Die Process Analytics Factory PAF schließt ein vom Land Hessen gefördertes Verbundprojekt erfolgreich zum 31.01.2017 ab. Ziel des auf 18 Monate angelegten Förderprojektes war die Erarbeitung von Technologien zur Entwicklung aussagekräftiger Prozessdiagnosen in kürzester Zeit: mit der neuen PAF Process Mining Automatisierungsplattform konnte eine deutlich reduzierte Rüst- und Generierungszeit für Prozessanalysen erreicht werden. Diese bietet besonders bei der Verarbeitung von SAP-Daten und Daten anderer Quellen enorme Vorteile gegenüber den klassischen explorativen Process Mining Algorithmen.
Bis heute werden Prozessanalysen in den Unternehmen vorwiegend manuell durchgeführt. Eine Identifikation von Ineffizienzen und Risiken in Geschäftsprozessen in reduzierter Detaillierungsstufe durch Interviews und Workshops ist zeit- und kostenintensiv. Die hessische Landesregierung hat im Rahmen ihres bundesweit einmaligen Forschungsförderungsprogramm LOEWE - Landes-Offensive zur Entwicklung Wissenschaftlich-ökonomischer Exzellenz, Förderlinie 3 - den Forschungsprojekte-Antrag für die Entwicklung von Technologien zur Automatisierung der Prozessanalyse positiv begutachtet und gefördert. Das Forschungsvorhaben unter Federführung der Process Analytics Factory GmbH und in enger Kooperation mit der TU Darmstadt sowie dem Unternehmen ServiceTrace GmbH hatte das Ziel, die Wissensgewinnung anhand Process-Analytics-basierter Recherchen in großen Datenmengen zu beschleunigen. In diesem Forschungs- und Entwicklungsvorhaben entstand eine neue, einfach anzuwendende und sofort betriebsbereite Technik für die operative Prozessdiagnose. Dieses Ergebnis wurde in eine intelligente Automatisierungsplattform für die Analyse von Geschäftsprozessen überführt, welche Unternehmen hilft, ihre Prozessstruktur besser zu verstehen. Sie gewährleistet die Realisierung von effizienten Process-Mining-Projekten und bietet eine schnelle Datentransformation für jedes Projekt und Werkzeug des Process Mining. Rüstzeiten bei der Datentransformation lassen sich von Wochen auf Stunden reduzieren. Komplexe Analyseprozesse lassen sich stark beschleunigen. Bis zu 80% der Zeit und Kosten für die Datentransformation lassen sich einsparen.
Im Rahmen des Förderprojektes ist es über das eigentliche Projektziel hinaus auch gelungen, eine intelligente Vorverarbeitung von Daten zu entwickeln, die es ermöglicht, nicht nur einzelne, sondern mehrere Prozessobjekte gleichzeitig in einem Prozessablauf zu verfolgen. So können im Gegensatz zu aktuellen Process-Mining-Lösungen auch Prozessfälle aus mehreren zusammengesetzten Objekten als eine einzelne Prozessausführung verfolgt werden.Dies ermöglicht eine korrekte Extraktion des Ist-Prozessmodells ohne Verzerrungen, sodass exaktere Prozessanalysen möglich sind. Außerdem können über die entwickelte Plattform auch vom Standard abweichende Prozessdatenquellen eingepflegt und automatisiert analysiert werden.
„Wir sind stolz darauf, dass wir das Förderprojekt, in welches unsere Erfahrung aus hunderten Process-Mining-Kundenprojekten kombiniert mit Forschungswissen der führenden Köpfe in Process Mining eingeflossen ist, erfolgreich abschließen konnten“, sagt Tobias Rother, Geschäftsführer der Process Analytics Factory GmbH. „Für den Geschäftszweck eines digitalen Geschäftsmodells haben wir jetzt das ideale Fundament, um Beratungsprozesse zu automatisieren und Beratungswissen zu digitalisieren“.
Prof. Dr. Max Mühlhäuser, Projektpartner für die TU Darmstadt, ergänzt: „Einerseits konnten die am Projekt beteiligten jungen Wissenschaftler den internationalen Forschungsstand erheblich voranbringen – sowohl in Bezug auf den Einsatz modernster Machine-Learning-Ansätze für Process Mining als auch hinsichtlich spezieller Probleme wie der Datenvorverarbeitung. Andererseits bewiesen sie die für Forscher außergewöhnliche Fähigkeit, IT-Konzepte der „vordersten Forschungsfront“ fast unmittelbar in praktische Lösungen eines noch jungen Unternehmens zu überführen.
