Granularität als kognitiver Faktor in der
adaptiven Wiederverwendung von
Geschäftsprozessmodellen
vorgelegt von
Diplom-Ingenieur
Oliver Holschke
aus Berlin

von der Fakultät IV – Elektrotechnik und Informatik
der Technischen Universität Berlin
zur Erlangung des akademischen Grades

Doktor der Ingenieurwissenschaften
- Dr.-Ing. -

genehmigte Dissertation

Promotionsausschuss:
Vorsitz:
Erstgutachter:
Zweitgutachter:

Prof. Dr. Volker Markl
Prof. Dr. Hermann Krallmann
Prof. Dr. Jan Mendling

Tag der wissenschaftlichen Aussprache:

21. Oktober 2011

Berlin 2011
D 83

Inhaltsverzeichnis
Abbildungsverzeichnis

iv

Tabellenverzeichnis

vi

Abkürzungsverzeichnis

vii

1. Einleitung
1.1. Motivation . . . . . .
1.2. Forschungsfragen . .
1.3. Forschungsmethodik
1.4. Beitrag der Arbeit .
1.5. Struktur der Arbeit .

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

2. Geschäftsprozessmodellierung in der Informationssystemgestaltung
2.1. Gestaltung von Informationssystemen und Geschäftsprozessmanagement
2.1.1. Gestaltungsaktivitäten in Informationssystemen . . . . . . . . . .
2.1.2. Geschäftsprozessmanagement . . . . . . . . . . . . . . . . . . . .
2.2. Geschäftsprozessmodelle in der Informationssystemgestaltung . . . . . .
2.2.1. Modellbegriff und Geschäftsprozessmodellierung . . . . . . . . . .
2.2.2. Prozessmodellbasierte Systementwicklung . . . . . . . . . . . . .
2.2.3. Qualität von Geschäftsprozessmodellen . . . . . . . . . . . . . . .
2.3. Wiederverwendungsebenen der Prozessmodellierung . . . . . . . . . . . .
2.3.1. Wiederverwendung von Artefakten . . . . . . . . . . . . . . . . .
2.3.2. Konstruktebene . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.3. Assistenzartefaktebene . . . . . . . . . . . . . . . . . . . . . . . .
2.3.4. Modellebene . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3. Wiederverwendung von Geschäftsprozessmodellen
3.1. Vorgänge der Geschäftsprozessmodellwiederverwendung . . . . . .
3.1.1. Wiederverwendungsprozess . . . . . . . . . . . . . . . . . .
3.1.2. Rollen und Repositories . . . . . . . . . . . . . . . . . . . .
3.1.3. Szenarien der Prozessmodellwiederverwendung . . . . . . .
3.2. Kognitive Bestimmungsgrößen der Prozessmodellwiederverwendung
3.2.1. Kognitionstheoretische Einordnung . . . . . . . . . . . . . .
3.2.2. Domänen- und Modellierungswissen . . . . . . . . . . . . .
3.2.3. Externe Aufgabenrepräsentation . . . . . . . . . . . . . . .

i

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

1
. 1
. 6
. 8
. 11
. 14

.
.
.
.
.
.
.
.
.
.
.
.

16
17
17
22
26
26
31
35
45
46
50
51
55

.
.
.
.
.
.
.
.

60
62
62
67
72
75
76
82
86

3.2.4. Mentale Repräsentation der Prozessmodelladaption . . . . . . . . . 98
3.2.5. Entscheidungsprozesse in der Prozessmodellwiederverwendung . . . 104
3.3. Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
4. Anpassungsheuristiken in der Prozessmodellwiederverwendung
4.1. Adaptive Prozessmodellwiederverwendung . . . . . . . . . .
4.2. Ankereffekte in der Prozessmodellwiederverwendung . . . .
4.3. Anker und Granularität . . . . . . . . . . . . . . . . . . . .
4.3.1. Adaption von Omission-Anchors . . . . . . . . . . .
4.3.2. Adaption von Extraneous-Anchors . . . . . . . . . .
4.4. Formalisierung der Prozessmodellgranularität . . . . . . . .
4.4.1. Granularitätsauffassungen . . . . . . . . . . . . . . .
4.4.2. Konzepte der Prozessmodellgranularität . . . . . . .
4.5. Hypothesen zu Wirkungen auf die Modellierungsperformanz
4.5.1. Wirkung auf Adaptionsperformanz . . . . . . . . . .
4.5.2. Wirkung auf semantische Qualität . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

112
113
116
119
122
123
124
125
126
137
137
144

5. Forschungsmodell und Untersuchung
5.1. Zieldefinition . . . . . . . . . . . . . . . . . . . . . . . . .
5.2. Untersuchungsplanung . . . . . . . . . . . . . . . . . . . .
5.2.1. Operationale Hypothesen . . . . . . . . . . . . . .
5.2.2. Unabhängige Variable: Granularität/Anchoringtyp
5.2.3. Unabhängige Variable: Anwendungsdomäne . . . .
5.2.4. Abhängige Variablen . . . . . . . . . . . . . . . . .
5.2.5. Kontrollierte Variablen . . . . . . . . . . . . . . . .
5.2.6. Experimentdesign . . . . . . . . . . . . . . . . . . .
5.3. Experimentdurchführung . . . . . . . . . . . . . . . . . . .
5.3.1. Vorbereitung . . . . . . . . . . . . . . . . . . . . .
5.3.2. Experimenteller Ablauf . . . . . . . . . . . . . . .
5.4. Ergebnisanalyse . . . . . . . . . . . . . . . . . . . . . . . .
5.4.1. Deskriptive Statistik . . . . . . . . . . . . . . . . .
5.4.2. Test der Hypothesen . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

150
151
152
153
156
159
161
166
173
175
175
176
178
178
185

6. Diskussion
6.1. Ergebnisdiskussion . . . . . . . . . . . . . . . . .
6.2. Implikationen für die Wissenschaftsgemeinschaft
6.3. Implikationen für die betriebliche Praxis . . . . .
6.4. Gefährdung der Validität . . . . . . . . . . . . .
6.4.1. Diskussion der internen Validität . . . . .
6.4.2. Diskussion der externen Validität . . . . .

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

191
191
194
197
198
198
200

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

7. Zusammenfassung und Ausblick
203
7.1. Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
7.2. Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206

ii

Anhang

209

A. Modellierungsaufgaben
210
A.1. Prozessbeschreibung für „Supplier switch“ . . . . . . . . . . . . . . . . . . 210
A.2. Prozessbeschreibung für „SLA violation“ . . . . . . . . . . . . . . . . . . . 213
B. Wiederverwendungsmodelle

216

C. Lösungsbeispiele

221

Literaturverzeichnis

228

iii

Abbildungsverzeichnis
1.1.
1.2.
1.3.
1.4.

Adaptive Wiederverwendung eines Prozessmodells . . . . . . . .
From-scratch-Modellierung vs. Prozessmodellwiederverwendung
Information Systems Research Framework . . . . . . . . . . . .
Aufbaustruktur der Arbeit . . . . . . . . . . . . . . . . . . . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

. 3
. 5
. 9
. 15

2.1. Aktivitäten der organisatorischen und informationstechnischen Gestaltung
2.2. Business Process Management Life Cycle . . . . . . . . . . . . . . . . . . .
2.3. Workflow-Referenzmodell . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4. BDD-Lebenszyklus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5. Das SEQUAL-Framework . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.6. Qualitätsmodell der aktiven Prozessmodellierung . . . . . . . . . . . . . .
2.7. Ebenen der Artefaktwiederverwendung . . . . . . . . . . . . . . . . . . . .
2.8. Wiederverwendungsphilosophien . . . . . . . . . . . . . . . . . . . . . . .
2.9. Nutzerinteraktion um passendes Prozessmodellfragement aufzufinden . . .
2.10. Modifikation von versus Orientierung an Wiederverwendungsmodell . . . .
2.11. Wiederverwendung eines Prozessmodells per Spezialisierung . . . . . . . .
3.1. Schematische Übersicht der wiederverwendungsbasierten Prozessmodellierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2. Prozess der Geschäftsprozessmodellwiederverwendung . . . . . . . . . . .
3.3. Wiederverwendungstransaktionen des Shared Work Producer . . . . . . .
3.4. Wiederverwendungstransaktionen des Shared Work Practioner . . . . . . .
3.5. Wiederverwendungstransaktionen der sekundären adaptiven Prozessmodellnutzung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.6. Komponenten der Prozessmodellwiederverwendung . . . . . . . . . . . . .
3.7. Erweitertes Cognitive-Fit-Modell . . . . . . . . . . . . . . . . . . . . . . .
3.8. CFT-Konstrukte und Komponenten der Prozessmodellwiederverwendung .
3.9. Spezialisierung des Cognitive-Fit-Modells im Kontext der Prozessmodellwiederverwendung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.10. Fokus auf externe Aufgabenrepräsentation . . . . . . . . . . . . . . . . . .
3.11. Forschungsmodell zum Einfluss der Modularität auf das Verständnis . . .
3.12. Experimentdesign mit zwei Faktoren Modularisierung und Anwendungsdomäne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.13. Theoretisches Modell der menschlichen Informationsverarbeitung . . . . .

iv

20
24
33
34
39
40
47
48
54
56
58

63
68
73
73
74
76
77
79
81
82
95
95
99

4.1. Mengen der Anforderungen (A), nichtgeforderten Elemente (N) und des
Lösungsmodells (L) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2. Wiederverwendungsmodell (W) und sechs Teilmengen der Adaption . . . .
4.3. Mengen der Anforderungen (A), nichtgeforderten Elemente (N) und des
Lösungsmodells (L) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4. Dekomposition des Prozesses „Customer Interface Management“ in Prozesse der Ebene 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.5. Anker im feingranularen (links) und grobgranularen (rechts) Wiederverwendungsmodell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.6. Prozess des „Order-to-cash“ mit mehreren Pools . . . . . . . . . . . . . . .
4.7. Beispielhafte Adaption von Omission-Anchors . . . . . . . . . . . . . . . .
4.8. Beispielhafte Adaption von Extraneous-Anchors . . . . . . . . . . . . . . .
4.9. Zwei alternative Partitionen eines Universums 𝑈 . . . . . . . . . . . . . .
4.10. Zwei alternative Partitionierungen eines atomaren Prozessmodells . . . . .

114
115
117
120
121
123
124
125
132
133

5.1. Forschungsmodell der Untersuchung . . . . . . . . . . . . . . . . . . . . .
5.2. Forschungsmodell mit Hypothesen . . . . . . . . . . . . . . . . . . . . . .
5.3. Graphdarstellung des Übergangs von feingranularem Wiederverwendungsmodell zur Ideallösung . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.4. Graphdarstellung des Übergangs von grobgranularem Wiederverwendungsmodell zur Ideallösung . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.5. Zeitablauf der Experimentdurchführungen . . . . . . . . . . . . . . . . . .
5.6. Häufigkeitsverteilung der Adaptionsperformanz für Gfine und Gcoarse . . .
5.7. Häufigkeitsverteilung der Adaptionsperformanz für En und Tel . . . . . .
5.8. Häufigkeitsverteilung der semantischen Qualität für Gfine und Gcoarse . . .
5.9. Häufigkeitsverteilung der semantischen Qualität für En und Tel . . . . . .
5.10. Interaktionsdiagramme für Faktoren G und AD . . . . . . . . . . . . . . .
5.11. Interaktionsdiagramme für Faktoren G und AD . . . . . . . . . . . . . . .

153
156

B.1.
B.2.
B.3.
B.4.

Wiederverwendungsmodell
Wiederverwendungsmodell
Wiederverwendungsmodell
Wiederverwendungsmodell

C.1.
C.2.
C.3.
C.4.
C.5.
C.6.

Beispielergebnis
Beispielergebnis
Beispielergebnis
Beispielergebnis
Beispielergebnis
Beispielergebnis

Energie+grobgranular
Energie+feingranular
Telko+grobgranular .
Telko+feingranular . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

173
176
179
180
181
182
184
184

.
.
.
.

.
.
.
.

217
218
219
220

En+grob, Teilnehmer C_SWI_06 . . . . . . . . . . . .
En+fein, Teilnehmer F_SWI_11 . . . . . . . . . . . . .
En+keine Wiederverwendung, Teilnehmer M_SWI_06
Tel+grob, Teilnehmer C_SLA_09 . . . . . . . . . . . .
Tel+fein, Teilnehmer F_SLA_05 . . . . . . . . . . . . .
Tel+keine Wiederverwendung, Teilnehmer M_SLA_04

.
.
.
.
.
.

222
223
224
225
226
227

v

.
.
.
.

172

Tabellenverzeichnis
2.1. Prozessmodellbasierte Softwareentwicklungsansätze . . . . . . . . . . . . . 35
3.1. Anforderungen an ein Geschäftsprozessmodell-Repository . . . . . . . . . 71
3.2. Aufgabenkomplexität . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
3.3. Suchstrategien in Abhängigkeit von der Problemstruktur . . . . . . . . . . 105
5.1. Kodierung des Anchorings . . . . . . . . . . . . . . . . . . . . . . .
5.2. Beispielhafte Anwendung der Anchoring-Maße . . . . . . . . . . . .
5.3. Untersuchungsschema des zweifaktoriellen Plans . . . . . . . . . . .
5.4. Daten aus den Modellierungsergebnissen . . . . . . . . . . . . . . .
5.5. Deskriptive Statistik Granularität vs. Adaptionsperformanz . . . .
5.6. Deskriptive Statistik Anwendungsdomäne vs. Adaptionsperformanz
5.7. Deskriptive Statistik Granularität vs. semantische Qualität . . . . .
5.8. Deskriptive Statistik Anwendungsdomäne vs. semantische Qualität
5.9. Datenschema für die Varianzanalyse . . . . . . . . . . . . . . . . .
5.10. Datenschema mit Zellenmittelwerten . . . . . . . . . . . . . . . . .
5.11. Levene-Test auf Gleichheit der Fehlervarianzen . . . . . . . . . . .
5.12. Tests der Zwischensubjekteffekte . . . . . . . . . . . . . . . . . . .
5.13. Levene-Test auf Gleichheit der Fehlervarianzen . . . . . . . . . . .
5.14. Tests der Zwischensubjekteffekte . . . . . . . . . . . . . . . . . . .
5.15. Mehrfachvergleiche innerhalb des Faktors G . . . . . . . . . . . . .
5.16. Zusammenfassung der Ergebnisse der Hypothesentests . . . . . . .

vi

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

162
163
175
179
180
181
182
182
183
183
185
185
187
187
188
189

Abkürzungsverzeichnis
AD . . . . . . . . . . . . . . . . . Anwendungsdomäne
BDD . . . . . . . . . . . . . . . Business-Driven Development
BPD . . . . . . . . . . . . . . . . Business Process Diagram
BPDM . . . . . . . . . . . . . . Business Process Definition Metamodel
BPEL . . . . . . . . . . . . . . Business Process Execution Language
BPM . . . . . . . . . . . . . . . Business Process Management
BPMA . . . . . . . . . . . . . . Business Process Model Abstraction
BPMN . . . . . . . . . . . . . . Business Process Modeling Notation
bspw. . . . . . . . . . . . . . . . beispielsweise
bzgl. . . . . . . . . . . . . . . . . bezüglich
bzw. . . . . . . . . . . . . . . . . beziehungsweise
CFT . . . . . . . . . . . . . . . . Cognitive-Fit Theory
CIM . . . . . . . . . . . . . . . . Computation Independent Model
CLT . . . . . . . . . . . . . . . . Cognitive Load Theory
CMR . . . . . . . . . . . . . . . Customer Model Repository
DCT . . . . . . . . . . . . . . . . Dual Coding Theory
EIP . . . . . . . . . . . . . . . . . Enterprise Integration Pattern
En . . . . . . . . . . . . . . . . . . Energie
EPC . . . . . . . . . . . . . . . . Event-driven Process Chain
EPK . . . . . . . . . . . . . . . . Ereignisgesteuerte Prozesskette
eTOM . . . . . . . . . . . . . . enhanced Telecom Operations Map
G . . . . . . . . . . . . . . . . . . . Granularität
IS . . . . . . . . . . . . . . . . . . Information Systems
IT . . . . . . . . . . . . . . . . . . Informationstechnologie
ITIL . . . . . . . . . . . . . . . . IT Infrastructure Library
MBSE . . . . . . . . . . . . . . Model-based Software Engineering
MDA . . . . . . . . . . . . . . . Model-Driven Architecture
MDD . . . . . . . . . . . . . . . Model-Driven Development

vii

OMG . . . . . . . . . . . . . . . Object Management Group
OSQ . . . . . . . . . . . . . . . . Overall Semantic Quality
PAIS . . . . . . . . . . . . . . . Process-Aware Information Systems
PCA . . . . . . . . . . . . . . . . Percentage Correct Adjustments
PIM . . . . . . . . . . . . . . . . Platform Independent Model
PSM . . . . . . . . . . . . . . . . Platform Specific Model
PST . . . . . . . . . . . . . . . . Process Structure Tree
RMR . . . . . . . . . . . . . . . Reference Model Repository
SCOR . . . . . . . . . . . . . . Supply Chain Operations Reference Model
Tel . . . . . . . . . . . . . . . . . Telekommunikation
TMF . . . . . . . . . . . . . . . TeleManagement Forum
UBL . . . . . . . . . . . . . . . . Universal Business Language
usw. . . . . . . . . . . . . . . . . und so weiter
vs. . . . . . . . . . . . . . . . . . . versus
WfMS . . . . . . . . . . . . . . Workflow Management Systems
z.B. . . . . . . . . . . . . . . . . . zum Beispiel

viii

1. Einleitung
1.1. Motivation
Die Abstraktion eines Prozesses im Sinne einer Abfolge von Aktivitäten ist ein lang bekanntes Konzept, doch erst Mitte der 1990er Jahre fand dieser Begriff verstärkten Einzug
in die Managementliteratur und etablierte eine bestimmte Perspektive auf betriebliche
Organisationen: die geschäftsprozessorientierte Sicht1 . Diese Sicht betrachtet Unternehmen in erster Linie als eine Menge von zeitlich und sachlogisch abgegrenzten Aktivitäten,
die den Geschäftszielen dienliche Ergebnisse erstellen (z.B. Becker u. Kahn 2005; Krallmann u. a. 2007). Ein Modell, das diese Perspektive für eine Unternehmung konsequent
einnimmt, ist das Wertkettenmodell von Porter (1985). Es stellt ein Unternehmen als
Sammlung von Tätigkeiten dar (unterteilt in Primär - und Unterstützungsaktivitäten),
welche Werte schaffen, Ressourcen verbrauchen und in Prozessen miteinander vernüpft
sind. Der Unterschied zwischen den Erträgen der Produkte und den eingesetzten Ressourcen ist die vom Unternehmen erwirtschaftete Marge. Neben dieser stark abstrahierten Prozesssicht gibt es weitere differenzierte Externalisierungen des Prozesskonzepts,
für die sprachliche Konstrukte entwickelt wurden, mit denen sich wiederum feinere Geschäftsprozessmodelle konstruieren lassen (Kettinger u. a. 1997; Davies u. a. 2006; Recker
u. a. 2010). Beispielhafte Definitionen für Geschäftsprozessmodellierungssprachen sind
die Event-driven Process Chain (EPC)2 und das Business Process Definition Metamodel
(BPDM)3 mit den zugehörigen Notationen4 . Ihre Modelle werden in der Regel als graphische Diagramme visualisiert. Aufgrund der Verbreitung der Geschäftsprozessorientierung
in betrieblichen Organisationen ist die Erstellung und Nutzung von Geschäftsprozessmodellen zu einem wichtigen Teil der betrieblichen Kommunikation geworden und hat sich
als effektives Mittel der Analyse, Steuerung und Verbesserung von unternehmensinternen sowie -übergreifenden Abläufen erwiesen (Recker u. a. 2010). Die Durchdringung
der prozessorientierten Wahrnehmung in Unternehmen spiegelt sich beispielsweise in der
großen Abdeckung dokumentierter Geschäftsprozesse5 , in der Institutionalisierung von
geschäftsprozessmanagementbezogenen Aufgaben in der organisatorischen Führung6 und
in detaillierten, normativen Geschäftsprozessmodellsammlungen wieder, welche erprobte
1

Vgl. z.B. Hammer (1990); Davenport (1993); Earl (1994); Davenport (1995).
Ein Metamodell der EPC findet sich bspw. in Becker u. a. (2004).
3
OMG (2008).
4
Übersichten über verschiedene Prozessmodellierungssprachen finden sich bspw. in Aguilar-Savén
(2004); Workflow Patterns Initiative (2010); Recker u. a. (2010).
5
Vgl. z.B. OASIS Universal Business Language (UBL) TC (2006).
6
Vgl. z.B. van der Aalst u. van Hee (2004); Schaffhauser (2010).
2

1

Prozessmodelle für spezifische Kontexte, z.B. bestimmte Wirtschaftszweige oder organisatorische Funktionsbereiche, konsolidieren und am Markt verfügbar machen und die von
den entsprechenden Unternehmen regelmäßig angewandt werden7 . Immer stärker stellt
die prozessorientierte Sicht auch in der Softwareentwicklung eine wichtige Ausgangsperspektive dar, um die adäquate informationstechnische Unterstützung von betrieblichen
Abläufen zu realisieren (Koehler u. a. 2006; Kindler 2009).
Durch die zunehmende Anzahl von erstellten Prozessmodellen und durch das reifende
Verständnis in Bezug auf ihre Konstruktion und effektive Nutzung erwächst dieses externalisierte Prozesswissen zu einer wichtigen Ressource der Organisation, deren Pflege
und Management zu einer unternehmenskritischen Aufgabe wird. Der wissensbasierten
Sicht auf die Unternehmung8 zufolge bilden wissensbasierte Ressourcen – dies schließt
Geschäftsprozessmodelle explizit mit ein – und entsprechende Fähigkeiten, diese Ressourcen zu nutzen und weiterzuentwickeln die entscheidende Basis für nachhaltige Vorteile im
Wettbewerb und überdurchschnittliche unternehmerische Performanz (siehe auch Cyert
u. March (1963)).
Eine zentrale Fähigkeit der Wissensverwendung und -weiterentwicklung stellt die Wiederverwendung von aufbereitetem Wissen im allgemeinen und Geschäftsprozessmodellen
im besonderen dar. Die Möglichkeit ein Artefakt in einem anderen als dem ursprünglichen
Kontext wiederzuverwenden kann substanzielle Einsparungen von Zeit und Aufwand in
Entwicklungsprojekten verschiedenster Art bedeuten (z.B. Boehm 1999). Neben einer
erhöhten Konstruktionsgeschwindigkeit, welche die time-to-market bei Produkt- bzw.
Prozessumstellungen verringert, kann darüber hinaus auch eine höhere Modellqualität
erzielt werden (durch Vermeidung von Fehlern) (Frank 2007, S. 127). Diese Vorteile werden mindestens seit der Wiederverwendung von Konstruktionsplänen im Pyramidenbau
des alten Ägyptens ausgenutzt und stellen einen entscheidenden Faktor in der Begünstigung zivilisatorischen Fortschritts im Allgemeinen dar (Verner 2001; Sutcliffe 2002).
Dieser attraktive Vorteil ist jedoch nicht garantiert, da individuelle Anwendungsszenarien eigene spezielle Anforderungen aufweisen, die nicht alle in generalisierter Form von
einem wiederverwendbaren Modell aufgenommen werden können. Die Wiederverwendung
würde daher spezifische Modifikationen oder Adaptionen erfordern, welche mit Aufwand
verbunden sind. In Abbildung 1.1 ist eine Wiederverwendung unter Durchführung spezifischer Modifikationen am wiederverwendeten Prozessmodell für einen Lagerentnahmeund Lieferprozess einer produzierenden Arbeitsorganisation beispielhaft illustriert (vgl.
Pant u. Juric 2008, S. 78-80). Hier erkennt man, dass bestimmte Aktivitäten zu grobgranular – d.h. zu viele Details verbergend – für die gegebenen Zwecke sind (oberes
Diagramm) und deshalb durch Einfügungen detaillierterer Aktivitäten verfeinert werden
(unteres Diagramm). Dies erfolgt beispielsweise bei der Anpassung der Aktivität „Goods
Packaging“ hin zu feineren Aktivitäten „Acquire package“ und „Pack“. Weitere Beispiele
für andere Anpassungen sind ableitbar, z.B. wenn ein Wiederverwendungsmodell zwar
eine zum betrachteten betrieblichen Ausschnitt passende Ganularität aufweist, aber ei7
8

z.B. TM Forum (2008); Holten u. Melchert (2002).
Vgl. hierzu die Knowledge-based Theory of the Firm (Nonaka u. Takeuchi 1995).

