Alexandra Wins

Moderne Routingdienste verfügen über eine Vielzahl proprietärer technischer Parameter. Um die Routen zu personalisieren, können Nutzerpräferenzen auf diese Parameter der Routingdienste abgebildet werden. Im Rahmen dieser Arbeit sollen verschiedene Algorithmen für die Kalibrierung des Valhalla Routingdienstes verglichen werden, mit dem Ziel, ein Tool zur Personalisierung der Routen zu entwickeln.

Zunächst sollen unterschiedliche Algorithmen untersucht und analysiert werden, um den besten Ansatz zur Kalibrierung des Valhalla Routingdienstes zu identifizieren. Darauf aufbauend wird ein Tool entwickelt, das die Routenqualität basierend auf den kalibrierten Parametern verbessert.

Es besteht die Möglichkeit, die kalibrierten Routinginstanzen in Mercedes-Benz Fahrzeugen zu testen. Diese Abschlussarbeit bietet die Chance, an der Schnittstelle zwischen Forschung und praktischer Anwendung zu arbeiten und direkt zur Verbesserung des Routings in der Automobilindustrie beizutragen.

Kruse, Nadja; Ullrich, Meike

Folgende drei Themen stehen für die externe Abschlussarbeit zur Auswahl:

THEMA 1: Entwicklung und Anwendung einer intuitiven Root Cause Analysis für nicht-technische Nutzer im Kontext von Process Mining

Root Cause Analysis (RCA) ist ein zentraler Bestandteil moderner Process-Mining-Technologien und ermöglicht es, auf prozessuale Fragestellungen wie "Warum tritt ein Problem auf?" konkrete Antworten und Ansatzpunkte zur Verbesserung oder Vermeidung zu liefern. Aktuelle Ansätze konzentrieren sich jedoch häufig auf technisch versierte Anwender und setzen ein hohes Maß an Fachwissen über Dashboarding, Datenanalyse sowie Algorithmen voraus oder sind so einfach gehalten, dass die Ergebnisse nur begrenzte Relevanz zur Problemlösung haben. Ziel dieser Forschungsarbeit ist es daher, die Essenz des Process Minings für nichttechnische Fachanwender intuitiv und werthaltig zugänglich zu machen. Im Rahmen dieser Masterarbeit soll untersucht werden, wie eine anwenderfreundliche Root Cause Analysis gestaltet werden kann.

THEMA 2: Entwicklung und Anwendung von Semantic Conformance Checking in Audit- und Compliance-Szenarien

Conformance Checking wird derzeit primär zur Überprüfung des Kontrollflusses eines Prozesses eingesetzt, indem Soll-Prozessvarianten mit Ist-Prozessvarianten verglichen werden. Diese rein syntaktische Betrachtung
beschränkt sich jedoch auf die Struktur der Prozessabläufe und lässt inhaltliche Aspekte wie Kosten, Zeiten oder Ressourcenzuweisungen unberücksichtigt. Das Konzept des Semantic Conformance Checking erweitert diese Methodik um eine ganzheitliche Soll-Ist-Analyse, die zusätzliche Dimensionen wie Sollund Ist-Kosten, Soll- und Ist-Zeiten sowie Ressourcenzuweisungen einbezieht. Im Rahmen dieser Masterarbeit soll untersucht werden, wie Semantic Conformance Checking technisch und methodisch umgesetzt werden kann.

THEMA 3: Optimized Data Models for Object Centric Process Mining

Object-Centric Process Mining gewinnt zunehmend an Bedeutung, da es eine differenzierte und umfassende Analyse komplexer Prozesse ermöglicht. Um OCPM als neuen Standard in kommerziellen Process Mining Werkzeugen zu implementieren, werden alle Software Vendoren die traditionellen Process Mining Datenmodelle bestehend aus Event-Log und Case-Tabelle auf Objekt-zentrierte Sichten anpassen müssen. Als führende Process-Mining-Plattform haben wir das Ziel, Branchenstandards aktiv zu fördern und die Nutzung von OCPM bei unseren Kunden zu etablieren. Bisher nutzen wir dafür ein sehr stark am traditionellen Log-Case-Datenmodell
angelehntes OCPM-Datenmodell. Im Rahmen dieser Masterarbeit soll untersucht werden, wie ein OCPMDatenmodell aufgebaut sein sollte um (1.) die technischen Möglichkeiten der Process-Mining-Lösung optimal hinsichtlich Performance und Filtermöglichkeiten zu nutzen, (2.) die Erstellung eines solchen Datenmodells für self-service Process Mining maximal einfach zu machen und (3.) die Nutzung und Wiederverwendung des Datenmodells für self-service Analytics und AI-Initiativen transparent und einfach zu gestalten.

Rybinski, Fabian

Die Umrüstung von Büroflächen mit intelligenten Steuerungssystemen verspricht signifikante Energieeinsparungen im Vergleich zu konventionellen Büros. Durch bedarfsgerechte Steuerung von u.a. Beleuchtung, Heizung und Klimatisierung sollen Energieverbräuche reduziert werden. Um die tatsächlich erreichbaren Einsparungen zu analysieren, bedarf es einer systematischen Untersuchung der Energieverbräuche vor und nach der Installation von Smart-Office-Technologien.

Die Arbeit soll die möglichen Energieeinsparungen durch Smart-Office-Technologien systematisch untersuchen. Dabei sollen die Verbräuche konventioneller Büros mit denen von Smart-Offices verglichen und die Wirksamkeit verschiedener Smart-Office-Technologien untersucht werden. Hierfür soll eine Methode entwickelt werden.

