Jonathan war von 2021 bis 2024 Wissenschaftlicher Mitarbeiter in den Bereichen Industrial Data Science und Digitale Transformation am Fraunhofer IEM. Sein Themenschwerpunkt lag im Industrial Data Analytics mit Fokus auf Process Mining & Prozessmanagement. Das ganze Team des Fraunhofer IEM gratuliert herzlich zur Promotion!

Zur Dissertation: Systematik zur Leistungssteigerung von Fertigungsprozessen durch Process Mining

Die Fertigung von heute entwickelt sich zu einer kundenindividuellen Massenfertigung. Ansätze wie Industrie 4.0 erzeugen zwar mehr Daten, erhöhen jedoch auch die Komplexität in der Fertigung. Industriebetriebe laufen Gefahr, die Transparenz über ihre Fertigung zu verlieren. Process Mining (PM) bietet das Potential, datenbasiert Prozesse darzustellen und zu analysieren. Doch während sich PM großer Beliebtheit in administrativen Prozessen erfreut, findet es seltener Anwendung in Fertigungsprozessen. Dies lässt sich mit verschiedenen Eigenschaften des Fertigungsumfelds erklären, wie zum Beispiel die heterogene IT-Systemlandschaft oder dem Bedarf an Prozess- und Datenwissen.

Ziel der Dissertation ist eine Systematik zur Leistungssteigerung von Fertigungsprozessen durch Process Mining. Das Fundament bildet eine Strukturierung und Einordnung des Begriffs PM Use Case für Organisationen. Die drei Kernbestandteile der Systematik bieten eine Möglichkeit zur Auswahl eines PM-Use-Cases, der Durchführung von PM-Projekten in Fertigungsprozessen und einer reifegradmodellbasierten Leistungssteigerung von PM-Initiativen. Dafür werden speziell für die Systematik entwickelte Hilfsmittel zur Verfügung gestellt, wie eine PM-Data-Canvas oder ein PM-Reifegradmodell. Industriebetrieben wird so ermöglicht, relevante PM-Use-Cases in der Fertigung umzusetzen und diese Erfahrungen reifegradbasiert in die langfristige Entwicklung ihre PM-Initiativen einfließen zu lassen. Die Systematik wurde am Beispiel des Fertigungsprozesses eines Maschinen- und Anlagenbauers demonstriert und umfangreich evaluiert.