Modeling Mind: Verhaltensmuster in der Prozessmodellierung

In Anbetracht der intensiven Nutzung der Geschäftsprozessmodellierung in allen Arten von Geschäftsfeldern ist die Wichtigkeit von Prozessmodellen kaum mehr von der Hand zu weisen. Trotz der offensichtlichen Relevanz ist die Qualität von Modellen oft nicht zufriedenstellend. Um dieses Problem zu adressieren, wurden verstärkt Faktoren untersucht, welche die Qualität von Prozessmodellen beeinflussen. Während die meisten Arbeiten dabei auf das Produkt der Modellierung, d.h. auf das Prozessmodell fokussieren, entstanden kürzlich auch Methoden zur Untersuchung des Prozesses der Prozessmodellierung (PPM). Jüngste Forschungsarbeiten zeigen, dass der PPM von höchst iterativer und flexibler Natur ist; nichtsdestotrotz lassen sich gewisse Verhaltensmuster innerhalb des PPMs erkennen. Allerdings fehlt bisher ein umfassendes Verständnis dieser Verhaltensmuster. Insbesondere ist es unklar, wie diese Verhaltensmuster die Modellqualität beeinflussen, wie verschiedene Verhaltensmuster zu Modellierungsstilen kombiniert werden und welche Faktoren das Vorkommen bestimmter Verhaltensmuster bestimmen. Das Ziel des Modeling Mind Projekts besteht darin, diese Forschungslücke zu schließen und durch eine systematische Untersuchung der Interaktionen des Modellierenden mit der Modellierungsumgebung, der Verbalisierungen von Gedankengängen, sowie der Erfassung der Augenbewegungen während des Modellierens einen umfassenden Katalog von Verhaltensmustern zu erstellen. Basierend auf diesem Katalog soll sowohl der Konnex zur Modellqualität hergestellt, als auch die Synthese zu Modellierungsstilen auf der Basis von Kookkurrenzen von Verhaltensmustern angestrebt werden. Des Weiteren soll im Zuge des Modeling Mind Projekts ergründet werden, welche Faktoren das Auftreten von Verhaltensmustern beeinflussen; mögliche Kandidaten sind hier Modellierer-spezifische Faktoren wie z.B. Kapazität des Arbeitsgedächtnisses und Persönlichkeitsaspekte, als auch Aufgaben-spezifische Faktoren wie z.B. spezifische Modellierungskonstrukte und Aufgabenkomplexität. Ein besseres Verständnis der erwähnten Verhaltensmuster sowie der Faktoren, die deren Auftreten beeinflussen, erlaubt den Entwurf besserer (personalisierter) Modellierungsumgebungen, sowie maßgeschneiderter Unterrichtsmaterialien, was letztendlich die Entwicklung von Prozessmodellen von höherer Qualität unterstützt.

Geschäftsprozessmodelle spielen eine wichtige Rolle für die Analyse, Implementierung und die Steuerung von Geschäftsprozessen. Folglich spielt deren Qualität eine zentrale Rolle. Im Rahmen dieses Projektes untersuchten wir die Erstellung Geschäftsprozessmodellen sowie Faktoren, die auf die Qualität der resultierenden Modelle einen entscheidenden Einfluss haben. Das Projekt legte einen besonderen Fokus auf menschliche Faktoren wie Erfahrung im Prozessmodellieren, kognitive Fähigkeiten sowie kognitive Belastung (Cognitive Load). Als Resultat des Projektes konnten wir demonstrieren, dass insbesondere die Fähigkeit eines Modellierers, Informationen aus unterschiedlichen Quellen zu einer kognitiven Repräsentation zu integrieren, eine zentrale Rolle spielt. Dies gilt für unerfahrene und erfahrene Modellierer in gleichem Maße. Während die Fähigkeit Informationen zu integrieren, sowohl für unerfahrene und erfahrene Modellierer zentral ist, spielen abhängig vom Erfahrungsgrad darüber hinaus unterschiedliche Aspekte des Modellierungsprozesses eine Rolle. Darüber hinaus konnten wir zeigen, dass Modellierer unterschiedliche Strategien verwenden, um die kognitive Belastung innerhalb eines für sie managebaren Rahmens zu halten. Dies umfasst das Erstellen von Skizzen und das Reduzieren der Modellierungsgeschwindigkeit. Das Projekt konnte des weiteren Bausteine eines adaptiven Modellierungswerkzeuges entwickeln. Das umfasst einerseits eine Komponente zur Vorhersage des Erfahrungsniveaus eines Modelleriers auf Basis der erstellten Modellzwischenversionen. Andererseits schließt das eine Methode zur Erkennung der Modellierungsaktivitäten auf Basis von Eye-Tracking-Daten und Interaktionen mit dem Modellierungswerkzeug ein. Beides sind entscheidende Bausteine für ein adaptives Modellierungswerkzeug.