„Das Projekt war für ServiceTrace ein wichtiges und zukunftsweisendes Projekt, welches uns als Basis für Weiterentwicklungen im Bereich der Robotic Process Automation gedient hat. Die erreichten Ergebnisse sind aus unserer Sicht sehr innovativ und werden daher in den kommenden Jahren Einzug nehmen in die RPA Module, die ServiceTrace seinen Kunden anbietet“, sagt Markus Duus, Geschäftsführer der ServiceTrace GmbH.
Über die Process Analytics Factory
Die Process Analytics Factory PAF ist ein Leistungsdiagnosezentrum für Geschäftsprozesse und führend im Bereich Operational Process Intelligence. Die PAF verfügt über eine digitale DNA und kombiniert Expertenwissen aus hunderten Process Mining Kundenprojekten mit Forschungswissen der führenden Köpfe in Process Mining, Business Intelligence und Artifical Intelligence. PAF ist der einzige Anbieter, der Data Transformation Services für alle Process Intelligence und Process BI Tools aus der Process Mining Praxis heraus entwickelt hat und konsequent optimiert. Intelligente Assistenten übernehmen die logische Verknüpfung operativer Daten aus unterschiedlichen Quellen, die Berechnung von KPIs und operationalen Metriken, sowie deren effiziente Vorverarbeitung. Unsere Datenanalysten gewährleisten die Umsetzung erfolgreicher Process Intelligence Projekte im Unternehmen.
Über die Technische Universität Darmstadt, Fachgruppe Telekooperation
Das Fachgebiet (Lehrstuhl) Telekooperation am Fachbereich Informatik der Technischen Universität Darmstadt forscht unter der Leitung von Prof. Dr. Mühlhäuser an der Computerunterstützung für so genannte Smart Spaces. Deren Skalen reichen von persönlichen virtuellen Assistenzumgebungen über Team- und Unternehmensbereiche - einschließlich Unternehmensprozess-Managmeent - und Smart Cities bis zu weltumspannenden Wissensräumen. Mit ca. 35 MitarbeiterInnen und ca. 70 Forschungsstudierenden werden in diesem Forschungsfeld mehrere klassische Forschungsrichtungen kombiniert: Vernetzte Systeme und Knowledge Engineering (Big Data in Big Networks), Mensch-Computer-Interaktion (neue und immersive Interaktionstechnologien, Interaction Engineering) sowie computergestützte Sicherheit (Resilienz, Privatheitsschutz, Vertrauensbewertung). Prof. Mühlhäuser ist u.a. an zwei Sonderforschungsbereichen und zwei Profilbereichen der Universität maßgeblich beteiligt und leitet ein Graduiertenkolleg zu Privatheit und Vertrauen für mobile Nutzer.
Bis heute werden Prozessanalysen in den Unternehmen vorwiegend manuell durchgeführt. Eine Identifikation von Ineffizienzen und Risiken in Geschäftsprozessen in reduzierter Detaillierungsstufe durch Interviews und Workshops ist zeit- und kostenintensiv. Die hessische Landesregierung hat im Rahmen ihres bundesweit einmaligen Forschungsförderungsprogramm LOEWE - Landes-Offensive zur Entwicklung Wissenschaftlich-ökonomischer Exzellenz, Förderlinie 3 - den Forschungsprojekte-Antrag für die Entwicklung von Technologien zur Automatisierung der Prozessanalyse positiv begutachtet und gefördert. Das Forschungsvorhaben unter Federführung der Process Analytics Factory GmbH und in enger Kooperation mit der TU Darmstadt sowie dem Unternehmen ServiceTrace GmbH hatte das Ziel, die Wissensgewinnung anhand Process-Analytics-basierter Recherchen in großen Datenmengen zu beschleunigen. In diesem Forschungs- und Entwicklungsvorhaben entstand eine neue, einfach anzuwendende und sofort betriebsbereite Technik für die operative Prozessdiagnose. Dieses Ergebnis wurde in eine intelligente Automatisierungsplattform für die Analyse von Geschäftsprozessen überführt, welche Unternehmen hilft, ihre Prozessstruktur besser zu verstehen. Sie gewährleistet die Realisierung von effizienten Process-Mining-Projekten und bietet eine schnelle Datentransformation für jedes Projekt und Werkzeug des Process Mining. Rüstzeiten bei der Datentransformation lassen sich von Wochen auf Stunden reduzieren. Komplexe Analyseprozesse lassen sich stark beschleunigen. Bis zu 80% der Zeit und Kosten für die Datentransformation lassen sich einsparen.