2

Warehouse
Quality manager

Goods
acquisition

Goods packing

No

Delivery service
selection

Yes
Quality
OK?

Delivery
services

Production organization

Order
request

Goods shipment

Order
request

Goods acquisition

Delivery
services

Warehouse

Reservation
confirmation

Acquire goods
from warehouse

Refresh
stock

Delivery
notification

Goods packing
Acquire package

Pack

No

Quality manager

Production organization

Reserve
goods

Check
quality
Delivery service selection
Yes

Form Delivery
service request

Send Delivery
service request

Quality
OK?

Goods shipment
Deliver

Analyze delivery
service offers

Send package
through selected
Delivery service

Delivery
notification

Notify sender

Abbildung 1.1.: Adaptive Wiederverwendung eines Prozessmodells (vgl. Pant u. Juric
2008, S. 78-80)
nige darüber hinausgehende, irrelevante Informationselemente enthält, die im Zuge der
Anpassung gelöscht werden müssen.

3

Der im Zuge der Modifikation entstehende Anpassungsaufwand kann potenziell jegliche initiale Einsparung durch die Wiederverwendung wieder nivellieren und sogar überkompensieren. Würde das Wiederverwendungsmodell alternativ die vielen sehr speziellen Anforderungen aufnehmen, könnten nur noch wenige Anwendungskontexte adressiert
werden, was der Grundidee einer breiten Wiederverwendung am „Markt“ zuwiderläuft.
Das Dilemma der Wiederverwendung von Artefakten wie Konstruktionsplänen, SoftwareDesigns und auch Geschäftsprozessmodellen ist, dass Flexibilitätsanforderungen und breite Einsatzmöglichkeiten einerseits den Anforderungen einer ergonomischen Nutzung (d.h.
ohne aufwändige Anpassungen bzw. Weiterentwicklungen) andererseits entgegenstehen.
Das große Ziel von wiederverwendungsorientierten Systemgestaltungsansätzen ist es daher, einen ökonomisch stabilen Kompromiss zwischen diesen gegenläufigen Anforderungen
zu finden (Sutcliffe 2002, S. 6).
Kognitive Aspekte spielen bei der Wiederverwendung von visuellen Diagrammen im
allgemeinen und Geschäftsprozessmodellen im besonderen eine tragende Rolle (Green u.
Petre 1996; Gruhn u. Laue 2006; Siau u. Rossi 2007). Wenn sich Modellierer einer Prozessgestaltungsaufgabe gegenübersehen, sind sowohl der Wahrnehmungsapparat, als auch
das Gedächtnis involviert. Die Gedächtnisfunktionen sind im Kontext der Modellwiederverwendung notwendig, um sich überhaupt an die Existenz und den Ort eines wiederverwendbaren Modells erinnern zu können. Nach der Auswahl eines geeignet erscheinenden
Modells muss beurteilt werden, inwieweit das Wiederverwendungsmodell die Anforderungen der Gestaltungsaufgabe abdeckt. Dies erfordert Wiedererkennungsfähigkeiten für
korrespondierende Inhalte und Anpassungsmaßnahmen im Falle von irrelevanten bzw. zu
modifizierenden Modellelementen. Insbesondere in diesem Schritt des Vergleichens und
der Adaption stellt sich die Frage, welche kognitiven Mechanismen menschliche Modellierer einsetzen und welche kognitiven Aufwände dabei entstehen. Letztere sind bestimmend
für die Vorteilhaftigkeit des konkreten Wiederverwendungsszenarios.
Eine hervorzuhebende Eigenschaft kognitiver Mechanismen ist, dass die menschliche
Rationalität bei der Entscheidungsfindung gewissen Beschränkungen unterliegt. Diese
Beobachtung, dass menschliches Entscheidungsverhalten durch kognitive Bias beeinflusst
wird, geht u.a. auf Arbeiten von Tversky u. Kahneman (1974) zurück, wobei in verschiedenen Experimenten Verzerrungen beispielsweise auf Basis von Anchoring, Priming,
falschen Prioritäten u.a. gezeigt werden konnten9 . Kognitive Bias in der Informationssystemgestaltung werden erst seit wenigen Jahren tiefergehender untersucht. Es kann
angenommen werden, dass kognitive Bias auch bei der Wiederverwendung von visuellen Modellen bestehen, welche die Qualität der Lösungen beeinträchtigen können. Ein
wichtiger kognitiver Bias ist der Anker- und Anpassungseffekt (engl. Anchoring and Adjustment Bias). Es bestehen Hinweise darauf, dass es auf die Art der Anker ankommt,
ob die resultierenden Ankereffekte schwach oder stark ausgeprägt sind (Allen u. Parsons
2010). Die Ankerart steht im Zusammenhang mit der Granularität von Prozessmodellen,
da bestimmte Granularitäten typischerweise spezifische Anpassungsaktivitäten erfordern
(z.B. Elemente einfügen im Gegensatz zu Elemente löschen). Ein besseres Verständnis
9

Vgl. auch Kahneman u. Tversky (1979).

4

New Task:
Design a process model
for the business process
in the present domain

1.

Business process
domain

Created
process model

Performance
aspects

Mental
representations



2.

Efficiency and
effectiveness
improvements

Reusable
process models

Abbildung 1.2.: From-scratch-Modellierung vs. Prozessmodellwiederverwendung
dieser kognitiven Aspekte kann dazu beitragen, die Aufbereitung und Repräsentation von
Geschäftsprozessmodellen für den Zweck der effektiven und effizienten Wiederverwendung mit konkreten Designvorgaben zu gestalten. Die vorliegende Arbeit geht daher der
Frage nach, wie sich repräsentative Eigenschaften von Geschäftsprozessmodellen, insbesondere die der Granularität, vor dem Hintergrund begrenzter kognitiver Fähigkeiten von
Modellierern auf den adaptiven Wiederverwendungsprozess bei der Geschäftsprozessmodellkonstruktion auswirken. Die Ergebnisse sollen einen Beitrag dazu leisten, die Rolle der
Granularität von wiederverwendeten Prozessmodellen in Prozessmodellierungsaufgaben
im Sinne eines Cognitive Fit 10 (der „Fit“ zwischen mental gebildeten Repräsentationen
von wiederverwendetem Modell und Konstruktionsaufgabe) näher zu charakterisieren.
Diese Arbeit konzentriert sich auf die Phasen des konzeptuellen Designs und der Konstruktion von Prozessmodellen im Rahmen von Gestaltungsprozessen IT-gestützter Organisationen. Diese Phasen sind für Organisationen besonders entscheidend, wenn unternehmensweit Konzepte abgestimmt werden müssen, um steuerbare Geschäftsprozesse zu
etablieren und die Interoperabilität der informationstechnischen Systeme zu gewährleisten. Diese Phasen erfordern das Erfassen von Benutzeranforderungen in einer Repräsentation, die zunächst unabhängig ist von der konkreten Implementierung. Dafür müssen
Benutzeranforderungen verstanden und modelliert werden. Dies ist eine Aufgabe, die
Expertenwissen erfordert, da Anforderungen oft unvollständig bleiben und sich schwer
artikulieren lassen (Purao u. a. 2003). Weiterhin gibt es Konfliktpotential aufgrund von
unterschiedlichen Interpretationen der einzelnen Stakeholder und andere Einflüsse wie
politische Faktoren, soziale Faktoren, unterschiedliche Machtverteilungen, und nicht zuletzt fehlendes Verständnis aufgrund mangelnder Unterstützung durch pragmatische Ar10

Vgl. dazu Vessey u. Galletta (1991).

5

tefakte. All diese Faktoren stören den Aufbau eines gemeinsamen Verständnisses und
die unternehmensweite Übernahme von prozessbezogenen Konzepten. Ansätze, welche
die Phasen der konzeptuellen Gestaltung unterstützen haben somit das Potenzial, für
betriebliche Organisationen sehr nützlich zu sein (Purao u. a. 2003).

1.2. Forschungsfragen
Der Gegenstandsbereich des Erkenntnisinteresses wird näher expliziert, um die genauen Forschungsfragen darlegen zu können. Auf drei Ebenen ist der Untersuchungsfokus
entsprechend einzugrenzen: 1) auf Ebene der betrachteten Modellierungsdomäne, 2) auf
Ebene der Art des betrachteten Modellkonstruktionsprozesses und 3) auf Ebene der möglichen Einflussfaktoren auf die Modellergebnisqualität. Eine wichtige Eingrenzung erfolgt
zunächst über die Ebene der betrachteten Modellierungsdomäne. Die Arbeit fokussiert
primär die Modellierung von Phänomenen der Geschäftsprozessdomäne, also Prozessmodelle. Die Differenzierung dynamischer Modelle von anderen modellierbaren Phänomenen
(z.B. statische Modelle wie Entity-Relationship-Diagramme) ist wichtig, da im Hinblick
auf die Durchführung von Anpassungen im Zuge der adaptiven Wiederverwendung unterschiedliche Reaktionen bei Modellierern hervorgerufen werden könnten, die auf die
verschiedenen Betrachtungsgegenstände zurückzuführen sind. Eine weitere Spezifität des
Gegenstandsbereichs ist durch die Art des betrachteten Modellkonstruktionsprozesses gegeben. Diese ist durch die systematische Wiederverwendung von Prozessmodellen innerhalb des Modellkonstruktionsprozesses bestimmt. Diese Art der Konstruktion stellt eigene Anforderungen an kognitive Kapazitäten von Modellierern, auszuführende Aktivitäten
und benötigte Softwaresysteme und ist klar von Modellierungsansätzen zu differenzieren,
die explizit ohne verfügbare und wiederverwendbare Modelle angewandt werden (d.h.
from-scratch11 ). Die dritte Eingrenzung wird auf Ebene der möglichen Einflussfaktoren auf die Modellergebnisqualität vorgenommen. Die vorliegende Arbeit nähert sich der
Auffassung einer pragmatischen, unterstützenden Qualität von Wiederverwendungsmodellen in Entwicklungsprozessen. Neben vielen identifizierten, wahrnehmungsrelevanten
Faktoren von Prozessmodellen wird hier eine spezielle Eigenschaft untersuchungstechnisch fokussiert, die Prozessmodellgranularität, da sie eng verknüpft ist mit der Vorstellung von mentalen Repräsentationen von Modellierern und deshalb Effekte als Reaktion
auf Granularitätsvariationen zu erwarten sind. Zudem liegen diesbezüglich kaum belastbare Forschungsergebnisse vor, was einen explorativen Untersuchungsansatz nahelegt.
Auf der Grundlage dieses stärker explizierten Gegenstandsbereichs können nun genauere
Forschungsfragen formuliert werden.
F1. Können wiederverwendungsorientierte Prozessmodellierungsansätze bei der Bearbeitung von Prozessgestaltungsaufgaben gegenüber From-scratch-Ansätzen, bei denen
von Grund auf modelliert wird, überhaupt zu Effektivitäts- und Effizienzvorteilen führen? Falls dies möglich ist, wäre es interessant, die Bedingungen, die hierbei herrschen,
11

dt. von Grund auf, bei Null anfangen.

6

näher zu charakterisieren.
F2. Im Fall realisierbarer Vorteile der Prozessmodellwiederverwendung bedeutet dies,
dass verschiedene wiederverwendbare Prozessmodelle vermutlich auch unterschiedlich gute Unterstützung leisten. Darauf stützt sich die Frage nach der Auffassung von pragmatischer Qualität von wiederverwendbaren Prozessmodellen. Die besondere Vorgehensweise
der Modellentwicklung durch Wiederverwendung verlangt vermutlich einen besonderen
Begriff der „Unterstützungsqualität“ von wiederverwendbaren Prozessmodellen. Existierende Frameworks für Prozessmodellqualität müssten hierfür entsprechend neu interpretiert bzw. bei Bedarf erweitert werden.
F3. Wie gehen Modellierer mit Wiederverwendungsmodellen in der Prozessmodellerstellung um? Wie ist das Adaptionsverhalten von Modellierern in Bezug auf das wiederverwendete Prozessmodell und die zu leistende Aufgabe zu charakterisieren? Welche
konkreten Anpassungsoperationen werden in wiederverwendeten Prozessmodellen vorgenommen und welche nicht?
F4. Im Kontext der Artefaktwiederverwendung in Systementwicklungsprozessen treten
oft Anker- und Anpassungseffekte auf, die auf kognitiven Bias beruhen. Es ergibt sich die
Frage, ob solche Effekte auch in der Prozessmodellwiederverwendung zu beobachten sind?
Oder sind diese Effekte vernachlässigbar klein und spezifische kognitive Bias müssen in
Aufgaben der Prozessmodellwiederverwendung nicht weiter berücksichtigt werden?
F5. Welche Rolle nimmt die Granularität von wiederverwendeten Prozessmodellen ein
in Bezug auf beobachtbares Adaptionsverhalten und die Ausprägung der Ergebnisqualität? Welche Effekte werden evtl. durch bestimmte Granularitätsniveaus hervorgerufen?
Rufen bestimmte Granularitätsniveaus bzw. Verteilungen von Ankern in den wiederverwendeten Modellen evtl. unterschiedliche Verhaltensweisen bzgl. der notwendigen Anpassung des Prozessmodells hervor? Eine nähere Bestimmung von Zusammenhängen könnte
zu einer weiteren Operationalisierung der Unterstützungsqualität von wiederverwendbaren Prozessmodellen beitragen.
F6. Wie robust sind die beobachtbaren Effekte bzgl. Adaptionsverhalten und Prozessmodellqualität? Sind die Effekte auch in unterschiedlichen Anwendungskontexten mit
ähnlicher Ausprägung zu beobachten oder kommt es zu zufällig erscheinenden Verteilungen?
Die formulierten Forschungsfragen leiten den weiteren Untersuchungsprozess und dienen als Ausgangspunkt für die Aufstellung detaillierter hypothetischer Aussagen im Rahmen eines Forschungsmodells, die sich operationalisieren lassen und somit empirisch überprüft werden können.

7

1.3. Forschungsmethodik
Als Ordnungsrahmen für die systematische Untersuchung der Forschungsfragen, die bzgl.
der adaptiven Prozessmodellwiederverwendung formuliert werden, wird das Information
Systems Research Framework (IS Research Framework) nach Hevner u. a. (2004) herangezogen. Das IS Research Framework soll im Folgenden kurz skizziert werden. Im
Anschluss daran wird das forschungsmethodische Vorgehen dieser Arbeit unter Bezug
auf das IS Research Framework erläutert, woraus die wesentlichen prozeduralen Schritte
der systematischen Beantwortung der eingangs formulierten Forschungsfragen ersichtlich
werden.
Das IS Research Framework legt die Hauptbestandteile und wechselseitigen Beziehungen des Forschungsprozesses für die Informationssystemdomäne fest. Die wesentlichen
Fragestellungen des IS Research ergeben sich aus den betrieblichen Anforderungen von
Informationssystemen bzw. IT-gestützten Arbeitssystemen und deren Umwelt. Die Verknüpfung der Forschungsfragen mit diesen betrieblichen Anforderungen sorgt dafür, dass
der Forschungsansatz immer ein ausreichendes Maß an praktischer Relevanz aufweist. Die
betriebliche Umwelt wiederum lässt sich in die Dimensionen Mensch, Organisation und
Technologie unterteilen. Durch betriebliche Anforderungen begründete Forschungsfragen
stoßen dann einen Entwicklungsprozess an. Dieser Prozess kann zu Ergebnissen von stärker theoretischem Charakter führen, wie ganzen Theorien oder erklärenden Modellen 12 .
Der Entwicklungsprozess umfasst aber auch die Konstruktion von praktischen Artefakten wie z.B. Methoden oder instanziierte Software bzw. Hardware. Beide Ergebnisfacetten stiften einen potenziellen Nutzen für Informationssysteme. Letztere kann durch ihre
unmittelbare Einsetzbarkeit in den Arbeitsprozessen eine direkte Prozessverbesserung
bewirken, während erstere Facette zunächst das tiefere Verständnis von Mechanismen
in Informationssystemen ermöglicht, welches wiederum die neue Konstruktion und Gestaltung von operativ einsetzbaren Artefakten initiieren kann. Beiden Ergebnistypen ist
jedoch gemein, dass ihnen ein konstruktiver Prozess zugrunde liegt.
Die entwickelten Artefakte entstehen dabei nicht im leeren Raum, sondern stützen
sich auf die aktuelle Wissensbasis der Wirtschaftsinformatik und knüpfen an akzeptierte
Theorien, Modelle, Methoden usw. an. Diese Fundierung in der allgemeinen Wissensbasis gewährleistet die nötige wissenschaftliche Präzision und Form. Weiterhin sollten sich
die konstruierten Theorien bzw. Artefakte einer analytischen Bewertung unterziehen.
Erst dieser Schritt schafft die Grundlage für eine gründliche Evaluierung des Konstruierten und letztliche Einschätzung ihres Nutzens. Dies kann mit unterschiedlichen Untersuchungsmethoden erfolgen (z.B. Fallstudie, Experiment usw.), deren Auswahl durch
den Kontext des Forschungsproblems mitbestimmt wird. Resultate aus diesem Untersuchungsprozess können dann zurückfließen in die Verfeinerung der konstruierten Artefakte. Die schließlich gewonnen Erkenntnisse aus der fortgeführten Konstruktion, Bewertung
und anschließenden Verfeinerung tragen einerseits zum weiteren Aufbau der Wissensbasis
für Informationssysteme bei und können andererseits ihre praktische Anwendung in den
12

Vgl. dazu Gregor (2006).

8

Umwelt

Praktische
Relevanz

Menschen
- Rollen
- Fähigkeiten
- Charakteristika
Organisationen
- Strategien
- Struktur & Kultur
- Prozesse

IS Research

Wissenschaftliche
Strenge

Entwicklung/Konstruktion
- Theorien
- Artefakte
Betriebliche
Anforderungen
bewerten

Technologien
- Infrastruktur
- Anwendungen
- Kommunikationsarchitektur
- Entwicklungsfähigkeiten

verfeinern

Untersuchung/Auswertung
- Analyse
- Fallstudie
- Experiment
- Feldstudie
- Simulation

Anwendung in der
dazugehörigen Umwelt

Anwendbares
Wissen

Wissensbasis

Grundlagen
- Theorien
- Frameworks
- Instruments
- Modelle
- Methoden
- Instanziierung
Methoden
- Datenanalyse
- Techniken
- Formalismen
- Maße
- Validierungskriterien

Erweiterungen der
Wissensbasis

Abbildung 1.3.: Information Systems Research Framework (aus dem Englischen, Hevner
u. a. 2004, S. 80)
relevanten betrieblichen Kontexten finden. Abbildung 1.3 zeigt die wesentlichen Elemente
und Relationen des IS Research Framework.
Unter Bezug auf das IS Research Framework verwendet die vorliegende Arbeit einen
entsprechenden empirischen und methodischen Rahmen, der sich in drei wesentliche Phasen gliedern lässt: 1) die Feststellung der betrieblichen Anforderungen und Einbettung in
die bestehenden Forschungsergebnisse im Kontext der Prozessmodellwiederverwendung,
2) die Herleitung und Aufstellung von Hypothesen auf Grundlage der Forschungsfragen
zur Prozessmodellwiederverwendung und Rolle der Granularität13 und 3) die Auswertung
der hypothetischen Aussagen mit forschungsdisziplinübergreifend bewährten Methoden
der statistischen Analyse. Dabei werden in allen drei Komplexen die Wissensstände aus
aktuellen anwendungsorientierten Ergebnissen und aus dem forschungsmethodischen Instrumentarium genutzt, um den Erkenntnisgewinn systematisch zu leiten und an bestehendes organisiertes Wissen zu knüpfen.
Die Fragen nach den Bedingungen für eine erfolgreiche Wiederverwendung von Prozessmodellen in prozessgestalterischen Aktivitäten ergeben sich unmittelbar aus betrieblichen
Anforderungen, da die Wiederverwendung von Artefakten generell eine Form der Res13

Die Entwicklung von Hypothesen wird hier als die Erstellung von vortheoretischen Aussagen, die
noch zu überprüfen sind, verstanden. Das IS Research Framework ist für die Konstruktion solcher
Artefakte offen, welche die Grundlage für eine spätere umfassendere Theoriebildung darstellen.

