Four essays on the future of robotic process mining and its influence on robotic process automation

Kurzfassung/Abstract

Trotz erheblicher technologischer Fortschritte ist der Entwicklungslebenszyklus von Software-Robotern (RPA) nach wie vor stark arbeitsintensiv und schwer zu skalieren. Robotic Process Mining (RPM) hat sich als Forschungsrichtung etabliert, um diesen Prozess zu automatisieren, indem wiederkehrende Routinen direkt aus den Protokollen von Nutzerinteraktionen (UI-Logs) extrahiert werden. Aktuelle RPM-Werkzeuge setzen jedoch saubere, vorsegmentierte Aufzeichnungen voraus, wodurch die Last der Isolierung einzelner Aufgaben fälschlicherweise auf den Endnutzer verlagert wird. In der Realität sind unsegmentierte UI-Logs aus echten Arbeitsumgebungen jedoch hochgradig unstrukturiert, kontextuell divers und von erheblichem Rauschen innerhalb und zwischen den Routinen geprägt.
Diese kumulative Dissertation adressiert diese Einschränkungen durch eine strategische und operative Verbesserung der RPM-Pipeline im Rahmen von vier Forschungsessays. Zunächst wird untersucht, wie die Entscheidungsfindung menschlicher Entwickler die RPA-Programmierung beeinflusst, um technologische Lücken aktueller Mining-Tools aufzudecken. Um die semantische Lücke zwischen aufgezeichneten Aktionen und ausführbarem Code zu schließen, wird ein ontologiebasiertes, konzeptionelles Framework zur Formalisierung von Nutzeraktionen und RPA-Bausteinen eingeführt. Den technischen Kern der Dissertation bilden zwei neuartige, unüberwachte zeitserienbasierte Mining-Verfahren, die die Routine-Erkennung vollständig von menschlicher Intervention entkoppeln. Durch den Einsatz von Word2Vec-Codierung, Matrix-Profilen und Grammatikinduktion ermöglichen es diese Methoden, Automatisierungskandidaten mit variabler Länge adaptiv aus kontinuierlichen, verrauschten Arbeitssitzungen zu segmentieren. Zusammenfassend lösen die in dieser Arbeit vorgestellten Artefakte kritische semantische und skalierungsbezogene Engpässe und ebnen den Weg für vollständig autonome und resiliente Hyperautomatisierung im Unternehmenskontext.