aiMOOC

Daten- und Prozessanalyse im Technikbetrieb – Prozessabläufe aus Ereignisdaten rekonstruieren

QR-Code

Einleitung

Daten- und Prozessanalyse im Technikbetrieb – Prozessabläufe aus Ereignisdaten rekonstruieren

Zielgruppe: Ausbildung in technischen, industriellen und IT-Berufen

Niveau: Grundlagen bis Anwendung

Dauer: ca. 90–120 Minuten einschließlich praktischer Aufgaben

Vorkenntnisse: Grundverständnis von Tabellen und einfachen Arbeitsabläufen; Python-Grundkenntnisse sind hilfreich.

Leitfrage: Wie kannst Du aus einzelnen digitalen Ereignissen erkennen, welche Arbeitsschritte in einem Technikbetrieb tatsächlich stattgefunden haben?

Beim Process-Mining werden gespeicherte Ereignisse ausgewertet, um tatsächliche Prozessabläufe zu rekonstruieren. Entscheidend sind die Fallkennung, die Aktivität und der Zeitstempel.

Du arbeitest in diesem Kurs mit vier vollständig erfundenen Reparaturaufträgen eines Technikbetriebs. Du sortierst Ereignisse, erkennst Übergänge, berechnest Zeitabstände und prüfst mögliche Prozessabweichungen.

Abbildung: Beispiel eines Petrinetzes aus der Fertigung. Gavin Yang Yong, Wikimedia Commons, CC BY-SA 4.0.

Dein Lernweg:

Lerneinheit	Inhalt	Zeit
1	Ereignisdaten lesen	8 Minuten
2	Fälle und Zeitfolgen rekonstruieren	10 Minuten
3	Prozessübergänge erkennen und visualisieren	10 Minuten
4	Durchlaufzeiten und Abweichungen analysieren	10 Minuten
5	Datenqualität und sichere Prozessanalyse	8 Minuten

Anschließend bearbeitest Du interaktive Übungen, zwei lokale Python-Labore und offene Aufgaben.

Sicherheitsregel: Alle Testdaten sind fiktiv. Verwende ausschließlich lokale oder ausdrücklich autorisierte Übungsumgebungen. Greife nicht auf fremde Netzwerke, Produktivanlagen, echte Kundendaten oder Zugangsdaten zu. Übertrage keine betrieblichen Informationen ungefragt an externe Dienste.

Der Ausbildungsfall: Vier Reparaturaufträge

Du arbeitest in der erfundenen Technikwerkstatt Nord. Dort werden elektronische Prüfgeräte untersucht und bei Bedarf repariert.

Der dokumentierte Ablauf lautet:

AUFTRAGSEINGANG
       |
       v
    PRÜFUNG
       |
       +------ Kein Defekt ------+
       |                         |
       v                         |
   REPARATUR                     |
       |                         |
       +----------+--------------+
                  |
                  v
                 TEST
                  |
                  v
              ABSCHLUSS

Der Ablauf ist ein vereinfachtes Sollmodell. Eine Reparatur ist nur nötig, wenn tatsächlich ein Defekt festgestellt wird. Der Funktionstest ist dagegen für alle vier Aufträge vorgesehen.

Abbildung: Allgemeines Beispiel eines Flussdiagramms. Erik Streb, Wikimedia Commons, CC BY-SA 3.0.

Die Ereignisdaten

Alle folgenden Zeitangaben beziehen sich auf den 1. Oktober 2026. Sie verwenden dieselbe lokale Zeitzone und sind ausschließlich für die Übung erfunden.

Fallkennung	Zeitpunkt	Aktivität
T101	08:00	Eingang
T102	08:02	Eingang
T103	08:05	Eingang
T104	08:06	Eingang
T101	08:08	Prüfung
T102	08:10	Prüfung
T103	08:12	Prüfung
T102	08:15	Reparatur
T104	08:15	Prüfung
T101	08:20	Reparatur
T103	08:25	Test
T103	08:30	Abschluss
T101	08:35	Test
T102	08:40	Test
T101	08:40	Abschluss
T102	08:45	Abschluss
T104	08:50	Reparatur
T104	09:10	Test
T104	09:15	Abschluss

Beachte: Die Tabelle ist nach Zeit sortiert. Verschiedene Aufträge laufen teilweise gleichzeitig. Du darfst Ereignisse unterschiedlicher Fallkennungen nicht zu einem einzigen Prozessfall verbinden.

Lerneinheit 1: Ereignisdaten verstehen

Ein Ereignisprotokoll oder Event Log enthält aufgezeichnete Aktivitäten eines Prozesses. Im klassischen fallbezogenen Process-Mining werden mindestens drei Informationen benötigt.

