Background

During the modeling of business processes, a large amount of data is generated that provides information on how users proceed, which steps they perform and where difficulties arise during modeling. This includes, for example, information about when a model is created, when changes are made or elements are deleted. These records offer great potential for identifying typical problems and optimization potential in process modelling. An initial implementation for recording this data has already been developed as part of the KEA-mod project. However, the rapid increase in the amount of data led to the underlying database being significantly overloaded and ultimately deactivated.

Aim of the thesis

The aim of this thesis is to investigate how the data generated during business process modeling can be stored so that the database is not overloaded. The focus is on the development and prototypical implementation of a solution within the digital modeling platform KEA-mod.

Background

Modelling tools are becoming increasingly important in the context of software development or the digitalization and automation of business processes, for example. In the BMBF-funded project KEA-Mod, a digital modeling tool was developed as a web application in which evaluation services for the automated evaluation of student models, e.g. from exercises or exams, can be integrated. Modeling languages from the areas of software development and databases (UML, ER) and from the area of business process management (BPMN, Petri nets, EPK) are currently supported. Large Language Models (LLMs) offer great potential to be used profitably in automated assessment by providing students with feedback on their models generated by LLMs.

Task definition

The aim of the project is to investigate various possibilities for integrating LLM technologies into the KEA-Mod modeling platform and to develop a prototype implementation.

Possible focal points:

• How can student models be analyzed and evaluated with regard to the task using an LLM? How can, for example, syntactic correctness, content consistency (semantics) and pragmatic aspects (clear layout design) be taken into account according to the teacher's specifications?
• How can an LLM-based chatbot support students directly during the creation of models? How much information can a chatbot give students to support the learning process?

Students can also contribute their own ideas on the topic in consultation with the supervisors.

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

Aufgabenstellung

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.

In business process management, the documentation of business processes is still predominantly carried out manually in a time-consuming and error-prone manner. However, there are already some approaches for improving process recording and process modeling through automation. One possibility is to generate a Petri net from XML-based documents. With higher Petri nets (e.g. Pr/T net), switching conditions can be further specified on the basis of more distinguishable markers. For example, if a marker in the "new invoice" position represents a specific invoice and the position is followed by a "grant discount" transition, it can be specified in the transition that only invoices over €500 should receive a discount. In this assignment, you will therefore develop a concept for how these business rules can be suggested to the modeler based on the documents. For example, the documents must be compared with each other and the cases in which a document only occurs must be checked. In the thesis, you will look at different approaches in order to subsequently develop a concept and implement it as a prototype. Language models, for example, could be used to extract information. However, since semi-structured data is assumed, non-NLP-based methods could also be used.

Please apply under the following link: https://portal.wiwi.kit.edu/forms/form/Bewerbung_Abschlussarbeit_AIFB-BIS