voraussetzung zur Teilnahme an der Prüfung ist die Erbringung von Leistungen im Rahmen der Übungsveranstaltung.

Lehr- und Lernmethoden:

Die Vorlesung und Übung wird wöchentlich gehalten. Sie arbeiten mit Process Mining Werkzeugen (ProM und LanaLabs). Am Anfang der Vorlesung wird ein Anwendungsszenarium vorgestellt, auf das in den aufbauenden Vorlesungen verwiesen wird.

Verwendbarkeit:

Literatur:

• A. Drescher, A. Koschmider, A. Oberweis: Modellierung und Analyse von Geschäftsprozessen. De Gruyter Oldenbourg, 2017.
• W. van der Aalst: Process Mining. Data Science in Action, Springer, 2016.
• J. Carmona, B. van Dongen, A. Solti, M. Weidlich: Conformance Checking. Springer.

Verweise:

Kommentar: