Wie kann künstliche Intelligenz fehlende Fall-IDs in Prozessprotokollen wiederherstellen, um die Analysegenauigkeit zu verbessern?

Host: Willkommen zu einer neuen Ausgabe von A.I.S. Insights — powered by Living Knowledge! Mein Name ist Anna Ivy Summers, und an meiner Seite ist wie immer unser Technologieanalyst Alex Ian Sutherland. Hallo Alex!

Expert: Hallo Anna, und ein herzliches Willkommen an unsere Hörerinnen und Hörer.

Host: In der heutigen Episode sprechen wir über eine wegweisende Untersuchung mit dem Titel: „Case ID Revealed HERE: Hybride Methode zur Reparatur schwer fassbarer Fälle für die Transformer-gestützte Verbesserung von Geschäftsprozess-Ereignisprotokollen“. Im Mittelpunkt steht die Frage, wie generative künstliche Intelligenz und menschliches Fachwissen zusammenarbeiten können, um unvollständige Prozessdaten zu retten. Alex, worum geht es in dieser Studie im Kern?

Expert: Die Studie stellt eine neuartige Lösung namens HERE vor – das steht für Hybrid Elusive Case Repair Method. Sie kombiniert moderne Transformer-Modelle, also die Technologie hinter fortschrittlicher generativer KI, mit domänenspezifischen Regeln in einem Human-in-the-Loop-Framework. Das Ziel: Ereignisprotokolle in Unternehmen aufzubereiten, bei denen entscheidende Verknüpfungen verloren gegangen sind.

Host: Damit sprichst du direkt die große Hürde an. Warum ist das für Unternehmen überhaupt so ein massives Problem? Was genau sind diese „schwer fassbaren Fälle“?

Expert: Um das zu verstehen, müssen wir auf Process Mining schauen. Viele Unternehmen nutzen Process Mining, um ihre realen Arbeitsabläufe anhand digitaler Spuren transparent zu machen und Ineffizienzen aufzudecken. Damit das funktioniert, benötigt jedes einzelne Ereignis eine Fall-ID. Diese Kennung verknüpft einen Schritt mit einem konkreten Geschäftsfall – beispielsweise einer bestimmten Bestellung oder einem Kundenantrag. In der Realität fehlen diese Fall-IDs jedoch häufig, sei es durch Systemwechsel, Schnittstellenfehler oder Medienbrüche. Fehlen diese IDs, spricht die Studie von schwer fassbaren Fällen.

Host: Und wenn die Fall-ID fehlt, bricht die Prozessanalyse zusammen?

Expert: Exakt. Das Process Mining wird ungenau oder schlicht unbrauchbar. Bisherige Reparaturmethoden hatten riesige Schwachstellen: Entweder erforderten sie enormen manuellen Aufwand, oder sie ordneten Daten undifferenziert neu zu und verfälschten dabei oft sogar bereits korrekte Prozesspfade. Manchmal benötigten sie auch Unmengen an zusätzlichen Daten, die Unternehmen schlicht nicht haben.

Host: Hier setzt nun der Lösungsansatz der Studie an. Wie funktioniert die HERE-Methode in der Praxis, ohne dass wir uns zu tief in Fachjargon verlieren?

Expert: Der Ansatz ist bewusst zweigleisig aufgebaut. Einerseits nutzen die Forschenden ein Transformer-Modell. Transformer sind hervorragend darin, sequenzielle Zusammenhänge und komplexe Muster in Ereignisabfolgen zu verstehen. Die KI prognostiziert also, zu welchem Vorgang ein herrenloses Ereignis logisch gehören müsste. Andererseits verlässt man sich nicht blind auf die KI: Die Methode bettet das Ganze in Expertenregeln ein.

Host: Ein Human-in-the-Loop-System also. Wie genau arbeiten KI und Expertenwissen zusammen?

Expert: Durch eine zweistufige Absicherung: Ex-ante und Ex-post. Vor der KI-Zuweisung prüfen feste Domänenregeln, welche Zuordnungen fachlich überhaupt denkbar sind. Nach der Vorhersage durch den Transformer folgt eine erneute Plausibilitätsprüfung. Wenn das Modell unsicher ist oder zu wenige Daten vorliegen, greift das Regelwerk als verlässlicher Sicherheitsgurt.

Host: Das klingt nach einem sehr durchdachten Konzept. Welche zentralen Ergebnisse liefert die Studie denn bei der Überprüfung dieser Methode?

Expert: Die Ergebnisse sind bemerkenswert. Die Forschenden haben HERE sowohl an synthetischen als auch an realen Datensätzen getestet und die Ergebnisse mit 21 Domänenexperten validiert. Erstens: Die Methode stellt fehlende Fall-IDs präzise wieder her, ohne dabei intakte Daten zu beschädigen – das war der größte Kritikpunkt alter Verfahren. Zweitens: Der Transformer übertrifft klassische Machine-Learning-Benchmarks deutlich bei großen Datensätzen mit geringer bis mittlerer Fehlerrate.

Host: Und was passiert, wenn die Datenlage schlechter ist?

Expert: Genau da zeigt sich der Wert des hybriden Systems: Bei kleinen Datenmengen oder extrem hohen Fehlerraten fungieren die Expertenregeln als hervorragender Fallback-Mechanismus. Drittens bestätigten die 21 interviewten Experten, dass der Ansatz praxistauglich ist und einen extrem hohen geschäftlichen Nutzen stiftet, weil er repetitive Bereinigungsaufgaben verlässlich automatisiert.

Host: Das führt uns direkt zum wichtigsten Punkt für unsere Business-Community: Warum ist das wirtschaftlich so relevant? Welche greifbaren Vorteile ergeben sich für die Führungsebene?

Expert: Der Hebel ist gewaltig. In der Praxis verbringen Datenanalysten und Prozessverantwortliche oft bis zu 80 Prozent ihrer Zeit allein mit der Datenaufbereitung. Wenn diese Vorarbeit automatisiert und qualitativ hochwertig abläuft, sinken die Projektkosten drastisch, und Initiativen zur Prozessoptimierung liefern viel schneller echte Resultate.

Host: Und man vermeidet Fehlentscheidungen, richtig?

Expert: Ganz genau. Process-Mining-Ergebnisse sind immer nur so gut wie das zugrunde liegende Datenfundament. Wenn Managemententscheidungen auf verzerrten Dashboards basieren, optimiert man an den falschen Stellen. Mit der in der Studie vorgestellten Methode erhalten Entscheider verlässliche Einblicke in ihre Wertschöpfungskette – selbst dann, wenn die Datenbasis historisch gewachsen oder lückenhaft ist.

Host: Ein echter Meilenstein für die operative Exzellenz. Fassen wir zusammen: Die Studie zeigt eindrucksvoll, dass generative KI in Kombination mit menschlicher Fachexpertise die Datenqualität im Process Mining auf ein neues Niveau heben kann. Anstatt Datenmängel als Schicksal hinzunehmen, lassen sich verborgene Prozesspfade präzise und automatisiert rekonstruieren. Alex, vielen Dank für diese erhellenden Einblicke.

Expert: Sehr gerne, Anna.

Host: Und Ihnen vielen Dank fürs Zuhören! Wenn Ihnen diese Folge gefallen hat, abonnieren Sie unseren Kanal und bleiben Sie am Puls der Technologie. Bis zum nächsten Mal bei A.I.S. Insights — powered by Living Knowledge!