9

sourcenteilung darstellt, die ökonomische Einsparungen bzgl. des Entwicklungsaufwands
und höhere Qualitätsstandards verspricht. Mittels der Analyse sowohl forschungsbezogener als auch anwendungsorientierter Literatur aus dem Bereich der Geschäftsprozessmodellierung und Modellwiederverwendung lässt sich die wiederverwendungsorientierte
Prozessmodellerstellung direkt spezifischen betrieblichen Interessen, z.B. nach einer beschleunigten Informationssystementwicklung, zuordnen. Die bestehende Wissensbasis im
Bereich der Geschäftsprozessmodellierung wird außerdem genutzt, um den Gegenstandsbereich der Prozessmodellwiederverwendung terminologisch vorzustrukturieren. Weitergehend werden Arbeiten analysiert, die sich mit Qualitätsbegriffen in der Prozessmodellierung auseinandersetzen und darüber hinaus Einflussfaktoren identifizieren, die eine
wichtige Rolle im Modellkonstruktionsprozess spielen und auch für die wiederverwendungsorientierte Modellierung relevant sein können. Aktuelle Arbeiten zu modellbasierter Wiederverwendung werden ebenfalls strukturiert, um die verschiedenen Facetten (z.B.
Konstrukt- vs. Modellwiederverwendung) zu klassifizieren und einen forschungsfragenbezogenen Fokus innerhalb des Gegenstandsbereichs zu setzen. Durch die vergleichende
Analyse existierender Forschungsarbeiten zum prozeduralen Ablauf der Wiederverwendung von Modellen (bzw. im Rahmen des Entwicklungsprozesses nahestehenden Artefakten) werden die grundlegenden Aktivitäten, Rollen und Szenarien der Prozessmodellwiederverwendung zusammengestellt, die den Gegenstandsbereich weiter eingrenzen. Die
Betrachtung von Untersuchungsansätzen zur Modellwiederverwendung aus benachbarten
Forschungsbereichen eröffnet schließlich die Möglichkeit der Übertragung von Überlegungen zu spezifischen, kognitiv relevanten Einflussfaktoren, insbesondere der Prozessmodellgranularität, und ihrer Effekte auf Qualitätsdimensionen in der wiederverwendungsbasierten Prozessmodellierung.
Die theoretische Vorbereitung durch die erste Phase bereitet die Grundlage für die anschließende zweite Phase der Hypothesenherleitung und -aufstellung. Das vortheoretische
Stadium der einzelnen Begriffssysteme im Bereich der Prozessmodellwiederverwendung
erfordert zunächst die Explikation des Prozesses der adaptiven Prozessmodellwiederverwendung und des Begriffs der Prozessmodellgranularität sowie die Detaillierung von Zusammenhängen zwischen diesen Entititäten und den kognitiven Prozessen der Ankerund Anpassungsheuristik – einem im Kontext der Artefaktwiederverwendung relevanten kognitionspsychologischen Effekt. In Verbindung mit kognitionsbasierten Theorien
werden für den betrachteten Gegenstandsbereich der wiederverwendungsbasierten Modellkonstruktion mit Prozessmodellen unterschiedlicher Granularität spezifische erwartete Effekte argumentativ bestimmt. Auf Basis dieser begründeten Erwartungen werden
schließlich qualifizierte Hypothesen abgeleitet und aufgestellt.
Der zweiten Phase der Hypothesenformulierung schließt sich die dritte Phase der Auswertung der Hypothesen im Rahmen des aufgestellten Forschungsmodells direkt an. Zur
Auswertung gehören drei wesentliche Schritte: a) die Untersuchungsplanung, b) die Experimentdurchführung und c) die anschließende Analyse der Ergebnisse zur Überprüfung der Hypothesen. Methodisch orientiert sich diese Arbeit hauptsächlich an den Forschungsplänen von Wohlin u. a. (2000) und Gemino u. Wand (2004) zur Durchführung

10

von experimentellen Untersuchungen im Bereich des Software Engineering und der konzeptuellen Modellierung. In der Untersuchungsplanung werden vor allem die unabhängigen, abhängigen und zu kontrollierenden Variablen des Forschungsmodells operationalisiert, d.h. es werden nähere Aussagen zu Prozessmodellgranularitätsniveaus, zu Prozessmodellqualität und Anpassungsperformanz und weiteren, nicht zu manipulierenden
Einflussfaktoren (kontrollierte Variablen) getroffen. Ebenfalls Teil der Untersuchungsplanung ist die Strukturierung des experimentellen Designs, wobei detaillierte Angaben zum
Experimentdesigntyp und den Einsatz adäquater statistischer Auswertungsmethoden gemacht werden. Die Experimentdurchführung macht genaue Angaben zu vorbereitenden
Maßnahmen im Vorfeld der Experimenttermine und zur Systemumgebung, in der die
wiederverwendungsbasierte Prozessmodellierung durchgeführt werden soll. Ebenso wird
der genaue experimentelle Ablauf geschildert, d.h. wann Experimente durchgeführt werden, wie die Untersuchungsteilnehmer in die Modellierungsaufgaben eingeführt werden,
wie das Datenmaterial erhoben wird und unter welchen zeitlichen und systembedingten Einschränkungen die Aufgabenbearbeitung zu erfolgen hat. In der Ergebnisanalyse
wird das erhobene Datenmaterial mittels deskriptiver Statistiken ausführlich beschrieben. Die genaue Betrachtung des Rohdatenmaterials kann bereits erste Hinweise auf die
Beantwortung der Forschungsfragen liefern. Auch die Bestimmung von außergewöhnlichen Wertausprägungen ist in diesem Schritt möglich. Die formale Überprüfung der Hypothesen erfolgt schließlich mittels eines adäquaten statistischen Tests. Der erfolgreiche
Abschluss dieses letzten Schritts bestimmt im Kern die Aussagefähigkeit der gewonnenen
Untersuchungsergebnisse zur Charakterisierung der Granularitätsrolle in der wiederverwendungsorientierten Prozessmodellierung (und Beantwortung der anderen Forschungsfragen). Um im Nachgang eine kritische Interpretation der Ergebnisse zu ermöglichen,
erfolgt zusätzlich die Darstellung von möglichen Gefährdungspotenzialen für die interne
und externe Validität der Ergebnisse.

1.4. Beitrag der Arbeit
Die vorliegende Arbeit leistet Beiträge auf mehreren Ebenen im Rahmen der Bestrebung, eine detailliertere Charakterisierung der adaptiven Geschäftsprozessmodellwiederverwendung herauszuarbeiten. Diese Ebenen beziehen sich zum einen auf die Herausbildung einer Qualitätsauffassung, die sich speziell auf die Eignung von Prozessmodellen
in einer wiederverwendungsbasierten Modellierungssituation richtet. Zum anderen erfolgt eine theoretische Einbettung der Geschäftsprozessmodellwiederverwendung, die eine analytische Basis ausgehend von allgemeinen problemlösenden Aufgaben (worunter
auch die Konstruktion von Prozessmodellen zu fassen ist) ermöglicht. Weiter wird eine
Übertragbarkeit eines spezifischen kognitiven Effekts in den Kontext der Geschäftsprozessmodellwiederverwendung angenommen, welcher bei der Wiederverwendung von anderen Artefakten in der Informationssystemgestaltung beobachtet werden konnte und
welcher Implikationen für die Qualität von Endergebnissen und damit der Eignung bestimmter Wiederverwendungsansätze an sich bedeutet. Diese Arbeit konstruiert für die

11

empirische Untersuchung ein spezifisches Forschungsmodell, welches die Ausprägung einer spezifischen Eigenschaft des wiederverwendeten Prozessmodells, dessen Granularität,
mit den kognitiven Prozessen des Modellierers, welche die Prozessmodelllösung herausbilden, in Beziehung setzt. Schließlich liefert die Arbeit empirische Ergebnisse darüber,
welche Bedingungen der Geschäftsprozessmodellwiederverwendung (im Rahmen des Untersuchungsbereichs) mit welchen Ausgangsgrößenänderungen in Bezug auf das Prozessmodellierungsergebnis in Verbindung gebracht werden könnten.
Adaptionsqualität Die erfolgreiche adaptive Wiederverwendung von Prozessmodellen
stellt bestimmte Anforderungen an ihre repräsentierten Ausprägungen vor dem Hintergrund der begrenzten kognitiven Rationalität der Modellierer. Nicht alle Anpassungsoperationen stellen für die wiederverwendenden Prozessmodellierer gleiche Aufwände dar,
sondern es wird von spezifischen Eigenschaften des extern repräsentierten Wiederverwendungsmodells ausgegangen (im Weiteren insbesondere die Granularität), welche die
effektive und effiziente Anpassung des Prozessmodells eher begünstigen bzw. kognitive
Hürden darstellen. Um diese Beziehung auszudrücken wird der Begriff der Adaptionsqualität eingeführt. Sie wird im Sinne einer unterstützenden, assistierenden Eigenschaft als
Facette der pragmatischen Qualität (Lindland u. a. 1994; Krogstie u. a. 2006) von Prozessmodellen, welche wiederverwendet werden, aufgefasst. Diese Facette wird näher beleuchtet und der Begriff expliziert. Die Begriffsbildung ist ein Versuch, die Lücke aufgrund
mangelnder Beobachtungen in Bezug auf das Adaptionsverhalten von Prozessmodellnutzern, zu füllen. Diese Arbeit ist demnach auch ein Beitrag, welcher der in betrieblichen
Organisationen weit verbreiteten Neigung, Wiederverwendungsansätze als Universallösungen zu akzeptieren, eine differenziertere Sicht gegenüberstellt.
Theoretische Einbettung Die spezifische Arbeitssituation der Geschäftsprozessmodellwiederverwendung kann als problemlösender Prozess unter Nutzung einer spezifischen
externen Repräsentation (das wiederzuverwendende Prozessmodell) aufgefasst werden.
Der Ausgang dieses Prozesses ist eine konstruierte Prozessmodelllösung, welche sich nach
Gesichtspunkten der Effektivität und Effizienz beurteilen lässt. Für das Zusammenspiel
dieser Komponenten im Kontext allgemeiner problemlösender Aufgaben wurde mit der
Cognitive-Fit-Theorie (Vessey u. Galletta 1991; Zhang u. Norman 1994) eine theoretische Struktur vorgeschlagen, welche die essentiellen Entitäten und Relationen bestimmt.
In dieser Arbeit wird die Geschäftsprozessmodellwiederverwendung in die Cognitive-FitTheorie eingebettet und als spezielle Ausprägung des theoretischen Modells aufgefasst.
Dies erlaubt der vorliegenden und den zukünftigen Untersuchungen im Bereich der Geschäftsprozessmodellwiederverwendung, die akzeptierten Begriffe der theoretischen Basis
zu nutzen, um schließlich das in ihr verankerte Aussagengerüst verfeinern zu können.
Kognitiver Bias Der Diskurs der Prozessmodellwiederverwendung wird um eine kognitionsbasierte Perspektive erweitert, welche in zurückliegenden Forschungsbeiträgen nur

12

vereinzelt und in begrenztem Umfang eingenommen wird. Insbesondere wird der kognitive Bias des Anker- und Anpassungseffekts(engl. Anchoring and adjustment bias),
der in anderen Aufgabenkontexten häufig zu beobachten ist, als mögliches Phänomen in
der wiederverwendungsorientierten Prozessmodellerstellung angenommen, welches Auswirkungen auf die Qualität der Lösungsmodelle hat. Desweiteren wird der Prozess des
Anchoring mit verschiedenen Niveaus der Granularität von Prozessmodellen in Beziehung gesetzt. Der Begriff der Granularität von Prozessmodellen, der bisher nur intuitiv
artikuliert wurde, erfährt in diesem Zusammenhang eine stärker formale Annäherung, so
dass eine einheitliche Anwendung in unterschiedlichen Kontexten der Prozessmodellierung besser ermöglicht werden kann.
Forschungsmodell Auf Basis des Cognitive-Fit-Modells und der abgeleiteten Zusammenhänge zwischen verschieden granularen Wiederverwendungsprozessmodellen und kognitivem Anchoring wird ein Forschungsmodell 14 entwickelt, welches die Operationalisierung von Hypothesen und die Planung und Durchführung eines geeigneten Laborexperiments ermöglicht. Die Arbeit leistet zudem einen forschungsmethodischen Beitrag
durch die Bereitstellung eines formal beschriebenen Untersuchungsdesigns, welches von
Forschern für zukünftige Replikationen der Untersuchung genutzt werden kann.
Empirisches Ergebnis Das empirische Vorgehen führt zu Resultaten, welche im Zusammenhang mit der Untersuchungsmethodik eine kritische Analyse der angenommenen Effekte im Kontext der Prozessmodellwiederverwendung erlauben. Der angenommene Ankereffekt bei der wiederverwendungsorientierten Prozessmodellkonstruktion ist im
Rahmen der Untersuchung über die Stichprobengruppen hinweg deutlich zu beobachten.
Die geforderten Anpassungen hinsichtlich einer vollständigen und validen Prozessmodelllösung werden im Mittel nicht im vollen Umfang durchgeführt. Differenzierter ist das
Ergebnis bei der Betrachtung der Fälle, wenn einmal feingranulare und einmal grobgranulare Prozessmodelle zur Wiederverwendung eingesetzt werden. Der Ankereffekt ist bei
Wiederverwendung der feingranularen Prozessmodelle signifikant stärker ausgeprägt, als
bei der Wiederverwendung grobgranularer Prozessmodelle. Dies lässt sich vermutlich auf
eine höhere externe kognitive Ladung im feingranularen Fall zurückführen, welche durch
die höhere Zahl an wahrzunehmenden Entitäten entsteht. Die komplexen Operationen
der Verfeinerung im grobgranularen Fall scheinen diesen Effekt im Vergleich nicht kompensieren zu können. Zusätzlich wird die semantische Qualität der Prozessmodelllösungen
erhoben, wobei sich zeigt, dass die Kontrollgruppe ein niedrigeres Niveau erreicht im Vergleich mit den Wiederverwendungsgruppen. Zwischen den Wiederverwendungsgruppen
lässt sich ebenfalls ein Qualitätsunterschied zugunsten der grobgranularen Wiederverwendung beobachten. Schließlich wird die Untersuchung für eine weitere Anwendungsdomäne repliziert, wobei sich in allen Gruppen ähnliche Effekte sowohl bezüglich geforderter
Anpassungen, als auch semantischer Qualität der erstellten Prozessmodelle feststellen
lassen.
14

Dieses Forschungsmodell ist ein Artefakt im Sinne von Hevner u. a. (2004).

13

1.5. Struktur der Arbeit
Die vorliegende Arbeit zur Untersuchung der Rolle der Granularität von Wiederverwendungsmodellen in der adaptiven Prozessmodellierung ist wie folgt aufgebaut. In Kapitel 2
wird die Rolle der Geschäftsprozessmodellierung in der Informationssystemgestaltung beschrieben. Es wird das Geschäftsprozessmanagement als spezifische Perspektive auf betriebliche Organisationen charakterisiert und die Rolle von Geschäftsprozessmodellen als
zentralem Artefakt in analytischen und spezifizierenden Aktivitäten dargestellt.
Die potenzielle Wiederverwendbarkeit von Geschäftsprozessmodellen in konstruktiven
Aufgaben wird in Kapitel 3 aufgegriffen. Die essentiellen Aktivitäten und beteiligten
Entitäten im Prozessmodellwiederverwendungsprozess werden vorgestellt und in praktische betriebliche Szenarien eingeordnet. Daran anschließend erfolgt eine Darstellung
von aktuellen Vorschlägen zur Umsetzung der Geschäftsprozessmodellwiederverwendung.
Die Wiederverwendung von graphischen Modellen (wie Prozessmodellen) unterliegt dabei bestimmten kognitiven Mechanismen der menschlichen Prozessmodellierer. Die in der
Modellwiederverwendung involvierten Entitäten wie Wiederverwendungsmodell und Prozessgestaltungsaufgabe, die darauf basierenden kognitiven Ausbildungen und schließlich
resultierenden Effekte bzgl. der Modellierungsleistung werden vorgestellt und diskutiert.
Den Rollen der Prozessmodellgranularität der wiederverwendbaren Prozessmodelle und
kognitiven Bias gilt hierbei ein besonderes Untersuchungsinteresse.
Kapitel 4 nimmt eine nähere Bestimmung der adaptiven Aktivität innerhalb des Prozessmodellwiederverwendungsprozesses vor. Die Prozessmodellgranularität wird formalisiert und ihre Rolle im Kontext des kognitiven Bias des Anchoring and Adjustment charakterisiert. Aus diesen Annahmen heraus werden im Hinblick auf das adaptive Verhalten
von Modellierern und die Prozessmodellqualität von Lösungen konkrete Hypothesen entwickelt, die sich auf die zuvor diskutierten Theorien stützen.
In Kapitel 5 wird das Forschungsmodell formuliert, das der Prüfung der operationalen
Hypothesen dient. Das experimentelle Design und die Untersuchungsdurchführung werden erläutert. Im Anschluss erfolgt die Analyse der Untersuchungsergebnisse inklusive
deskriptiver Statistiken und Hypothesentests.
Kapitel 6 diskutiert basierend auf den gewonnenen Daten die Untersuchungsresultate
vor dem Hintergrund der theoretischen Einbettung und erwägt alternative Erklärungsansätze. Weiterhin ergeben sich Implikationen sowohl für die Wissenschaftsgemeinschaft
als auch für die betriebliche Praxis. Daran anknüpfend werden Einschätzungen bzgl. der
Gefährdung für die interne und externe Validität vorgenommen.
Kapitel 7 fasst abschließend die Untersuchung zusammen und gibt einen Ausblick auf
zukünftige Forschungsarbeiten, die in Anknüpfung an die vorliegende Arbeit durchgeführt
werden können, um ein präziseres Bild der hier vorgenommenen Exploration zu erhalten.
In Abbildung 1.4 ist der Aufbau der vorliegenden Arbeit grafisch dargestellt, um einen
Gesamtüberblick zu gewinnen.

14

Kapitel 1 Einleitung
Motivation

Forschungsfragen

Forschungsmethodik

Beitrag der Arbeit

Struktur der Arbeit

Kapitel 2 Geschäftsprozessmodellierung in der Informationssystemgestaltung
Gestaltung von
Informationssystemen und
Geschäftsprozessmanagement

Geschäftsprozessmodelle
in der
Informationssystemgestaltung

Wiederverwendungsebenen der
Prozessmodellierung

Kapitel 3 Wiederverwendung von Geschäftsprozessmodellen
Vorgänge der
Geschäftsprozessmodellwiederverwendung

Kognitive Bestimmungsgrößen der
Prozessmodellwiederverwendung

Zusammenfassung

Kapitel 4 Anpassungsheuristiken in der Prozessmodellwiederverwendung
Adaptive Prozessmodellwiederverwendung

Ankereffekte in der Prozessmodellwiederverwendung

Formalisierung der Prozessmodellgranularität

Anker und Granularität

Hypothesen zu Wirkungen auf die
Modellierungsperformanz

Kapitel 5 Forschungsmodell und Untersuchung
Zieldefinition

Untersuchungsplanung

Experimentdurchführung

Kapitel 6 Diskussion
Ergebnisdiskussion

Implikationen für die
Wissenschaftsgemeinschaft

Implikationen für
die betriebliche
Praxis

Gefährdung
der Validität

Abbildung 1.4.: Aufbaustruktur der Arbeit

15

Ergebnisanalyse

Kapitel 7
Zusammenfassung
und Ausblick

2. Geschäftsprozessmodellierung in der
Informationssystemgestaltung
Das einleitende Kapitel hat die grundsätzliche Motivation dieser Arbeit, eine genauere
Charakterisierung der Geschäftsprozessmodellwiederverwendung im Rahmen der Prozessmodellkonstruktion vorzunehmen, dargestellt. Die dabei erwachsenen Forschungsfragen richten sich im Kern auf die Rolle der Granularität von wiederverwendeten Prozessmodellen und wie sich diese auf Qualitätseigenschaften der Ergebnismodelle auswirkt.
Besondere Beachtung findet vor diesem Hintergrund ein spezifischer wahrnehmungsbasierter Effekt, der sogenannte Anker- und Anpassungseffekt, welcher insbesondere bei der
Vorlage von Lösungen (oder Teillösungen) für eine Aufgabenbearbeitung, wie dies auch
bei der Prozessmodellwiederverwendung der Fall ist, zum Tragen kommt. Desweiteren
wurden das forschungsmethodische Vorgehen und Beitrag und Struktur dieser Arbeit
aufgezeigt.
Im Folgenden wird zunächst eine terminologische Vorstrukturierung des Gegenstandsbereichs der Geschäftsprozessmodellierung vorgenommen und in den Kontext der Gestaltung von Informationssystemen (bzw. Information System Design) gestellt. Diese
Vorstrukturierung wird benötigt, um die grundlegenden Begriffe der Geschäftsprozessmodellierung einzuführen, auf denen die anschließend vorgestellten Ansätze der Wiederverwendung von Prozessmodellen aufbauen. Dies beginnt mit grundsätzlichen begrifflichen
Klärungen zu Gestaltungsaktivitäten in Informationssystemen und der Vorstellung des
Geschäftsprozessmanagements (bzw. Business Process Management) als einem verbreiteten Ansatz mit einer spezifischen prozessorientierten Perspektive auf Informationssysteme. Geschäftsprozessmodelle präsentieren sich innerhalb dieses Geschäftsprozessmanagementansatzes als zentrales Artefakt, welches sowohl in den Phasen des Designs und der
Implementierung, als auch der Ausführung von betrieblichen Abläufen eine wichtige Rolle spielt. In diesem Kontext sind daher auch wesentliche Auffassungen des Modellbegriffs
darzulegen, die anschließend auf Geschäftsprozesse und deren Modellierung übertragen
werden können. Geschäftsprozessmodelle stellen darüberhinaus konkrete Ausgangspunkte in verschiedenen Systementwicklungsansätzen dar. Die gesetzten Schwerpunkte und
verwandten Strategien dieser Ansätze werden daher zur besseren Abgrenzung aufgezeigt. Ebenso ist ein Qualitätsbegriff für Geschäftsprozessmodelle zu beschreiben, welcher ausgehend von verschiedenen Prozessmodellnutzungen entsprechend differenzierte
Auslegungen der Qualität erlaubt und die empirische Beurteilung ermöglicht. Gerade
das Verständnis von Qualität im Kontext von wiederverwendeten Prozessmodellen ist
mit Blick auf die Forschungsfragen von besonderem Interesse und wird im entsprechen-

16

den Abschnitt diskutiert. Die begriffliche Vorstrukturierung im Zusammenhang der Geschäftsprozessmodellierung bildet schließlich die Basis, auf der die Differenzierung von
Ebenen der Wiederverwendung von Prozessmodellen erfolgt. Diese Differenzierung hilft
dabei, die unterschiedlichen existierenden Ansätze im Diskursbereich der Prozessmodellierung nach ihren tatsächlich adressierten Wiederverwendungsartefakten zu klassifizieren
und den Untersuchungsfokus auf die spezifische Klasse der Wiederverwendung vollständiger Prozessmodelle einzustellen.
Diesen einführenden Erläuterungen folgend ergibt sich die Kapitelstruktur: 1) Gestaltung von Informationssystemen und Geschäftsprozessmanagement, 2) Geschäftsprozessmodelle in der Informationssystemgestaltung und 3) Wiederverwendungsebenen der Prozessmodellierung.

2.1. Gestaltung von Informationssystemen und
Geschäftsprozessmanagement
Um das zugrunde gelegte Begriffsverständnis von Informationssystemen, zugehörigen Gestaltungsprozessen und kontextbezogenen Konzepten festzuhalten, werden die Begriffe im
folgenden näher erläutert. Der Abschnitt ist in 1) Gestaltungsaktivitäten in Informationssystemen und 2) Geschäftsprozessmanagement gegliedert.

