Open Access

Marktübliche Learning Management Systeme wie Moodle sind historisch primär auf hochschulinterne oder direkte B2C-Lernszenarien ausgerichtet. Für kommerzielle B2B-Reseller-Modelle, bei denen Dienstleister digitale Kurse an externe Mandanten verkaufen und diese die erworbenen Lizenzen anschließend autonom an ihr eigenes Personal verteilen, fehlen in der Standardauslieferung oft durchgängige Prozessketten. Insbesondere die Schritte zwischen Kaufabschluss, Lizenzzuordnung und Kurszugriff erfordern in der Praxis manuelle administrative Eingriffe. Dies schränkt die Skalierbarkeit des Geschäftsmodells ein, da je Mandant wiederkehrende Administrationsaufwände entstehen. Ziel dieser Bachelorarbeit ist die Konzeption und Entwicklung einer mandantenfähigen Portal-Middleware, die diesen B2B-End-to-End-Prozess weitgehend automatisiert. Als Lösungsansatz dient eine ereignisgesteuerte Architektur, welche die kaufmännischen Abläufe des Webshops asynchron mit der didaktischen Kursverwaltung des LMS und einem zentralen Identity Provider verknüpft. Die Implementierung basiert auf Node.js und Message-Queues. Ein serverseitig erzwungenes Tenant-Scoping stellt dabei die logische Datenkapselung zwischen den einzelnen Mandanten sicher. Die abschließende Evaluierung anhand von manuellen End-to-End-Tests und simulierten Fehlerfällen zeigte, dass die logische Trennung der Systeme erfolgreich realisiert wurde. Die simulierten Fehlerfälle umfassten unter anderem Netzwerk-Latenzen und Dateninkonsistenzen. Der Kernprozess vom Kaufabschluss bis zum Kurszugriff des Endnutzers konnte in den getesteten Szenarien zuverlässig und ohne manuelle Eingriffe des Plattformbetreibers abgebildet werden. Eine kritische Reflexion der Architektur identifiziert zudem verbleibende Systemgrenzen wie Eventual Consistency durch asynchrones Polling sowie den Bedarf an automatisiertem Rate-Limiting und leitet daraus Optimierungsansätze für den künftigen Produktivbetrieb ab.

Dieser Arbeitsbericht untersucht, welche Geschäftsprozesse das größte Verbesserungspotenzial besitzen und wie diese systematisch identifiziert, analysiert und optimiert werden können. Da Unternehmen begrenzte Ressourcen haben, ist eine methodische Priorisierung unerlässlich. Auf Basis einer Literaturanalyse wird ein Vorgehensmodell entwickelt, das drei Phasen umfasst: Identifikation, Analyse und Optimierung. In der Identifikation werden qualitative Methoden wie Portfolio-Analysen mit quantitativen Scoring-Ansätzen (z. B. PEPA) kombiniert, um relevante Prozesse transparent auszuwählen. Die Analysephase legt den Fokus auf Ursachenbestimmung, etwa mittels der „5-Why“-Methode, ergänzt durch die Klassifikation organisatorischer, technischer und personeller Schwachstellen. Die Optimierungsphase integriert Ansätze wie Lean Management, Six Sigma und Business Process Reengineering, unterstützt durch IT-Systeme als Enabler. Das Ergebnis ist ein praxisnahes Framework, das Organisationen befähigt, ihre Ressourcen effizient einzusetzen und ihre Wettbewerbsfähigkeit nachhaltig zu steigern.

Das Feld der Geschäftsprozessanalyse erfährt gegenwärtig aufgrund der neuartigen Ansätze, die durch Process Mining zur Verfügung gestellt werden, einen enormen Aufschwung. Während die dokumentierten Erfolge von Process Mining die hohen Erwartungen bestätigen, muss gleichzeitig festgestellt werden, dass hierbei bislang meist gut strukturierte Geschäftsprozesse als begünstigende Voraussetzungen zum Erfolg beigetragen haben. Im Geschäftsumfeld der Logistik hingegen sind oft flexible und anpassungsfähige Prozesse anzutreffen. Die Komplexität der Logistikprozesse, einschließlich der Vielzahl von beteiligten Akteuren, der unterschiedlichen Transportmodalitäten und der häufigen Notwendigkeit, auf unvorhergesehene Ereignisse zu reagieren, macht eine effektive Prozessoptimierung in diesem Anwendungsgebiet zu einer anspruchsvollen Aufgabe. Daher werden in diesem Arbeitsbericht die dokumentierten Erfahrungen aus dem Bereich der Intralogistik untersucht und die beschriebenen methodischen Ansätze zu einem durchgängigen Vorgehensmodell zusammengeführt. Zur Überprüfung der Durchführbarkeit eines auf Process Mining basierenden Vorhabens zur Prozessanalyse und -optimierung wird im praktischen Teil ein fiktiver Prozess simuliert und mit repräsentativen Software-Verfahren realitätsnah ausgewertet. Dabei werden die einzelnen Schritte sowohl unter praktischen als auch methodischen Gesichtspunkten detailliert beschrieben. Dieser Arbeitsbericht demonstriert die Durchführbarkeit eines Process Mining-Vorhabens im Bereich der Intralogistik und zeigt die Erfolgsfaktoren einer sorgfältigen Vorgehensplanung auf. Zudem wird exemplarisch die erreichbare Wertschöpfung eines auf Process Mining basierenden Ansatzes aufgezeigt.

The application of large language models (LLM) to small, specific use cases necessitates the allocation of considerable computational resources and time for the fine-tuning of the model on a custom dataset. The use of small transformers may prove an effective solution, as they require less data and less time to train. This work investigates the effectiveness of employing small transformer models for specific use cases involving document classification, named entity recognition and relation extraction. While large language models demonstrate superior generalization capabilities and can therefore be employed for a diverse range of tasks, the comparison reveals that they are not optimal for specific use cases that necessitate a custom dataset and a particular output format. In contrast, small transformers offer a more cost-effective, accurate, and computationally efficient alternative for their training and storage.

Dieser Tagungsband enthält sowohl die vollständigen Beiträge als auch die Kurzbeiträge und Prototypen, die während der AKWI Jahrestagung 2024 vom 09.09. bis 10.09.24 an der HAW Landshut präsentiert wurden.