KnoP-2D

Kontext und Motivation

Kreative Arbeit folgt kaum vorgegebenen Abläufen. Sie ist geprägt von Flexibilität und Interaktion. Sehr oft ist die Arbeit über mehrere autonome Personen oder Gruppen auch über Organisationsgrenzen hinweg verteilt. So können z.B. für die Anmeldung eines Patents in mehreren Ländern die Firma des Erfinders, die Patentanwältin im Erfinderland, ein Grafiker, eine Übersetzerin und ein Patentanwalt in einem weiteren Land involviert sein. Die nächste Patentanmeldung könnte komplett anders gestaltet sein, aber beide Abläufe führen zum Ziel einer Patentanmeldung.

Auch moderne Softwaresysteme zur Unterstützung solch kreativer Arbeit sind noch viel zu einengend für die Benutzer. Das Problem liegt darin, dass die Abläufe vordefiniert werden müssen. Dies kostet Zeit und es ist darüber hinaus nahezu unmöglich, alle alternativen Wege zum Ziel sowie alle zukünftigen Varianten anzudenken.

Ziele und Innovation

In diesem Projekt wird ein Bottom-Up-Ansatz verfolgt. Während der kreativen Arbeit wird mitverfolgt, welche digitalen Artefakte (z.B. Dokumente, Grafiken, E-Mails) und welche Informationen als Input genutzt wurden, um welche neuen Artefakte zu generieren. Sukzessive sollen aus diesen Zusammenhängen automatisch Tasks, Workflows und Geschäftsprozesse generiert werden. Dies soll durch Anwendung aktueller Verfahren aus den Bereichen Machine Learning, Process Mining und Künstliche Intelligenz möglich gemacht werden. Als zentrale Datenstruktur soll ein 2-dimensionaler (2D) Knowledge/Process-Graph dienen. Am Ende würde das System nicht nur selbständig die Daten- und Wissensbasis redundanzfrei strukturieren, sondern auch laufend die Abläufe lernen. Eine manuelle Definition dieser Abläufe, dem Hauptproblem der aktuellen Ansätze, würde dadurch entfallen. Im Hintergrund wächst auch der Wissensschatz (‘was wurde wie gelöst’) autonom und ist jederzeit am aktuellen Stand.

Um solch ein Softwaresystem realisieren zu können, ist einiges an grundlagennaher Forschung notwendig, insbesondere hinsichtlich offener Forschungsfragen zu folgenden drei Bereichen: (i) Wissensrepräsentation (z.B.: ‚Wie gut ist der 2D-Knowledge/Process-Graph für diese Zwecke geeignet?‘ ‚Wie kann er effizient gespeichert werden?‘), (ii) automatische Generierung von Tasks und Prozessen (z.B.: ‚Wie gut sind die besten Machine Learning/Process Mining-Ansätze in diesem Umfeld?‘) sowie der wohl herausforderndste Themenbereich zur (iii) Verteilung von Arbeit und Wissen über autonome Gruppen, die das Wissen nicht zur Gänze an andere weitergeben möchten (z.B. Fragen zum verteilten Lernen unter Beibehaltung von Privacy aber auch zu Zugriffsrechten, die mitgelernt/mitentwickelt werden sollen).

Wissenschaftliche Kooperationen

Ein Konsortium von vier Partnern, plant die beschriebenen Forschungsfragen zu beantworten und die Lösungen anhand realer Daten zu evaluieren:

• SCCH – Software Competence Center Hagenberg (Projektleitung, Process Mining, Machine Learning)
• SBA – Secure Business Austria (Distribution, Privacy)
• FAW – Institut für anwendungsorientierte Wissensverarbeitung (Knowledge Modelling, Access Control)
• polymind (Software für Knowledge Workers, Knowledge Modelling)

polymind hat vor, die Erkenntnisse in ihre zukünftige Software aufzunehmen.

Fördergeber

Das Projekt wird im Rahmen vom FFG Programm BRIDGE gefördert.

Projektdauer

30 Monate (1. März 2019 - 31. August 2021)