Alexander Seeliger

nameAlexander Seeliger
positionResearch Assistant
emailseeliger(AT)tk(dot)tu-darmstadt(dot)de
phone+49 (6151) 16 - 23192
fax+49 (6151) 16 - 23202
officeS2|02 B102
postal address  

TU Darmstadt - FB 20
FG Telekooperation
Hochschulstraße 10
D-64289 Darmstadt
Germany

Research Interests

  • Process Mining of Business Processes
  • Big Data Processing and Mining
  • Knowledge Extraction of Unstructured Data
  • Machine Learning Methods and Techniques

Publications

Additional Attributes

Type

Can We Find Better Process Models? Process Model Improvement using Motif-based Graph Adaptation

Alexander Seeliger, Michael Stein, Max Mühlhäuser
In: 13th International Workshop on Business Process Intelligence 2017 (to appear), Vol. 13, September 2017
[Inproceedings]

Detecting Concept Drift in Processes using Graph Metrics on Process Graphs

Alexander Seeliger, Timo Nolle, Max Mühlhäuser
In: Proceedings of the 9th International Conference on Subject-oriented Business Process Management (S-BPM-ONE), Vol. 9, March 2017
[Inproceedings]

Process Compliance Checking using Taint Flow Analysis

Alexander Seeliger, Timo Nolle, Benedikt Schmidt, Max Mühlhäuser
In: Proceedings of the 37th International Conference on Information Systems (ICIS), Vol. 37, p. 1-18, December 2016
[Online-Edition: http://aisel.aisnet.org/icis2016/DataScience/Presentations/6/]
[Inproceedings]

Unsupervised Anomaly Detection in Noisy Business Process Event Logs Using Denoising Autoencoders

Timo Nolle, Alexander Seeliger, Max Mühlhäuser
In: Discovery Science: 19th International Conference, DS 2016, Bari, Italy, Proceedings, p. 442-456, October 2016
Calders, Toon Ceci, Michelangelo Malerba, Donato
[Online-Edition: http://dx.doi.org/10.1007/978-3-319-46307-0_28]
[Inproceedings]

What Belongs Together Comes Together. Activity-centric Document Clustering for Information Work.

Alexander Seeliger, Benedikt Schmidt, Immanuel Schweizer, Max Mühlhäuser
In: Proceedings of the 21th International Conference on Intelligent User Interfaces, Vol. 21, p. 60-70, March 2016
ACM
[Online-Edition: http://dx.doi.org/10.1145/2856767.2856777]
[Inproceedings]

Upgrading Wireless Home Routers for Enabling Large-scale Deployment of Cloudlets

Christian Meurisch, Alexander Seeliger, Benedikt Schmidt, Immanuel Schweizer, Fabian Kaup, Max Mühlhäuser
In: Proceedings of the 7th International Conference on Mobile Computing, Applications, and Services (MobiCASE’15), p. 12-29, 2015
Springer
[Inproceedings]

Theses

5 Entries found


10.10.2017

Generierung von intelligenten Gruppen aus Ereignisprotokollen für Process Mining

Bachelor Thesis

in progress


Aus aufgezeichneten Eventlogs aus IT-Systemen und Maschinen kann mittels Process Mining Discovery Algorithmen der tatsächliche IST-Ablauf visuell rekonstruiert werden. Hieraus lassen sich interessante Erkenntnisse gewinnen, z.B. wie sich die Durchlaufzeit bestimmter Aktivitäten verhält oder ob alle notwendigen Aktivitäten überhaupt ausgeführt werden. Durch die Zunahme an Komplexität von Geschäftsprozessen werden rekonstruierte Prozessmodelle immer unübersichtlicher und lassen sich somit nur schwer analysieren. Aktuelle Process Mining Tools zeigen alle Daten auf einmal an, sodass ein Analyst nur mit Schwierigkeiten die wichtigen Erkenntnisse extrahieren kann.

21.09.2017

Rule Checking in Process Models using Taint Flow Analysis

Master Thesis

in progress


Checking certain business rules in process models (e.g. petri-nets, BPMN or flow graphs) is usually done using a model checker or an automata. Increasing models and the increasing amount of rules lead to long computation times. The Taint Flow Analysis operates on graphs to determine certain flows (source to sink). With a neat conversion of rules we can check business rules on flow graphs very efficiently. However, the current approach is limited.

25.09.2017

Business Rule Framework for Spark Streaming

Master Thesis

finished


30.11.2017

Intelligenter Browser für Process Mining

Bachelor Thesis

finished


Aus aufgezeichneten Eventlogs aus IT-Systemen und Maschinen können mittels Process Mining interessante Erkenntnisse extrahiert werden. Doch die Menge der gesammelten Daten kann mittels aktueller Verfahren nicht ohne Unterstützung analysiert werden, der Benutzer wird schlicht überfordert. Aktuelle Tools zeigen alle Daten auf einmal an, ohne sie systematisch oder intelligent filterbar zu machen. So ist das Finden von Auffälligkeiten und Schwachstellen schwierig.

14.08.2017

Prozessgraphoptimierung mittels Motif-basierter Graphadaption

Bachelor Thesis

finished


Die Analyse von Geschäftsprozessen mittels Process-Mining ermöglicht eine objektive Sicht auf einen Prozess durch Ermittlung des IST-Zustands auf Basis von Ereignis-Logs. Üblicher-weise werden zur Visualisierung Graphen oder Petri-Netze verwendet, der die tatsächlich ausgeführten Ereignisse und Abläufe repräsentiert. Oft ist das Ziel einer Prozessanalyse das Finden von Schwachstellen im Prozess (bspw. Schleifen in der Ausführung) und das Optimie-ren von Ausführungsvarianten (bspw. Reduktion der Prozessschritte).

Anpassungen am Prozessgraphen oder –modell werden heute durch Prozessexperten manuell vorgeschlagen und implementiert. Dies ist ein zeitaufwendiger und schwieriger Arbeitsschritt, da IST-Prozessgraphen selbst in kleinen und mittelgroßen Unternehmen sehr komplex werden können. Die Prozessgraphen können daher aktuell nur begrenzt für die Optimierung des be-trachteten Prozesses herangezogen werden.


A A A | Drucken Print | Impressum Impressum | Sitemap Sitemap | Suche Search | Kontakt Contact | Website Analysis: More Information
zum Seitenanfangzum Seitenanfang