Featured Articles
Purchase-To-Pay (Einkauf im Sondermaschinenbau)
Vom internen Bedarf bis zur Zahlung: wie Causal Process Mining Freigabeumgehungen, Nacharbeit, Kapazitätsabhängigkeiten und Lieferantenperformance im Purchase-to-Pay-Prozess sichtbar und erklärbar macht.
Lead-To-Activation (Fernwärmeanschluss)
Wie ein Fernwärmeanschluss mit Event Knowledge Graph, kausaler Prozesslogik und KI analysiert werden kann
Der Ursprung des Causal Process Mining
Causal Process Mining (CPM) erweitert das klassische Process Mining um eine entscheidende Dimension: die explizite Berücksichtigung kausaler Zusammenhänge in relationalen Datenstrukturen. Während traditionelle Ansätze auf flachen Event Logs und Directly-Follows-Beziehungen basieren und bei komplexen Kardinalitäten (1:N, N:M) zu fehlerhaften Verbindungen und überladenen Modellen führen, nutzt CPM das in Datenbankschemata implizit enthaltene Domänenwissen. Durch die Transformation relationaler Strukturen in Causal Event Graphs (CEGs) bleibt die kausale Logik erhalten – das Ergebnis sind präzisere, weniger komplexe und fachlich fundierte Prozessmodelle.
Noreja Smart Data Forge
Modelliere Prozessstrukturen und kausale Zusammenhänge und erzeuge realistische synthetische Daten für deinen Process Mining Use Case.