Mögliche Inhalte:

• Vergleichende Analyse des Energieverbrauchs vor und nach Smart-Office-Installation
• Evaluation einzelner Smart-Office-Komponenten hinsichtlich ihrer Energiebilanz
• Analyse der Einflussfaktoren auf Energieeinsparungen

Bei Interesse bewerben Sie sich bitte über den folgenden Link: https://portal.wiwi.kit.edu/forms/form/Bewerbung_Abschlussarbeit_AIFB-BIS

Rybinski, Fabian

Process Mining hat sich als Methode zur datengetriebenen Analyse und Verbesserung von Geschäftsprozessen etabliert. Process Mining ermöglicht es, aus digitalen Aufzeichnungen in Systemen (Event Logs) reale Prozessabläufe zu rekonstruieren, zu analysieren und zu verbessern. Dabei werden drei Hauptaspekte unterschieden: Die Prozesserkennung (Process Discovery) zur automatischen Erstellung von Prozessmodellen, die Konformitätsprüfung (Conformance Checking) zum Vergleich von Ist- und Soll-Prozessen sowie die Prozessverbesserung (Process Enhancement) zur Verbesserung bestehender Abläufe.

Parallel dazu haben Large Language Models (LLMs) neue Möglichkeiten in der Verarbeitung und Generierung von natürlicher Sprache eröffnet. Die Kombination beider Technologien verspricht innovative Ansätze für das Geschäftsprozessmanagement.

Ziel der Arbeit ist es, LLMs für die Erweiterung und Verbesserun von Process Mining zu untersuchen. Der Fokus soll hierbei auf der Entwicklung und Evaluierung neuer Methoden liegen, welche die strukturierte Prozessanalyse des Process Mining mit den Fähigkeiten von LLMs in der Verarbeitung natürlicher Sprache kombinieren.

Mögliche Forschungsschwerpunkte:

• Generierung von Prozessbeschreibungen aus Event Logs durch LLMs
• Automatisierte und natürlichsprachliche Interpretation von Process-Mining-Ergebnissen
• Integration unstrukturierter Daten in Process Mining durch LLM-basierte Vorverarbeitung
• Conformance Checking mittels LLM-gestützter Regelextraktion
• Generierung von Prozessverbesserungsvorschlägen basierend auf Process-Mining-Ergebnissen

Bitte bewerben Sie sich bei Interesse über den folgenden Link: https://portal.wiwi.kit.edu/forms/form/Bewerbung_Abschlussarbeit_AIFB-BIS

Rybinski, Fabian

Das Konzept des Smart Office gewinnt zunehmend an Bedeutung, da moderne Arbeitsumgebungen durch Technologien und Automatisierung benutzerfreundlicher gestaltet werden sollen. Die Ansprüche der Mitarbeitenden an solche intelligenten Büros variieren jedoch und sind von individuellen Bedürfnissen, Arbeitsaufgaben und persönlichen Präferenzen abhängig. Um sicherzustellen, dass Smart Offices den tatsächlichen Anforderungen der Mitarbeitenden entsprechen, ist eine systematische Erfassung und Analyse dieser Bedürfnisse notwendig.

Ziel dieser Arbeit ist es, eine Methode zur Erfassung der Anforderungen von Mitarbeitenden an Smart Offices zu entwickeln. Dies umfasst die Identifikation relevanter Faktoren, welche die Zufriedenheit im Smart Office beeinflussen. Dazu sollen geeignete Erhebungstechniken, wie Interviews oder Fragebögen, entwickelt und angewendet werden. Darüber hinaus sollen die Ergebnisse in Form eines Anforderungsmodells für Smart Office zusammengefasst werden, um eine Grundlage für die Gestaltung smarter Arbeitsumgebungen zu bieten.

Rybinski, Fabian

Die Automobilindustrie erfährt einen Wandel hin zu vernetzten und intelligenten Fahrzeugen. Moderne Fahrzeuge generieren eine Vielzahl an Daten, die wertvolle Einblicke in das Fahrverhalten, die Nutzungsmuster und die Effizienz der Fahrzeuge bieten können. Eine Möglichkeit der Datennutzung besteht in der Anwendung von Process Mining, das die Analyse der Daten aus einer Prozessperspektive ermöglicht. Mit Process Discovery können beispielsweise Prozesse in den Daten identifiziert werden, während Conformance Checking hilft, die Abweichungen zwischen Soll- und Ist-Prozess zu untersuchen.

Ziel der Arbeit ist es, eine Methode für die Anwendung von Process Mining auf Fahrzeugdaten zu entwickeln. Ziel ist die Analyse von Fahrmustern aus Prozessperspektive, insbesondere wiederkehrender Fahrten zwischen spezifischen Wegpunkten wie dem Wohn- und Arbeitsort. Im Rahmen des Forschungsprojektes SofDCar wurde bereits ein Prototyp entwickelt, der als Grundlage für die Arbeit dienen kann. Der Prototyp soll weiterentwickelt und in seiner Funktionalität erweitert werden.

Nützliche Kenntnisse (aber nicht zwingend erforderlich): Grundlegende Kenntnisse in den Bereichen Data Science, Process Mining und (Python-)Programmierung sind von Vorteil. Ein Interesse an datengetriebenen Analysen wird vorausgesetzt.

Martin Forell

Schüler, Selina