Process Analytics

Open Theses

  • Privacy-Preserving Process Mining (together with University Lübeck)

Process Mining rekonstruiert eine Abstraktion eines zugrundeliegenden Prozesses aus Log-Daten dieses Prozesses. Insbesondere bei komplexen Systemen kann eine solche Abstraktion, welche ausschließlich aus den Log-Daten extrahiert wird, enorm hilfreich sein, z.B. um Konformität eines Prozesses zu prüfen, oder Ineffizienzen in dem Prozess herauszuarbeiten. In den letzten Jahren haben Process Mining Techniken in vielen Bereichen Anwendung gefunden und gezeigt, wie wertvoll Verbesserungen in diesem Forschungsfeld sein können. Die Forschung an Process Mining Techniken ist jedoch beschränkt durch eine sehr geringe Anzahl an öffentlichen Log-Datensätzen, die für die Forschung benutzt werden können. Eine der großen Hürden für die Veröffentlichung von Log-Daten sind datenschutzrechtliche Bedenken, weil Log-Daten sehr sensible Informationen über Individuen preis geben können. Das Ziel dieser Arbeit ist die Entwicklung einer datenschutzfreundlichen Methode, um aus sensiblen Log-Datensätzen ein Modell zu lernen, aus dem unkritische Log-Daten synthetisiert werden können. Neueste Erkenntnisse in dem Bereich des datenschutzfreundlichen maschinellen Lernens haben gezeigt, dass es möglich ist, komplizierte Modelle zu lernen und gleichzeitig zu verhindern, dass Informationen über einzelne Datenpunkte erlernt werden. In dieser Arbeit sollen diese Methoden auf das Lernen eines datenschutzfreundlichen Modells angewendet werden, aus dem widerum Log-Daten synthetisiert werden könnten.

  • Masterarbeit zu "Prozessanalyse" zusammen mit Raffinerie Heide

Die Ausschreibung zur Masterarbeit findet sich hier.

  • Process Mining für verteilte Systeme

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. Durch das Aufkommen von Internet-der-Dinge werden Daten aus verteilten Systemen verarbeitet, die Grundlage für Datenanalysen und Prädiktionen sind. Für eine verteilte Umgebung mit beispielsweise heterogenen Sensorströmen existiert bisher kein Process Mining Algorithmus. Ziel dieser Masterarbeit ist die Konzeption und Entwicklung eines Algorithmus zur Verarbeitung von verteilten Ereignisprotokollen.

  • Privacy-Preserving Process Mining

This thesis relies on the paper F. Mannhardt, A. Koschmider, N. Baracaldo, M. Weidlich, J. Michael: Privacy-preserving Process Mining: Differential Privacy for Event Logs. In: Business & Information Systems Engineering, 2019. The intention of this thesis is to develop a process mining algorithm that includes privacy considerations.

 

For anyone interested in any of the topics, please send us a short cover letter with your CV.