ModErARe - Analyse und Korrektur von Modellierungsfehlern

Die wachsende Bedeutung von Geschäftsprozessmodellierung zur Dokumentation von Geschäftsabläufen und deren Automatisierung führte zu einer sich ständig vergrößernden Sammlung an Geschäftsprozessmodellen innerhalb von Firmen. Obwohl die Wichtigkeit dieser Modelle bekannt ist, sind viele Modelle von Problemen in Bezug auf Verständlichkeit und folglich Wartbarkeit behaftet; Sammlungen mit 10% bis 20% fehlerhaften Modellen sind bekannt. Um diese Probleme in den Griff zu bekommen, wurde verstärkt die Wechselwirkung zwischen Modellparametern und Modellverständlichkeit untersucht. Dabei fokussieren bestehende Arbeiten größtenteils auf das Modell, d.h. auf das Ergebnis einer Prozessmodellierungsinitiative. Erst kürzlich wurde damit begonnen auch zu untersuchen, wie ein Modell erstellt wird, d.h. den Prozess der Prozessmodellierung (PPM) genauer zu beleuchten. Obwohl bereits ein grundliegendes Verständnis der Abläufe innerhalb des PPMs besteht, wurde der Thematik der Modellierungsfehler noch kaum Beachtung geschenkt. Genauer gesagt ist es kaum bekannt, wann und warum Modellierungsfehler auftreten, wie sie erkannt und gegebenenfalls auch behandelt werden können. Das Ziel des ModErARe Projekts ist es, diese Wissenslücke zu schließen und Modellierungsfehler, die während des PPMs auftreten, im Detail zu untersuchen. Auf Basis einer extensiven Modellsammlung soll in ModErARe systematisch untersucht werden, warum und wo Modellierungsfehler innerhalb des PPMs auftreten, wann und ob diese gefunden werden und schließlich auch behandelt werden. Durch diese systematische Untersuchung trägt ModErARe nicht nur zum Verständnis typischer Modellierungsfehler bei, sondern liefert auch Rückschlüsse über deren Auftreten (z.B. durch Problemmuster, die Modellierungsfehler indizieren sowie Gründe für Modellierungsfehler). Durch dieses tiefere Verständnis für Modellierungsfehler wird es durch das ModErARe Projekt möglich sein, Modellierungsfehler frühzeitig zu erkennen und deren Auftreten durch entsprechende Methoden und Techniken zu verhindern. ModErARe trägt dadurch einen wesentlichen Schritt dazu bei, den Modellierer während des PPMs gezielt zu unterstützen, was in weiterer Folge positive Auswirkung auf die Qualität des Endprodukts des PPMs, d.h. das Geschäftsprozessmodell, hat. Insofern ist es auch das Hauptziel von ModErARe, die Qualität von Geschäftsprozessmodellen durch die gezielte Unterstützung des Modellierers während des PPMs zu verbessern.

Die wachsende Bedeutung von Geschäftsprozessmodellierung zur Dokumentation von Geschäftsabläufen und deren Automatisierung führte zu einer sich ständig vergrößernden Sammlung an Geschäftsprozessmodellen innerhalb von Firmen. Obwohl die Wichtigkeit dieser Modelle bekannt ist, sind viele Modelle von Problemen in Bezug auf Verständlichkeit und folglich Wartbarkeit behaftet; Sammlungen mit 10% bis 20% fehlerhaften Modellen sind bekannt. Um diese Probleme in den Griff zu bekommen, wurde verstärkt die Wechselwirkung zwischen Modellparametern und Modellverständlichkeit untersucht. Dabei fokussieren bestehende Arbeiten größtenteils auf das Modell, d.h. auf das Ergebnis einer Prozessmodellierungsinitiative. Erst kürzlich wurde damit begonnen auch zu untersuchen, wie ein Modell erstellt wird, d.h. den Prozess der Prozessmodellierung (PPM) genauer zu beleuchten. Obwohl bereits ein grundliegendes Verständnis der Abläufe innerhalb des PPMs besteht, wurde der Thematik der Modellierungsfehler noch kaum Beachtung geschenkt. Genauer gesagt ist es kaum bekannt, wann und warum Modellierungsfehler auftreten, wie sie erkannt und gegebenenfalls auch behandelt werden können. Das Ziel des ModErARe Projekts war es, diese Wissenslücke zu schließen und Modellierungsfehler, die während des PPMs auftreten, im Detail zu untersuchen. Dazu wurden Techniken zur laufenden, automatischen Beurteilung der Modellqualität sowie entsprechende Visualisierungen entwickelt. Des Weiteren untersuchte ModErARe das gemeinsame Auftreten von diversen Qualitätsproblemen unter Verwendung von statistischen Methoden mit dem Ziel Qualitätsprobleme vorherzusagen. Insbesondere wurde ein Ansatz entwickelt, welcher eingesetzt werden kann, die Expertise des Modellierers auf Basis der Qualitätsentwicklung des Modells vorherzusagen. Darüber hinaus trägt ModErARe zu einem besseren Verständnis bei, wie Menschen Prozessmodelle auf Fehler überprüfen, welche Strategien sie dabei verfolgen, welche Herausforderungen auftreten und welche kognitiven Prozesse dabei involviert sind. Die Ergebnisse von ModErARe eröffnen neue zukünftige Forschungsbereiche wie beispielsweise die Entwicklung neuro-adaptiver Systeme.