Empfehlungssysteme als Treiber für nutzerzentrierte Prozessverbesserungen : Personalisierung der Prozessausführung durch Berücksichtigung von Mitarbeiterpräferenzen

Titelangaben

Petter, Sebastian:
Empfehlungssysteme als Treiber für nutzerzentrierte Prozessverbesserungen : Personalisierung der Prozessausführung durch Berücksichtigung von Mitarbeiterpräferenzen.
Bayreuth , 2025 . - XIII, 228 S.
( Dissertation, 2025 , Universität Bayreuth, Fakultät für Mathematik, Physik und Informatik)

Volltext

Format: PDF Name: Empfehlungssysteme_als_Treiber_für_nutzerzentrierte_Prozessverbesserung__genehmigte_Abhandlung.pdf Version: Veröffentlichte Version Verfügbar mit der Lizenz Deutsches Urheberrechtsgesetz. Das Dokument darf zum eigenen Gebrauch kostenfrei genutzt werden. Darüber hinaus bedürfen die Vervielfältigung, Bearbeitung, Verbreitung und jede Art der Verwertung der schriftlichen Zustimmung des jeweiligen Rechteinhabers.

Download (7MB)

Abstract

Die zunehmende Digitalisierung und Individualisierung von Arbeitsumgebungen stellt Unternehmen vor die Herausforderung, Prozesse sowohl effizient als auch nutzerzentriert zu gestalten. Dabei erweisen sich klassische Ansätze des Prozessmanagements oft als unzureichend, da sie individuelle Präferenzen von Mitarbeitenden kaum berücksichtigen. Ziel dieser Arbeit ist es daher, einen innovativen Ansatz zur nutzerzentrierten Prozessverbesserung zu entwickeln, der eine systematische Erfassung, Analyse und dynamische Integration von Mitarbeiterpräferenzen mittels Empfehlungsdiensten ermöglicht. Auf Basis einer systematischen Literaturanalyse werden zunächst bestehende Forschungsansätze und insbesondere relevante Forschungslücken identifiziert, beispielsweise hinsichtlich der unzureichenden Berücksichtigung expliziter Nutzerpräferenzen und mangelnder Flexibilität existierender Systeme. Mithilfe des Design-Science-Research-Ansatzes wird darauf aufbauend ein modulares Rahmenwerk entwickelt, welches erstmals unterschiedliche Empfehlungsmethoden – wissensbasiert, inhaltsbasiert und kollaborativ – systematisch integriert und flexibel erweiterbar ist. Ein wesentlicher Beitrag der Dissertation besteht in der Entwicklung eines konzeptuellen Rahmenwerks, das sowohl explizite als auch implizite Nutzerpräferenzen berücksichtigt sowie die flexible Einbindung verschiedener Empfehlungsalgorithmen ermöglicht. Dabei werden insbesondere prozessübergreifende Präferenzanalysen sowie die Berücksichtigung von individuellen Mitarbeiterpräferenzen und betrieblichen Prioritäten unterstützt. Die prototypische Implementierung bestätigt die technische Machbarkeit und die praktische Relevanz dieses Ansatzes. Die Evaluation anhand synthetisch generierter Daten zeigt dabei, dass das entwickelte Empfehlungssystem präzise und nutzerzentrierte Empfehlungen generieren kann und somit zu einer nachhaltigen Berücksichtigung der Nutzerpräferenzen beiträgt. Die Ergebnisse der Dissertation liefern somit wichtige wissenschaftliche und praktische Impulse. Sie verdeutlichen, wie Empfehlungsdienste effektiv zur Gestaltung nutzerzentrierter Prozesse beitragen und gleichzeitig die betrieblichen Effizienzziele wahren können. Zukünftige Forschungsarbeiten können insbesondere auf einer spezifischeren Anpassung und einer methodischen Verfeinerung des entwickelten Rahmenwerks basieren, um dessen Einsatzmöglichkeiten und Effektivität weiter zu steigern.

Abstract in weiterer Sprache

The ongoing digitalization and increasing personalization of work environments pose significant challenges for companies aiming to design processes that are both efficient and user-centered. Traditional process management approaches often prove insufficient, as they rarely consider individual employee preferences. Therefore, the objective of this dissertation is to develop an innovative approach to user-centered process improvement, enabling the systematic capturing, analysis, and dynamic integration of employee preferences through recommender systems. Initially, existing research approaches and relevant gaps are identified through a systematic literature review. Notably, the analysis highlights the inadequate consideration of explicit user preferences and a general lack of flexibility in existing systems. Based on these findings, a modular framework is developed using the Design Science Research approach. A major contribution of this dissertation is the development of a conceptual framework that incorporates both explicit and implicit user preferences while also enabling the flexible integration of diverse recommendation algorithms. In particular, it facilitates cross-process preference analyses and effectively balances individual employee preferences with organizational priorities. The prototype implementation confirms the technical feasibility and practical relevance of the proposed solution. Furthermore, an evaluation using synthetically generated data demonstrates that the developed recommender system can generate precise and user-centered recommendations, thus sustainably embedding user preferences into process execution. The findings of this dissertation provide significant theoretical and practical insights, illustrating how recommender systems can effectively contribute to user-centered process design while maintaining essential operational efficiency. Future research could particularly focus on the specific adaptation and further methodological refinement of the developed framework to enhance its applicability and effectiveness.