TY  - THES
AB  - Das Verständnis und Management wissensintensiver Prozesse stellt eine zentrale Herausforderung für Organisationen dar, die in zunehmend dynamischen und digital vernetzten Umgebungen agieren. Datengetriebene Ansätze wie das Process Mining bieten zwar wertvolle Einblicke in standardisierte operative Prozesse, ihre Anwendbarkeit auf wissensintensive Prozesse ist jedoch begrenzt. Wissensintensive Prozesse zeichnen sich durch eine hohe Variabilität, Kontextabhängigkeit und eine starke Abhängigkeit von implizitem Wissen aus, was ihre Standardisierung, Digitalisierung und Modellierung erheblich erschwert. Bestehende Process Mining-Methoden basieren überwiegend auf Ereignisprotokollen, die explizite und strukturierte Prozessdaten erfassen, während informelles, erfahrungsbasiertes und kontextspezifisches Wissen unberücksichtigt bleibt. Darüber hinaus mangelt es vielen Organisationen an den erforderlichen Fähigkeiten und Reifegraden, um Process Mining ganzheitlich und wirksam zu implementieren.Diese kumulative Dissertation adressiert diese Herausforderungen durch die Entwicklung eines Knowledge-Aware Process Mining-Ansatzes, der technologische und organisationale Perspektiven integriert. Im Mittelpunkt stehen dabei drei Forschungsbereiche: (1) die Identifikation und Entwicklung organisationaler Fähigkeiten, die für die Einführung und Reifung von Process Mining erforderlich sind, (2) die theoretische Rekonzeptualisierung von Process Mining zur adäquaten Abbildung und Steuerung wissensintensiver Prozesse sowie (3) die Integration von Methoden des Natural Language Processing, um prozessbezogenes Wissen aus unstrukturierten Quellen zu extrahieren und in die Prozessanalyse einzubetten. Insgesamt leistet die Arbeit einen Beitrag zur Weiterentwicklung von Process Mining zu einer wissensbewussten Disziplin, die es Organisationen ermöglicht, die Komplexität, Dynamik und Wissenszentriertheit moderner organisationaler Prozesse ganzheitlich zu erfassen und zu gestalten.
AU  - Brennig, Katharina
CY  - Paderborn
DO  - 10.17619/UNIPB/1-2426
DP  - Universität Paderborn
LA  - eng
N1  - Tag der Verteidigung: 27.10.2025
N1  - Kumulative Dissertation Universität Paderborn, Dissertation, 2025
PB  - Veröffentlichungen der Universität
PY  - 2025
SP  - 1 Online-Ressource (V, 73 Seiten) : Diagramme
T2  - Department 3: Wirtschaftsinformatik
TI  - Knowledge-Aware Process Mining: Conceptual Foundations and IT Artifacts for Process Mining in Knowledge-Intensive Processes
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:466:2-56489
Y2  - 2026-01-11T18:52:51
ER  -