Forschungsschwerpunkte

Künstliche Intelligenz (KI) ist ein Konzept, das im Zuge der technologischen Entwicklung immer weiterentwickelt wird, während sein Bezugspunkt - die menschliche Intelligenz - relativ statisch verbleibt. KI treibt intelligente Systeme an, die heutzutage hauptsächlich auf maschinellem Lernen und Deep-Learning-Technologie basieren. Unsere Forschung konzentriert sich auf zwei Schlüsselaspekte der KI: die Leistung von Prozessvorhersagen und die Erklärbarkeit von KI-Entscheidungen.

So wurden von uns zum Beispiel modernste Deep-Learning-Algorithmen für die Vorhersage der nächsten Ereignisse in der Prozessausführung untersucht, um herauszufinden, welche Merkmale von KI-Modellen für welche Art von Prozessereignisprotokoll geeignet sind.

In Bezug auf erklärbare KI untersuchen wir außerdem die Auswirkungen von White-Box- und (erklärbaren) Black-Box-KI-Modellen auf die Wahrnehmung der menschlichen Nutzer in Bezug auf die Bereitschaft, die Empfehlungen zu nutzen, sowie auf die tatsächliche Problemlösungsleistung.

Veröffentlichungen

• Feuerriegel, S., Hartmann, J., Janiesch, C. & Zschech, P. (2023). Generative AI. Business & Information Systems Engineering. doi: 10.1007/s12599-023-00834-7
• Herm, L.-V., Steinbach, T., Wanner, J. & Janiesch, C. (2022). A Nascent Design Theory for Explainable Intelligent Systems. Electronic Markets, 32, 2079-2102. doi: 10.1007/s12525-022-00606-3
• Herm, L.-V., Heinrich, K., Wanner, J. & Janiesch, C. (2023). Stop Ordering Machine Learning Algorithms by their Explainability! A User-Centered Investigation of Performance and Explainability. International Journal of Information Management, 69, 102538. doi:10.1016/j.ijinfomgt.2022.102538
• Janiesch, C., Zschech, P. & Heinrich, K. (2021). Machine Learning and Deep Learning. Electronic Markets, 31, 685-695. doi:10.1007/s12525-021-00475-2
• Wanner, J., Herm, L.-V., Heinrich, K. & Janiesch, C. (2022). The Effect of Transparency and Trust on Intelligent System Acceptance: Evidence from a User-based Study. Electronic Markets, 32, 2185-2205. doi: 10.1007/s12525-022-00593-5

Business Process Management betrachtet Personen, Organisationen und Software, die Aufgaben prozessorientiert ausführen. In der Vergangenheit standen Probleme der Architekturen und Sprachen für die Prozessanalyse bzw. das Process Mining im Vordergrund unserer Forschung - insbesondere für operatives BPM und BPM in der Cloud.

Zuletzt konzentriert sich unsere Forschung auf die transfomationalen Aspekte der Digitalisierung, zum Beispiel wie der Long Tail of Business Processes mit Hilfe innovativer digitaler Technologie erschlossen werden kann, um etablierte Methoden und organisatorisches Verhalten in Frage zu stellen und wie KI-Technologie prozessorientierte Informationssysteme verbessern kann, zum Beispiel durch Vorhersage des nächsten Ereignisses.

Robotic Process Automation, die Automatisierung mit intelligenten Software-Robotern, und Hyperautomation, ein Konzept für schnelle und geschäftsgetriebene Automatisierung, sind Kernstücke dieses Ansatzes.

Veröffentlichungen

• Fischer, M., Hofmann, A., Imgrund, F., Janiesch, C. & Winkelmann, A. (2021). On the Composition of the Long Tail of Business Processes: Implications from a Process Mining Study. Information Systems, 97, 101689. doi:10.1016/j.is.2020.101689
• Fischer, M., Imgrund, F., Janiesch, C. & Winkelmann, A. (2020). Strategy Archetypes for Digital Transformation: Defining Meta Objectives using Business Process Management. Information & Management, 57, 103262. doi:10.1016/j.im.2019.103262
• Heinrich, K., Zschech, P., Janiesch, C. & Bonin, M. (2021). Process Data Properties Matter: Introducing Gated Convolutional Neural Networks (GCNN) and Key-Value-Predict Attention Networks (KVP) for Next Event Prediction with Deep Learning. Decision Support Systems, 143, 113494. doi:10.1016/j.dss.2021.113494
• Schulte, S., Janiesch, C., Venugopal, S., Weber, I. & Hoenisch, P. (2015). Elastic Business Process Management: State of the Art and Open Challenges for BPM in the Cloud. Future Generation Computer Systems, 46, 36-50. doi: 10.1016/j.future.2014.09.005

Informationssysteme sind sozio-technische Systeme, die nicht nur Informationstechnik betrachten, sondern auch die damit zu lösende Aufgabenstellung sowie die dazugehörigen menschlichen Nutzer. Die Entwicklung von Informationssystemen umfasst damit mehr als nur die Entwicklung von Software oder neuen Prozessen, sie muss Veränderungen und Innovationen ganzheitlich betrachten und situationsgerecht einführen.

Die Entwicklung komplexer intelligenter Systeme, das heißt Systeme mit menschgleicher Entscheidungskompetenz angetrieben durch maschinelles Lernen sind eines unserer Spezialgebiete. Wir gehen hierbei gestaltungsorientiert vor und folgenden den Grundsätzen des Design Science Research.

Ebenso befasst sich unsere Forschung mit der Konzeptionierung von Systemen mittels konzeptueller Modellierung. Durch zweckgerichtete konstruierte Abstraktionen wird Systemverhalten dargestellt und dient als Diskussionsgrundlage und Implementierungsblaupause.

Veröffentlichungen

• Janiesch, C., Rosenkranz, C. & Scholten, U. (2020). An Information Systems Design Theory for Service Network Effects. Journal of the Association for Information Systems, 21, 1402-1460. doi: 10.17705/1jais.00642
• Zschech, P., Horn, R., Höschele, D., Janiesch, C. & Heinrich, K. (2020). Intelligent User Assistance for Automated Data Mining Method Selection. Business & Information Systems Engineering, 62, 227–247. doi: 10.1007/s12599-020-00642-3