Constructing a knowledge base for business process management

Abstract

Prozessabläufe innerhalb einer Firma können auf verschiedene Weise dokumentiert werden, zum Beispiel durch die automatische Generierung von Log-Daten durch Workflow Systeme. Bekannte Ansätze wie semantisches Process Mining oder Data Warehousing bieten Möglichkeiten, aus diesen Daten wertvolle Information für das Management eines Unternehmens zu extrahieren. Dabei basieren die Ansätze im Bereich des semantischen Process Mining auf der Analyse von Log-Daten, wohingegen Ansätze aus dem Bereich des Data Warehousing darauf abzielen verschiedene Datenquellen (wie z.B. Organisationsdaten und Informationen bezüglich Betriebsmitteln) zu integrieren. Jedoch bringen diese Ansätze Einschränkungen mit sich, welche im Rahmen dieser Arbeit behandelt werden. Im Speziellen extrahieren die Ansätze aus dem Bereich des semantischen Process Mining wertvolle Information und stellen diese auf einer konzeptuell höheren Ebene dar. Jedoch ist die Integration unterschiedlicher Datenquellen eingeschränkt. Im Bereich des Data Warehousing werden die Möglichkeiten semantischer Technologien nicht vollständig genutzt. Daher ist das Ziel diese Arbeit die Vorteile der oben genannten Methoden zu nutzen um einen erweiterten Ansatz zur Verfügung zu stellen. Dieser Ansatz erlaubt es wertvolle Informationen über das Unternehmen zu extrahieren. Dabei werden Log-Daten mit weiteren unternehmensrelevanten Daten unter der Verwendung von semantischen Technologien integriert.<br />Dies resultiert in einer Ontologie welche Informationen über das Unternehmen enthält. Darüber hinaus wird diese Ontologie durch Axiome ergänzt, welche die erweiterte Analyse von Unternehmensdaten erlauben.<br />Mit Hilfe dieses Ansatzes ist es nun möglich Einsicht in Unternehmensabläufe zu erlangen was durch die Anwendung existierender Ansätze nur in eingeschränkt möglich war.<br />

Process operations of a company may be recorded in log data in different ways. For instance, process-aware information systems automatically record business process operations. Several approaches, such as semantic process mining or data warehousing attempt to take advantage of this data for supporting the business process management of companies. While semantic process mining approaches focus on processing log data, data warehousing techniques aim at integrating log data with various related data sources, such as organizational data and resource data. The common objective of these approaches is providing valuable business insight regarding business process operations. However, the approaches mentioned have limitations inhibiting the extraction of valuable business insight. In particular, semantic process mining discovers knowledge from event logs and lifts the extracted information to the conceptual level. However, the support for integrating log data with related data sources is limited. In case of data warehousing approaches, the advantages of semantic technologies are not fully utilized for answering business-relevant questions. For addressing these problems, the main research question addressed in this thesis is: "How can one combine existing approaches and extend their capabilities with the ultimate goal of providing an alternative solution for answering business-relevant questions?" Thus, the research presented introduces an approach which integrates event log data with related data sources while building upon semantic technologies resulting in a knowledge base containing information on business process operations. Furthermore, the research presented extends the knowledge base through a set of additional axioms used for reasoning, querying, and answering business related questions. Having the resulting ontology at hand allows extracting answers to business-related questions which are beyond the scope of solely applying semantic process mining techniques.