Datenfeld	Bedeutung	Beispiel
Fallkennung	Zu welchem Auftrag gehört das Ereignis?	T101
Aktivität	Was wurde dokumentiert?	Prüfung
Zeitstempel	Wann wurde das Ereignis aufgezeichnet?	08:08

Unterschied: „Prüfung“ ist eine Aktivität. „T101 wurde um 08:08 geprüft“ ist ein konkretes Ereignis.

Weitere Felder können beispielsweise Maschinen, Ressourcen oder Bearbeitungszustände beschreiben. Für diesen Einführungskurs sind sie nicht notwendig.

Merksatz: Ein Ereignis beschreibt, was zu einem Fall zu einem bestimmten Zeitpunkt passiert ist.

Video: RWTH Process Mining Lecture 1 – Introduction to Process Mining, Prof. Wil van der Aalst. Englischsprachige fachliche Vertiefung.

Mini-Aufgabe: Suche in der Datentabelle alle Ereignisse des Falls T103. Wie viele sind es?

Feedback: Vier Ereignisse sind richtig, weil die Kennung T103 in genau vier Datensätzen vorkommt.

Lerneinheit 2: Fälle und Zeitfolgen rekonstruieren

Alle Ereignisse mit derselben Fallkennung werden zusammengeführt und zeitlich geordnet.

Die so entstehende Ereignisfolge eines Falls heißt Trace.

Rekonstruierte Abläufe

Fall	Beobachtete Reihenfolge	Durchlaufzeit
T101	Eingang → Prüfung → Reparatur → Test → Abschluss	40 Minuten
T102	Eingang → Prüfung → Reparatur → Test → Abschluss	43 Minuten
T103	Eingang → Prüfung → Test → Abschluss	25 Minuten
T104	Eingang → Prüfung → Reparatur → Test → Abschluss	69 Minuten

Beobachtung: T103 enthält keine Reparatur. Das muss kein Fehler sein: Im angenommenen Sollprozess ist der Reparaturschritt optional.

Wichtig: Die Ereignisse beschreiben hier dokumentierte Statuswechsel. Aus einem einzelnen Zeitstempel lässt sich keine genaue Arbeitsdauer einer Aktivität bestimmen.

Zeitachsen

T101
08:00       08:08        08:20       08:35   08:40
Eingang ─── Prüfung ─── Reparatur ─── Test ─ Abschluss

T103
08:05       08:12        08:25       08:30
Eingang ─── Prüfung ───── Test ─── Abschluss

T104
08:06       08:15                  08:50     09:10   09:15
Eingang ─── Prüfung ───────────── Reparatur ── Test ─ Abschluss

Die Abstände zwischen den Markierungen sind Zeitabstände zwischen protokollierten Ereignissen, nicht automatisch Bearbeitungszeiten.

Lokales Python-Labor A: Ereignisse rekonstruieren

Lernziel: Du gruppierst Ereignisse nach Fallkennungen, sortierst sie nach Zeit und ermittelst direkt aufeinanderfolgende Aktivitäten.

Testumgebung: Python 3.8 oder neuer, ein lokaler Übungsordner, keine Zusatzpakete, keine Netzwerkschnittstelle.

Speichere den folgenden vollständigen Code als basis.py. Führe ihn auf einem Rechner oder in einer isolierten lokalen Übungs-VM mit deaktiviertem Netzwerk aus.

from collections import Counter, defaultdict
from datetime import datetime

# Ausschließlich fiktive Daten, festes Datum, eine Zeitzone.
ROH = """T101;Eingang;2026-10-01T08:00
T101;Prüfung;2026-10-01T08:08
T101;Reparatur;2026-10-01T08:20
T101;Test;2026-10-01T08:35
T101;Abschluss;2026-10-01T08:40
T102;Eingang;2026-10-01T08:02
T102;Prüfung;2026-10-01T08:10
T102;Reparatur;2026-10-01T08:15
T102;Test;2026-10-01T08:40
T102;Abschluss;2026-10-01T08:45
T103;Eingang;2026-10-01T08:05
T103;Prüfung;2026-10-01T08:12
T103;Test;2026-10-01T08:25
T103;Abschluss;2026-10-01T08:30
T104;Eingang;2026-10-01T08:06
T104;Prüfung;2026-10-01T08:15
T104;Reparatur;2026-10-01T08:50
T104;Test;2026-10-01T09:10
T104;Abschluss;2026-10-01T09:15"""

daten = []
for zeile in ROH.splitlines():
    fall, aktivität, zeit = zeile.split(";")
    daten.append(
        (fall, datetime.fromisoformat(zeit), aktivität)
    )

fälle = defaultdict(list)

for fall, zeit, aktivität in sorted(
    daten, key=lambda x: (x[0], x[1])
):
    fälle[fall].append((zeit, aktivität))

kanten = Counter()

for fall, ereignisse in sorted(fälle.items()):
    aktivitäten = [a for _, a in ereignisse]
    kanten.update(zip(aktivitäten, aktivitäten[1:]))
    minuten = int(
        (ereignisse[-1][0] - ereignisse[0][0])
        .total_seconds() / 60
    )
    print(
        f"{fall}: {' → '.join(aktivitäten)}"
        f" | {minuten} min"
    )

print("\nÜbergänge (direkte Folge):")

for (start, ziel), anzahl in sorted(kanten.items()):
    print(f"{start} → {ziel}: {anzahl}")

