Suche nach Personen

plus im Publikationsserver
plus bei Google Scholar

Bibliografische Daten exportieren
 

Business Process Management in the Digital Age : Advancements in Data, Networks, and Opportunities

DOI zum Zitieren der Version auf EPub Bayreuth: https://doi.org/10.15495/EPub_UBT_00004462
URN zum Zitieren der Version auf EPub Bayreuth: urn:nbn:de:bvb:703-epub-4462-7

Titelangaben

Seyfried, Johannes:
Business Process Management in the Digital Age : Advancements in Data, Networks, and Opportunities.
Bayreuth , 2019 . - vi, 55 S.
( Dissertation, 2019 , Universität Bayreuth, Rechts- und Wirtschaftswissenschaftliche Fakultät)

Volltext

[thumbnail of Diss_Veröffentlichung_V02.pdf]
Format: PDF
Name: Diss_Veröffentlichung_V02.pdf
Version: Veröffentlichte Version
Verfügbar mit der Lizenz Creative Commons BY 4.0: Namensnennung
Download (1MB)

Abstract

Business Process Management (BPM) is the art and science of managing distributed work, involving various activities, resources, and actors. The increasing prevalence of digital tech-nologies, known as digitalization, affects individuals, organizations, and society as a whole. Business processes themselves, as well as BPM as a management discipline, are also heavily affected by digitalization, specifically in six overarching topics, namely data, networks, oppor-tunities, humans, context, and change. In order to shed light on the ways in which digitalization affects the BPM domain, this doctoral thesis contributes to the latter three overarching topics: data, networks, and opportunities. The overarching topic of data refers to attempts to capitalize on the increasing availability of data, leading to evidence-driven analytical methods and data-intensive business processes. In the context of digitalization, significant advancements in the field of machine learning led to promising new approaches for analysing structured and unstructured data. However, these advancements remain largely unexploited in the BPM domain. Therefore, research paper #1 focuses on the potential impact of deep learning on process outcome prediction. The paper reports on a structured comparison of a deep learning classifier and a classical machine learning classifier, based on five different event logs. The results show substantial potential for deep learning in process outcome prediction. Research papers #2 and #3 focus on the analysis of unstructured data, exploring the potential for cognitive computing in BPM. In doing so, re-search paper #2 develops a framework for structuring Cognitive BPM use cases. Based on these results, research paper #3 proposes a Cognitive BPM reference architecture. The overarching topic of networks refers to a view of processes as parts of interconnected net-works instead of single units of analysis. Research papers #4 and #5 highlight the need to take the interconnectedness of processes into account when prioritizing processes for improvement. Building on literature related to process improvement, process performance measurement, and network analysis, the research papers propose an approach for ranking processes according to their network-adjusted need for improvement, taking process interconnectedness into ac-count. The overarching topic of opportunities highlights the need for an opportunity-centric mindset in the context of BPM. This is necessary in order to identify the potential of emerging digital tech-nologies, new regulations, and demographic shifts for the BPM domain. Fostering the fusion of the digital and the physical worlds, the Internet of Things (IoT) is regarded as one of the most disruptive emerging digital technologies, yet offers great potential to the BPM domain, e.g., for higher automation, more accurate data collection, reduced errors, and overall efficiency gains. To enable the tapping of this potential, research paper #6 develops design principles which foster the success of IoT ecosystems. Research paper #7 takes an economic view, shedding light on the assessment of the customer value of IoT-solutions from an industrial company’s perspective.

