Process Engines mit Unterstützung von BPMN (Business Process Model and Notation) sind in vielen Geschäftsprozessen im Einsatz. Durch die systemgestützte Ausführung von Geschäftsprozessen fallen eine Menge von Prozessdaten an, deren Nutzung ein großes Potential für die Optimierung der Prozesse bietet.

In diesem Talk zeigen wir, wie wir mit Hilfe von Apache Spark eine leistungsfähige Pipeline zur Vorverarbeitung von Prozessdaten realisiert haben, um damit Machine Learning Algorithmen (z. B. in H2O) anlernen können. Zudem zeigen wir am Beispiel von Camunda, wie wir mit Hilfe von Apache Kafka die Prozessdaten so extrahieren und archivieren, dass der Produktivbetrieb der Process Engine nicht beeinträchtig wird, wir aber trotzdem einen schnellen und effizienten Zugriff auf die Prozessdaten haben.

Weiterhin gehen wir auf die Integration von Machine Learning Modellen in Geschäftsprozessen ein, da diese beim Einsatz von KI in Geschäftsprozessen einen wichtigen Aspekt für den Erfolg darstellt.

Wie wir dies in der Praxis bereits bei unseren Kunden Duni und Provinzial erprobt haben, darüber wird ebenfalls in diesem Talk berichtet.