# Lokale, automatische Selbsttests
assert len(daten) == 19
assert len(fälle) == 4
assert sum(kanten.values()) == 15
assert kanten[("Prüfung", "Reparatur")] == 3
assert kanten[("Prüfung", "Test")] == 1
assert int(
    (fälle["T104"][-1][0] - fälle["T104"][0])
    .total_seconds() / 60
) == 69

print("Selbsttest: OK")

try:
    wahl = input("Fall wählen [T101-T104]: ").strip().upper()
except EOFError:
    wahl = ""

if wahl in fälle:
    print("Zeitachse:")
    for zeit, aktivität in fälle[wahl]:
        print(zeit.strftime("%H:%M"), aktivität)
elif wahl:
    print("Unbekannte Fallkennung")

Lokaler Startbefehl:

python3 -I -S basis.py

Die Optionen -I und -S reduzieren Einflüsse der Python-Umgebung. Sie ersetzen keine Betriebssystem-Sandbox und schalten das Netzwerk nicht selbst ab. Verwende deshalb eine bereits offline betriebene Übungsumgebung.

Interaktiver Versuch: Gib T104 ein und beobachte die ausgegebene Zeitachse. Starte das Programm erneut mit T103.

Erwartetes Ergebnis: Vier Fälle, 19 Ereignisse, 15 direkte Übergänge und die Meldung „Selbsttest: OK“.

Feedback: Wenn die Prüfung des Falls T104 69 Minuten Gesamtdurchlaufzeit ergibt, hast Du den Abstand zwischen erstem und letztem Ereignis korrekt berechnet. Dieser Wert ist keine reine Reparaturdauer.

Gestufte Hilfen für Labor A

Hilfe 1 – Orientierung: Achte auf die drei Angaben Fall, Aktivität und Zeit.

Hilfe 2 – Vorgehen: Gruppiere erst nach Fallkennung. Sortiere danach innerhalb jeder Gruppe chronologisch.

Hilfe 3 – Konkretes Beispiel: T103 ergibt Eingang → Prüfung → Test → Abschluss. Zwischen 08:05 und 08:30 liegen 25 Minuten.

Lerneinheit 3: Übergänge und Prozessmodelle

Die Verbindung zwischen zwei unmittelbar aufeinanderfolgenden Aktivitäten heißt direkter Übergang.

Ein Directly-Follows-Graph oder DFG zeigt solche beobachteten direkten Folgen und ihre Häufigkeiten.

Die Übergänge unserer Werkstatt

Direkter Übergang	Häufigkeit
Eingang → Prüfung	4
Prüfung → Reparatur	3
Prüfung → Test	1
Reparatur → Test	3
Test → Abschluss	4

                     ┌── 3 ──▶ REPARATUR ── 3 ──┐
                     │                         │
EINGANG ── 4 ──▶ PRÜFUNG                        TEST ── 4 ──▶ ABSCHLUSS
                     │                         ▲
                     └────────── 1 ────────────┘

Zahlen = Häufigkeiten beobachteter direkter Übergänge

Merksatz: Der Graph beschreibt, welche direkten Folgen in den Daten beobachtet wurden. Er beweist nicht, dass andere Prozesswege grundsätzlich unmöglich sind.

Abbildung: Beispiel eines Prozessmodells mit einem Petrinetz. Aparnajind, Wikimedia Commons, CC BY-SA 4.0.

Abbildung: Allgemeines Petrinetz. Msoos/Boly38, Wikimedia Commons, CC BY-SA 2.5.

Petrinetze können über einfache Übergangsgraphen hinaus unter anderem Bedingungen und parallele Aktivitäten modellieren. Unser vereinfachter DFG zeigt zunächst nur direkt beobachtete Ereignisfolgen.

Video: RWTH Process Mining Lecture 4 – Introduction to Process Discovery, Prof. Wil van der Aalst. Englischsprachige Vertiefung.

Mini-Aufgabe: Erkläre, warum von Prüfung zwei unterschiedliche Pfeile ausgehen.

Feedback: Die Verzweigung entsteht, weil drei Fälle zur Reparatur führen und ein Fall unmittelbar zum Test übergeht. Diese Interpretation ist durch die vier beobachteten Traces gedeckt.

