Anwendung von Machine Learning bei der datengetriebenen Prozessanalyse - Eine State-of-the-Art Literaturanalyse
| dc.contributor.author | Welz,Laslo | |
| dc.contributor.author | Beckmann,Helmut | |
| dc.contributor.editor | Demmler, Daniel | |
| dc.contributor.editor | Krupka, Daniel | |
| dc.contributor.editor | Federrath, Hannes | |
| dc.date.accessioned | 2022-09-28T17:10:20Z | |
| dc.date.available | 2022-09-28T17:10:20Z | |
| dc.date.issued | 2022 | |
| dc.description.abstract | Die Disziplin Process Mining im Anwendungsbereich der datengetriebenen Prozessanalyse ermöglich die Abbildung realer Geschäftsprozesse durch die Extrahierung von Daten aus Eventlogs von Informationssystemen. Konventionelles Process Mining kann mit Ansätzen aus dem Bereich Machine Learning ergänzt werden, um die Prozessanalysen zu verbessern. Anhand einer Literaturanalyse untersucht diese Forschungsarbeit die Anwendung von Machine Learning bei Process Mining. Die Ergebnisse aus einer Stichprobe von 34 Publikationen zeigen, dass in den beiden Process Mining Bereichen „Discovery“ und „Enhancement“ die meisten Machine Learning-Methoden angewendet werden. Insbesondere ist die Anwendung von Entscheidungsbäumen und Neuronalen Netzen weit verbreitet. | de |
| dc.identifier.doi | 10.18420/inf2022_24 | |
| dc.identifier.isbn | 978-3-88579-720-3 | |
| dc.identifier.pissn | 1617-5468 | |
| dc.identifier.uri | https://dl.gi.de/handle/20.500.12116/39522 | |
| dc.language.iso | de | |
| dc.publisher | Gesellschaft für Informatik, Bonn | |
| dc.relation.ispartof | INFORMATIK 2022 | |
| dc.relation.ispartofseries | Lecture Notes in Informatics (LNI) - Proceedings, Volume P-326 | |
| dc.subject | Datengetriebene Prozessanalyse | |
| dc.subject | Process Mining | |
| dc.subject | Machine Learning | |
| dc.title | Anwendung von Machine Learning bei der datengetriebenen Prozessanalyse - Eine State-of-the-Art Literaturanalyse | de |
| gi.citation.endPage | 270 | |
| gi.citation.startPage | 259 | |
| gi.conference.date | 26.-30. September 2022 | |
| gi.conference.location | Hamburg | |
| gi.conference.sessiontitle | Künstliche Intelligenz für kleine und mittlere Unternehmen (KI-KMU 2022) |
Dateien
Originalbündel
1 - 1 von 1
Vorschaubild nicht verfügbar
- Name:
- kikmu_02.pdf
- Größe:
- 242.89 KB
- Format:
- Adobe Portable Document Format