Geschäftsprozesse gelten als kritischer Erfolgsfaktor für die Unternehmensgestaltung und im Kontext der digitalen Transformation als essentielles Werkzeug für die Entwicklung von Informationssystemen. Zur Modellierung von Geschäftsprozessen werden sogenannte Prozessmodellierungssprachen verwendet. Die Ereignisgesteuerte Prozesskette (EPK) ist eine der verbreitetsten Modellierungssprachen und nutzt u.a. Ereignisse, Funktionen und Verbindungselemente, um einen betrieblichen Ablauf als semi-formales Modell abzubilden. Obwohl die Bedeutung und der positive Einfluss vorliegender Geschäftsprozessmodelle auf die Unternehmensgestaltung und den Unternehmenserfolg in Wissenschaft und Praxis dokumentiert sind, steht die Geschäftsprozessmodellierung mit der EPK vor vielfältigen Herausforderungen: Da die EPK bislang kein systematisches Spezifikationsverfahren durchlaufen hat, werden die Modellierungstätigkeiten und der Modellaustausch erschwert wird, wodurch als Konsequenz zunehmend auf andere Modellierungssprachen zurückgegriffen wird. Gleichzeitig leidet die Geschäftsprozessmodellierung an generellen Akzeptanzproblemen: Modellierungssprachen werden immer komplexer, sodass Anwender verstärkt auf rein visuelle, kaum formalisierte Modellierungsformen und grafische Standardsoftware zu Modellierungszwecken zurückgreifen. Auch das Ausbleiben von Innovationssprüngen der Modellierung führt dazu, dass die Akzeptanz und der wahrgenommene Nutzen der Prozessmodellierung in den Hintergrund rücken. Noch immer werden primär statische Desktop-Computer und umfangreiche Software-Systeme zur Prozessmodellierung verwendet, was dem mehr und mehr durch Mobilität und Agilität geprägten Arbeitsalltag der Anwender nicht mehr gerecht wird. Vor dem Hintergrund dieser Herausforderungen ist die Zielsetzung der vorliegenden Forschungsarbeit die Konstruktion und Spezifikation von Modellierungssprachen, die nicht nur für klassischen Arbeitsumgebungen wie Desktop-Computer geeignet sind, sondern auch auf neuartigen, mobilen Endgeräte wie Tablets oder Smart Glasses zur Prozessmodellierung zum Einsatz kommen können. Um die Anwendbarkeit und Zweckmäßigkeit der entwickelten Sprache zu erhöhen, sind dabei insbesondere Anwendungsfall- als auch Technologie-spezifische Anforderungen der Endgeräte berücksichtigen. Eingebettet in einen gestaltungsorientierten Forschungsrahmen werden innerhalb von sechs Einzelbeiträgen in dieser kumulativen Dissertation geeignete Forschungsmethoden der Wirtschaftsinformatik angewandt und sinnvoll verknüpft, um die skizzierte Zielsetzung sukzessive zu adressieren. Die Forschungsarbeit demonstriert die (Weiter-)Entwicklung einer Prozessmodellierungssprache auf Basis der EPK, die insbesondere eine Anwendung innerhalb des mobilen Endgeräts „Smart Glasses“ in den Mittelpunkt rückt. Gleichzeitig wird die Anwendbarkeit der entwickelten Sprachvariante durch die Implementierung innerhalb einer Smart-Glasses-basierten Prozessmodellierungsumgebung unterstrichen.

ETL processes play an increasingly important role for the support of modern business operations. These business processes are centred around artifacts with high variability and diverse lifecycles, which correspond to key business entities. The apparent complexity of these activities has been examined through the prism of Business Process Management, mainly focusing on functional requirements and performance optimization. However, the quality dimension has not yet been thoroughly investigated and there is a need for a more human-centric approach to bring them closer to business-users requirements. In this paper we take a first step towards this direction by defining a sound model for ETL process quality characteristics and quantitative measures for each characteristic, based on existing literature. Our model shows dependencies among quality characteristics and can provide the basis for subsequent analysis using Goal Modeling techniques.