Lerneinheit 4: Zeiten und Abweichungen analysieren

Eine wichtige Kennzahl ist die Durchlaufzeit zwischen dem ersten und letzten protokollierten Ereignis eines Falls.

Vergleich der Durchlaufzeiten

Durchlaufzeit je Auftrag

T103  █████                 25 min
T101  ████████              40 min
T102  █████████             43 min
T104  ██████████████        69 min

Ein Block entspricht ungefähr fünf Minuten.

Beobachtung: T104 hat die längste Durchlaufzeit.

Zwischen der Prüfung um 08:15 und dem Reparaturereignis um 08:50 liegen 35 Minuten.

Aber: Der Zeitabstand belegt keine 35 Minuten Wartezeit oder Reparaturarbeit. Dafür wären zusätzliche Informationen über Beginn, Ende und Bedeutung der protokollierten Aktivitäten erforderlich.

Soll-Ist-Vergleich

Beim Conformance Checking werden beobachtete Ereignisfolgen mit einem vorgegebenen Prozessmodell verglichen.

Abbildung: Beispiel einer Abweichungsauswertung. Franziska Thiel, Wikimedia Commons, CC BY-SA 4.0. Die Abbildung verwendet nicht die fiktiven Kursdaten.

Abbildung: Visualisierung von Prozessabweichungen. Franziska Thiel, Wikimedia Commons, CC BY-SA 4.0.

Lokales Python-Labor B: Drei Testfälle untersuchen

Lernziel: Du erkennst Abweichungen vom vereinfachten Sollmodell und Unsicherheit durch gleiche Zeitstempel.

Lege eine zweite Datei mit dem Namen pruefung.py an.

# Nur fiktive Daten und lokale Berechnungen.

ERLAUBT = {
    ("Eingang", "Prüfung"),
    ("Prüfung", "Reparatur"),
    ("Prüfung", "Test"),
    ("Reparatur", "Test"),
    ("Test", "Abschluss"),
}

PROBEN = {
    "A": [
        ("08:00", "Eingang"),
        ("08:05", "Prüfung"),
        ("08:20", "Test"),
        ("08:25", "Abschluss"),
    ],
    "B": [
        ("08:00", "Eingang"),
        ("08:05", "Prüfung"),
        ("08:17", "Abschluss"),
    ],
    "C": [
        ("08:00", "Eingang"),
        ("08:05", "Prüfung"),
        ("08:05", "Test"),
        ("08:25", "Abschluss"),
    ],
}

def pruefe(ereignisse):
    zeiten = [zeit for zeit, _ in ereignisse]
    aktivitäten = [aktivität for _, aktivität in ereignisse]

    paare = list(zip(aktivitäten, aktivitäten[1:]))

    abweichungen = [
        paar for paar in paare
        if paar not in ERLAUBT
    ]

    gleichstand = len(zeiten) != len(set(zeiten))

    return abweichungen, gleichstand


# Automatische Selbsttests
assert pruefe(PROBEN["A"]) == ([], False)
assert pruefe(PROBEN["B"]) == (
    [("Prüfung", "Abschluss")], False
)
assert pruefe(PROBEN["C"]) == ([], True)

print("Selbsttest: OK")
print("A = regulär, B = Test fehlt, C = gleiche Zeiten")

try:
    wahl = input("Welchen Fall prüfen? [A/B/C]: ")
    wahl = wahl.strip().upper()
except EOFError:
    wahl = ""

if wahl in PROBEN:
    abweichungen, gleichstand = pruefe(PROBEN[wahl])

    if abweichungen:
        print("Auffällige Übergänge:", abweichungen)
        print("Fachlich prüfen, ob eine Abweichung vorliegt.")
    else:
        print("Keine unbekannten Übergänge im Sollmodell.")

    if gleichstand:
        print("Gleiche Zeitstempel: Reihenfolge unklar.")
    else:
        print("Keine Zeitstempel-Gleichstände.")

elif wahl:
    print("Bitte A, B oder C eingeben.")

Lokaler Start:

python3 -I -S pruefung.py

Versuch	Erwartete Rückmeldung	Begründung
A	Keine unbekannten Übergänge	Die direkte Folge Prüfung → Test ist erlaubt.
B	Auffälliger Übergang	Prüfung → Abschluss ist im vereinfachten Sollmodell nicht vorgesehen.
C	Reihenfolge unklar	Prüfung und Test haben denselben Zeitstempel.

Wichtige Einschränkung: Das Programm überprüft nur direkt benachbarte Aktivitäten und gleiche Zeitangaben in der vorgegebenen Liste. Es ist keine vollständige Prozesskonformitätsanalyse.