2.1.1. Gestaltungsaktivitäten in Informationssystemen
Geschäftsprozessmodelle werden in verschiedensten Bereichen für unterschiedliche Zwecke in betrieblichen Organisationen bzw. Informationssystemen eingesetzt. Ein gemeinsamer Wesenszug, den diese Zwecke in der Regel aufweisen, ist, dass das Informationssystem auf eine gewünschte Art und Weise verändert werden soll, d.h. dass der Zweck
einen gestalterischen Charakter besitzt. Um die Geschäftsprozessmodellierung in diesem
Bezugssystem von gestalterischen Aktivitäten zur Ausrichtung einer betrieblichen Organisation näher zu bestimmen, sind zunächst die Begriffe 1) Informationssystem, 2)
Gestaltungsaktivitäten und 3) Ergebnisartefakte von Gestaltungsprozessen zu charakterisieren.
Informationssystem
Es wurde bisher eine Vielzahl an Definitionen für den Begriff „Informationssystem“ vorgeschlagen. In Abhängigkeit von den individuellen Perspektiven der Autoren wurden
dabei unterschiedliche Aspekte jeweils stärker oder schwächer betont. In Wand u. Weber
(1995) beispielsweise wird die Abbildung von realen Systemen als primärer Zweck eines
Informationssystems in den Vordergrund gestellt. Andere Definitionen heben die Organisation von Menschen und Technologien, die Transformation von Ein- und Ausgaben und

17

das Erreichen eines Ziels hervor (z.B. Davis 2000; vom Brocke 2003; Huber u. a. 2007).
Eine hilfreiche Perspektive wird von Alter (2008) eingenommen, der Informationssysteme als eine spezifische Form eines Arbeitssystems begreift. Die Arbeitssystemperspektive
führt zu einer klaren, anwendungsbereichadäquaten und aussagekräftigen Definition von
sowohl Informationssystemen als auch IT-gestützten Arbeitssystemen, die von Informationssystemen abzugrenzen sind.
Dazu ist zunächst der Begriff des Arbeitssystems zu definieren. Ein Arbeitssystem ist
ein System, in dem menschliche Teilnehmer bzw. Maschinen Arbeit (Prozesse und Aktivitäten) verrichten unter Verwendung von Informationen, Technologien und anderen
Ressourcen, um ein spezifisches Produkt oder eine spezifische Dienstleistung für bestimmte interne oder externe Kunden herzustellen (Alter 2008, S. 451). Ein Arbeitssystem in
diesem allgemeinen Sinne kann über die Art der Ausprägung des hergestellten Artefakts zu einem Informationssystem spezialisiert werden, welches wie folgt definiert wird.
Ein Informationssystem ist ein Arbeitssystem, dessen Prozesse und Aktivitäten auf die
Verarbeitung von Informationen ausgerichtet sind, d.h. auf die Erhebung, die Übertragung, die Speicherung, den Abruf, die Manipulation und die Anzeige von Informationen
(Alter 2008, S. 451). Demzufolge ist ein Informationssystem also ein System, in dem
menschliche Teilnehmer bzw. Maschinen Arbeit (Prozesse und Aktivitäten) verrichten
unter Verwendung von Informationen, Technologien und anderen Ressourcen, um Informationsprodukte bzw. -dienste für interne oder externe Kunden herzustellen. Beispiele
für Informationsysteme sind Arbeitssysteme, die ausgerichtet sind auf die Erstellung von
Strategiepapieren, die Entwicklung von Computerprogrammen, die Aufstellung einer Bilanz, die Produktion digitaler Güter wie Software und Computerspiele, die Durchführung
von ökonomischen Analysen und die Ermittlung von Preisen für Sitzplätze in Flugzeugen
basierend auf komplexen Berechnungsgrundlagen im Rahmen des Ertragsmanagements
(Alter 2008, S. 451). Auch die Erstellung von graphischen Modellen im Rahmen der
Analyse und Spezifikation zur Weiterentwicklung von Unternehmensorganisationen stellt
einen Informationsverarbeitungsprozess dar, der innnerhalb eines Informationssystems
vollzogen wird. Graphische Modelle wie Geschäftsprozessmodelle stellen eine spezifische
Menge von Informationsprodukten dar, deren Nutzung – und Wiederverwendung – durch
menschliche Teilnehmer zur Umgestaltung und Weiterentwicklung der Organisation im
Fokus dieser Arbeit steht.
Von Informationssystemen sind IT-gestützte Arbeitssysteme zu differenzieren. Der umfassende Gebrauch von Informationstechnologien qualifiziert Arbeitssysteme nicht hinreichend als Informationssystem. Folgende beispielhafte Arbeitssysteme nutzen zwar intensiv Informationstechnologien, sind aber keine reinen Informationssysteme: Leistungserbringungssysteme für physische Güter, Paketlieferungssysteme, automatisierte Produktionsanlagen und intelligente Transportsysteme (Alter 2008, S. 451). Diese Arbeitssysteme
werden demnach als IT-gestützte Arbeitssysteme verstanden. Informationssysteme können aber durchaus in größeren IT-gestützten Arbeitssystemen vorkommen, in denen sie
informatorische Zwischenprodukte oder -dienste erzeugen bzw. erbringen, die für weitere
Arbeitsprozesse – deren Produkte über die Verarbeitung von Informationen hinausge-

18

hen – wichtig sind. Aufgrund der weiten Verbreitung und zunehmenden Bedeutung von
Rechnerunterstützung in Arbeitsorganisationen, ist die Verflechtung von Informationssystemen und anderen Arbeitssystemen inzwischen besonders stark ausgeprägt, weshalb
eine strikte Unterscheidung im Einzelfall schwierig sein kann (Alter 2008, S. 453). Die
Einordnung von Informationssystemkonzepten in die grundlegenden Begriffe von Arbeitssystemen ermöglicht eine arbeitssystemübergreifende Analyse, die sowohl den einzelnen
Arbeitssystemen (wie Informationssystem oder Supply Chain (vgl. Alter 2008, S. 451))
mit ihren eigenen Terminologien als auch der Untersuchung des Zusammenspiels von
unterschiedlichen Arbeitssystemen gerecht wird. Im weiteren Verlauf der Arbeit wird
weitgehend der Begriff Informationssystem verwendet und schließt IT-gestützte Arbeitssysteme mit ein. Der ebenfalls verwendete Begriff „betriebliche Organisation“ bezieht sich
im Kontext dieser Arbeit auf den Informationssystembegriff.
Gestaltungsaktivitäten
Geschäftsprozessmodelle werden neben anderen Artefakten in bestimmten Gestaltungsbzw. Designaktivitäten betrieblicher Organisationen benötigt, welche sich auf unternehmerische Abläufe beziehen. Designaktivitäten in Informationssystemen sind grundlegend
von den Tätigkeiten „Intelligence“ und „Choice“ zu differenzieren, wobei sich ersteres auf
das Erfassen und die Antizipation von Ereignissen bezieht, welche bestimme Handlungen erfordern und letzteres die Auswahl einer spezifischen zuvor gestalteten Alternative
meint (Simon u. Hayes 1976; Boland 2002). Um die Bandbreite der systemweiten Gestaltungsaktivitäten in heutigen Informationssystemen zu erfassen und die Nutzung von
Prozessmodellen entsprechend einzuordnen, sollen hier Auslöser, Charakter und Strategiebezug von Gestaltungsaktivitäten in Informationssystemen kurz dargestellt werden.
Daran anknüpfend können Geschäftsprozessmodelle in den Kontext von Designtätigkeiten eingeordnet werden.
Informationssysteme stehen in Beziehung mit anderen Arbeitssystemen und mit der
Umwelt im allgemeinen und müssen auf Änderungen dieser Umwelt reagieren. Diese Umweltänderungen lösen Prozesse im Informationssystem aus, die auf die Anpassung an die
geänderten Gegebenheiten ausgerichtet sind. Informationsysteme müssen entsprechend
organisatorische Anpassungen effektiv und effizient durchführen können, um nachhaltige
Wettbewerbsvorteile zu sichern (Cyert u. March 1963). Diese organisatorischen Anpassungen können sowohl durch berechnete und bewusst getroffene Gestaltungsentscheidungen, als auch durch Änderungen von routinierten Arbeitsprozessen auf Basis organisatorischer Informationssuche, Lernen und Verhandlungen implementiert werden (Augier u.
March 2008).
Die Gestaltung von betrieblichen Informationssystemen kann als ein Problemlösungsprozess verstanden werden, der durch „wickedness“ (i.S.v. Schwierigkeiten bereitend) gekennzeichnet ist, d.h. es ist in der Regel ein sehr komplexes Vorhaben, eine optimale Gestaltung für das Informationssystem festzulegen (Simon 1996; Mendling 2007). Darüber
hinaus ist das Design von Informationssystemen und IT-gestützten Arbeitssystemen ein

19

Strategy
Alignment

Business Strategy

Organizational
Design Activities

Organizational
Infrastructure

Information Technology
Strategy

Information Systems
Design Activities
Infrastructure
Alignment

Information Systems
Infrastructure

Abbildung 2.1.: Aktivitäten der organisatorischen und informationstechnischen Gestaltung (Hevner u. a. 2004, S. 79, adaptiert von Henderson u. Venkatraman
(1993))
essentieller Prozess, welcher innovative Ideen und Produkte hervorbringt, mit denen sich
Informationssysteme effektiver und effizienter analysieren, managen und nutzen lassen
(Denning 1997)15 .
Die organisatorische Struktur und die informationstechnische Infrastruktur von Informationssystemen stehen in Beziehung mit den strategischen Perspektiven für jeweils den
betrieblichen Anwendungsbereich bzw. die Informationstechnologie. Die effektive Umsetzung der Strategien in die jeweiligen Infrastrukturen erfordert explizite Gestaltungsaktivitäten16 . Diese gilt sowohl für die rein betriebsorganisatorische Seite, als auch für die
informationstechnische Seite (Hevner u. a. 2004, S. 78). Die Verhältnisse sind in Abbildung 2.1 illustriert17 .
Die Erstellung und Verwendung von Geschäftsprozessmodellen kann entsprechend Abbildung 2.1 für beide Designaktivitätskomplexe erfolgen. Rein betriebsorganisatorische
Gestaltungsaktivitäten wie das Design von fachlichen Prozessen für beispielsweise den
Vertrieb, den Transport etc. können ebenso mit Geschäftsprozessmodellen unterstützt
15

In der englischsprachigen Wissenschaftsliteratur ist der Gestaltungsaspekt zentraler Bestandteil der
Disziplinen Information Systems Design bzw. Information Systems Development (Walls u. a. 1992;
Simon 1996).
16
Der Gestaltungsprozess wird auch im WSLC-Modell von Alter (2008) verdeutlicht, dessen Phasen der
Initiierung, Entwicklung und Implementierung explizit gestalterische Aktivitäten beinhalten. Vgl.
dazu auch die Implementierungsphasen in Zmud u. Cox (1979).
17
Der Informationssystembegriff wird in diesem Modell leicht einschränkend für die informationstechnischen Strukturen verwendet (vgl. Abschnitt 2.1.1). Das Modell basiert auf dem ursprünglich entwickelten Modell von Henderson u. Venkatraman (1993). Eine Erweiterung um die Dimension Informationsund Kommunikationsstrukturen (in Abgrenzung zur rein technischen Perspektive auf Informationssysteme) und die Ausdifferenzierung der Infrastrukturdimension in Strukturen und Operationen wurde
in Maes u. a. (2000) vorgenommen.

20

werden, wie Designaktivitäten, die sich auf die Organisation der Informationstechnologie,
z.B. IT-Governance, Systementwicklungmethodik etc. beziehen. Die Betrachtungsebene
von Prozessmodellen ist in dieser Hinsicht nicht auf die eine oder andere Seite beschränkt.
Ergebnisse der Informationssystemgestaltung
Ergebnisse von Informationssystemgestaltungsprozessen sind IT-Artefakte (Orlikowski
u. Iacono 2001) bzw. einfach Artefakte (Hevner u. a. 2004). Im folgenden werden Artefakte im Sinne von Hevner u. a. (2004) verstanden. Dieser Artefaktbegriff bezieht sich
auf Instanziierungen (d.h. alle Formen von physisch implementierten unterstützenden
Technologien, z.B. Hardware, Software etc.), schließt aber auch Konstrukte, Modelle und
Methoden mit ein, die während der Entwicklung und Nutzung von Informationssystemen
angewendet werden (Hevner u. a. 2004, S. 82). Enger gefasst ist der Artefaktbegriff in
Bezug auf die menschlichen Teilnehmer in Informationssystemen. Sie sind hier keine Artefakte als Ergebnis von Informationssystemgestaltungsprozessen. Dass gegenseitige Abhängigkeiten zwischen Organisationsmitgliedern und Artefakten bestehen und dass die
Wahrnehmung und Ergonomie von Artefakten kritisch für die erfolgreiche Implementierung von Informationssystemen sind, wird dagegen nicht bestritten. Der Artefaktbegriff
beschränkt sich hier auf die Eigenständigkeit von Konstrukten, Modellen, Methoden und
Instanziierungen (Hevner u. a. 2004, S. 82-83). Konstrukte stellen die Sprache dar, in der
Probleme und Lösungen definiert und kommuniziert werden können. Modelle wiederum
verwenden Konstrukte, um Probleme und den Lösungsraum darstellen zu können. Methoden definieren einen Prozess. Sie stellen eine Anleitung bereit, wie Probleme gelöst
werden, d.h. wie der Lösungsraum durchsucht wird. Diese umfassen exakte Algorithmen aber auch informelle textuelle Beschreibungen von Best-Practice-Lösungen. Nach
der Definition von Gutzwiller (1994, S. 11 ff.)) sind die konstituierenden Bestandteile
einer Methode Aktivitäten, ein Vorgehen (Ablauf der Aktivitäten), Ergebnisse, Rollen
(welche die Aktivitäten ausführen), Techniken, ein unterstützendes Werkzeug und ein
Metamodell (um die Beziehungen zwischen Entitäten und die Entitäten an sich festzulegen). Instanziierungen zeigen schließlich, dass Konstrukte, Modelle oder Methoden
in einem funktionierenden System umgesetzt werden können und demonstrieren dessen
Machbarkeit (Hevner u. a. 2004, S. 78-79).
In vielen Ansätzen der Informationssystemgestaltung, v.a. der Softwareentwicklung,
entstehen Modelle als Zwischenprodukte eines fortlaufenden Spezifikationsprozesses. Die
vorliegende Arbeit legt den Schwerpunkt auf die Nutzung von Geschäftsprozessmodellen
in Informationsgestaltungsprozessen und rückt damit Modelle als Artefakte des Untersuchungsinteresses in den Fokus. Der Modellbegriff und die im Kontext der Modellierung
benötigten Konzepte werden in Abschnitt 2.2 näher erläutert.

21

2.1.2. Geschäftsprozessmanagement
Die gestalterische Perspektive auf Informationssysteme hat besonders in den 1990er Jahren eine verstärkte Orientierung an unternehmerischen Abläufen bzw. Geschäftsprozessen erfahren (Kettinger u. a. 1997). Nachdem in Abschnitt 2.1.1 Geschäftsprozessmodelle
zunächst im Gesamtzusammenhang von Designaktivitäten in Informationssystemen verortet wurden, erfolgt nun die spezifische Einordnung in den Ansatz des Geschäftsprozessmanagements bzw. Business Process Management (BPM). Hierdurch wird erkennbar,
welche zentrale Rolle der Geschäftsprozess als designrelevanter Betrachtungsgegenstand
einnimmt und welche Managementaktivitäten ausgeführt werden müssen, um mittels dieses Ansatzes die Organisation erfolgreich auf die Anforderungen auszurichten. Bevor der
Betrachtungsgegenstand des Geschäftsprozesses als Modell genauer qualifiziert wird (vgl.
Abschnitt 2.2), werden hier zunächst 1) der Begriff des Geschäftsprozesses an sich und
2) die existierenden methodischen Vorgehensweisen des Geschäftsprozessmanagements
(BPM-Methoden), wobei Geschäftsprozessmodelle ein wichtiges Artefakt darstellen, näher charakterisiert.
Geschäftsprozess
Bereits in den 1930er Jahren wurde u.a. von Nordsieck ein Geschäftsprozess beschrieben
als eine Sequenz von Aktivitäten, die ein bestimmtes Ergebnis produziert. Nach dieser
Definition ist eine Aktivität die kleinste separierbare Einheit an Arbeitstätigkeit, die von
einem Arbeitssubjekt ausgeführt wird (Nordsieck 1934, S. 27-29). Eine pragmatische, in
den betrieblichen Kontext eingebettete Definition von „Geschäftsprozess“ findet sich in
Becker u. Kahn (2005, S. 6-7):
Ein Prozess ist die inhaltlich abgeschlossene, zeitliche und sachlogische Folge von Aktivitäten, die zur Bearbeitung eines betriebswirtschaftlich relevanten Objekts notwendig sind. Ein solches Objekt wird aufgrund seiner zentralen Bedeutung für den Prozess als prozessprägendes Objekt bezeichnet [...]
Ein Geschäftsprozess ist ein spezieller Prozess, der der Erfüllung der obersten
Ziele der Unternehmung (Geschäftsziele) dient und das zentrale Geschäftsfeld
beschreibt.
Sprachlich leicht variiert beschreibt auch Davenport einen Geschäftsprozess als eine
spezifische Anordnung von Arbeitsaktivitäten innerhalb von Zeit und Raum mit einem
Anfang und einem Ende und klar identifizierten Eingaben und Ergebnissen, kurz: als eine Struktur für bestimmtes Handeln (engl. structure for action) (Davenport 1993, S. 5).
van der Aalst u. van Hee ergänzen diese Beschreibung um den Gedanken, dass die Reihenfolge der Aktivitäten durch eine Menge von Bedingungen bestimmt wird (van der Aalst
u. van Hee 2004). Eine wichtige begriffliche Unterscheidung, die vorgenommen werden
muss, ist die zwischen einem Geschäftsprozess und einem Geschäftsfall (engl. case). Geschäftsprozesse sind fallbasiert, d.h. jede Einheit an Arbeit wird für einen spezifischen

22

Fall ausgeführt. Der Geschäftsprozess liefert die Beschreibung dafür welche Aktivitäten
ausgeführt werden sollen und in welcher Reihenfolge. Es können daher mehrere Fälle
für ein und denselben Geschäftsprozess abgearbeitet werden. Dies bedeutet auch, dass
die gleiche Aktivität mehrmals durchgeführt wird, wenn es zu mehreren Geschäftsfällen
kommt (van der Aalst 1998, S. 5).
Für die Menge an bekannten Geschäftsprozessen, insbesondere in Verbindung mit
unterstützenden Informationstechnologien, wurden verschiedene Klassifikationsschemata vorgeschlagen. Als Erweiterung des Wertschöpfungskettenmodells von Porter (1985)
unterscheiden van der Aalst u. van Hee Produktions-, Unterstützungs- und Managementprozesse. Produktionsprozesse erstellen Güter und Dienstleistungen in einem Unternehmen und veräußern diese an Kunden. Diese Prozesse sind kritisch für Unternehmen, da
sie die zentralen Werte generieren, mit denen sich Gewinne erwirtschaften lassen. Unterstützungsprozesse sind Prozesse, die zusätzlich zu den Produktionsprozessen benötigt
werden, damit die Wertschöpfung von der Beschaffung bis hin zum Konsum durch den
Kunden erfolgen kann. Dies schließt Wartungsarbeiten an Fertigungsmaschinen ebenso
wie Marketing- und Vertriebsaktivitäten und Buchhaltungstätigkeiten mit ein. Managementprozesse steuern und koordinieren die Produktions- und Unterstützungsprozesse.
Sie setzen vorwiegend die zu erstellenden Ergebnisse für die anderen Prozesse fest und
formulieren Bedingungen, die während der Prozessdurchführung erfüllt werden müssen
(diese können z.B. in Policies formuliert sein). Diese Unterteilung von Geschäftsprozessen
wird in einer sehr ähnlichen Weise auch von APQC (2010) vorgenommen, die in ihrem
Process Classification Framework operative, unterstützende und managementrelevante
Prozesse voneinander abgrenzen. Weitere Klassifikationen von Geschäftsprozessen finden
sich u.a. in Melao u. Pidd (2000); Lindsay u. a. (2003); Dumas u. a. (2005).
BPM-Methoden
Durch den klaren Fokus auf Geschäftsprozesse sind in der betrieblichen Praxis in Rückkopplung mit der handlungsorientierten Forschung Methoden und spezifische Vorgehensweisen entstanden, die in der Gesamtheit unter dem Begriff des Geschäftsprozessmanagements subsummiert werden. Geschäftsprozessmanagement kann allgemein definiert
werden als die Menge aller Aktivitäten, die im Kontext von Geschäftsprozessen durchgeführt werden. Diese Aktivitäten können nach den wesentlichen Tätigkeiten in einem
idealisierten Lebenszyklusmodell strukturiert werden. Derartige methodische Lebenszyklusmodelle werden beispielsweise von van der Aalst u. van Hee (2004); Dumas u. a.
(2005) vorgeschlagen. Als Grundlage für die Untersuchung wird im Weiteren das Lebenszyklusmodell von zur Mühlen (2004, S. 85-86) betrachtet. Es konsolidiert mehrere
bestehende Lebenszyklusvorschläge (u.a. Heilmann u. a. (1996); Neumann u. a. (2003))
und strukturiert die wichtigsten Aktivitäten und Artefakte in einem Modell. Die Kernaktivitäten der Analyse, des Designs und der Implementierung stimmen ebenfalls mit dem

23

Goals, Environmental &
Organizational Analysis

Requirements

Process Models
Process Design

Simulation

Process Evaluation

Process Implementation

Simulation
models,
Targets
Process Enactment
Implemented Process
in Infrastructure

Case Data
Case Data

Process Monitoring

Abbildung 2.2.: Business Process Management Life Cycle (in Anlehnung an zur Mühlen
2004; Mendling 2007)
generellen Verständnis des Vorgehens in der Informationssystementwicklung überein18 .
Der Lebenszyklus besteht aus den Managementaktivitäten Analyse, Design, Implementierung, Ausführung, Monitoring, Evaluation und Simulation. Das Prozesslebenszyklusmodell ist in Abbildung 2.2 dargestellt.
Die Aktivitäten der einzelnen Phasen werden im Folgenden erläutert (vgl. dazu zur
Mühlen 2004, S. 85-87). In der Phase Goals, Environmental & Organizational Analysis
werden die Projektziele definiert und es wird eine Anforderungsanalyse für den zukünftig
informationstechnisch unterstützten Geschäftsprozess durchgeführt sowohl in Bezug auf
Anforderungen der betrieblichen Umwelt, als auch auf Anforderungen, welche sich aus den
internen organisatorischen Strukturen und Regeln ergeben. Während des Process Design
wird die gesamte Geschäftsprozessstruktur mittels der Erstellung von Prozessmodellen
gestaltet. Dies bezieht auch die Modellierung der benötigten Ressourcen zur Errreichung
der jeweiligen Ergebnisse, die organisatorischen Verantwortlichkeiten und Mechanismen
18

Vgl. dazu beispielsweise das „Work System Life Cycle“-Modell von Alter (2008) und den Informationssystemgestaltungsprozess bestehend aus den fünf Phasen Konzeptgestaltung, Konstruktion der Architektur des Systems, Prototyping, Produktentwicklung und Technologietransfer (Nunamaker u. a.
1990).

24

der Konfliktauflösung (engl. exception handling) mit ein. Die konstruierten Prozessmodelle fließen als Input in die Phase der Process Implementation ein. Hier werden die
informationstechnischen Strukturen, welche die Geschäftsprozesse unterstützen, designt
und umgesetzt. In der Phase des Process Enactment werden individuelle Instanzen des
Prozessmodells – Cases – abgeleitet und von der informationstechnischen Infrastruktur,
die den Prozess steuert, koordiniert. Teilnehmende Rollen im Geschäftsprozess werden
über durchzuführende Aufgaben benachrichtigt und weitere Ressourcen werden während
der Prozessausführung genutzt. Während der Prozessausführung entstehen Daten – Case
Data – die zur Überwachung des Prozesses verwendet werden können. Dies geschieht in
der Phase des Process Monitoring. Es werden einerseits Daten analysiert, die Rückschlüsse auf die ordnungsgemäße Funktion des prozesssteuernden Informationssystems an sich
ermöglichen. Andererseits werden Daten verfügbar, die managementrelevante Indikatoren des ausgeführten Prozesses darstellen, z.B. Warteschlangenlängen und Leerzeiten an
Ressourcen, Dauer von Aufgabenbearbeitungen oder Gesamtdurchlaufzeiten. Die Phase Process Evaluation stellt die letzte Kernaktivität dar und vervollständigt den Business Process Management Lifcycle. Rückblickend auf die ausgeführten Prozessinstanzen
können die einzelnen Cases auf Basis der Ausführungsprotokolle analysiert werden. Die
Auswertungsergebnisse können wiederum neue Anforderungen zur Anpassung des Geschäftsprozesses ergeben, die rückkoppelnd in die Phase des Process Design eingehen.
Bei Unsicherheit in Bezug auf die Effekte geplanter Prozessanpassungen können mit Hilfe von Simulationsmodellen, welche auf die erstellten Prozessmodelle aufsetzen, Tests
durchgeführt werden. Dies erfolgt im Schritt Simulation. Dies kann bei weitreichenden
Veränderungen angebracht sein, um das Risiko von Verlusten zu reduzieren.
Aus dem Business Process Management Life Cycle geht hervor, dass Geschäftsprozessmodelle eine wichtige Rolle spielen vor allem in den Phasen des Designs, der Implementierung und der Ausführung von Geschäftsprozessen, insbesondere wenn informationstechnische Unterstützung in der Ausführung eingesetzt wird. Sie stellen demnach
eine wertvolle Ressource in vielen Gestaltungbereichen von betrieblichen Organisationen
dar, wie z.B. im Qualitätsmanagement, Compliance Management und in der Softwareentwicklung u.v.m. (z.B. Hammer 1990; Curtis u. a. 1992; Davenport 1993). Diese Ressource
sollte deshalb nicht nur für einzelne Vorhaben entstehen und einmalig genutzt werden,
sondern es sollten potenzielle Ansätze berücksichtigt werden, die Prozessmodelle nach
Möglichkeit und gegebenem Kontext neuen Handlungsbedarfen erfolgreich zuführen können. Wie auch bei anderen Designartefakten in der Informationsystementwicklung, die
in der Organisation verteilt und von Mitarbeitern erneut effektiv genutzt werden, könnte
auch die Wiederverwendung von Geschäftsprozessmodellen im Rahmen von notwendigen
BPM-Designaktivitäten ein nutzbringendes Vorgehen darstellen.