Service-oriented environments are central backbone of todays enterprise workflows. These workflow includes traditional process types like travel booking or order processing as well as data-intensive integration processes like operational business intelligence and data analytics. For the latter process types, current execution semantics and concepts do not scale very well in terms of performance and resource consumption. In this paper, we present a concept for data streaming in business processes that is inspired by the typical execution semantics in data management environments. Therefore, we present a conceptual process and execution model that leverages the idea of stream-based service invocation for a scalable and efficient process execution. In selected results of the evaluation we show, that it outperforms the execution model of current process engines.

The meet up between data, processes and structural knowledge in modeling complex enterprise systems is a challenging task that has led to the study of combining formalisms from knowledge representation, database theory, and process management. Moreover, to ensure system correctness, formal verification also comes into play as a promising approach that offers well-established techniques. In line with this, significant results have been obtained within the research on data-aware business processes, which studies the marriage between static and dynamic aspects of a system within a unified framework. However, several limitations are still present. Various formalisms for data-aware processes that have been studied typically use a simple mechanism for specifying the system dynamics. The majority of works also assume a rather simple treatment of inconsistency (i.e., reject inconsistent system states). Many researches in this area that consider structural domain knowledge typically also assume that such knowledge remains fixed along the system evolution (context-independent), and this might be too restrictive. Moreover, the information model of data-aware processes sometimes relies on relatively simple structures. This situation might cause an abstraction gap between the high-level conceptual view that business stakeholders have, and the low-level representation of information. When it comes to verification, taking into account all of the aspects above makes the problem more challenging. In this thesis, we investigate the verification of data-aware processes in the presence of ontologies while at the same time addressing all limitations above. Specifically, we provide the following contributions: (1) We propose a formal framework called Golog-KABs (GKABs), by leveraging on the state of the art formalisms for data-aware processes equipped with ontologies. GKABs enable us to specify semantically-rich data-aware business processes, where the system dynamics are specified using a high-level action language inspired by the Golog programming language. (2) We propose a parametric execution semantics for GKABs that is able to elegantly accommodate a plethora of inconsistency-aware semantics based on the well-known notion of repair, and this leads us to consider several variants of inconsistency-aware GKABs. (3) We enhance GKABs towards context-sensitive GKABs that take into account the contextual information during the system evolution. (4) We marry these two settings and introduce inconsistency-aware context-sensitive GKABs. (5) We introduce the so-called Alternating-GKABs that allow for a more fine-grained analysis over the evolution of inconsistency-aware context-sensitive systems. (6) In addition to GKABs, we introduce a novel framework called Semantically-Enhanced Data-Aware Processes (SEDAPs) that, by utilizing ontologies, enable us to have a high-level conceptual view over the evolution of the underlying system. We provide not only theoretical results, but have also implemented this concept of SEDAPs. We also provide numerous reductions for the verification of sophisticated first-order temporal properties over all of the settings above, and show that verification can be addressed using existing techniques developed for Data-Centric Dynamic Systems (which is a well-established data-aware processes framework), under suitable boundedness assumptions for the number of objects freshly introduced in the system while it evolves. Notably, all proposed GKAB extensions have no negative impact on computational complexity.

Die Produkte von Maschinen- und Anlagenbauunternehmen stellen in der Regel langlebige, kundenspezifische Investitionsgüter dar. Je umfangreicher die Konstruktions- und Montagezeiten des Investitionsgutes, umso frühzeitiger muss der Kunde sich festlegen, welche Leistungsmerkmale gefordert werden und unter welchen Bedingungen die Maschine oder Anlage arbeiten muss. Hierbei kommt es regelmäßig zu Divergenzen zwischen dem Bedarf des Kunden zum Lieferzeitpunkt, der Nachfrage zum Zeitpunkt der Kaufentscheidung und dem Angebot des Anbieters. Um diese Divergenzen ab dem Zeitpunkt des Kaufs zu beheben, sind mehr oder weniger kostenintensive technische Leistungsveränderungen – so genannte Modifications – erforderlich. Die Arbeit zeigt zum einen Erkenntnisse aus der Untersuchung von Modifications. Zum anderen bietet sie ein theoretisch und insbesondere ein empirisch orientiertes, umsetzbares System (Modification- Management), mit dem dieser Problematik nachhaltig begegnet bzw. der Umgang damit optimal gestaltet werden kann.

