Dissertation/Thesis Abstract

Business Process Management in the Digital Age: Advancements in Data, Networks, and Opportunities
by Seyfried, Johannes, D.Econ., Universitaet Bayreuth (Germany), 2019, 64; 27628203
Abstract (Summary)

Business Process Management (BPM) ist befasst sich mit dem Management verteilter Arbeit, die verschiedene Aktivitäten, Ressourcen und Akteure umfasst. Die zunehmende Verbreitung digitaler Technologien, die sogenannte Digitalisierung, beeinflusst Individuen, Organisationen und die Gesellschaft als Ganzes. Auch die Geschäftsprozesse selbst sowie BPM als Managementdisziplin sind stark von der Digitalisierung betroffen, insbesondere in sechs übergreifenden Themenbereichen, nämlich Daten, Netzwerke, Chancen, Menschen, Kontext und Wandel. Diese Dissertation beleuchtete verschiedene Aspekte der Auswirkungen der Digitalisierung auf das BPM und leistet damit einen Beitrag zu den drei letztgenannten Themen: Daten, Netzwerke und Chancen. Das übergreifende Thema Daten bezieht sich auf deren Erhebung und Analyse zur Nutzung für den unternehmerischen Erfolg. Zum heutigen Zeitpunkt ist die Erhebung von Daten weitgehend automatisiert, indem prozessgestützte Informationssysteme eingesetzt werden, die Ereignisse zusammen mit zusätzlichen Attributen, wie genutzte Ressourcen oder Output, erfassen. Der Besitz großer Datenmengen offenbart seinen Nutzen jedoch erst durch den effektiven Einsatz von Methoden zur Datenanalyse, die in der Lage sind, Wissen zu extrahieren. Solche Methoden wurden in den letzten Jahren mit enormem Aufwand fortentwickelt, allerdings wurden diese Fortschritte im Prozessmanagement bis dato nur unzureichend berücksichtigt. Daher konzentriert sich Beitrag #1 auf die potenziellen Auswirkungen von Deep Learning auf die Vorhersage von Prozessergebnissen. Kern des Beitrags ist eine Potenzialanalyse von Deep-Learning-Ansätzen auf die Vorhersage von Prozessergebnissen. Die Arbeit umfasst einen strukturierten Vergleich zweier Machine-Learning-Ansätze, einer davon aus dem der Klasse der Deep-Learning-Ansätze, ein zweiter aus dem Bereich der klassischen Ansätze. Die Ergebnisse untermauern das erhebliche Potenzial von Deep Learning bei der Vorhersage von Prozessergebnissen. Die Beiträge #2 und #3 konzentrieren sich auf die Analyse des Potenzials von Cognitive Computing im Prozessmanagement. Das junge Forschungsfeld an der Schnittstelle von Cognitive Computing und Prozessmanagement nennt man Cognitive BPM. Dabei wird im Beitrag #2 ein Framework zur Strukturierung von Anwendungsfällen für Cognitive BPM entwickelt. Ebenso werden etliche Anwendungsfälle aufgeführt und eingeordnet. Basierend auf diesen Ergebnissen schlägt Beitrag #3 eine Referenzarchitektur für Cognitive BPM vor, die sich für unterschiedliche Anwendungsfälle konfigurieren lässt und auf bestehenden Referenzarchitekturen aufbaut. Die Referenzarchitektur wird beispielhaft implementiert und anhand eines beispielhaften Anwendungsfalls illustriert. Das übergreifende Thema Netzwerke bezieht sich auf die Betrachtung von Prozessen als Teil eines Netzwerks an intra- und interorganisationalen Prozessen anstatt einer isolierten Betrachtung. Die Beiträge #4 und #5 stellen die Notwendigkeit, die Vernetzung von Prozessen bei der Priorisierung von Verbesserungsprozessen zu berücksichtigen heraus. Aufbauend auf der Literatur zu Prozessverbesserung, Prozessleistungsmessung und Netzwerkanalyse schlagen die Forschungsarbeiten einen Ansatz vor, der die Leistung einzelner Prozesse und die Abhängigkeiten zwischen mehreren Prozessen berücksichtigt und damit auf die Notwendigkeit einer Prozesspriorisierung reagiert, die die Abhängigkeiten zwischen Prozessen berücksichtigt. Das übergreifende Thema Chancen beschäftigt sich mit der systematischen Nutzung des Potentials von neuen technologischen Entwicklungen im Kontext von BPM. Eine dieser technologischen Entwicklungen ist das Internet der Dinge (IoT), von der man sich großes Potential für die Wirtschaft und die Gesellschaft im Allgemeinen und für das Prozessmanagement im Speziellen verspricht. Um dieses Potenzial zu erschließen, stellt Beitrag #6 Designprinzipien vor, die den Erfolg von IoT-Ökosystemen fördern. Beitrag #7 nimmt eine ökonomische Sichtweise ein und beleuchtet die Einschätzung des Kundennutzens von IoT-Lösungen aus Sicht von Industrieunternehmen.

Indexing (document details)
Advisor:
Commitee:
School: Universitaet Bayreuth (Germany)
School Location: Germany
Source: DAI-C 81/5(E), Dissertation Abstracts International
Source Type: DISSERTATION
Subjects: Information Technology, Management
Keywords:
Publication Number: 27628203
ISBN: 9781392369784
Copyright © 2019 ProQuest LLC. All rights reserved. Terms and Conditions Privacy Policy Cookie Policy
ProQuest