25

2.2. Geschäftsprozessmodelle in der
Informationssystemgestaltung
Durch die Vorstrukturierung der Designaktivitäten der betrieblichen Organisation und
des Geschäftsprozessmanagements als dezidiertem Ansatz der Informationssystemsteuerung wurde dargelegt, dass Geschäftsprozessmodelle in diesem Zusammenhang elementare Designartefakte darstellen, die sowohl reflektiv-analytischen Aktivitäten, als auch
explizit systementwicklungsorientierten Tätigkeiten zugrunde liegen. Da Geschäftsprozessmodelle sich in erster Linie unter den Begriff der Modellierung im Allgemeinen ordnen müssen, werden zunächst hierfür die wichtigsten terminologischen Grundlagen dargestellt. In welcher Weise die Konzepte für den Betrachtungsgegenstand Geschäftsprozesse genutzt werden, wird anknüpfend daran expliziert. Durch die Intensivierung der
informationstechnischen Unterstützung in Arbeitsssystemen erstreckt sich der Fokus der
Geschäftsprozessorientierung in der Regel besonders auf die Systementwicklung (insbesondere Softwaresystementwicklung). Es sind daher mehrere Ansätze entstanden, die Geschäftsprozessmodelle explizit als wichtigen Ausgangspunkt der Systementwicklungsaktivitäten betrachten. In diesen Ansätzen wird bereits erkennbar, dass die Wiederverwendung von Geschäftsprozessmodellen in neuen Systementwicklungsvorhaben interessante
Vorteile hinsichtlich der Effektivität und Effizienz bedeuten kann. Die Charakterisierung dieser Vorteile erfordert dementsprechend differenzierte Begriffe der Qualität von
Geschäftsprozessmodellen. Hierfür sind existierende Qualitätsframeworks heranzuziehen
und für den speziellen Ansatz der Entwicklung unter Wiederverwendung zu diskutieren.
Der Abschnitt ist im Weiteren folglich in drei Teile gegliedert: 1) Modellbegriff und Geschäftsprozessmodellierung, 2) Ansätze der prozessmodellbasierten Systementwicklung
und 3) Qualität von Geschäftsprozessmodellen.

2.2.1. Modellbegriff und Geschäftsprozessmodellierung
Nachdem in Abschnitt 2.1.2 im Rahmen des Business Process Management Life Cycle
das Geschäftsprozessmodell (im Weiteren auch Prozessmodell) als zentrales Designartefakt identifiziert wurde, erfolgt hier die Einbettung in die allgemeine Modellierungsterminologie, wobei das Geschäftsprozessmodell eine spezifische Ausprägung eines Modells
darstellt. Neben grundsätzlichen Verwendungszwecken von Modellen werden wesentliche
Konzepte von Modellierungstechniken dargestellt und theoriebasierte Möglichkeiten der
Auswertung von Modellierungssprachen erläutert. Hieran schließt sich die Konkretisierung der Modellierungskonzepte für den Betrachtungsgegenstand Geschäftsprozesse an.
In einem Vorgriff auf die kognitiven Effekte innerhalb eines Wiederverwendungsansatzes,
sollen abschließend kurz die möglichen Auswirkungen bei Prozessmodellen bzw. anderen
wiederverwendeten Modellen differenziert werden. Der Abschnitt gliedert sich daher wie
folgt: a) Modellbegriff, b) Einsatzwecke, c) Modellierungstechnik, d) Evaluierung von
Modellierungssprachen, e) Geschäftsprozessmodellierung und f) dynamische vs. statische
Modelle in der Wiederverwendung.

26

Modellbegriff Der Begriff „Modell“ ist in hohem Maße mehrdeutig und in den verschiedenen wissenschaftlichen Diszplinen wird keine einheitliche Terminologie verwendet
(Koperski 2010). Für den Kontext der Informationssystemgestaltung wird ein Modell
zunächst als eine Repräsentation eines Objekts, eines Verhaltens oder eines Informationssystems aufgefasst, welches man begreifen möchte. Aus einer Ingenieursperspektive
werden diese Repräsentationen dann als präskriptive Vorgaben erstellt und eingesetzt,
um Informationssysteme geplant zu konstruieren. Durch die Nutzung von Symbolen sind
Modelle nicht nur in der Lage die natürliche Sprache zu ersetzen bzw. zu ergänzen, um
komplexe Sachverhalte darzustellen, sondern in vielen Fällen wird es erst hierdurch möglich, die Kerngedanken eines Gegenstands umfassend zu repräsentieren (Nordsieck 1934).
Stachowiak definiert ein Modell als das Resultat einer vereinfachenden Abbildung der
Realität, welches einem bestimmten Zweck dient (Stachowiak 1973). Gemäß dieser Definition weisen Modelle drei wesentliche Merkmale auf: Abbildungsmerkmal – das Modell
hat eine Beziehung zu einem „Original“ 19 , Reduktionsmerkmal – das Modell bildet nur
eine Auswahl der Eigenschaften des Originals ab, pragmatisches Merkmal – das Modell
sollte anstelle des Originals für einen bestimmten Zweck nutzbar sein (auch Kühne 2006,
S. 3). Steinmüller (1993) konkretisiert den pragmatischen Aspekt von Modellen näher und
bezieht zusätzlich den Ersteller (auch: Sender) und den Konsumenten (auch: Empfänger)
eines Modells mit ein. Während der Modellbegriff in der Wirtschaftsinformatik bis Ende
der 1990er Jahre überwiegend an der erkenntnistheoretischen Abbildtheorie orientiert
war (vgl. Schütte 1998b, S. 40 ff.), gibt es mit Auslaufen des letzten und Beginn dieses
Jahrtausends eine verstärkte Zuwendung zu konstruktivistischen Auffassungen (Schütte
1998a; vom Brocke 2003; Wyssusek 2004; Recker 2007; Mendling 2007).
Hier wird einem soziopragmatisch-konstruktivistischen Modellverständnis gefolgt, das
in Wyssusek (2004) umfassend hergeleitet wird (vgl. auch Recker 2007). Der semantische
Raum im Sinne des soziopragmatischen Konstruktivismus beginnt auf der zweiten semantischen Stufe (Stachowiak 1973), mit der Ebene der Wahrnehmungen und Vorstellungen
und mit der gesprochenen Sprache als bedeutendem Kommunikationssystem. Da die soziale symbolische Interaktion ein Kommunikationssystem voraussetzt, sind die untersten
zwei Stachowiakschen Stufen für die Deutung von symbolischen Interaktionen irrelevant.
Die unterste (nullte) verfügt über kein Kommunikationssystem und die erste verfügt über
ein Kommunikationssystem, das nur die interne Kommunikation betrifft (Wyssusek 2004,
S. 145-146). Diese Reduktion der Theorie der semantischen Stufen hat zur Folge, dass sowohl Original als auch Modell in der symbolischen Welt des Menschen verortet werden,
womit die Gleichsetzung von „realen“ Dingen und sprachlichen Ausdrücken vermieden
werden kann. Als Konsequenz ergibt sich, dass sowohl das wahrgenommene „Original“
als auch das zu konstruierende Modell Resultate symbolischer Interaktionen sind (Wyssusek 2004, S. 146). Dies bedeutet auch, dass der Gegenstand der Modellierung von einer
zweifachen Interpretation geprägt ist: die modellbasierte Beschreibung ist sprachabhän19

Wenn Modelle zur Spezifikation (im präskriptiven Sinne) eines Systems erstellt werden, existiert (noch)
kein wahrnehmbares Original, auf die sich beziehen können. Modelle können sich daher auch auf
mögliche Systeme beziehen (vgl. hierzu Kühne 2006, S. 3).

27

gig, aber bereits vor seiner Beschreibung muss ein Gegenstand sprachlich strukturiert
werden, um ihn überhaupt beschreiben zu können (vgl. auch Habermas 1995).
Einsatzzwecke Bezüglich des Einsatzzwecks von Modellen lassen sich zwei grundlegende Verwendungsmöglichkeiten differenzieren. Deskriptive Modelle werden in erster Linie
erstellt, um Nutzern das durch das Modell Beschriebene vermittelbar zu machen (Kühne
2006). Dies geschieht, indem die Modellnutzer mentale Repräsentationen entwickeln, die
das Verstehen der modellierten Gegenstände auf eine effektivere Art und Weise ermöglichen. Präskriptive Modelle hingegen dienen als Vorgaben oder Spezifikationen, welche
die Initiierung und Durchführung weiterer Aktivitäten genau beschreiben, deren Ziel es
ist, ein bestimmtes Artefakt zu konstruieren (Kühne 2006). Diese Art der Verwendung
von Modellen erfolgt vor allem in Systementwicklungsvorhaben, die in verschiedensten
Kontexten angesiedelt sein können. Da diese Modelle als Spezifikationen immer auch von
einem Konsumenten erfasst und vestanden werden müssen, um die erforderliche Arbeiten
im Anschluss ausführen zu können, haben auch präskriptive Modelle immer ein deskriptives Element. Modellnutzer müssen hier in der Regel mindestens zwei kognitive Aufgaben
bewältigen: 1. die Erfassung und das Verständnis des Modells; 2. die Umsetzung der
Modellinhalte (in einem informationstechnischen System).
Modellierungstechnik Für den praktischen Einsatz der Modellierung kann eine Modellierungstechnik genutzt werden. Eine Modellierungstechnik besteht aus zwei miteinander
in Beziehung stehenden Konzepten: einer Modellierungssprache und einer Modellierungsmethode (Mendling 2007, S. 8-9). Eine Modellierungssprache umfasst die Bestandteile
Syntax, Semantik und gegebenenfalls eine Notation. Die Syntax stellt eine Menge an Konstrukten und zusätzlich eine Menge an Regeln bereit, die bestimmen wie die Konstrukte
zueinander in Beziehung gesetzt werden dürfen20 . Die Semantik legt Bedeutungen für
die Konstrukte und ihre Kombinationen (welche die Syntax definiert) fest. Diese Festlegung kann beispielweise mit Hilfe einer ontologischen Systematik organisiert werden. Die
Notation legt eine Menge an graphischen Symbolen fest, die für die Visualisierung der
Modelle eingesetzt werden dürfen. Darüber hinaus lässt sich eine Modellierungssprache
als Spezifikation festgelegt durch ein Metamodell verstehen21 . Eine Modellierungsmethode
legt bestimmte Aktivitäten und insgesamt eine Vorgehensweise fest, die Modellierer bei
der Anwendung der Modellierungssprache zur Konstruktion von Modellen22 unterstützen
(Wand u. Weber 2002). Wenn die Modellierungsmethode befolgt wird, dann resultieren
im Idealfall Modelle, die den Vorgaben der eingesetzten Modellierungssprache entsprechen.
Evaluierung von Modellierungssprachen Es existieren verschiedene Ansätze zur Schaffung einer Evaluierungsgrundlage für unterschiedliche Modellierungssprachen (Siau u.
20

Vgl. den Begriff modeling grammar in Wand u. Weber (1995).
Vgl. dazu die Ausführungen zu Metamodell und Modellierungssprache in Kühne (2006).
22
Vgl. den Begriff script in Wand u. Weber (1995) und Wand u. Weber (2002).
21

28

Rossi 2010). Diese können auch auf den Kontext der Geschäftsprozessmodellierung übertragen werden (Mendling 2007). Die Ansätze sind in unterschiedlichen Theorien verankert, wovon drei verbreitete Ansätze hier kurz erläutert werden. Es werden im Folgenden
die ontologische Perspektive, die Speech-Act-Theorie und die Metamodellierung vorgestellt (vgl. die Strukturierung in Mendling 2007).
Die ontologische Perspektive geht davon aus, dass Informationssysteme Gegenstände
der realen Welt darstellen. Eine zugehörige Modellierungssprache sollte daher in der
Lage sein, diese gegenständliche Welt zu repräsentieren. Das sogenannte Bunge-WandWeber-Modell (BWW), das von Wand u. Weber (1995) unter Verwendung von Bunges
Ontologie (Bunge 1977) für die Repräsentation von Informationssystemen vorgeschlagen
wurde, führt für eine solche Modellierungssprache eine Menge von Konstrukten ein, die
als notwendig und ausreichend für die Repräsentation von Informationssystemen in der
realen Welt erachtet werden. Beispiele für diese essentiellen Konstrukte sind Gegenstände,
Ereignisse, Historien (dies sind Zustände, die Gegenstände mit der Zeit durchlaufen) und
Transformationen23 . Aufgrund ihrer Wesentlichkeit sollten diese Konstrukte demnach in
Modellierungssprachen berücksichtigt werden (Wand u. Weber 1995). Eine Übersicht
über bisher erfolgte Anwendungen des BWW-Modells findet sich in Recker u. a. (2007).
Die Speech-Act-Theorie (oder Sprechakttheorie) ist eine philosophische Theorie der
Sprache und geht auf Arbeiten von Austin (1962) und Searle (1969) zurück. Nach ihr
werden neben den reinen sprachlichen Äußerungen nicht nur Gegenstände der Welt beschrieben oder Aussagen getroffen, sondern auch selbst Handlungen vollzogen, wie sich
dies vor allem in sogenannten illokutionären Akten äußert wie z.B. der Frage, der Bitte,
dem Versprechen oder der Ernennung. Johannesson (1995) nutzt diese Fundierung der
Sprechakte zur Formulierung einer Modellierungssprache zur Repräsentation von Informationssystemen, die im wesentlichen als aus Konversationen bestehend begriffen werden
und somit mit Sprechakten verknüpft werden können. Daraus werden konsistente Modelle
zur Beschreibung von Strukturen und Verhalten dieser Konversationen abgeleitet, welche
wiederum als essentielle Konstrukte der Repräsentation angesehen werden. Den Auffassungen Johannesson folgend sollten diese in Modellierungssprachen vorhanden sein, um
Informationssysteme ausreichend repräsentieren zu können.
In der Metamodellierung wird im Gegensatz zu den beiden obigen Positionen keine
real-gegenständliche Verankerung verlangt, auf die sich modellierungssprachliche Konstrukte ansonsten stützen würden. Diese Verankerung wird durch die Einführung eines
Metamodells ersetzt. Das Metamodell definiert die abstrakten Entitäten, mit denen ein
Modell zur Repräsentation irgendeines bestimmten Systems konstruiert werden darf. Das
Metamodell legt damit die Modellierungssprache, mit der Modelle erstellt werden können,
fest (Atkinson u. Kühne 2003; Kühne 2006). Durch diese Relativität kann der Metamodellierungsprozess fortgesetzt und auch für das Metamodell selbst angewendet werden
– auf diese Weise entstehen Metametamodelle usw. Dies kann fortgeführt werden ohne
jemals eine erkenntnistheoretische Grundlage im Sinne einer Abbildung der realen Welt
23

Für einen Überblick der Konstrukte des BWW-Modells siehe Wand u. Weber (1989, 1995).

29

zu erreichen. Dies ist aber mit dem in dieser Arbeit zugrunde gelegten soziopragmatischkonstruktivistischen Verständnis des Modellierungsbegriffs vereinbar (siehe Beginn dieses
Abschnitts). Im Hinblick auf die Evaluierungsmöglichkeit mit Hilfe von Metamodellen
kann im Allgemeinen von einer „guten“ Modellierungssprache gesprochen werden, wenn
deren Metamodell jene Entitäten identifiziert hat, die zur Repräsentation der Dinge im
Kontext von Informationssystemen, von denen sich Anwender mentale Repräsentationen
aufbauen, geeignet sind, so dass spezifische Aufgaben wie z.B. das Verständnis oder das
Lernen eines Gegenstandsbereichs oder die fortgeführte Durchführung von Konstruktionsmaßnahmen (z.B. in anderen Repräsentationsformen) unterstützt werden24 . Ein Beispiel für die Evaluierung eines Informationsssystems mit Hilfe eines Metamodells findet
sich in zur Mühlen (1999).
Geschäftsprozessmodellierung Die in den vorangestellten Abschnitten erfolgte Vorstrukturierung ermöglicht nun die Präzisierung der entsprechenden Begriffe im Zusammenhang der Geschäftsprozessmodellierung. Die Definitionen sind sinngemäß an die Darstellungen in Mendling (2007) angelehnt. Ein Geschäftsprozessmodell ist das Ergebnis eines Konstruktionsprozesses, in dessen Verlauf ein Prozessmodellersteller auf Basis seiner
zuvor erstellten mentalen Repräsentationen von einem Geschäftsprozess eine externe Repräsentation, meist mit Hilfe einer festegelegten Prozessmodellierungssprache und einer
-notation, erstellt. Die zuvor mental gebildeten Repräsentationen können aus der unmittelbaren Wahrnehmung eines vorliegenden betrieblichen Ablaufs (in der „Welt“ liegend
oder bereits als konzeptuelles Modell repräsentiert), aus dem Abrufen von geschäftsprozessbezogenen Repräsentationen aus dem Gedächtnis oder aus einer Kombination beider
Wege resultieren. Die Geschäftsprozessmodellierung ist dementsprechend der Vorgang
der Konstruktion von Geschäftsprozessmodellen basierend auf menschlichen Handlungen, welche zur Erstellung der oben erläuterten externen Repräsentation führen. Sie ist
zudem zweckgebunden und mit einem Verlust an Information aufgrund der Reduktion
durch die zweifache Interpretation (siehe Absatz zu „Modellbegriff“) verbunden. Eine Geschäftsprozessmodellierungssprache stellt die Konstrukte und ihre möglichen Beziehungen zueinander bereit, mit denen das Geschäftsprozessmodell konstruiert werden darf.
Sie kann typischerweise mit einem Metamodell spezifiziert werden. In Verbindung mit
einer Geschäftsprozessmodellierungsmethode, welche die Anwendungsregeln der Modellierungssprache festlegt, manifestiert sich eine Geschäftsprozessmodellierungstechnik (zu
Geschäftsprozessmodellierung siehe insbesondere Mendling 2007).
Dynamisch vs. statische Modelle in der Wiederverwendung Zu diskutieren ist hier,
inwieweit statische Modelle im Gegensatz zu dynamischen Modellen in Aufgaben unter
Wiederverwendung unterschiedlich wahrgenommen und adaptiert werden. Statische Mo24

Vgl. dazu die Cognitive-Fit-Theorie (CFT) von Vessey u. Galletta (1991), welche die Passgenauigkeit
bzw. Unterstützungsfähigkeit von externen Repräsentationen – hierzu lassen sich visualisierte Geschäftsprozessmodelle zählen – in Bezug auf Aufgabenbearbeitungen strukturiert. Die CFT wird in
Abschnitt 3.2 aufgegriffen.

30

delle wie z.B. Klassendiagramme haben explizite Konzepte z.B. zur Vererbung (hierarchische Strukturen sind hier im Allgemeinen eher bekannt), daher sind Ankereffekte (siehe
Abschnitt 4.2) hier vermutlich eher schwächer ausgeprägt, wenn die Granularität der
wiederverwendeten Modelle variiert wird. Prozessmodelle haben zwar auch Repräsentationsmöglichkeiten der hierachischen Zusammenfassung (vgl. sub-processes der BPMN),
der Kerngedanke, der im Vordergrund steht, ist aber die zeitliche Abfolge (von Aktivitäten). Die Verfeinerung bzw. Spezialisierung von Entitäten in einem Prozessmodell ist
Modellierern daher als Transformationsoperation nicht so präsent wie dies z.B. bei Klassendiagrammen der Fall ist. Es kann daher schon an dieser Stelle die Vermutung geäußert
werden, dass Ankereffekte in Bezug auf Granularitätsänderungen in den wiederverwendeten Modellen (diese Konzepte sind im Weiteren zu explizieren) bei Prozessmodellen
ausgeprägter sein werden.

2.2.2. Prozessmodellbasierte Systementwicklung
Der Business Process Management Life Cycle25 beschreibt die Erstellung von Prozessmodellen als Spezifikation und die anschließende Entwicklung der zur Ausführung der
Prozesse benötigten informationstechnischen Infrastruktur. Neben der Vielzahl an Methoden der Systementwicklung gibt es Ansätze, die explizit Geschäftsprozessmodelle im
präskriptiven Sinne als Ausgangspunkt der Anforderungsspezifikation nutzen. Die Menge
dieser entwicklungsbezogenen Vorgehensweisen ist folglich zu adressieren, wenn Ansätze
der Wiederverwendung von Prozessmodellen erwogen werden. Es erfolgt daher eine Beschreibung wichtiger prozessmodellbasierter Systementwicklungsansätze. Bereits in den
1980er Jahren gab es erste Instanziierungen von prozessautomatisierender Software, die
wenig später zusammenfassend als Workflow Management Systems (WfMS) bezeichnet
wurden. Um die Jahrtausendwende gab es einen übergreifenden Trend in der Systementwicklung, der Modelle besonders in den Fokus der Entwicklungsbemühungen stellte,
was in Ansätze der modellbasierten Softwareentwicklung oder Model-Driven Development (MDD) mündete. Die Spezifikation von Geschäftsprozessmodellen stellt hierbei
einen Spezialfall des allgemein modellbasierten Vorgehens dar. Der Geschäftsprozessfokus
spielt auch in jüngeren Systementwicklungsansätzen eine tragende Rolle, welche explizit
die Orientierung an Geschäftsprozessen als maßgeblich für die anschließende Entwicklung
der informationstechnischen Unterstützung ansehen. Unter Beibehaltung von zentralen
Konzepten des MDD bzw. der Model-Driven Architecture (MDA) fallen jene Ansätze
unter das Business-Driven Development. Der Abschnitt gliedert sich entsprechend in 1)
Workflow Management Systems, 2) Model-Driven Development und 3) Business-Driven
Development.

25

Vgl. Abschnitt 2.1.2.

