Universität Bamberg
Suche öffnen
Sie befinden sich hier:

Fakultät Wirtschaftsinformatik und Angewandte Informatik

Lehrstuhl für Kognitive Systeme

  1.  Otto-Friedrich-Universität Bamberg
  2. Fakultäten
  3. Wirtschaftsinformatik und Angewandte Informatik
  4. Professuren und Lehrstühle
  5. Angewandte Informatik
  6. Lehrstuhl für Kognitive Systeme
  7. Forschung
  8. Projekte
  9. BayVFP-Projekt KIGA

BayVFP-Projekt KIGA

Projektbeschreibung

Ziel des Projektes ist es mit einem hybriden KI-Ansatz des Maschinellen Lernens komplexe ganzheitliche Geschäftsprozesse mit semantischen Methoden des Process Mining zu analysieren. Durch Verfahren der erklärbaren Künstlichen Intelligenz (EKI) in Form interaktiver Dashboards soll die Nachvollziehbarkeit und Transparenz der Prozessmodelle verbessert werden und deren Verfeinerung und Korrektur durch einen Human-in-the-loop Ansatz realisiert werden. Im Detail soll domänenspezifisches Hintergrundwissen aus ERP-Systemen und von Fachexperten genutzt und explizit als Knowledge Graph repräsentiert werden. Das zugrundeliegende Datenmodell des Ereignislogs soll um semantische Meta-Informationen angereichert werden (semantisches Event Log), um kausale sowie hierarchische Zusammenhänge zwischen Ereignissen und Prozessen explizit darzustellen und in der Prozessrekonstruktion zu nutzen. Basierend auf Ansätzen des Maschinellen Lernens sollen bestehende Process Discovery Verfahren adaptiert werden, als auch als spezialisierte deklarative Lernverfahren auf Basis des semantischen Event Logs entwickelt werden. Abschließend soll eine Ergebnisvalidierung der Verfahren anhand Geschäftsprozessen von Partnerunternehmen mit Echtdaten erfolgen.

Beispielhaftes Prozessmodel
Beispielhaftes Prozessmodell als Workflow Net: Stellt alle möglichen Prozessabläufe im Strafzettelbearbeitungsprozess der italienischen Polizei [RTFMP-2015] dar.

Forschungsfokus der Universität Bamberg:

  • Untersuchung von semantischen Methoden zur Wissensrepräsentation sowie von Schlussfolgerungsmethoden für Process Discovery Ansätze.
  • Semantische Repräsentation von Kausalitätsbeziehungen und Prozesseigenschaften in Knowledge Graphen, insb. semantisches Event Log.
  • Entwicklung von Machine Learning Verfahren für Process Discovery (White Box Ansatz) mit Methoden des induktiven logischen Programmierens (ILP).
  • Verfahren des erklärbaren interaktiven Machine Learnings für intelligente Dashboards mit einen Human-in-the-loop Ansatz.
  • Durchführung von Studien und Experimenten im Rahmen einer Usability-Studie zur Evaluierung der Forschungsergebnisse.

Studentische Projekte

Wir sind immer auf der Suche nach Studenten, die einen Beitrag zum Projekt KIGA in Form einer Abschlussarbeit, eines Projekts oder als studentische Hilfskraft leisten möchten. Wenn Sie Interesse haben, können Sie sich gerne an uns wenden.