Barenkamp, MarcoMoualeu-Ngangue, DanyKlein, MaikeKrupka, DanielWinter, CorneliaWohlgemuth, Volker2023-11-292023-11-292023978-3-88579-731-9https://dl.gi.de/handle/20.500.12116/43071Die wachsende Bedeutung der betrieblichen Beschaffung für den Unternehmenserfolg ist auf die Internationalisierung der Beschaffungsmärkte und den Einsatz neuer Technologien zurückzuführen. Die steigende Komplexität und mangelnde Transparenz der Lieferketten und Beschaffungsprozesse stellen jedoch Herausforderungen dar, die durch den Einsatz veralteter Technologien und manueller Prozesse oft verschärft werden. Moderne Technologien wie Process Mining und Künstliche Intelligenz können zur Lösung dieser Probleme beitragen, indem sie Prozesse visualisieren, Ineffizienzen aufdecken und große Mengen von Daten schnell analysieren. Durch die Automatisierung von Routineaufgaben wird die Effizienz erhöht und gleichzeitig Raum für strategische Initiativen wie weitere Digitalisierung und Automatisierung geschaffen. Die Analyse und Integration von Unternehmensdaten in Echtzeit ermöglichen fundierte Entscheidungen und eine verbesserte Risikosteuerung. In diesem Paper wird der Einsatz von Process Mining und Künstlicher Intelligenz (KI) in der Beschaffung eines real durchgeführten Projekts vorgestellt, um, unter Berücksichtigung von Konzepten des Maschinellen Lernens (ML) zur Optimierung des Beschaffungsprozesses in Unternehmen, langfristig Kostensenkungen, optimale Lagerbestände, erhöhte Produktivität, bessere Prozesstransparenz sowie Qualitätssteigerungen zu erreichen. Eingesetzt wurde dabei das Konzept der Zeitreihenanalyse in Verbindung mit Maschinellem Lernen. Es wurden dabei verschiedene Strategien an Prognosen, einschließlich direkter, rekursiver und mehrstufiger Ansätze, sowie Methoden zur Datenextraktion und Merkmalsextraktion eingesetzt und vorgestellt.deProcess MiningKünstliche IntelligenzBeschaffungProcurementOptimierungMachine LearningZeitreihenanalyseText/Conference Paper10.18420/inf2023_1471617-5468