31

Workflow Management Systems
In den 1990er Jahren haben Workflow Management Systems (WfMS)26 ein Konzept
begründet, welches davon ausgeht, dass ein Informationssystem zur Unterstützung von
Geschäftsprozessen auf Basis von Prozessmodellen realisiert werden kann (Kindler 2009,
S. 27). Diese Prozessmodelle werden von einer Workflow-Engine ausgeführt bzw. gesteuert. Prozessmodelle sind geeignet, den wichtigen, ablauforientierten Ausschnitt der
betrieblichen Realität abzubilden und sind dadurch nah an den Repräsentationen von
betrieblichen Abläufen, die Anwender in Organisationen mental bilden – vermutlich näher als andere Modellierungsnotationen der klassischen Softwareentwicklung es vermögen
(Kindler 2009). Die Anwendungen von Workflow Management Systems haben gezeigt,
dass es möglich ist, Informationssysteme zu konstruieren auf Basis von Prozessmodellen, ohne dass ein erheblicher Programmieraufwand erforderlich wird. Die erfolgreiche
Anwendung hat sich besonders bei bestimmten Informationssystemen gezeigt, bei denen
Aspekte wie hohe strukturelle Sicherheit und beschränkte Anforderungsvariabilität ausgeprägt waren. Diese Informationssysteme werden auch als Process-Aware Information
Systems (PAIS) bezeichnet (Dumas u. a. 2005). Die wesentlichen Komponenten und Aktivitäten der Nutzung eines WfMS sind im Referenzmodell der Workflow Management
Coalition strukturiert (WFMC 1994). Abbildung 2.3 zeigt das Workflow-Referenzmodell.
Model-Driven Development
Seit der zweiten Hälfte der 1990er Jahre werden verstärkt Möglichkeiten vorgeschlagen
und diskutiert, auf Basis von spezifizierten Modellen zu ausführbarer Software und entsprechender Unterstützung der zu erfüllenden Aufgaben zu gelangen. Dieser prinzipielle
Ansatz wird übergeifend als Model-Driven Development (MDD) bezeichnet. Der Ansatz
wurde von der OMG aufgegriffen und dessen prominenteste Ausprägung findet sich in
der Model Driven Architecture (MDA) wieder, die im Jahr 2001 erstmalig veröffentlicht
wurde27 . Ziel der MDA ist es, aus formal eindeutigen Modellen mit Hilfe von Generatoren automatisch Code zu erzeugen und dadurch die Entwicklungsgeschwindigkeit zu steigern. Die MDA stellt Modelle ins Zentrum der Systementwicklung und differenziert dabei
spezifische Modelle, die sich auf verschiedene Sichten eines Informationsystems beziehen,
welche in eine konsistente Struktur gebracht werden. Die wesentlichen Modelle sind dabei
das Computation Independent Model (CIM), das Platform Independent Model (PIM),
das Platform Specific Model (PSM) und schließlich das Codemodell. Das CIM besteht
im wesentlichen aus natürlichsprachlichen Beschreibungen, das PIM repräsentiert konkretere Konzepte bezüglich des zu entwickelnden Informationssystems, bleibt dabei aber
technologisch unspezifisch, und das PSM umfasst die Modelle des Informationssystems
mit Bezügen zu spezifischen technologischen Lösungen. Neben der inhaltlichen Trennung
der Modelle über die genannten Schichten definiert die MDA auch die Transformation
26
27

Vgl. Hollingsworth (1995).
Für eine Übersicht der Kernkonzepte der MDA siehe Miller u. Mukerji (2001) und OMG (2003).

32

Definition Tool
generates
may
reference

Process
Definition
references

interpreted by
Organization/
Role Model
Data

maintain
WfM
Engine(s)

Workflow
Enactment
Service

invokes
use

(Supervisor)

Application(s)
manipulate

Workflow
Relevant
Data

Work List
Administration
& Control

Workflow
Control
Data

update

Workflow
Application
Data

interact via
Work List
Handler
invokes

Application(s)

User Interface

Abbildung 2.3.: Workflow-Referenzmodell (in Anlehnung an WFMC 1994)
der Modelle und unterscheidet zwei Typen:die Modelltransformation von einem Modell
in ein anderes Modell (vgl. die MOF QVT (OMG 2002)) und die Codetransformation
von einem Modell in den Code. Als Ausgangspunkte in der MDA sind die verfügbaren Modelle der UML vorgesehen. Dies schließt Aktivitätsdiagramme als Möglichkeit
der Repräsentation von betrieblichen prozeduralen Abläufen mit ein. Im Gegensatz zu
den Workflow-Modellen der WfMS befinden sich die Modelle der MDA sehr viel dichter
an den technischen Spezifikationen (zumindest jene des PSM), die in Programmcodes
erforderlich sind. Umgekehrt bedeutet dies auch, dass die MDA Repräsentationen des
Workflow-Management und anderer betriebsorientierter Sichten nicht explizit mit einschließt (Kindler 2009). Um den Grundgedanken der Ansätze WfMS und MDA, Modelle
als zentralen Ausgangspunkt der Softwareentwicklung zu verwenden, zu vereinen, hat
Kindler (2009) den Begriff Model-based Software Engineering (MBSE) eingeführt. Unter
MBSE werden demnach alle Softwareentwicklungsansätze verstanden, die Modelle für die
Spezifikation verwenden und deren formaler Spezifikationsgrad über einfache Illustrationen und Skizzen hinausgeht (Kindler 2009, S. 28).

33

Business
Requirements

Develop

Ana
& A lyze
dap
t

Model

IT
Requirements
ni
Mo
r
to

De

y
plo

Abbildung 2.4.: BDD-Lebenszyklus (Koehler u. a. 2006)
Business-Driven Development
Die generelle Idee des Business-Driven Development (Mitra 2005; Koehler u. a. 2006)
(BDD) ist, dass von visuellen Modellen ausgehend ein codiertes ausführbares Programm
erstellt wird28 . Speziell hierbei ist, dass Geschäftsprozessmodelle den Ausgangspunkt der
Modellierung darstellen. Die Geschäftsprozessmodelle werden verfeinert und mit weiteren
Informationen angereichert, die schließlich ausreichen, um eine Orchestrierung bzw. Choreographie von Services im Rahmen einer serviceorientierten Architektur zu beschreiben.
Die wesentlichen Phasen des BDD-Lebenszyklus sind in Abbildung 2.4 dargestellt.
Dabei wird auf zwei wesentliche Herausforderungen auf der methodischen und technologischen Ebene hingewiesen, welche die Umsetzung solch einer Service-Orchestrierung
erschweren. Ein Geschäftsprozessmodell, welches fachliche Anforderungen und unternehmerische Ziele repräsentiert, ist in der Regel nicht ausreichend, um das skalierbare, zuverlässige und performante Zusammenwirken von IT-Services auszudrücken. Zum zweiten ist
die Integration einer von Geschäftsprozessmodellen abgeleiteten Service-Orchestrierung
(oder -Choreographie) mit einer vorliegenden informationstechnischen Infrastruktur selten garantiert. Neben Ansätzen der Prozessmodell-zu-BPEL29 -Transformation, welche
die Überführung von Geschäftsprozessmodellen in ausführbare Prozessmodellierungssprachen ermöglichen, wird eine Klassifiaktion von Prozessmodellen vorgenommen in Analysemodelle, Designmodelle, Referenzmodelle und Legacy-Modelle. Insbesondere das Konzept der Referenzmodelle, welche Best-Practices bestimmter Industriezweige umfassen
sollen, adressiert den Gedanken der Wiederverwendung von Geschäftsprozessmodellen,
welche über Verfeinerungsoperationen auf den Kontext des Kundengeschäftsprozesses angepasst werden können (vgl. hierzu die Wiederverwendungsansätze in Abschnitt 2.3.4).
28
29

Vgl. hierzu den Ansatz Model-Driven Architecture in Abschnitt 2.2.2.
Business Process Execution Language.

34

Tabelle 2.1.: Prozessmodellbasierte Softwareentwicklungsansätze
Fokus

Modellierungsgegenstand

Typ der
Generierung

Bezug zum
Informationssystem

Automatische
Prozesssteuerung

Entwicklung
von WfMS

Geschäftsprozesse
automatisch
ausführen

Prozess

Komposition;
Konfiguration des
Workflow-Modells

WfMS als eine
integrierte
Applikation

Kernmerkmal

MDD, MDA

Modelle in den
Mittelpunkt der
Systementwicklung rücken

Verschieden
(vgl. UML)

Transformation
(manuell und
automatisiert)

BDD

An
Prozessmodellen
ausgerichtete
Ausprägung des
MDD

Prozess

Transformation
und schließlich
Komposition von
Services

Merkmal

Ansatz

Möglichst alle
Steht nicht im
Tools direkt mittels Mittelpunkt, wird
Modellen steuern mit abgedeckt

Ähnlich wie MDD

Die
Orchestrierung
von Services ist
erklärtes Ziel

Eine Zusammenfassung der wesentlichen Merkmale der erläuterten prozessmodellorientierten Systementwicklungsansätze ist in Tabelle 2.1 gegeben.

2.2.3. Qualität von Geschäftsprozessmodellen
Die Nutzung von Geschäftsprozessmodellen als Artefakte in der Informationssystemgestaltung, die ein besseres Verständnis vorliegender betrieblicher Realitäten ermöglichen
oder als Handlungsanweisungen für Entwicklungsaktivitäten dienen sollen, wirft immer
auch die Frage danach auf, ob bestimmte Ausprägungen dieser Prozessmodelle für die
genannten Zwecke besser geeignet sein könnten als andere. Um dies besser verstehen zu
können, ist eine genauere Auffassung der Qualität von Geschäftsprozessmodellen zu entwickeln (Bandara u. a. 2005). Ein konkret definierter Qualitätsbegriff (bzw. Qualitätsbegriffe) für Prozessmodelle, der auch eine Operationalisierung erlaubt, ist auch dann
erforderlich, um Prozessmodelle im Sinne von Konstruktionsergebnissen vergleichend beurteilen zu können. Ohne explizite Qualitätsauffassungen wäre eine entsprechende Evaluierung nicht möglich. Da diese Arbeit die Auswirkungen von unterschiedlich granularen,
wiederverwendeten Prozessmodellen auf die insgesamte Modellierungsperformanz untersucht, wovon die Qualität der Lösungsmodelle eine wichtige Komponente ist, ist auch hier
ein festgelegter Qualitätsbegriff von Notwendigkeit. Mit Hilfe dieser festgelegten Variablen können schließlich Fragen erörtert werden wie: führt der Wiederverwendungsansatz
zu qualitativ besseren Prozessmodellen oder wie beeinflusst ein grobgranulares Wiederverwendungsmodell die finale Prozessmodellqualität im Gegensatz zu einem feingranula-

35

ren? Im Weiteren sind Einflussfaktoren in Prozessmodellierungsaktivitäten von Interesse,
da sie konsequentenreiche Effekte auf die Qualität dieser Modelle haben können. Überlegungen zu einem Verständnis von Qualität von Geschäftsprozessmodellen sind stark
geprägt von existierenden Ansätzen zur theoretischen Fundierung des Qualitätsbegriffs
von konzeptuellen Modellen im allgemeinen. Die Verfeinerung von Qualitätsauffassungen
für Prozessmodelle erfolgen in der Regel auf der Grundlage von theoretischen Ordnungsrahmen, die primär die Qualitätsbegriffe für statische Modelle organisieren, um sich von
dort aus dann dynamischen Modellinhalten zu nähern. Die Diskussion darüber, was unter Qualität von Modellen, insbesondere von Prozessmodellen zu verstehen ist, ist daher
noch nicht abgeschlossen. Hinzu kommt der spezielle Anwendungsfall der wiederverwendungsorientierten Konstruktion.
Die nächsten drei Abschnitte zur Qualität in der Prozessmodellierung sind wie folgt
organisiert. Zunächst werden 1) die wichtigsten theoretischen Ansätze zur Definition von
Prozessmodellqualität (aufbauend auf den Qualitätsbegriffen für konzeptuelle Modelle im
weiteren Sinne) vorgestellt. Vorgreifend sei hier die kürzlich erfolgte veränderte Auffassung von Modellierungsaktivitäten und ihrer Zusammenhänge mit der Qualität von Modellen und der sich ändernden Wahrnehmung der vorliegenden Domäne hervorzuheben.
Dabei werden die in Bezug auf die wiederverwendungsbasierte Prozessmodellerstellung
relevanten Qualitätsgrößen identifiziert und eventuell fehlende Größen aufgezeigt und näher qualifiziert. In Anknüpfung an die Auffassungen von Prozessmodellqualität werden
dann Arbeiten vorgestellt, die sich stärker mit verschiedenen 2) Einflussfaktoren in Prozessmodellierungsvorhaben auseinandersetzen und ihre Wirkungen auf die Modellqualität(en) untersuchen. Auch hier werden die modellwiederverwendungsrelevanten Faktoren
kompakt gewürdigt und es wird in diesem Kontext die Granularitätseigenschaft von Prozessmodellen als ergebnisbeeinflussende Variable diskutiert. Zusammenfassend wird dann
der Begriff der 3) Qualität in der Prozessmodellwiederverwendung näher expliziert und
auf die Besonderheiten des wiederverwendeten Prozessmodells und des hierfür angewandten Qualitätsbegriffs hingewiesen. Hierdurch wird klarer, welche spezifische Qualität im
Kontext der wiederverwendungsbasierten Prozessmodellkonstruktion als wichtig erachtet
wird und wie sich die Prozessmodellgranularität als ein entscheidender Faktor in diesen
Arbeitsprozess einordnen lässt.
Theoretische Ansätze der Prozessmodellqualität
Bevor die verschiedenen Stränge der Auffassungen von Prozessmodellqualität vorgestellt
werden, kann eine Abgrenzung von jenen theoretischen Vorschlägen vorgenommen werden, die einen sehr weit gefassten Qualitätsbegriff zugrunde legen, der soziale Variablen
(wie z.B. Anwenderzufriedenheit), die Effizienz von Prozessmodellierungsprojekten und
weitere Maße einbezieht (wie z.B. in Bandara u. a. 2005; Frank 2007). Der Betrachtungsbereich erstreckt sich hier auf eine größere Gruppe von Prozessmodellierern und eine größere Menge zu konstruierender Prozessmodelle, deren Erstellung einen entsprechenden organisatorischen Rahmen, spezifische Managementhandlungen und Ressourcen erfordert.

36

Die hier entstehenden Aufwände werden auf der Ebene der betrieblichen Führung konsequenterweise zu einem Qualitätsbegriff der Prozessmodellierung hinzugerechnet. Dieser Makroperspektive steht eine Mikroperspektive gegenüber, die Qualitätseigenschaften
im Rahmen der Aktivität eines einzelnen modellierenden Individuums fokussiert. Erfolgsmaße wie geringe Projektkosten oder tatsächlich resultierende Handlungen in der
Organisation als Folge modellierter Prozesse werden hier außen vor gelassen. Stattdessen ermöglicht die Mikroperspektive ein detaillierteres Bild von einem semantischen und
pragmatischen Qualitätsbegriff für Prozessmodelle, der sowohl den Bezug zum Wissen
des Modellierers, als auch zu den prozessrelevanten Phänomenen im betrachteten Modellierungsbereich berücksichtigt. Im Folgenden werden drei relevante theoretische Rahmen für die Beschreibung von Qualitätseigenschaften innerhalb der Prozessmodellierung
vorgestellt: 1) die Guidelines of Modeling (GoM) (Becker u. a. 2000), 2) das SEQUALFramework (Lindland u. a. 1994) und 3) dessen Überarbeitung hin zu einem Framework
für die Qualität von aktiven Prozessmodellen (Krogstie u. a. 2006).
Becker u. a. (2000) schlagen die Guidelines of Modeling (GoM) vor. Dies sind sechs Gestaltungsrichtlinien für die Erstellung von Informationsmodellen, bei deren Einhaltung
die Qualität der konstruierten Modelle gesteigert werden kann. Die Richtlinien beziehen
sich auf spezifische Eigenschaften von Modellen, namentlich Korrektheit, Relevanz und
ökonomische Effizienz. Neben diesen drei Eigenschaften werden noch die optionalen Eigenschaften Klarheit, Vergleichbarkeit und Systematisches Design eingeführt. Die GoM
wurden für EPK operationalisiert und getestet . Beispielsweise wird die ökonomische Effizienz als Qualitätsmerkmal von Modellen eingeführt, das sich auf die Machbarkeit aus
Lindland u. a. (1994) bezieht. D.h. ein Prozessmodell muss mit vertretbaren Ressourcen erstellt werden können, so dass es im organisatorischen Arbeitsprozess rechtzeitig
Verwendung findet. Die Wiederverwendung von Modellen30 wird dabei als möglicher
Umsetzungsansatz vorgeschlagen, um diese ökonomische Effizienz zu erzielen. Welche
(wiederverwendungsbezogenen) Aufgaben hiermit genau adressiert werden und wie hier
potenzielle Aufwandseinsparungen konkret verstanden werden und wie sie erfolgen wird
jedoch nicht weiter ausgeführt. Weiter wird eine optionale Richtlinie der Klarheit (Becker u. a. 2000, S. 33) vorgestellt, die den pragmatischen Aspekt aus Lindland u. a. (1994)
referenziert und fordert, dass Modelle für Modellbetrachter verständlich gestaltet werden sollen. Was unter „Verständlichkeit“ wiederum genau verstanden wird bzw. wie dies
operationalisiert werden könnte, wird nicht weiter definiert. Als beeinflussender Faktor
wird das Layout eines Modelldiagramms genannt; konkrete Layoutregeln und deren vermutete Effekte auf Qualitätsdimensionen wie z.B. Verständlichkeit werden jedoch nicht
formuliert. Der Beitrag kann als Versuch verstanden werden, ein theoretisches Modell zu
etablieren, das Qualitätsmerkmale von konzeptuellen Modellen definiert und organisiert.
Darüberhinaus werden einige spezifische Faktoren der Modellerstellung eingeführt und
deren Einfluss auf Qualitätsmerkmale der erstellten Diagramme diskutiert. Die Faktoren
und ihre Zusammenhänge mit Qualitätsgrößen sind aber abstrakt gehalten und tragen
nur begrenzt dazu bei, Modellierern praktische Hinweise dafür zu geben, Modelle so zu
30

„Approaches to support the economic efficiency are reference models, appropriate modeling tools or
the re-use of models.“ (Becker u. a. 2000, S. 33).

37

gestalten, dass sich resultierende Eigenschaften (sei es die Verständlichkeit eines Modells oder die adaptive Nutzbarkeit für eine neue Problemlösung) verbessern (siehe auch
Mendling u. a. 2010a).
Die GoM greifen einige Größen auf, die einige Jahre früher in einem sehr bekannten
theoretischen Modell für die Qualität von konzeptuellen Modellen bereits konkret organisiert wurden: das SEQUAL-Framework von Lindland u. a. (1994). Dieses Modell basiert
auf der semiotischen Theorie und definiert explizite Qualitätsgrößen von Modellen, die
auf den wesentlichen Zusammenhängen zwischen einem konstruierten Modell, dem Wissen von Modellierern, einer Domäne und einer Modellierungssprache basieren. Das Modell ist in Abbildung 2.5 visualisiert. Konkret beschreibt dabei die syntaktische Qualität
den Zusammenhang zwischen dem externalisierten Modell und der verwendeten Modellierungssprache. Die physische Qualität bezeichnet die Beziehung zwischen dem Modell
und dem expliziten Wissen des Modellierers. Die organisatorische Qualität vertritt die
Modelleigenschaften, die in Relation zu organisatorischen Zielen stehen. Die pragmatische
Qualität bezieht sich auf Modellmerkmale, welche die Interpretatierbarkeit des Modells
durch soziale Akteure bestimmen. Die semantische Qualität hingegen bezieht sich auf die
Eigenschaft des Modells, die betrachtete Domäne (korrekt) zu repräsentieren. Das Framework wurde auch für EPK operationalisiert und einer empirischen Überprüfung unterzogen (Moody u. a. 2002). Insgesamt liefert das SEQUAL-Framework eine differenzierte
Beschreibung von verschiedenen Perspektiven auf Modellqualität. Diese verschiedenen
Qualitätsbegriffe sind grundlegend geeignet, um Modelle als Resultate von konstruktiven
Prozessen zu beurteilen. Insbesondere die semantische Qualität ist eine nachvollziehbare
Größe für Modelle, da sie vom Modell verlangt, alles relevante, was sich in der Domäne
befindet, richtig wiederzugeben 31 . Wird das Framework auf die wiederverwendungsorientierte Modellierung bezogen, so sind die Qualitäten, was die Endergebnisse des Modellierungsprozesses anbelangt, direkt übertragbar und anwendbar. Im wiederverwendungsbasierten Ansatz tritt jedoch ein Modell hinzu – neben das finale Lösungsmodell – das eine
besondere Rolle einnimmt: das wiederverwendete (und zu modifizierende) Modell. Das
Framework nimmt keinen direkten Bezug auf den wiederverwendungsorientierten Konstruktionsprozess bzw. wiederverwendete Modelle. Die pragmatische Qualitätsdimension
ist jedoch offen für Erfassbarkeits- und Verständlichkeitsaspekte, die in jedem Fall eine
Rolle spielen, wenn ein Wiederverwendungsmodell eingesetzt (bzw. anpasst) wird. Diese
„unterstützende Qualität“ eines Wiederverwendungsmodells in einem Konstruktionsprozess kann also innerhalb der pragmatischen Qualität untergebracht werden, benötigt aber
eine weitergehende Charakterisierung.
Da das SEQUAL-Framework eine überwiegend statische Sicht in Bezug auf die semantische Qualität einnimmt, welche Modellierungsaktivitäten und die Fähigkeit von
Modellen, die Domäne zu verändern nicht stark genug berücksichtigt, und einen sehr eng
31

Vgl. Maes u. Poels (2007) für den Begriff wahrgenommene semantische Qualität (d.h. die Übereinstimmung von Informationen, die Nutzer aus dem Modell heraus interpretieren, mit Informationen, die
Nutzer im Modell erwarten würden), der hiernach die Nützlichkeit für die weitere Kommunikation
bestimmt.

