Forschung
In unserer Forschung adressieren wir die folgenden Fragen:
- Wie gestaltet man eine Pipeline zur effizienten Verarbeitung von Rohdaten, die es ermöglicht, Prozesswissen zu extrahieren?
- Wie kann maschinelles Lernen genutzt werden, um die Datenqualität (z. B. Rauschen) zu erhöhen und damit die Daten- und Prozessanalyse zu beschleunigen?
- Wie können synthetische Daten effizient generiert werden, die auch Privacy-Aspekte oder verteilte Analysen ermöglichen?
- Wie kann maschinelles Lernen eingesetzt werden, um die Einbindung von Benutzern zu reduzieren, aber die Qualität der datengetrieben, gefundenen Prozesse zu erhöhen?
Die folgende Abbildung zeigt unsere Prozessanalyse-Pipeline, die wir für unstrukturierte Daten wie IoT-Daten, Zeitreihen und videobasierte Daten anwenden. Zunächst müssen die Rohdaten vorverarbeitet werden.
Dann müssen Aggregations- und Abstraktionstechniken auf die vorverarbeiteten Daten angewendet werden, um die Daten mit Semantik anzureichern. Als nächstes werden Process-Mining-Techniken angewendet,
um einen Prozess zu entdecken, der den Daten eine Verhaltensstruktur verleiht. Schließlich verbessern erweiterte Visualisierungstechniken wie AR oder VR die Exploration von Prozessen und Daten.