GI Edition Proceedings
Refine
Has Fulltext
- yes (2)
Year of publication
- 2024 (2)
Document Type
- Article (1)
- Part of a Book (1)
Institute
Language
- German (2)
Is part of the Bibliography
- yes (2)
P225
Einer der wichtigsten Gründe dafür, Geschäftsprozesse zu modellieren, besteht darin, die Modelle als Ausgangspunkt für die Erarbeitung möglicher Prozessverbesserungen zu verwenden. Es gibt verschiedene Möglichkeiten, die Ziele solcher Prozessverbesserungen zu benennen. Eine Untersuchung der wissenschaftlichen Literatur zum Thema zeigt, dass die Ziele „finanzieller Gewinn“ und „Zeit- bzw. Kostensenkung“ bei weitem dominieren. Empfehlungen, um solche Prozessverbesserungen zu erreichen, sind in der Literatur gut dokumentiert.
Weit weniger gut dokumentiert sind Empfehlungen zur Verbesserung von Prozesseigenschaften, die die gesellschaftliche Verantwortung prozessausführender Organisationen betreffen. Zu diesen Eigenschaften gehören z. B. eine mitarbeitergerechte Arbeitsgestaltung, Auswirkungen auf Natur und Umwelt sowie die Zugänglichkeit der Prozesse für eine möglichst weit gefasste Gruppe von Menschen. Empfehlungen zu diesen Prozesseigenschaften wurden in Fachgebieten außerhalb der Modellierung (wie den Arbeitswissenschaften) publiziert, sie werden aber in der Literatur zur Prozessmodellierung selten aufgegriffen.
Im Beitrag werden erste Ideen vorgestellt, wie diese Aspekte systematisch in Workshops zur Prozessgestaltung einbezogen werden können. Damit soll eine Diskussionsgrundlage für weitere Arbeiten gelegt werden.
348
Bei der empirischen Untersuchung der Praxis der Geschäftsprozessmodellierung ist man auf eine umfangreiche, vielfältige und gleichzeitig zur Aufgabenstellung passende Datenbasis angewiesen. Wir untersuchen eine Reihe öffentlich zugänglicher Modellrepositorys mit BPMN-Modellen, die in den vergangenen Jahren entstanden sind. Wir weisen auf Eigenarten der Repositorys hin, die die Verarbeitung der Daten erschweren und die Datenqualität beeinträchtigen. Besonders diskutiert wird das in bisherigen Arbeiten nicht betrachtete Phänomen von de facto inhaltsgleichen Modellen in bei bitweisem Vergleich verschiedenen Dateien. Wir diskutieren die Auswirkung solcher Duplikate und schlagen eine der jeweiligen Aufgabenstellung angepasste Filterung vor. Wir begründen, warum dieses Vorgehen insbesondere bei Ansätzen zum maschinellen Lernen beachtet werden sollte. Wir stellen fest, dass die empfohlenen Maßnahmen zur Sicherung der Datenqualität in aktuellen Veröffentlichungen häufig noch nicht beachtet werden, was die Aussagekraft von deren Ergebnissen in Frage stellen kann.