Ein auffälliger Übergang ist zunächst ein Untersuchungsanlass, kein Beweis für einen technischen Defekt oder ein Fehlverhalten.

Gestufte Hilfen für Labor B

Hilfe 1: Vergleiche die Ereignisfolge mit dem Sollmodell.

Hilfe 2: Prüfe, ob jedes benachbarte Aktivitätenpaar in ERLAUBT enthalten ist.

Hilfe 3: Bei B fehlt der Test zwischen Prüfung und Abschluss. Bei C sind zwei Ereignisse auf dieselbe Minute datiert; ihre tatsächliche Reihenfolge lässt sich damit nicht belegen.

Lerneinheit 5: Datenqualität und sichere Analyse

Die Aussagekraft der Prozessrekonstruktion hängt von der Qualität der Ereignisdaten ab.

Problem	Mögliche Auswirkung	Prüfschritt
Fehlende Fallkennung	Ereignisse können nicht zuverlässig zugeordnet werden.	Herkunft und Zuordnung klären
Fehlender Zeitstempel	Die zeitliche Reihenfolge bleibt unklar.	Datenqualität prüfen
Doppelte Ereignisse	Übergänge können zu häufig gezählt werden.	Eindeutige Ereigniskennungen prüfen
Unterschiedliche Zeitzonen	Zeitabstände können falsch erscheinen.	Zeitangaben vereinheitlichen
Fehlende Aktivitäten	Prozesspfade wirken verkürzt.	Protokollierung untersuchen
Gleiche Zeitstempel	Eine eindeutige Reihenfolge ist nicht belegt.	Weitere Ordnungsmerkmale prüfen

Praxisregel: Erst die Daten prüfen, dann die Prozessabläufe interpretieren.

Abbildung: Prozess der datenbasierten Analyse nach CRISP-DM. Alexander Schröder, Wikimedia Commons, CC BY-SA 4.0.

Was ist in der Ausbildung erlaubt?

Die Python-Beispiele arbeiten vollständig mit Daten, die im Quellcode enthalten sind. Sie benötigen weder Internetzugang noch eine Verbindung zu einer Maschine.

Für sichere Übungen gelten folgende Regeln:

Testumgebung: Nur lokale oder ausdrücklich genehmigte, vom Produktivbetrieb getrennte Systeme verwenden.
Testdaten: Nur fiktive oder ausdrücklich für den Unterricht freigegebene Datensätze nutzen.
Datenschutz: Keine echten Kundendaten, personenbezogenen Betriebsprotokolle oder Zugangsdaten verwenden.
Informationssicherheit: Keine Anlagensteuerungen, fremden Netzwerke oder nicht autorisierten Schnittstellen untersuchen.
Dokumentation: Datenherkunft, Annahmen, Grenzen und Analyseergebnisse nachvollziehbar festhalten.

Die Python-Optionen -I und -S sind keine vollständige Sicherheitsisolation. Ein tatsächlich isoliertes Labor benötigt zusätzliche Maßnahmen auf Betriebssystem- oder VM-Ebene.

Hinweis zu eingebetteten Medien: Externe YouTube-, Wikipedia- und LearningApps-Inhalte können beim Laden Netzwerkverbindungen zu den jeweiligen Anbietern herstellen. Die lokalen Python-Labore benötigen diese Angebote nicht. Für eine vollständig netzfreie Unterrichtssituation werden die externen Medien nicht geladen.

Video: ER 2021 Tutorial – Process Mining: Turning Event Data Into Insights. Englischsprachige wissenschaftliche Vertiefung.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Welche drei Angaben bilden die Grundlage eines klassischen fallbezogenen Ereignisprotokolls? (Fallkennung Aktivität Zeitstempel) (!Maschinenfarbe Seriennummer Lagerplatz) (!Dateiname Bildschirmgröße Speichermenge) (!Benutzerpasswort IP Adresse Druckername)

Welche Funktion besitzt die Fallkennung? (Sie verbindet Ereignisse desselben Prozessfalls) (!Sie berechnet automatisch die Reparaturkosten) (!Sie bestimmt die technische Ursache eines Defekts) (!Sie legt die Dauer einer Tätigkeit fest)

Wie rekonstruierst Du einen einzelnen Prozessfall? (Ereignisse nach Fall gruppieren und zeitlich ordnen) (!Alle Ereignisse unabhängig vom Fall verbinden) (!Nur die letzte Aktivität betrachten) (!Die Ereignisse alphabetisch sortieren)

Wie viele unterschiedliche Reparaturaufträge enthält der Übungsdatensatz? (Vier) (!Drei) (!Fünf) (!Neunzehn)

