Erkennung diskriminierender Regeln verbessert ergebnisorientierte Prozessmodellierung

Event‑Logs aus Informationssystemen liefern ein reichhaltiges Fundament, um Geschäftsprozesse zu verstehen und zu optimieren. In vielen Praxisfällen lassen sich erfolgreiche und weniger erfolgreiche Prozessdurchläufe unterscheiden: Erfolgreiche Spuren zeigen effizientes oder regelkonformes Verhalten, während weniger erfolgreiche Spuren Ineffizienzen, Regelverstöße, Verzögerungen oder Ressourcenverschwendung aufweisen.

Diese Unterscheidung eröffnet die Möglichkeit, die Prozessentdeckung stärker auf die Ergebnisse auszurichten. Ein einzelnes Prozessmodell, das ohne Berücksichtigung der Ergebnisse erstellt wird, kann wichtige Verhaltensunterschiede übersehen und damit für Konformitätsprüfungen sowie Leistungsanalysen ungeeignet sein. Gleichzeitig kann die Fokussierung auf ein Verhalten die strukturellen Unterschiede verbergen, die für das Verständnis der Prozessausgänge entscheidend sind.

Der vorgestellte Ansatz lernt interpretierbare diskriminierende Regeln über Kontrollflussmerkmale, gruppiert damit Spuren mit ähnlichen Erfolgsmustern und wendet die Prozessentdeckung separat in jeder Gruppe an. Das Ergebnis sind gezielte, leicht verständliche Modelle, die die treibenden Faktoren sowohl für erfolgreiche als auch für weniger erfolgreiche Durchläufe sichtbar machen.

Die Methode ist als öffentlich zugängliches Tool implementiert und wurde an mehreren realen Event‑Logs getestet. Die Evaluation zeigt, dass die Technik effektiv kritische Prozessmuster isoliert und visualisiert, wodurch Unternehmen ihre Prozesse gezielt verbessern können.