38

Knowledge articulation appropriateness
Participant
language
knowledge
appropriateness

Social actor
explicit
knowledge
Ks

Knowledge
quality

Modeler
explicit
knowledge
Km

Semantic
quality

Social
actor
interpretation
I

Goal of
modeling
G

Physical
quality

Modeling
domain
D

Perceived
semantic
quality

Organizational
quality

Empirical
quality

Comprehensibility
appropriateness

Pragmatic
quality

Model
externalization
M

Social
quality

Organizational
appropriateness

Syntactic
quality

Language
extension
L

Tool
quality

Technical
actor
interpretation
T

Technical actor
interpretation
appropriateness

Domain appropriateness

Abbildung 2.5.: Das SEQUAL-Framework (so dargestellt in Krogstie u. a. 2006)
gefassten Begriff der pragmatischen Qualität definiert, der sich auf das Verständnis von
Modellen beschränkt, während weitere Anwendungen und Wirkungen der Modelle außer Acht gelassen werden, wurde das Framework diesbezüglich von Krogstie u. a. (2006)
entsprechend erweitert. Das überarbeitete SEQUAL-Modell (siehe Abbildung 2.6) identifiziert die wesentlichen Aktivitäten der Modellierung (welche das Modell entwickeln),
des fortschreitenden Lernens über eine Domäne (während der Modellierung) und jene
konkreter Handlungen in der Domäne, welche aufgrund der Repräsentation durch ein
Modell und die Modellierungsaktvitäten ausgelöst werden können. Es wird in diesem
Zusammenhang der Begriff aktive Prozessmodelle eingeführt. Das Qualitätsframework

39

K
(current
knowledge)

Knowledge
quality

KN
(knowledge
need)

changes

Semantic
quality
Ideal semantic
quality (prescriptive)

DO
(optimal
domain)

Domain
quality

Learning
(of domain)

Pragmatic
quality
changes

M

Ideal semantic
quality
(descriptive)

D
(actual
domain)

Modelling
(of domain)

Pragmatic
quality

changes

Action
(in domain)

Abbildung 2.6.: Qualitätsmodell der aktiven Prozessmodellierung (Krogstie u. a. 2006)
ist abstrakt in der Hinsicht, dass es von Prozessmodellierern in der Praxis nicht direkt
angewandt werden kann (Mendling u. a. 2010a). Sein qualitativer Charakter lässt zudem
die Möglichkeit, quantitativ erfassbare Eigenschaften von Prozessmodellen und deren Zusammenhang mit Ergebnisgrößen wie Korrektheit, Verständlichkeit oder Auswirkungen
auf den Betrieb noch offen (Krogstie u. a. 2006, S. 101). D.h. es lassen sich kaum konkrete
Handlungsanweisungen, die sich auf spezifische Ausprägungen von Prozessmodellen beziehen, ableiten, die Prozessmodellierer im Konstruktionsprozess unterstützen könnten.
Weiterhin berücksichtigt das Modell von Krogstie u. a. nicht explizit die Verfügbarkeit
von wiederverwendbaren Prozessmodellen. Es wird das Prozessmodell M berücksichtigt,
das im Zusammenspiel von Lernaktivitäten und ständig neu erworbenen Sichten auf die
Domäne in einem Konstruktionsprozess entsteht. Die Möglichkeit, dass neben dem aktuellen Modelliererwissen auch Prozessdiagramme bestehen können, die als Lösungsschätzung in den Konstruktionsprozess direkt einbezogen werden können, taucht im Modell
jedoch nicht explizit auf. Die Verfügbarkeit eines externalisierten Artefakts, d.h. ein Prozessdiagramm neben dem eigentlich zu erstellenden Modell, stellt eine zusätzliche Form
der Unterstützung dar, die selbst in Interaktion mit dem Wissen der Modellierenden tritt
und im kontinuierlichen Abgleich mit dem letztlichen Lösungsmodell (bzw. dem in der
Entstehung befindlichen) steht.

40

Einflussfaktoren auf Qualitätseigenschaften von Prozessmodellen
Da die Untersuchungsfrage qualitative Aspekte der Prozessmodellwiederverwendung
adressiert (vgl. vorherigen Abschnitt) und dabei den spezifischen Faktor der Granularität des Wiederverwendungsmodells näher fokussieren möchte, muss sie in den Kontext von bisher betrachteten Einflussfaktoren gestellt werden, welche sich im Rahmen
der Geschäftsprozessmodellierung auf Qualitätseigenschaften auswirken. Die vorgestellten Arbeiten stellen eine Auswahl dar, welche Qualitätsauffassungen im Zusammenhang
der pragmatischen Qualität der Modellwiederverwendung berühren und daher von hoher
Relevanz sind. Es wird herausgestellt, welche Faktoren berücksichtigt wurden, in welcher
Weise sie sich auf Qualitätsgrößen von Prozessmodellen auswirken und welche Implikationen dies für die Prozessmodellwiederverwendung haben könnte. Insbesondere werden
betrachtet: 1) Faktoren und Maße des Prozessmodellierungserfolgs (Bandara u. a. 2005),
2) die Seven Process Modeling Guidelines (Mendling u. a. 2010a) und 3) Einflussfaktoren
auf die Verständlichkeit von Prozessmodellen (Reijers u. Mendling 2011).
Die Arbeit von Bandara u. a. (2005) ist eine der wenigen empirischen Untersuchungen,
die zum Thema Qualität in der Prozessmodellierung vorgenommen wurden. Das Modell
von Bandara u. a. (2005) unternimmt den Versuch, den Erfolg von Prozessmodellierungsvorhaben zu beschreiben. Mehrere Faktoren, die über die Modellierung direkt betreffende
Variablen hinausgehen (d.h. Methode, Sprache und Werkzeug), werden als wichtig hervorgehoben wie z.B. Stakeholder-Partizipation, Unterstützung durch das Management,
Projektmanagement, Informationsressourcen und Kenntnisse der Modellierenden (vgl.
die Abgrenzung dieser Makroperspektive in Abschnitt 2.2.3). Es werden Beziehungen
hergestellt zwischen einzelnen Faktoren und Qualitätsdimensionen, diese werden aber
nicht näher qualifiziert. D.h. es ist schwierig dem Modell zu entnehmen, in welcher Weise
die Ausprägungen bestimmter Faktoren mit den Erfolgsdimensionen zusammenhängen.
Darüber hinaus sind sowohl die Faktoren als auch die Erfolgsmaße nur sehr grob operationalisiert. Beispielsweise wird die Qualität eines Prozessmodells beschrieben mit dem
Ausmaß, mit dem alle Merkmale des Prozessmodells so erfüllt sind, dass den Bedürfnissen des Modellierenden in effektiver und effizienter Weise entsprochen wird. In erster
Linie werden über die Analyse von neun Case Studies mögliche Faktoren und die für
wichtig erachteten Erfolgsmaße identifiziert. Praktische Hinweise, die Modellierenden bei
der Erstellung von Geschäftsprozessmodellen eine konkrete Unterstützung bieten könnten, lassen sich aus diesem Modell nicht ableiten. Die identifizierten Konstrukte sind für
diesen Zweck zu abstrakt und zu grob. Die Prozessmodellwiederverwendung als möglicher Ansatz in einem Prozessmodellierungsprojekt ist außerhalb des Untersuchungsfelds
der Arbeit. Da die Konstrukte des Modells nur wenige konkrete Hinweise für die qualitative Prozessmodellierung entsprechend bestimmten Anforderungen geben, sind sie auch
wenig aussagekräftig in Bezug auf eine Prozessmodellierungssituation unter möglicher
Wiederverwendung von Prozessmodellen und qualitative Ausprägungen der resultierenden Prozessmodellergebnisse.
Aufgrund des hohen Abstraktionsgrads prozessmodellbezogener Qualitätsmodelle (Lind-

41

land u. a. 1994; Becker u. a. 2000; Krogstie u. a. 2006) einerseits und der meist als anekdotisch einzustufenden praktischen Modelliererhinweise (da ohne empirischen Belege)
werden in Mendling u. a. (2010a) auf Basis bisheriger empirischer Arbeiten sieben Modellierungsrichtlinien zusammengefasst, die in der Praxis zu qualitativ besseren Prozessmodellen führen sollen. Die Richtlinien beziehen sich auf untersuchte Zusammenhänge
zwischen strukturell-syntaktischen Prozessmodelleigenschaften auf der einen Seite und
der Fehlerwahrscheinlichkeit und der Verständlichkeit der Modelle für Menschen auf der
anderen Seite. Diese sieben Prozessmodellierungsrichtlinien (engl. 7 Process Modeling
Guidelines (7PMG)) sind folgende (vgl. Mendling u. a. 2010a):
∙ G1: Verwende so wenige Elemente im Modell wie möglich.
∙ G2: Minimiere die Zahl der Routingpfade pro Element.
∙ G3: Verwende ein Start-Ereignis und ein Ende-Ereignis.
∙ G4: Modelliere so strukturiert wie möglich.32
∙ G5: Vermeide OR-Routing-Elemente.
∙ G6: Verwende Verb-Nomen-Aktivitätslabel.
∙ G7: Zerlege ein Modell mit mehr als 50 Elementen.
Im Hinblick auf die Eigenschaften eines Prozesswiederverwendungsmodells im Rahmen
einer Konstruktionsaufgabe sind die Richtlinien insofern zu berücksichtigen, als dass sie
auf Auswirkungen auf die Verständlichkeit eines Prozessmodells hinweisen und die Größe Verständlichkeit für wiederverwendete Prozessmodelle zumindest als ein Faktor einer
erfolgreichen Adaption zum Prozessmodellergebnis in Betracht gezogen werden muss. Daher kann auch die Korrelation zwischen den in den Richtlinien aufgeführten Eigenschaften und der Adaptionsperformanz wiederverwendeter Prozessmodelle vermutet werden.
Insbesondere die Richtlinie G7 weist auf eine Eigenschaft – die Anzahl differenzierbarer Prozessmodellelemente – hin, die in einen Zusammenhang mit der Eigenschaft der
Prozessmodellgranularität gebracht werden kann. Nach G7 führen Prozessmodelle mit
mehr als 50 Elementen zu Schwierigkeiten der Verständlichkeit und sollten daher auf
mehrere kleinere Prozessmodelle verteilt werden. In Bezug auf die Prozessmodellwiederverwendung könnte dies bedeuten, dass ein wiederverwendbares Prozessmodell mit mehr
als 50 Elementen – dies könnte der Fall eines feingranularen Wiederverwendungsmodells
im Vergleich zu einem grobgranularen sein – erstens schwieriger zu verstehen wäre und
zweitens aufgrund der Verständlichkeitseinbuße dann auch schwieriger zu adaptieren wäre (in Richtung des Lösungsmodells). Dies wäre empirisch noch zu überprüfen, aber der
Faktor der Elementanzahl weist auf eine potenzielle Granularitätsrelevanz in Bezug auf
Qualitätsgrößen hin.
Ausgehend vom Elementumfang (engl. size) als einem kritischem Faktor in Bezug auf
32

Strukturiertes Modellieren bezieht sich hier auf die konsistente paarweise Anwendung von Split- und
Join-Konnektoren.

42

die Verständlichkeit von Prozessmodellen werden in Reijers u. Mendling (2011) darüber
hinausgehend einerseits prozessmodellbezogene Eigenschaften (Modellfaktoren) und modelliererbezogene Merkmale (Personenfaktoren) untersucht. Modellfaktoren beziehen sich
auf Charakteristika der externen Repräsentation des Prozessmodells, z.B. die Modelldichte oder Strukturiertheit. Personenfaktoren beziehen sich auf Charakteristika des Betrachters des Prozessmodells wie z.B. theoretisches Wissen und praktische Erfahrungen in der
Prozessmodellierung. Mittels einer Fragebogen-basierten Untersuchung konnten deutliche Hinweise auf den Einfluss von Personenfaktoren (insbesondere Expertenwissen und
-erfahrung) und Modellfaktoren (inbesondere die Komplexität basierend auf Merkmalen
aus Mendling (2008) und Vanderfeesten u. a. (2008)) auf das Modellverstehen identifiziert
werden. Dabei hat sich für die personenbezogenen Faktoren eine höhere Erklärungskraft (engl. predictive power) gezeigt im Vergleich zu modellbezogenen Eigenschaften.
Die Implikationen dieser Ergebnisse für die Prozessmodellwiederverwendung sind ähnlich gelagert wie die oben dargelegte Bedeutung des Modellmerkmals Elementumfang.
Die Verständlichkeit eines Prozessmodells, welche über die Beantwortung von Fragen
durch die Modellbetrachter bezüglich Aspekte der Ausführungsreihenfolge, Exklusivität,
Parallelität und weitere erfasst werden kann (Reijers u. Mendling 2011, S. 5-6), kann als
wichtige Determinante in Aufgaben der wiederverwendungsbasierten und adaptionsorientierten Prozessmodellerstellung angenommen werden. Ob eine hohe Verständlichkeit von
wiederverwendeten Prozessmodellen aber auch regelmäßig zu einer hohen Adaptionsperformanz führt, ist weiter zu untersuchen. Festzuhalten ist, dass modell- und personenbezogene Merkmale auch in Aufgaben der Prozessmodellwiederverwendung differenziert
werden sollten und einen potenziellen Einfluss auf den Verlauf der Modellanpassung und
das finale Konstruktionsergebnis haben. Sie sollten daher in der weiteren Untersuchung
von Auswirkungen von Granularitätsunterschieden in der Prozessmodellwiederverwendung berücksichtigt werden.
Qualität in der Prozessmodellwiederverwendung
Für die wiederverwendungsbasierte Konstruktion von Geschäftsprozessmodellen ergibt
sich aufgrund der charakteristischen Aktivitäten auf der Basis verfügbarer und potenziell
relevanter Prozessmodelle eine zusätzliche Perspektive auf Qualität. Dem wiederverwendeten Prozessmodell kommt hierbei eine interessante Rolle zu. Die Qualitätseigenschaften
dieses Wiederverwendungsmodells in Bezug auf eine qualitative und effiziente Modellierung fallen grundsätzlich in den Bereich der pragmatischen Qualität, die diesem betrachteten Modell zugeschrieben werden können und als Adaptionsqualität bezeichnet werden
könnte. Aufgrund des speziellen Einsatzes als initiales Prozessmodell, das als Schätzung
für die Bearbeitung einer Prozessmodellierungsaufgabe dient, sind die wiederverwendeten Prozessmodelle jedoch von den bisherigen Qualitätsfameworks noch nicht ausreichend
differenziert worden. Es soll daher eine stärkere Differenzierung vorgenommen werden. Im
Folgenden werden dazu 1) innerhalb des pragmatischen Qualitätsbegriffs die Facette der
Adaptionsqualität erörtert, 2) das SEQUAL-Modell für aktive Prozessmodell im Wiederverwendungskontext interpretiert und schließlich 3) zwei in diesem Zusammenhang

43

geeignete Qualitätsgrößen konkretisiert, die für eine operationale Untersuchung eingesetzt werden können.
Eine häufig betrachtete Facette der pragmatischen Qualität von genutzten Prozessmodellen ist die des inhaltlichen Verständnis33 . Die Erstellung eines Prozessmodells auf
Basis der Wiederverwendung eines existierenden Prozessmodells erfordert ebenfalls die
Betrachtung und sicherlich auch das Verständnis des Wiederverwendungsmodells, aber
darüber hinaus auch den Abgleich mit den Anforderungen aus der Modellierungsaufgabe.
Es ist zwar ein gewisses Verständnis des Wiederverwendungsmodells erforderlich, aber
ebenso ist es erforderlich, dass sich der Abgleich mit den Aufgabenanforderungen durchführen lässt und entsprechende Anpassungen vorgenommen werden können. Bei einer
Aufgabe des Typs „write-under-reuse“ ist also über das reine Verstehen des Wiederverwendungsmodells hinaus die Aufgabe des Vergleichs und der Anpassung zu bewältigen34 .
Ansätze, die Vorschläge dafür machen, Geschäftsprozessmodelle hinsichtlich spezifischer
Aufgaben wie „read-to-do“ qualitativ zu verbessern, sind daher von hoher Relevanz, wenn
auch die Aufgabe „write-under-reuse“ eigene Anforderungen stellt. Das Verstehen eines
potenziell wiederverwendbaren Modells kann als eine Voraussetzung dafür angesehen
werden, dass dieses Modell mit dem Problemkontext verglichen und dann entsprechend
der Aufgabenanforderungen angepasst werden kann. Nichtsdestotrotz kann ein notwendiger Trade-off angenommen werden zwischen dem Nutzen aus der Durchdringung des
wiederverwendbaren Modells – dafür werden kognitive Ressourcen benötigt – und einer
effektiven Anpassung des Modells, die ebenfalls Ressourcen benötigt und dadurch mit der
Verständnisaktivität konkurriert. Diese Nuance kann mit Adaptionsqualität umschrieben
werden.
Das oben bereits erwähnte überarbeitete SEQUAL-Modell für aktive Prozessmodelle (Krogstie u. a. 2006) kann auf eine bestimmte Weise interpretiert werden, so dass es
auch die Situation der Prozessmodellierung unter Wiederverwendung von existierenden
Prozessmodellen erfasst. Dazu ist explizit die Zeit zu berücksichtigen, über welche die
Modellierungsaktivitäten stattfinden. Im eigentlichen Sinne des Frameworks beginnt die
Modellierung mit einer ersten Entwicklung des Modells M (was z.B. durch die Einfügung
des ersten Modellelements erfolgen kann). Dann folgen entsprechend weitere Modellierungsaktivitäten, die das Modell weiterentwickeln, und es finden Lernprozesse in den
Modellierern und Handlungen in der Domäne statt, die wiederum Auswirkungen auf die
Domäne haben. Irgendwann gibt es einen Zeitpunkt, an dem das Modell als fertig deklariert wird. Die Nutzung eines wiederverwendbaren Prozessmodells kann nun ebenfalls
vom SEQUAL-Framework erfasst werden, wenn man den Beginn der Modellierung mit
einem ersten eingefügten Element nicht als strenge Anforderung betrachtet, sondern bereits erstellte Modelle als initiale Prozessmodelle zulässt. Diese könnten Prozessmodelle
aus einem Repository speziell für die Wiederverwendung sein. Von diesem Punkt an wird
das wiederverwendete Prozessmodell im Sinne von M weiter angepasst und im Rahmen
33

Hier wird wiederum differenziert in syntactic comprehension, semantic comprehension und problem
solving (Khatri u. a. 2006).
34
Vgl. dazu den Wiederverwendungsprozess in Abschnitt 3.1.

44

der im Framework beschriebenen Aktivitäten zum Lösungsmodell hin entwickelt.
Um nun sowohl die Anpassbarkeit des Wiederverwendungsmodells, als auch das Ergebnis einer Prozessmodellkonstruktion unter Wiederverwendung nach den obigen Einordnungen beurteilen zu können, werden zwei Qualtätsauffassungen herangezogen, die
für die Untersuchungsrichtung und eine spätere Operationalisierung relevant sind: die
Adaptionsqualität als eine Facette der pragmatischen Qualität und die semantische Qualität. Die Adaptionsqualität von einem Wiederverwendungsmodell in Bezug auf ein zu
erstellendes Lösungsmodell kann als das Verhältnis von korrekt vorgenommenen Anpassungen am Modell zu den tatsächlich erforderlichen Anpassungen - um zur Lösung zu
gelangen – aufgefasst werden. Falls beispielweise alle notwendigen Anpassungen am Wiederverwendungsmodell vorgenommen werden können, dann weist das wiederverwendete
Modell in Bezug auf die Aufgabe eine hohe Adaptionsqualität auf. Die semantische Qualität beschreibt die Korrespondenz zwischen der Interpretation eines Modells durch den
Modellnutzer und dessen derzeitigem Domänenwissen. Die Ziele der semantischen Qualität sind die Validität und Vollständigkeit des Modells (Lindland u. a. 1994; Krogstie
u. a. 1995). Eine mengentheoretische Definition von Validität und Vollständigkeit wird in
Lindland u. a. (1994) gegeben (vgl. auch die Operationalisierung in Abschnitt 5.2.4). Die
semantische Qualität kann herangezogen werden, um zu prüfen, inwieweit das Ergebnis
aus einer Prozessmodellkonstruktion unter Wiederverwendung den Anforderungen aus
der Domäne, d.h. der Konstruktionsaufgabe, entspricht. Dies lässt Schlüsse darüber zu,
inwieweit der Wiederverwendungsansatz im konkreten Fall erfogreich war oder nicht.

2.3. Wiederverwendungsebenen der Prozessmodellierung
Nachdem Geschäftsprozessmodelle als zentrale Artefakte des Business Process Management identifiziert wurden und sowohl ihr prinzipieller Einsatz in Systementwicklungsansätzen aufgezeigt, als auch Begriffe der Qualität von Prozessmodellen – hier auch
schon im Zusammenhang mit der Wiederverwendung von Prozessmodellen – dargelegt
wurden, wird nun der Untersuchungsfokus auf den Ansatz der Wiederverwendung konzentriert. Bevor eine differenziertere Sicht auf wiederverwendungsorientierte Aktivitäten
im Bezugsrahmen der Prozessmodellierung entwickelt wird, erfolgt eine Einordnung der
prinzipiellen Strategien der Systementwicklung, welche extern repräsentierte Artefakte
(die über Code und Komponenten hinausgehen) und deren systematische Wiederverwendung explizit in ihre Ansätze einbeziehen. Hierzu werden einige bekannte Vorschläge
aufgezeigt. Im Kontext der Geschäftsprozessmodellwiederverwendung müssen darüber
hinaus Wiederverwendungsansätze unterschieden werden, die sich auf unterschiedliche
Ebenen von eingesetzten Modellierungssprachen beziehen, aber häufig unter dem Begriff
der Modellwiederverwendung subsummiert werden. Folgende drei Ansätze lassen sich
hier voneinander abgrenzen: die Wiederverwendung auf der Konstruktebene, die Wiederverwendung von prozessmodellbezogenen Assistenzartefakten und schließlich die Wiederverwendung direkt auf der Modellebene. Dieser Klassifikation folgend werden existieren-

45

de Ansätze aus der wissenschaftlichen Literatur und angewandten Forschung vorgestellt.
Dieser Abschnitt erläutert die Konzepte entsprechend dieser vierteiligen Gliederung: 1)
Wiederverwendung von Artefakten, 2) Konstruktebene, 3) Assistenzartefaktebene und
4) Modellebene.

2.3.1. Wiederverwendung von Artefakten
Der folgende Abschnitt nimmt eine Strukturierung der allgemeinen Artefaktwiederverwendung in der Systementwicklung vor. Dazu werden zunächst verschiedene Ebenen von
Entwicklungsartefakten im Informationssystemkontext differenziert, auf die sich Ansätze der Wiederverwendung prinzipiell beziehen können. Diese können wiederum in spezifischen Wiederverwendungsphilosophien der Systementwicklung konkretisiert werden.
Für den Wiederverwendungstyp der Anforderungsspezifikation- und Designwiederverwendung, zu welchem auch die Geschäftsprozessmodellwiederverwendung zu zählen ist,
werden 1) einige beispielhafte Ansätze vorgestellt, die zwar keine direkte Modellwiederverwendung vorschlagen, aber geschäftsprozessrelevanten Charakter aufweisen. Der Abschnitt schließt ab mit 2) grundsätzlichen Zielen, die mit der Artefaktwiederverwendung
verfolgt werden.
In Abbildung 2.7 sind die drei groben Ebenen einer Informationssystementwicklung
nach ihrem Abstraktionsgrad dargestellt, angefangen bei Ebene 1, in der die Anforderungen an das zu entwickelnde Informationssystem bestimmt werden, dann Ebene 2, in
der die Designs für die Softwaresysteme erstellt werden und schließlich Ebene 3, in der die
Systemunterstützung geleistet wird. Auf allen drei Ebenen kann prinzipiell eine Wiederverwendung der jeweiligen Artefakte erfolgen, wobei die Schwierigkeit mit der zunehmenden Abstraktion steigt, da die Kontexte in der Regel komplexer und spezifischer werden
und dadurch die erneute Einsetzbarkeit z.B. eines Anforderungsdokuments schwieriger
zu gewährleisten ist. Mit Blick auf die Prozessmodellierung ist ein beispielhaftes Prozessmodell in das Ebenenschema zwischen der Ebene 1 der Anforderungsformulierung und
der Ebene 2 des Softwaredesign eingeordnet (vgl. Sutcliffe 2002).
In Abbildung 2.8 wird eine Perspektive auf verschiedene Wiederverwendungsphilosophien im Kontext der Informationssystementwicklung eingenommen. Es sind drei alternative Ansätze der Wiederverwendung dargestellt, die jeweils ausgehend von den Nutzeranforderungen von links nach rechts schrittweise zu einem neuen Informations- bzw.
Softwaresystem gelangen. Im ersten (obersten) Ansatz erfolgt die Wiederverwendung lediglich über die Konstrukte der in den jeweiligen Phasen verwendeten Sprachen. D.h. es
werden zunächst Anforderungen spezifiziert z.B. mit Text (dabei wird die jeweilige Sprache „wiederverwendet“), dann Designs konstruiert z.B. ebenfalls mit Text oder zusätzlich
mit Modellen und schließlich wird basierend auf diesen Spezifikationen Code geschrieben. Auch hier erfolgt die Wiederverwendung „nur“ über die Konstrukte der jeweiligen
Programmiersprache. Im mittleren Ansatz gehen die spezifizierten Anforderungen (hier
durchaus bereits als Modelle) in einen Applikationsgenerator ein, welcher über festgelegte
Transformationen die Spezifikationen in Programmcode und schießlich eine ausführba-

46

Vertical applications
Abstraction context

Banking

Education

Health
care

Avionics
Aerospace

Level 1
Requirements

Business process models

Horizontal
applications

Word processors, Databases
Spreadsheets, Graphics tools

Level 2
Software design

general components
classes
patterns

Level 3
System support

System

databases
networks

Printers ...