Welche Besonderheit besitzt der Fall T103? (Die Prüfung führt direkt zum Test) (!Der Auftrag beginnt mit einer Reparatur) (!Der Auftrag besitzt keinen Abschluss) (!Der Test wird zweimal durchgeführt)

Wie oft erscheint der direkte Übergang von Prüfung zu Reparatur? (Dreimal) (!Einmal) (!Viermal) (!Zweimal)

Wie groß ist die Durchlaufzeit des Falls T104? (69 Minuten) (!35 Minuten) (!40 Minuten) (!90 Minuten)

Was zeigt ein Directly-Follows-Graph? (Beobachtete direkte Folgen von Aktivitäten) (!Sämtliche technisch möglichen Maschinenfehler) (!Die persönlichen Eigenschaften von Mitarbeitenden) (!Den vollständigen Stromverbrauch des Betriebs)

Wie gehst Du bei gleichen Zeitstempeln zweier Ereignisse vor? (Die tatsächliche Reihenfolge weiter untersuchen) (!Die Reihenfolge als sicher ansehen) (!Beide Ereignisse grundsätzlich löschen) (!Eine Reihenfolge zufällig festlegen)

Welche Aussage über einen langen Zeitabstand zwischen Ereignissen ist richtig? (Seine Ursache muss durch zusätzliche Daten geprüft werden) (!Er beweist immer eine Maschinenstörung) (!Er ist stets reine Bearbeitungszeit) (!Er bedeutet automatisch einen Programmierfehler)

Begründetes Quiz-Feedback: Die entscheidenden Unterschiede sind Fallzuordnung, direkte zeitliche Folge und Interpretation. Ein richtig berechneter Zeitabstand beantwortet noch nicht die Frage nach seiner Ursache.

Memory

Fallkennung	Zuordnung zu einem Prozessfall
Zeitstempel	Zeitpunkt eines Ereignisses
Trace	Ereignisfolge eines Falls
Directly-Follows-Graph	Graph beobachteter direkter Folgen
Durchlaufzeit	Zeitspanne zwischen Beginn und Abschluss
Conformance Checking	Abgleich mit einem Sollmodell

Drag and Drop

Ordne die richtigen Begriffe zu.	Bedeutung im Technikbetrieb
Fall	Auftrag
Aktivität	Arbeitsschritt
Zeitstempel	Zeitpunkt
Trace	Ereignisfolge
Übergang	Direkte Folge

Kreuzworträtsel

Fall	Wie heißt eine einzelne Prozessinstanz?
Trace	Wie heißt die geordnete Ereignisfolge eines Falls auf Englisch?
Zeitstempel	Welches Datenfeld beschreibt den Zeitpunkt eines Ereignisses?
Kante	Wie heißt eine Verbindung zwischen zwei Aktivitäten im Prozessgraphen?
Prozess	Wie nennt man die Gesamtheit zusammenhängender Arbeitsschritte eines Ablaufs?
Reparatur	Welcher optionale Arbeitsschritt folgt bei einem Defekt auf die Prüfung?

LearningApps

Optionale externe Suche nach passenden Lernspielen:

Dies ist eine Suchansicht und keine behauptete oder vorab geprüfte einzelne Lern-App. Die Verwendung ist freiwillig und benötigt einen externen Seitenaufruf.

Lückentext

Die Zuordnung eines Ereignisses zu einem Auftrag erfolgt über die

.

Ein dokumentierter Arbeitsschritt wird als

bezeichnet.

Der Zeitpunkt eines Ereignisses steht im

.

Die geordnete Ereignisfolge eines Falls heißt

.

Ereignisse desselben Falls werden zunächst chronologisch

.

Zwei unmittelbar aufeinanderfolgende Aktivitäten bilden einen direkten

.

Ein Directly-Follows-Graph zeigt auch die beobachtete

von Übergängen.

Die Durchlaufzeit des Falls T104 beträgt

Minuten.

Der Vergleich mit einem vorgegebenen Modell heißt

Checking.

Eine eindeutige Reihenfolge ist bei gleichen Zeitangaben möglicherweise

.

Die Analyse darf ausschließlich mit autorisierten oder

Daten durchgeführt werden.

Offene Aufgaben

Alle offenen Aufgaben verwenden ausschließlich die fiktiven Daten des Kurses. Halte Deine Antworten und Testergebnisse lokal fest.