Im Rahmen des Förderprojektes ist es über das eigentliche Projektziel hinaus auch gelungen, eine intelligente Vorverarbeitung von Daten zu entwickeln, die es ermöglicht, nicht nur einzelne, sondern mehrere Prozessobjekte gleichzeitig in einem Prozessablauf zu verfolgen. So können im Gegensatz zu aktuellen Process-Mining-Lösungen auch Prozessfälle aus mehreren zusammengesetzten Objekten als eine einzelne Prozessausführung verfolgt werden.Dies ermöglicht eine korrekte Extraktion des Ist-Prozessmodells ohne Verzerrungen, sodass exaktere Prozessanalysen möglich sind. Außerdem können über die entwickelte Plattform auch vom Standard abweichende Prozessdatenquellen eingepflegt und automatisiert analysiert werden.
„Wir sind stolz darauf, dass wir das Förderprojekt, in welches unsere Erfahrung aus hunderten Process-Mining-Kundenprojekten kombiniert mit Forschungswissen der führenden Köpfe in Process Mining eingeflossen ist, erfolgreich abschließen konnten“, sagt Tobias Rother, Geschäftsführer der Process Analytics Factory GmbH. „Für den Geschäftszweck eines digitalen Geschäftsmodells haben wir jetzt das ideale Fundament, um Beratungsprozesse zu automatisieren und Beratungswissen zu digitalisieren“.
Prof. Dr. Max Mühlhäuser, Projektpartner für die TU Darmstadt, ergänzt: „Einerseits konnten die am Projekt beteiligten jungen Wissenschaftler den internationalen Forschungsstand erheblich voranbringen – sowohl in Bezug auf den Einsatz modernster Machine-Learning-Ansätze für Process Mining als auch hinsichtlich spezieller Probleme wie der Datenvorverarbeitung. Andererseits bewiesen sie die für Forscher außergewöhnliche Fähigkeit, IT-Konzepte der „vordersten Forschungsfront“ fast unmittelbar in praktische Lösungen eines noch jungen Unternehmens zu überführen.
„Das Projekt war für ServiceTrace ein wichtiges und zukunftsweisendes Projekt, welches uns als Basis für Weiterentwicklungen im Bereich der Robotic Process Automation gedient hat. Die erreichten Ergebnisse sind aus unserer Sicht sehr innovativ und werden daher in den kommenden Jahren Einzug nehmen in die RPA Module, die ServiceTrace seinen Kunden anbietet“, sagt Markus Duus, Geschäftsführer der ServiceTrace GmbH.
Über die Process Analytics Factory
Die Process Analytics Factory PAF ist ein Leistungsdiagnosezentrum für Geschäftsprozesse und führend im Bereich Operational Process Intelligence. Die PAF verfügt über eine digitale DNA und kombiniert Expertenwissen aus hunderten Process Mining Kundenprojekten mit Forschungswissen der führenden Köpfe in Process Mining, Business Intelligence und Artifical Intelligence. PAF ist der einzige Anbieter, der Data Transformation Services für alle Process Intelligence und Process BI Tools aus der Process Mining Praxis heraus entwickelt hat und konsequent optimiert. Intelligente Assistenten übernehmen die logische Verknüpfung operativer Daten aus unterschiedlichen Quellen, die Berechnung von KPIs und operationalen Metriken, sowie deren effiziente Vorverarbeitung. Unsere Datenanalysten gewährleisten die Umsetzung erfolgreicher Process Intelligence Projekte im Unternehmen.
Über die Technische Universität Darmstadt, Fachgruppe Telekooperation
Das Fachgebiet (Lehrstuhl) Telekooperation am Fachbereich Informatik der Technischen Universität Darmstadt forscht unter der Leitung von Prof. Dr. Mühlhäuser an der Computerunterstützung für so genannte Smart Spaces. Deren Skalen reichen von persönlichen virtuellen Assistenzumgebungen über Team- und Unternehmensbereiche - einschließlich Unternehmensprozess-Managmeent - und Smart Cities bis zu weltumspannenden Wissensräumen. Mit ca. 35 MitarbeiterInnen und ca. 70 Forschungsstudierenden werden in diesem Forschungsfeld mehrere klassische Forschungsrichtungen kombiniert: Vernetzte Systeme und Knowledge Engineering (Big Data in Big Networks), Mensch-Computer-Interaktion (neue und immersive Interaktionstechnologien, Interaction Engineering) sowie computergestützte Sicherheit (Resilienz, Privatheitsschutz, Vertrauensbewertung). Prof. Mühlhäuser ist u.a. an zwei Sonderforschungsbereichen und zwei Profilbereichen der Universität maßgeblich beteiligt und leitet ein Graduiertenkolleg zu Privatheit und Vertrauen für mobile Nutzer.