Die Produkte von Maschinen- und Anlagenbauunternehmen stellen in der Regel langlebige, kundenspezifische Investitionsgüter dar. Je umfangreicher die Konstruktions- und Montagezeiten des Investitionsgutes, umso frühzeitiger muss der Kunde sich festlegen, welche Leistungsmerkmale gefordert werden und unter welchen Bedingungen die Maschine oder Anlage arbeiten muss. Hierbei kommt es regelmäßig zu Divergenzen zwischen dem Bedarf des Kunden zum Lieferzeitpunkt, der Nachfrage zum Zeitpunkt der Kaufentscheidung und dem Angebot des Anbieters. Um diese Divergenzen ab dem Zeitpunkt des Kaufs zu beheben, sind mehr oder weniger kostenintensive technische Leistungsveränderungen – so genannte Modifications – erforderlich. Die Arbeit zeigt zum einen Erkenntnisse aus der Untersuchung von Modifications. Zum anderen bietet sie ein theoretisch und insbesondere ein empirisch orientiertes, umsetzbares System (Modification- Management), mit dem dieser Problematik nachhaltig begegnet bzw. der Umgang damit optimal gestaltet werden kann.

The meet up between data, processes and structural knowledge in modeling complex enterprise systems is a challenging task that has led to the study of combining formalisms from knowledge representation, database theory, and process management. Moreover, to ensure system correctness, formal verification also comes into play as a promising approach that offers well-established techniques. In line with this, significant results have been obtained within the research on data-aware business processes, which studies the marriage between static and dynamic aspects of a system within a unified framework. However, several limitations are still present. Various formalisms for data-aware processes that have been studied typically use a simple mechanism for specifying the system dynamics. The majority of works also assume a rather simple treatment of inconsistency (i.e., reject inconsistent system states). Many researches in this area that consider structural domain knowledge typically also assume that such knowledge remains fixed along the system evolution (context-independent), and this might be too restrictive. Moreover, the information model of data-aware processes sometimes relies on relatively simple structures. This situation might cause an abstraction gap between the high-level conceptual view that business stakeholders have, and the low-level representation of information. When it comes to verification, taking into account all of the aspects above makes the problem more challenging. In this thesis, we investigate the verification of data-aware processes in the presence of ontologies while at the same time addressing all limitations above. Specifically, we provide the following contributions: (1) We propose a formal framework called Golog-KABs (GKABs), by leveraging on the state of the art formalisms for data-aware processes equipped with ontologies. GKABs enable us to specify semantically-rich data-aware business processes, where the system dynamics are specified using a high-level action language inspired by the Golog programming language. (2) We propose a parametric execution semantics for GKABs that is able to elegantly accommodate a plethora of inconsistency-aware semantics based on the well-known notion of repair, and this leads us to consider several variants of inconsistency-aware GKABs. (3) We enhance GKABs towards context-sensitive GKABs that take into account the contextual information during the system evolution. (4) We marry these two settings and introduce inconsistency-aware context-sensitive GKABs. (5) We introduce the so-called Alternating-GKABs that allow for a more fine-grained analysis over the evolution of inconsistency-aware context-sensitive systems. (6) In addition to GKABs, we introduce a novel framework called Semantically-Enhanced Data-Aware Processes (SEDAPs) that, by utilizing ontologies, enable us to have a high-level conceptual view over the evolution of the underlying system. We provide not only theoretical results, but have also implemented this concept of SEDAPs. We also provide numerous reductions for the verification of sophisticated first-order temporal properties over all of the settings above, and show that verification can be addressed using existing techniques developed for Data-Centric Dynamic Systems (which is a well-established data-aware processes framework), under suitable boundedness assumptions for the number of objects freshly introduced in the system while it evolves. Notably, all proposed GKAB extensions have no negative impact on computational complexity.