Leicht – Basisaufgaben

Ereignisprotokoll: Markiere in der Datentabelle alle Ereignisse des Falls T103 und erstelle eine kleine Tabelle. Feedback: Vier Einträge mit derselben Kennung zeigen, dass Du die Fallzuordnung richtig verstanden hast.
Zeitstempel: Zeichne eine Zeitleiste mit allen Ereignissen von T101. Feedback: Die Reihenfolge 08:00, 08:08, 08:20, 08:35 und 08:40 ist richtig, weil sie den dokumentierten zeitlichen Ablauf darstellt.
Prozessablauf: Stelle den Fall T103 mit Pfeilen dar und vergleiche ihn mit T101. Feedback: Das Fehlen der Reparatur ist eine Ablaufvariante, weil der angenommene Sollprozess auch eine Prüfung ohne anschließende Reparatur erlaubt.
Datenvisualisierung: Gestalte eine einfache Balkengrafik für die vier Durchlaufzeiten. Feedback: Der Balken für T104 muss am längsten sein, weil dieser Fall 69 Minuten umfasst.

Standard – Anwendungsaufgaben

Python: Starte basis.py offline, untersuche T102 und dokumentiere die Konsolenausgabe. Feedback: Eine Durchlaufzeit von 43 Minuten bestätigt die korrekte Differenz zwischen dem ersten und letzten Ereignis.
Prozessanalyse: Berechne für T101 und T104 den Zeitabstand zwischen Prüfung und Reparatur und vergleiche beide Werte. Feedback: 12 und 35 Minuten sind richtig; eine Erklärung des Unterschieds erfordert zusätzliche Informationen.
Directly-Follows-Graph: Zeichne den beobachteten Prozessgraphen selbst und beschrifte jede Kante mit der richtigen Häufigkeit. Feedback: Insgesamt 15 gezählte direkte Übergänge sind korrekt, weil jeder Fall genau einen Übergang weniger als Ereignisse besitzt.
Softwaretest: Führe pruefung.py mit A, B und C aus und erstelle einen kurzen Testbericht. Feedback: Ein vollständiger Bericht unterscheidet gültige Folgen, unbekannte Übergänge und unklare Zeitreihenfolgen, statt alles als Fehler zu behandeln.

Schwer – Transferaufgaben

Datenqualität: Ergänze einen fiktiven Auftrag T105 mit zwei gleichen Zeitstempeln und entwickle eine Regel zur fachlich begründeten Auflösung. Feedback: Eine zusätzliche protokollierte Ereignisreihenfolge wäre geeignet, weil die gleiche Uhrzeit allein keine eindeutige Sortierung erlaubt.
Prozessoptimierung: Entwirf zwei mögliche Maßnahmen zur Untersuchung der langen Durchlaufzeit von T104. Feedback: Das Erfassen von Beginn und Ende der einzelnen Arbeiten ist sinnvoller als ein vorschneller Austausch von Maschinen, weil die bisherige Datenlage keine Ursache beweist.
Mediengestaltung: Produziere mit erfundenen Daten ein kurzes Erklärvideo oder eine animierte Präsentation vom Event Log zum Prozessgraphen. Feedback: Eine gelungene Darstellung zeigt zuerst die Fallzuordnung, danach die Reihenfolge und zuletzt die beobachteten Übergänge.
Informationssicherheit: Erstelle ein Berechtigungs- und Testkonzept für ein schulisches Process-Mining-Projekt. Feedback: Eine überzeugende Lösung trennt Übungen vom Produktivbetrieb und regelt Datenherkunft, Zugriffsrechte, Speicherung sowie das Verbot ungefragter Datenübertragungen.

Lernkontrolle

Bearbeite mindestens fünf der folgenden Aufgaben schriftlich oder in einer Präsentation. Begründe Deine Entscheidungen anhand der Übungsdaten.

Ursachenanalyse: Die Werkstattleitung behauptet, T104 beweise eine besonders langsame Reparatur. Prüfe diese Behauptung, unterscheide dokumentierte Zeitabstände von tatsächlichen Arbeitszeiten und benenne die zusätzlich benötigten Daten.
Prozessmodellierung: Erkläre, warum T103 trotz fehlender Reparatur mit dem angenommenen Sollmodell vereinbar sein kann. Entwickle ein Kriterium, wann derselbe Ablauf tatsächlich als Abweichung behandelt werden müsste.
Datenqualität: Angenommen, ein Testereignis wurde versehentlich nicht protokolliert. Analysiere, wie sich das auf die rekonstruierte Ereignisfolge, die Häufigkeiten des Prozessgraphen und die fachliche Interpretation auswirken könnte.
Zeitreihenanalyse: Zwei Arbeitsschritte besitzen denselben Zeitstempel. Entwickle ein Vorgehen, das die Reihenfolge klärt, ohne willkürlich eine falsche Chronologie zu behaupten.
Prozessoptimierung: Vergleiche den Nutzen zusätzlicher Start- und Endzeitstempel mit dem Nutzen weiterer Fallattribute. Entscheide, welche Daten für die Suche nach Zeitverlusten zuerst ergänzt werden sollten, und begründe Deine Wahl.
Datenmodellierung: Ein Auftrag kann aus mehreren reparierten Bauteilen bestehen. Erörtere, welche Grenzen eine einzige Fallkennung für den Gesamtauftrag hat und weshalb verschiedene Fallperspektiven zu unterschiedlichen Prozessdarstellungen führen können.
Datenschutz: Plane eine Untersuchung in einer Ausbildungswerkstatt. Erkläre, wie Du mit fiktiven Ereignisdaten sichere, aussagekräftige Ergebnisse erzeugst, ohne echte Kunden- oder Produktionsdaten zu verwenden.

