Zweiter Platz bei der Data-driven Business Process Optimization Competition

Gegenstand des Wettbewerbs ist die Entwicklung eines Scheduling-Verfahrens, um das Kreditantragsverfahren eines Finanzinstituts über den Zeitverlauf eines Jahres zu simulieren und zu optimieren. Konkret sollen die zu erledigenden Aufgaben in geeigneter Weise geplant und gleichzeitig geeigneten Mitarbeitenden zugewiesen werden. Generelles Ziel ist dabei die Minimierung der durchschnittlichen Durchlaufzeit aller Prozessinstanzen.
 
Die Teilnahme fand im Zusammenhang mit dem Projekt APPaM statt, in welchem ebenfalls Lösungen zum automatisierten Planen und Ausführen von Geschäftsprozessen an der Schnittstelle zwischen Automated Planning, Process Mining und Machine Learning untersucht werden.
 
Prof. Dr. Peter Fettke, Leiter des Forschungsprojekts APPaM: „Die BPO Competition beschäftigt sich mit einer Problemstellung zur Planung und Durchführung von Geschäftsprozessen, welche unmittelbar vom Projekt APPaM adressiert wird. Sie bot daher eine gute Gelegenheit, um unsere Arbeiten aus dem Projekt einzusetzen und gegen andere Forschungsgruppen antreten zu lassen. Die BPO Competition wurde erstmalig auf der BPM-Konferenz 2022 veranstaltet und adressiert ein zunehmend relevantes Forschungsfeld. Eine zukünftige Fortführung des Wettbewerbs ähnlich wie die in 2011 gestartete Business Process Intelligence Challenge im Kontext von Process Mining wäre dementsprechend wünschenswert.“
 
Alexander Rombach zum Scheduling-Verfahren in APPaM: „Die von uns entwickelte Lösung basiert auf der grundlegenden Idee, eine Priorisierung der auszuführenden Aktivitäten zu wählen, welche unter anderem auf der Anzahl an der Aktivität zuordbaren Ressourcen basiert. Ebenfalls werden für jede zu planende Aufgabe die denkbaren Ressourcen priorisiert, was unter anderem anhand der Durchlaufzeiten vergangener Aktivitäten geschieht. Insgesamt sollen durch diese Überlegungen ressourcen-kritische Aufgaben priorisiert und damit verbunden potenzielle Flaschenhälse während der Prozessausführung vermieden werden."
 
In Zukunft sollen außerdem weitere KI-basierte Verfahren in APPaM entwickelt werden, wie beispielsweise Lösungen aus dem Fachbereich Reinforcement Learning.