Concepts and Methods from Artificial Intelligence in Modern Information Systems – Contributions to Data-driven Decision-making and Business Processes - University of Regensburg Publication Server

Item type:	Thesis of the University of Regensburg (PhD)
Open Access Type:	Primary Publication
Date:	15 January 2020
Referee:	Prof. Dr. Bernd Heinrich and Prof. Dr. Mathias Klier
Date of exam:	13 December 2019
Institutions:	Business, Economics and Information Systems > Institut für Wirtschaftsinformatik > Lehrstuhl für Wirtschaftsinformatik II (Prof. Dr. Bernd Heinrich) Informatics and Data Science > Department Information Systems > Lehrstuhl für Wirtschaftsinformatik II (Prof. Dr. Bernd Heinrich)
Keywords:	Artificial Intelligence, Data Quality, Data Analysis, Automated Planning of Process Models
Dewey Decimal Classification:	000 Computer science, information & general works > 004 Computer science 300 Social sciences > 330 Economics
Status:	Published
Refereed:	Yes, this version has been refereed
Created at the University of Regensburg:	Yes
Item ID:	41347

Abstract (English)

Today, organizations are facing a variety of challenging, technology-driven developments, three of the most notable ones being the surge in uncertain data, the emergence of unstructured data and a complex, dynamically changing environment. These developments require organizations to transform in order to stay competitive. Artificial Intelligence with its fields decision-making under uncertainty, ...

Abstract (English)

Today, organizations are facing a variety of challenging, technology-driven developments, three of the most notable ones being the surge in uncertain data, the emergence of unstructured data and a complex, dynamically changing environment. These developments require organizations to transform in order to stay competitive. Artificial Intelligence with its fields decision-making under uncertainty, natural language processing and planning offers valuable concepts and methods to address the developments. The dissertation at hand utilizes and furthers these contributions in three focal points to address research gaps in existing literature and to provide concrete concepts and methods for the support of organizations in the transformation and improvement of data-driven decision-making, business processes and business process management. In particular, the focal points are the assessment of data quality, the analysis of textual data and the automated planning of process models. In regard to data quality assessment, probability-based approaches for measuring consistency and identifying duplicates as well as requirements for data quality metrics are suggested. With respect to analysis of textual data, the dissertation proposes a topic modeling procedure to gain knowledge from CVs as well as a model based on sentiment analysis to explain ratings from customer reviews. Regarding automated planning of process models, concepts and algorithms for an automated construction of parallelizations in process models, an automated adaptation of process models and an automated construction of multi-actor process models are provided.

Translation of the abstract (German)

Organisationen sehen sich heutzutage mit einer Vielzahl von herausfordernden, technologisch bedingten Entwicklungen konfrontiert, wobei der Anstieg von unsicheren Daten, das Aufkommen von unstrukturierten Daten und eine komplexe, sich dynamisch verändernde Umgebung drei der wichtigsten dieser Entwicklungen darstellen. Diese Entwicklungen erfordern es, dass Organisationen sich transformieren, um ...

Translation of the abstract (German)

Organisationen sehen sich heutzutage mit einer Vielzahl von herausfordernden, technologisch bedingten Entwicklungen konfrontiert, wobei der Anstieg von unsicheren Daten, das Aufkommen von unstrukturierten Daten und eine komplexe, sich dynamisch verändernde Umgebung drei der wichtigsten dieser Entwicklungen darstellen. Diese Entwicklungen erfordern es, dass Organisationen sich transformieren, um wettbewerbsfähig zu bleiben. Die Künstliche Intelligenz mit ihren Teilbereichen Entscheidungsfindung unter Unsicherheit, natürliche Sprachverarbeitung und Planung bietet wertvolle Konzepte und Methoden, um mit diesen Entwicklungen umzugehen. Die vorliegende Dissertation nutzt und erweitert diese Beiträge in drei Schwerpunkten, um Forschungslücken in bestehender Literatur zu adressieren und konkrete Konzepte und Methoden zur Unterstützung von Organisationen in der Transformation von datengetriebener Entscheidungsfindung, Geschäftsprozessen und Geschäftsprozessmanagement zu bieten. Insbesondere liegen die Schwerpunkte auf der Messung von Datenqualität, der Analyse textueller Daten und der automatisierten Geschäftsprozessplanung. Hinsichtlich der Messung von Datenqualität werden wahrscheinlichkeitsbasierte Ansätze zur Messung von Konsistenz und zur Identifikation von Duplikaten sowie Anforderungen an Datenqualitätsmetriken vorgeschlagen. In Bezug auf die Analyse textueller Daten unterbreitet die Dissertation Vorschläge für eine Topic Modelling-Prozedur, um Wissen aus Lebensläufen zu erhalten, sowie ein Modell basierend auf Sentiment-Analyse, um Bewertungen in Kundenrezensionen zu erklären. Im Hinblick auf automatisierte Geschäftsprozessplanung werden Konzepte und Algorithmen für eine automatisierte Konstruktion von Parallelisierungen in Prozessmodellen, eine automatisierte Adaption von Prozessmodellen und eine automatisierte Konstruktion von Prozessmodellen mit mehreren Akteuren zur Verfügung gestellt.

Concepts and Methods from Artificial Intelligence in Modern Information Systems – Contributions to Data-driven Decision-making and Business Processes

Details

Preview

Export bibliographical data

Abstract (English)

Abstract (English)

Translation of the abstract (German)

Translation of the abstract (German)

Download Statistics

Downloads

More literature (via CORE)

University Library