Prozessausführungen aller Art werden heutzutage von Informationssystemen unterstützt und durchgeführt. Dabei werden Spuren hinterlassen, die zu Event-Logs aufbereitet und integriert werden und dann von Process-Mining-Technologien für die Rekonstruktion von Prozessmodellen und Conformance-Analysen verwendet werden können. In den letzten Jahren hat sich die deklarative Prozessmodellierung als eine Alternative zum traditionellen, imperativen Paradigma aufgetan. Dabei wird nicht der erlaubte Flow eines Prozesses modelliert, sondern der Prozess wird durch die Einführung von Constraints eingeschränkt, alles nicht explizit Beschriebene ist dabei erlaubt. Dies ist besonders für sehr lose strukturierte, flexible, komplexe Prozesse hilfreich, deren Modellierung oder Mining zu sogenannten „Spaghetti-Diagrammen“ führen würde. Eine Alternative oder eine Ergänzung für die Nutzung von Constraints (z.B. in der Sprache Declare¹) können Event-Condition-Action-Regeln sein. ECA-Regeln werden häufig im Rahmen von aktiven Datenbanken für die Formalisierung von Triggern verwendet und führen bei Auftreten eines definierten Events bei Überprüfung einer Bedingung zu einer Ausführung von einer oder mehreren Aktionen.  Eine Generierung von ECA-Regeln basierend auf Event-Logs könnte einen alternativen Einblick in die realweltliche Ausführung eines Prozesses und eine Ergänzung zum normalen Process Mining bieten. In dieser Abschlussarbeit sollen Data-Science-Methoden wie beispielsweise Association-Rule-Mining, Sequential-Pattern-Mining oder Rule-Mining auf verschiedene Event-Daten angewendet werden. Neben ECA-Regeln soll auch allgemein auf die Generierung von bekannten Constraint-Typen für Prozesse wie in der Sprache Declare (deklaratives Process Mining) und die Verknüpfung dieser mit Attributen des Event-Logs eingegangen werden.

Kontakt:
Nico Grohmann
nico.grohmann@wi.uni-muenster.de
0251/8338161