Beschreibung
Bachelorarbeit aus dem Jahr 2019 im Fachbereich BWL - Review of Business Studies, Note: 2,0, Universität Passau (Lehrstuhl für Wirtschaftsinformatik - Schwerpunkt Informations- und IT-Service-Management), Sprache: Deutsch, Abstract: Eine Variante, mit der Unternehmen ihre Prozesse über Industrie 4.0-Anwendungen verbessern können, ist der Einsatz von Process Mining Software. Bei Process Mining handelt es sich um ein Themenfeld, das in den letzten Jahren sowohl im Bereich der Forschung als auch für die Anwendung im Unternehmen immer wichtiger geworden ist. Infolgedessen haben es sich viele Softwarehersteller zur Aufgabe gemacht, ihren Kunden mithilfe von Process Mining Software eine übersichtliche Darstellung von Prozessabläufen zu ermöglichen, damit diese Verbesserungen an einzelnen Prozessen im Unternehmen durchführen können. Die Verbesserungen, die dabei durchgeführt werden, sollen verhindern, dass Aktivitäten oder Ressourcen unnötig ausgelastet oder dass Prozessabläufe unnötige Wiederholungen von Aktivitäten enthalten. Die Softwarehersteller setzen dabei unterschiedliche Schwerpunkte bei der Entwicklung ihrer Werkzeuge. Um für ausgewählte Werkzeuge die Eignung für bestimmte Aufgaben im Process Mining festzustellen, wurden die Werkzeuge mithilfe allgemeiner Softwareanforderungen sowie mit unterschiedlichen Testdaten anhand von eigens dafür erstellten Fragebögen getestet. Die Ergebnisse wurden miteinander verglichen, um damit Rückschlüsse zu ziehen, für welche Aufgaben des Process Minings sich welche Werkzeuge am besten eignen. Die Analyse zeigt, dass einige Werkzeuge besser für die Case-Identifikation, andere Werkzeuge besser für das Social Mining und wieder andere besser für die Bottleneck-Analyse geeignet sind. Des Weiteren hat sich herausgestellt, dass es Werkzeuge gibt mit denen mehr Aufgaben als allgemein in den Anforderungen formuliert wurde. Diese Arbeit stellt eine Handlungsempfehlung dar, wie nach geeigneter Process Mining Software recherchiert und je nach Use Case eine geeignete Software ausgewählt werden kann. Weitere Forschung auf dieser Grundlage könnte explizit auf die Process Mining Algorithmen der in dieser Arbeit untersuchten Werkzeuge eingehen.
Herstellerkennzeichnung:
GRIN Publishing GmbH
Waltherstraße 23
80337 München
DE
E-Mail: info@grin.com