Bewertungskriterien: Fachlich schlüssige Zusammenhänge, korrekte Verwendung der Beispieldaten, nachvollziehbare Begründungen, Berücksichtigung von Unsicherheiten und sichere Durchführung.

Lernnachweis

Dein Lernnachweis besteht aus einer kleinen lokalen Prozessanalyse.

Erstelle ein digitales Portfolio oder eine schriftliche Projektdokumentation mit folgenden Bestandteilen:

Datengrundlage: Tabelle mit Fallkennungen, Aktivitäten und Zeitstempeln ausschließlich fiktiver Fälle.
Rekonstruktion: Mindestens vier zeitlich geordnete Ereignisfolgen.
Visualisierung: Ein Prozessgraph mit den ermittelten direkten Übergängen und ihren Häufigkeiten.
Zeitvergleich: Berechnung und grafische Darstellung der Durchlaufzeiten.
Testnachweis: Dokumentierte lokale Ausführung beider Python-Beispiele und ihrer Selbsttests.
Interpretation: Erklärung mindestens einer Ablaufvariante sowie einer möglichen Prozessauffälligkeit.
Grenzen: Unterscheidung zwischen gesicherten Beobachtungen, Annahmen und ungeklärten Ursachen.
Sicherheit: Bestätigung, dass ausschließlich fiktive Daten und eine autorisierte Offline-Übungsumgebung verwendet wurden.
Reflexion: Kurze begründete Empfehlung, welche zusätzlichen Ereignisdaten zur Verbesserung der Analyse sinnvoll wären.

Erfolgreich ist Dein Lernnachweis, wenn die Rekonstruktion reproduzierbar ist, die Berechnungen stimmen und Du Deine fachlichen Schlussfolgerungen begründen kannst.

OERs zum Thema

Wikipedia

Vertiefung: Process-Mining, Ereignisprotokoll, Prozessmanagement, Datenanalyse, Geschäftsprozessmodellierung, Petri-Netz, Conformance Checking und Datenqualität.

Fachlich geprüfte Quellen

ProcessMining.org – Introduction: Einführung in Prozessentdeckung, Konformitätsprüfung und Leistungsanalyse.
ProcessMining.org – Event Data: Erläuterung von Fall, Aktivität, Zeitstempel und Ereignisprotokoll.
IEEE 1849-2023: Aktueller IEEE-Standard für das Austauschformat XES für Ereignisprotokolle und Ereignisströme.
Python-Dokumentation – collections: Dokumentation der verwendeten Klassen Counter und defaultdict.
Python-Dokumentation – datetime: Dokumentation zur Verarbeitung von Zeitangaben.

Quellenstand: 9. Oktober 2026.

Die Kursdaten, Prozessgraphen, Zeitbalken und lokalen Testfälle wurden eigens als fiktive Unterrichtsbeispiele zusammengestellt.

Medien und Nutzungsrechte

Die eingebundenen Bilder stammen von Wikimedia Commons. Die jeweiligen Dateiseiten enthalten Urheberangaben und Lizenzbedingungen.

Bildquelle	Urheberangabe	Lizenz
Petri Net Manufacturing	Gavin Yang Yong	CC BY-SA 4.0
Flowchart de	Erik Streb	CC BY-SA 3.0
Petri net for alpha miner example	Aparnajind	CC BY-SA 4.0
Petri net example	Msoos/Boly38	CC BY-SA 2.5
Abweichungstabelle	Franziska Thiel	CC BY-SA 4.0
Abweichungen im Prozessmodell	Franziska Thiel	CC BY-SA 4.0
CRISP-DM	Alexander Schröder	CC BY-SA 4.0

Bei Weiterverwendungen sind die jeweiligen Lizenzbedingungen einschließlich Namensnennung, Lizenzverweis und gegebenenfalls Weitergabe unter gleichen Bedingungen zu beachten.

YouTube-Medien: Die drei eingebundenen Videos wurden anhand existierender YouTube-Seiten und ihrer fachlichen Zuordnung recherchiert. Eine öffentliche Verfügbarkeit oder Einbettung stellt keine freie OER-Lizenz dar. Die Videorechte verbleiben bei den jeweiligen Rechteinhabern; eine eigenständige Wiederveröffentlichung ist dadurch nicht gestattet.