Abstract in weiterer Sprache

Business Process Management (BPM) ist befasst sich mit dem Management verteilter Arbeit, die verschiedene Aktivitäten, Ressourcen und Akteure umfasst. Die zunehmende Verbreitung digitaler Technologien, die sogenannte Digitalisierung, beeinflusst Individuen, Organisationen und die Gesellschaft als Ganzes. Auch die Geschäftsprozesse selbst sowie BPM als Managementdisziplin sind stark von der Digitalisierung betroffen, insbesondere in sechs übergreifenden Themenbereichen, nämlich Daten, Netzwerke, Chancen, Menschen, Kontext und Wandel. Diese Dissertation beleuchtete verschiedene Aspekte der Auswirkungen der Digitalisierung auf das BPM und leistet damit einen Beitrag zu den drei letztgenannten Themen: Daten, Netzwerke und Chancen. Das übergreifende Thema Daten bezieht sich auf deren Erhebung und Analyse zur Nutzung für den unternehmerischen Erfolg. Zum heutigen Zeitpunkt ist die Erhebung von Daten weitgehend automatisiert, indem prozessgestützte Informationssysteme eingesetzt werden, die Ereignisse zusammen mit zusätzlichen Attributen, wie genutzte Ressourcen oder Output, erfassen. Der Besitz großer Datenmengen offenbart seinen Nutzen jedoch erst durch den effektiven Einsatz von Methoden zur Datenanalyse, die in der Lage sind, Wissen zu extrahieren. Solche Methoden wurden in den letzten Jahren mit enormem Aufwand fortentwickelt, allerdings wurden diese Fortschritte im Prozessmanagement bis dato nur unzureichend berücksichtigt. Daher konzentriert sich Beitrag #1 auf die potenziellen Auswirkungen von Deep Learning auf die Vorhersage von Prozessergebnissen. Kern des Beitrags ist eine Potenzialanalyse von Deep-Learning-Ansätzen auf die Vorhersage von Prozessergebnissen. Die Arbeit umfasst einen strukturierten Vergleich zweier Machine-Learning-Ansätze, einer davon aus dem der Klasse der Deep-Learning-Ansätze, ein zweiter aus dem Bereich der klassischen Ansätze. Die Ergebnisse untermauern das erhebliche Potenzial von Deep Learning bei der Vorhersage von Prozessergebnissen. Die Beiträge #2 und #3 konzentrieren sich auf die Analyse des Potenzials von Cognitive Computing im Prozessmanagement. Das junge Forschungsfeld an der Schnittstelle von Cognitive Computing und Prozessmanagement nennt man Cognitive BPM. Dabei wird im Beitrag #2 ein Framework zur Strukturierung von Anwendungsfällen für Cognitive BPM entwickelt. Ebenso werden etliche Anwendungsfälle aufgeführt und eingeordnet. Basierend auf diesen Ergebnissen schlägt Beitrag #3 eine Referenzarchitektur für Cognitive BPM vor, die sich für unterschiedliche Anwendungsfälle konfigurieren lässt und auf bestehenden Referenzarchitekturen aufbaut. Die Referenzarchitektur wird beispielhaft implementiert und anhand eines beispielhaften Anwendungsfalls illustriert. Das übergreifende Thema Netzwerke bezieht sich auf die Betrachtung von Prozessen als Teil eines Netzwerks an intra- und interorganisationalen Prozessen anstatt einer isolierten Betrachtung. Die Beiträge #4 und #5 stellen die Notwendigkeit, die Vernetzung von Prozessen bei der Priorisierung von Verbesserungsprozessen zu berücksichtigen heraus. Aufbauend auf der Literatur zu Prozessverbesserung, Prozessleistungsmessung und Netzwerkanalyse schlagen die Forschungsarbeiten einen Ansatz vor, der die Leistung einzelner Prozesse und die Abhängigkeiten zwischen mehreren Prozessen berücksichtigt und damit auf die Notwendigkeit einer Prozesspriorisierung reagiert, die die Abhängigkeiten zwischen Prozessen berücksichtigt. Das übergreifende Thema Chancen beschäftigt sich mit der systematischen Nutzung des Potentials von neuen technologischen Entwicklungen im Kontext von BPM. Eine dieser technologischen Entwicklungen ist das Internet der Dinge (IoT), von der man sich großes Potential für die Wirtschaft und die Gesellschaft im Allgemeinen und für das Prozessmanagement im Speziellen verspricht. Um dieses Potenzial zu erschließen, stellt Beitrag #6 Designprinzipien vor, die den Erfolg von IoT-Ökosystemen fördern. Beitrag #7 nimmt eine ökonomische Sichtweise ein und beleuchtet die Einschätzung des Kundennutzens von IoT-Lösungen aus Sicht von Industrieunternehmen.

Weitere Angaben

Publikationsform: Dissertation (Ohne Angabe)
Keywords: Business Process Management; Digitalization;Data; Networks; Opportunities
Themengebiete aus DDC: 600 Technik, Medizin, angewandte Wissenschaften > 650 Management, Öffentlichkeitsarbeit
Institutionen der Universität: Fakultäten > Rechts- und Wirtschaftswissenschaftliche Fakultät > Fachgruppe Betriebswirtschaftslehre > Lehrstuhl Betriebswirtschaftslehre XVII - Wirtschaftsinformatik und Wertorientiertes Prozessmanagement > Lehrstuhl Wirtschaftsinformatik und Wertorientiertes Prozessmanagement - Univ.-Prof. Dr. Maximilian Röglinger
Forschungseinrichtungen > Institute in Verbindung mit der Universität > Institutsteil Wirtschaftsinformatik des Fraunhofer FIT
Forschungseinrichtungen > Institute in Verbindung mit der Universität > FIM Forschungsinstitut für Informationsmanagement
Graduierteneinrichtungen > University of Bayreuth Graduate School
Fakultäten
Fakultäten > Rechts- und Wirtschaftswissenschaftliche Fakultät
Fakultäten > Rechts- und Wirtschaftswissenschaftliche Fakultät > Fachgruppe Betriebswirtschaftslehre
Fakultäten > Rechts- und Wirtschaftswissenschaftliche Fakultät > Fachgruppe Betriebswirtschaftslehre > Lehrstuhl Betriebswirtschaftslehre XVII - Wirtschaftsinformatik und Wertorientiertes Prozessmanagement
Forschungseinrichtungen
Forschungseinrichtungen > Institute in Verbindung mit der Universität
Graduierteneinrichtungen
Sprache: Englisch
Titel an der UBT entstanden: Ja
URN: urn:nbn:de:bvb:703-epub-4462-7
Eingestellt am: 24 Sep 2019 12:40
Letzte Änderung: 24 Sep 2019 12:40
URI: https://epub.uni-bayreuth.de/id/eprint/4462

Downloads

Downloads pro Monat im letzten Jahr