IM+io Fachmagazin, Ausgabe 4/2017

Anwendungspotenziale von Deep Learning im Process Mining – Prozessoptimierung in der Steuerabteilung am Beispiel von Henkel

Peter Fettke, DFKI GmbH und Universität des Saarlandes, Robert Risse, Henkel AG & Co. KGaA, Fritz Esterer, WTS Group AG

 

WEITERFÜHRENDE LINKS

[1] Peter Fettke, Gerd Herzog, Johannes Lahann, Heiko Maus, Tim Niesen (2017): Künstliche Intelligenz im Steuerbereich: Innovationsstudie zur Digitalisierung und zu den Potentialen Künstlicher Intelligenz im Bereich Steuer. Hrsg.: WTS Group AG Steuerberatungsgesellschaft, Deutsches Forschungszentrum für Künstliche Intelligenz, München, Saarbrücken.
[2] Constantin Houy, Peter Fettke, Peter Loos, Wil M. P. van der Aalst, John Krogstie (2010): BPM-in-the-Large – Towards a Higher Level of Abstraction in Business Process Management. EGES/GISP: 233-244
[3] Wil M. P. van der Aalst (2012): Process Mining. Communications of the ACM 55(8): 76-83
[4] Joerg Evermann, Jana-Rebecca Rehse, Peter Fettke (2017): Predicting Process Behaviour Using Deep Learning. Decision Support Systems, 100, 129-140
[5] Chiara Di Francescomarino, Marlon Dumas, Marco Federici, Chiara Ghidini, Fabrizio Maria Maggi, Williams Rizzi (2016): Predictive Business Process Monitoring Framework with Hyperparameter Optimization. CAiSE 2016: 361-376