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: |
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.
Die Studierenden können
Geschäftsprozessmanagement
Am Ende der Vorlesung findet eine schriftliche Klausur statt. Voraussetzung zur Teilnahme an der Prüfung ist die Erbringung von Leistungen im Rahmen der Übungsveranstaltung.
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.