Abbildung 2.7.: Ebenen der Artefaktwiederverwendung (in Anlehnung an Sutcliffe 2002)
re Applikation überführt. Diese Philosophie möchte vom Schreiben des Programmcode
abstrahieren und die Wiederverwendung erfolgt auf der Ebene der Generierungsmechanismen (z.B. die Transformation), die von Applikationsgenerierung zu Applikationsgenerierung erneut eingesetzt werden sollen (vgl. hierzu die MDA in OMG 2003). Der dritte
Ansatz überführt die Anforderungsspezifikationen in eine modulare Designarchitektur,
welche das Zusammenspiel von Komponenten bestimmt und die in ihrer Gesamtheit die
neue Applikation ergeben. Die Komponenten können in verschiedenen Designarchitekturen wiederverwendet werden. Ebenso können Designarchitekturen ganz oder teilweise
für ähnlich gelagerte Anforderungen wiederverwendet werden. Es werden dann die entsprechenden Komponenten aus einem Reuse-Repository bezogen. Ein Geschäftsprozessmodell kann in diesem dritten Ansatz neben der Spezifikation von Anforderungen auch
Teil einer Designarchitektur sein, falls diese konsequent an der Geschäftsprozessorientierung ausgerichtet werden soll. Im Folgenden werden einige Ansätze aufgeführt, die extern
repräsentierte Artefakte, die sich an dem Übergang von detaillierten Anforderungsspezifikationen zu spezifischen Designarchitekturen befinden, systematisch wiederverwenden
(vgl. auch Sutcliffe 2002).

47

Designer
Requirements
engineer

Requirements
specifications

Programming
language

Designs

Application
generator

User
requirements

Business Process Models

New
application

Design
architecture

Composition

Requirements
engineer

Designer

Reuse
library

Abbildung 2.8.: Wiederverwendung durch Spezifikation und Programmierung oder Generation auf Basis von High-Level-Anforderungssprachen versus Wiederverwendung durch Spezifikation und komponentenbasiertes Engineering
(in Anlehnung an Sutcliffe 2002)
Ansätze der Artefaktwiederverwendung
Es wird die Wiederverwendung von Enterprise Integration Patterns (EIP) vorgeschlagen
(Umapathy u. Purao 2008; Umapathy u. a. 2008). Ein Enterprise Integration Pattern ist
ein Modell, das ein spezifisches Kommunikationsmuster zwischen Entitäten in einem Informationssystem beschreibt mit dem letztlichen Ziel eine erhöhte Interoperabilität der
informationstechnischen Infrastruktur zu erreichen. Der Schwerpunkt des Ansatzes liegt
auf der Suche und Auffindung der EIPs in einem Repository mittels spezifizierter Suchanfragen. Der Vorschlag hat dadurch eine geschäftsprozessmodellnahe Ausrichtung, da das
Auffinden der EIPs auf Basis von Anforderungen erfolgt, welche in einem Prozessmodelldiagramm (bzw. Business Process Diagram (BPD)) repräsentiert sind. Daher ist der
beschriebene Ansatz nicht deckungsgleich mit der Suche nach Geschäftsprozessmodellen,
da die gesuchten Artefakte EIPs sind. Es liegt aber ein Prozesmodell in BPMN vor, aus

48

dem die Anforderungen abgeleitet werden. Das BPD dient also der prozessmodellbasierten Repräsentation der Suchanfrage.
Ein weiterer Ansatz ist die Wiederverwendung von sogenannten Analysis Patterns
(Purao u. a. 2001; Wohed 2000; Purao u. a. 2003). Ein Analysis Pattern repräsentiert
eine Gruppierung von miteinander in Beziehung stehenden, generischen Objekten angereichert mit in diesem Kontext häufig vorkommenden Attributen und Verhaltensweisen
(Coad u. a. 1995; Fowler 1997). Entwickler können diese Analysis Patterns dann in verschiedenen Domänen anwenden, um neue Systeme zu gestalten (Alexander 1964; Lea
1994). Es wurden bisher einige „naive“ Ansätze der Analysis-Pattern-Wiederverwendung
vorgeschlagen (Purao u. a. 2001; Wohed 2000). Methodisch wird dabei folgendermaßen
vorgegangen. Zunächst wird in der Menge vorhandener Beispiele nachgeschlagen und
nach relevanten Patterns gesucht. Dies erfordert den Abgleich zwischen den untersuchten
Beispielen und der Vorstellung der Gestaltungsaufgabe durch den Entwickler. Aufgefundene Patterns können dann verbunden werden über die ihnen gemeinsamen Objekte, um
neue konzeptuelle Designs zu erstellen. Dieser Ansatz baut auf bestehenden Bibliotheken auf, welche die Patterns enthalten (vgl. Coad u. a. 1995; Fowler 1997). Purao u. a.
(2003) kritisieren an den einfachen, bibliotheksbasierten Ansätzen der Analysis-PatternWiederverwendung die fehlende Berücksichtigung der Erfahrungsbildung und des Lernens, die Entwickler in der Regel in Entwicklungsprojekten erfahren. Sie sehen einen
semi-automatischen Assistenten vor, als Instanz eines wiederverwendungsbasierten Designansatzes, welcher die Möglichkeit des Lernens explizit einbezieht. Dieser Assistent
kann dann schnell vorläufige konzeptuelle Modelle kreieren, bei lediglich eingeschränkter Anleitung durch den menschlichen Entwickler, der das Design dann manuell weiter
entwickeln kann. Es wird ein Prototyp vorgeschlagen, der Lernmechanismen und Trainings vorsieht und die prinzipielle Machbarkeit des Ansatzes aufzeigt. In Bezug auf die
Prozessmodellwiederverwendung kann dieser Ansatz nur sehr eingeschränkt übertragen
werden, da keine Geschäftsprozessmodelle, sondern Analysis Patterns wiederverwendet
werden.
Der Ansatz der Referenzmodellierung trägt im Kern den Gedanken der Wiederverwendung von Modellen (vom Brocke 2003; Delfmann 2006; Thomas 2006). Dies gilt prinzipiell
auch für die Wiederverwendung von Prozessmodellen. Im Diskurs der Referenzmodellierung werden konstruktionsorientierte Ansätze (z.B. vom Brocke 2003), Managementansätze und -werkzeuge (Thomas 2006), Instanziierungen35 und Evaluierungsgrundlagen
(Fettke 2006) vorgeschlagen. Im Vorwort in Fettke u. Loos (2007a) wird von Dave Hay
auf den nicht erkennbaren Unterschied zwischen Referenzmodellen und Modellen hingewiesen: alle explizierten Konzepte und Methoden ließen sich auf die Wiederverwendung
von Modellen (statt „Referenzmodellen“) anwenden. Dieser nicht zufriedenstellende Referenzmodellbegriff wird von Fettke problematisiert und mittels der strukturalistischen
Referenzmodellierung neu erfasst (Fettke 2006, S. 75 ff.). Die empirische Evaluierung
davon wie Anwender mit Referenzmodellen in konstruktionsorientierten Aufgaben tatsächlich umgehen ist empirisch bisher noch nicht erfolgt.
35

Vgl. dazu die Klassifikation in Fettke u. Loos (2003).

49

Ziele der Wiederverwendung
Menschliche Problemlöser sind bestrebt, den Aufwand für die Lösung des Problems zu
reduzieren, da ihre Kapazitäten der Informationsverarbeitung begrenzt sind (Newell u.
Simon 1972). Der Rückgriff auf bestehende (Teil-)Lösungen stellt einen Ansatz dar, der
Vorteile sowohl bezüglich der Effektivität, als auch der Effizienz erwarten lässt. Hinsichtlich der Effektivität wird in der Regel eine bessere Qualität dadurch erwartet, dass durch
die Vorgabe eines Wiederverwendungsmodells (das erhebliche Teile der Lösung beinhaltet) mutmaßlich weniger Fehler eingeführt werden im Vergleich zu eigenkonstruierten
Modellen. Dies lässt sich nachvollziehen, wenn davon ausgegangen wird, dass Modellierer
an den ihnen vorgegeben Modellinhalten zumindest teilweise festhalten. Diese Begrenzung auf bestimmte durchführbare Aktivitäten (zumindest so wahrgenommen), welche
die Repräsentation des Modells dem Modellierer auferlegt, wird auch als graphical constraining charakterisiert (Scaife u. Rogers 1996). Neben der Bestrebung bessere Modelle
zu konstruieren, die eine verbesserte Kommunikation und Arbeit ermöglichen, werden
auch ressourcensparende Ziele verfolgt, welche sich vorteilhaft auf die Effizienz auswirken sollen. Insbesondere soll die Zeit der Anforderungserfassung und Modellkonstruktion
verkürzt werden (z.B. Rolland u. Prakash 1993). Die Attraktivität beruht darauf, dass
bei der erfolgreichen Wiederverwendung eines bereits bestehenden Artefakts davon ausgegangen wird, diejenigen Ressourcen zu sparen, die bei der ursprünglichen Erstellung
erforderlich waren. Der Einsatz von Wissensrepositories, in denen Erfahrungswissen kodifiziert wird, um die Performanz in wissensintensiven Aufgaben zu steigern, hat sich
häufig bewährt (Gray u. Durcikova 2006; Xu u. Ramesh 2009). Neben gesteigerter Qualität und Effizienz der Modellerstellung kann noch eine weitere, verwandte Perspektive auf
die Modellwiederverwendung eingenommen werden: die der Ergonomie. Dabei stellt das
Wiederverwendungsmodell eine spezielle Form der Assistenz für den Modellierer dar, die
für die Bearbeitung der vorliegenden Aufgabe geeignet sein sollte. Passgenauere Granularitäten von Artefakten zur Assistenz in Phasen der konzeptuellen Entwicklung, um die
Performanz zu steigern, werden im Weiteren z.B. in Batra u. Wishart (2004) untersucht.

2.3.2. Konstruktebene
Es existieren einige Ansätze, die sich nicht direkt auf die adaptive Wiederverwendung
ganzer Prozessmodelle in Konstruktionsaufgaben beziehen, sondern auf Konstrukte (und
Konstruktkombinationen oder Patterns) in Prozessmodellierungssprachen. Dies muss im
Untersuchungskontext differenziert werden. Der wesentliche Ansatz soll im Folgenden
skizziert werden.
Process Patterns sind spezifische Konstruktkombinationen mit einer bestimmten Semantik36 , die eine wichtige Hilfe für Prozessmodellierer und -verantwortliche darstellen
können. Weber u. a. (2008) und Gschwind u. a. (2008) schlagen einen Ansatz der Assistenz bei der Prozessmodellierung durch Wiederverwendung von Patterns vor. Proble36

Siehe dazu Workflow Patterns Initiative (2010).

50

matisch ist, dass während der Prozessmodellierung oft unstrukturierte Prozessmodelle
erstellt werden, die nicht fehlerfrei sind. Die Bearbeitung dieser Modelle, so dass keine
Fehler entstehen bzw. dass diese während der Konstruktion verhindert werden, würde eine Entlastung des Modellierers darstellen und qualitative Prozessmodelle garantieren.
Es werden Workflow-Patterns definiert, die bei der Konstruktion von Prozessmodellen angewendet werden sollen. Weiterhin werden diese Workflow-Patterns als erweiterte
Funktionalität eines bestehenden Modellierungswerkzeugs umgesetzt. Da die WorkflowPatterns eine höhere Komplexität besitzen als grundlegene Konstrukte wie beispielsweise eine BPMN-Aktivität oder ein BPMN-Sequenzfluss, kann von einem Übergang von
Konstrukten zu (kleinen) Modellen gesprochen werden. Die Komplexität von üblichen
Geschäftsprozessmodellen spezifischer Anwendungsdomänen wird durch die WorkflowPatterns nach Gschwind u. a. (2008) nicht repräsentiert, da es sich um eine Form der
Wiederverwendung von Konstrukten handelt. Die Patterns sind vorab definiert und sie
werden in einem bestimmten Anwendungskontext angeboten (dies muss vorher durch
Festlegung und Abgleich einer Kategorie bestimmt werden). Es handelt sich also um
eine Form der konstruktbasierten Konfiguration. Einige Auswertungsergebnisse haben
sich ergeben: 10% der Modellierungszeit könnten eingespart werden; 70% der reinen Editierungszeit könnten eingespart werden; 50% der Anwender, die das Plug-In installiert
hatten, nutzten die Patterns häufig; 10% der Anwender emfanden die Handhabung der
Workflow-Patterns als einfach; 90% der Anwender bejahten die Frage, ob die Plug-Ins sie
dabei unterstützen würden, die Qualität der erstellten Modelle zu verbessern37 . Darüber
hinaus werden in Weber u. a. (2007); Weber u. Reichert (2008) 18 Change Patterns und
7 Change Support Features vorgeschlagen, um eine einheitliche Grundlage für den Vergleich von Prozessmanagementtechnologien hinsichtlich der Unterstützung von Änderungen an Prozessen zu schaffen. Mit diesem Vorschlag für definierte Patterns der Änderung
von Konstrukten in Prozessmodellen werden qualitative Merkmale wie Korrektheit und
Robustheit adressiert, die von Anwendern nach der Durchführung von Änderungen in
Prozessmodellen erwartet werden.

2.3.3. Assistenzartefaktebene
Im Kontext der Wiederverwendung von Prozessmodellen existieren Ansätze, die auf der
Wiederverwendung von Artefakten beruhen, welche die Prozessmodellerstellung unterstützen sollen. Die Wiederverwendung bezieht sich jedoch nicht auf eine erneute, adaptive
Verwendung des Prozessmodells an sich. Diese Ansätze müssen daher von der direkten,
adaptiven Prozessmodellwiederverwendung differenziert werden. Es werden in diesem
Zusammenhang die 1) Pattern- und regelbasierte Assistenz, 2) Wissensartefakte für die
Prozessanpassung und 3) die vorschlagsbasierte Assistenz kurz vorgestellt.

37

Die Stichprobe bestand aus IBM-Beratern, der Umfang der Stichprobe wurde jedoch nicht spezifiziert.

51

Pattern- und regelbasierte Assistenz
Batra u. Wishart (2004) untersuchen Pattern-basierte vs. regelbasierte Ansätze der Assistenz in der konzeptuellen Modellierung. Die konzeptuelle Gestaltung von Datenbanken
ist für unerfahrene Designer schwierig und oft mit Fehlern behaftet. Diese unerfahrenen
Designer (Novizen) können mit verschiedenen Ansätzen trainiert werden, welche verschiedene Formen des Wissens repräsentieren (hier: pattern- und regelbasiert), das in der
Gestaltung wiederverwendet werden darf. Die beiden Trainingsansätze werden anhand
von sechs Attributen beschrieben und als patternbasierte und regelbasierte Ansätze klassifiziert. Diese Attribute werden jedoch nicht explizit als mögliche eigenständige Faktoren
verstanden, die ihrerseits beachtlichen Einfluss auf das Modellierungsergebnis haben können. Sie dienen hier lediglich dazu, um die beiden grundsätzlich verschiedenen Ansätze
auseinanderhalten zu können. Deshalb werden sie nur wenig bis gar nicht beschrieben.
Die einzelnen Faktoren sind aber für sich interessant im Hinblick auf ihren Einfluss auf
eine Modellgestaltung. Beispielsweise wird das Attribut Granularität lediglich genannt.
Es wird jedoch nicht definiert, was unter Granularität genau verstanden wird. Auch wird
nicht klar, warum der regelbasierte Ansatz eine feinere Granularität aufweist, als der
Pattern-basierte Ansatz. Das Attribut an sich ist nicht geklärt und im Kontext der alternativen Ansätze deshalb unverständlich. In der Gegenüberstellung mit artverwandten
Attributen wie dem Abstraktionsgrad erscheint die Verwendung des Granularitätsbegriffs sogar widersprüchlich: der regelbasierte Ansatz wird zwar als abstrakt (zumindest
abstrakter als der Pattern-basierte Ansatz) bezeichnet, weist aber zugleich eine feine
Granularität auf. Diese Verständnis erscheint der Intuition und Definitionen von Granularität (z.B. Yao 2004) entgegengesetzt. Insgesamt unterscheidet sich dieser Ansatz von
der Prozessmodellwiederverwendung, da die extern repräsentierten und wiederverwendeten Artefakte keine Prozessmodelle sind, sondern Patterns bzw. Regeln, welche den
Konstruktionsprozess unterstützen.
Wissensartefakte für die Prozessanpassung
Xu u. Ramesh (2009) untersuchen, welchen Einfluss die wissensbasierte Unterstützung
auf die Durchführung des Tailorings (d.h. die Anpassung) von Softwareentwicklungsprozessen hat. Hierbei wird die Cognitive-Fit-Theorie (Vessey u. Galletta 1991) getestet.
Wenn die Wissensunterstützung (hierunter ist im Sinne des Cognitive-Fit-Modells das
Repräsentationsformat der unterstützenden Information zu verstehen) zu der Art der
Aufgabe (hierunter ist das Tailoring eines Softwareentwicklungsprozesses zu verstehen)
passt, dann verbessert sich die Performanz der Aufgabenlösung. Es wird ein Modell aufgestellt, das versucht, den Einfluss von unterschiedlichen Wissensformen (generell und
kontextualisiert) auf die Anpassungsperformanz im Softwareprozess-Tailoring zu erklären. Das Ergebnis zeigt, dass sich kontextualisiertes Wissen positiv auf den Anpassungsprozess auswirkt (sechs von acht Hypothesen konnten durch das faktorielle Experiment
gestützt werden). Ein besonders großer Unterschied zeigt sich bei komplexen TailoringAufgaben.

52

Es besteht ein wesentlicher Unterschied zum Untersuchungskontext dieser Arbeit bezüglich des wiederverwendeten Artefakts. Das kodifizierte Wissen, das bei Xu u. Ramesh
(2009) wiederverwendet wird, ist nicht als Prozessdiagramm, sondern als Text repräsentiert. Daneben wird bei Xu u. Ramesh (2009) der Fokus auf unterstützende Artefakte, die
nicht selbst Repräsentationen der Lösung sind, gelegt, während die hier untersuchten Fragen sich auf jene Repräsentationen beziehen, die bereits für sich (nahezu) die angestrebte
Lösung darstellen. Die Lösungen bei Xu u. Ramesh wären Werte für die Anzahl an Iterationen und ihrer jeweiligen angesetzten Dauer. Diese sind auch vorgegeben als Antwortoptionen. Die zusätzliche Unterstützung zur Entscheidungsfindung erfährt der Anwender
aber über die Wissensartefakte. Xu u. Rameshs Untersuchung ist somit nur bedingt
vergleichbar mit der hier angestrebten Studie. Die explizite Unterstützung durch „Howto“-Anweisungen erfolgt in der vorliegenden Arbeit nicht. Vielmehr wird das Unterstützungspotenzial durch eine gleichrepräsentierte Lösungsschätzung (Prozessdiagramm) exploriert. Weiterhin ist der Lösungsraum in Xu u. Rameshs Studie stärker beschränkt, als
der in betrieblich typischen Prozessmodellierungsszenarien. Die Tailoring-Entscheidungen
für die Antwortoptionen erfolgen über zwei Merkmale (Iterationszahl und Dauer) von
denen jeweils 4 bzw. 3 Ausprägungen bereitgestellt wurden. Dies stellt im Gegensatz
zu Prozessmodellierungsaufgaben eine relativ geringe Anzahl an Antwortalternativen
dar. Zur Verdeutlichung: die Anzahl an möglichen „Antworten“, d.h. Prozessmodellen,
in Modellierungsaufgaben ist prinzipiell nur durch die Konstrukte der jeweiligen Notation beschränkt. Dies geht weit über die Alternativen der Softwareprozess-Tailoring-Studie
hinaus. Zudem werden bei Xu u. Ramesh die Wissenstypen „generalisiert“ und „kontextualisiert“ unterschieden. Bei der Wiederverwendung von Prozessdiagrammen handelt
es sich zum einen um eine andere Art Wissenstyp, da die Prozessdiagramme, die zur
Verfügung gestellt werden, bereits Lösungsschätzungen darstellen und keine Anleitungen
sind, die einem Regelschema „Wenn-Dann“ folgen. Zum anderen sind die Prozessdiagramme als kontextualisiertes Wissen einzustufen. Generalisierte Prozessdiagramme sind
denkbar und werden auch als normative Vorgaben zur Verfügung gestellt, werden aber
im Untersuchungskontext nicht fokussiert, da ihre Repräsentation als zu abstrakt angesehen wird, als dass sie in den konkreten Aufgabenstellungen den Modellierer effektiv
unterstützen könnten. Dass bei Xu u. Ramesh (2009) kontextualisiertes Wissen als eine effektive Form der Aufgabenunterstützung bestätigt wird (gegenüber generalisiertem
Wissen), unterstützt ebenfalls die Untersuchungsentscheidung, den Fokus auf kontextualisierte Wissensformate, zu denen auch Geschäftsprozessmodelle gehören, zu legen. Es
erfolgt keine Diskussion einer Ähnlichkeitsgröße oder eines „Abstands“ zwischen dem jeweiligen Wissensartefakt und der Tailoring-Aufgabe. Die Art der Repräsentation der beiden Wissensartefakte wird ausführlich dargestellt, aber es wird nicht klar, inwieweit die
jeweiligen Inhalte zur Aufgabe passen. Denkbar wäre, dass das kontextualisierten Wissen
eine bestimmte Menge an überflüssigen Informationen enthält, die für die Bearbeitung
der Aufgabe nicht förderlich sind. Falls diese Menge eine bestimmte Größe überschreitet,
wäre es denkbar, dass sich der Aufwand des Herausfilterns dieser Informationen negativ
auf die Performanz auswirkt. Dieser negative Effekt könnte theoretisch so stark werden,
dass die Unterstützungsleistung des kontextualisierten Wissen schließlich doch hinter der
des generalisierten Wissensartefakts zurückbleiben könnte. Diese Grenzen, die aus unter-

53

schiedlichen Adaptionsaufwänden resultieren, hätten stärker thematisiert werden können.
Um die Vorteilhaftigkeit von kontextualisiertem Wissen gegenüber generalisiertem besser zu validieren, sollte darüber hinaus der inhaltliche Abstand zwischen den jeweiligen
Wissensartefakten und der Aufgabe zumindest grob kontrolliert werden.
Vorschlagsbasierte Assistenz in der Prozessmodellierung
Eine weitere Facette im Kontext der wiederverwendungsorientierten Prozesmodellierung
ist die vorschlagsbasierte Assistenz in der Prozessmodellierung bzw. Recommendation
Based Process Modeling Support (Hornung u. a. 2008; Koschmider u. a. 2009b, a). Dies
sind Beiträge, die Modellierern während der Prozessmodellerstellung Vorschläge unterbreiten, wie das Prozessmodell fortgesetzt werden könnte. Dies erfolgt auf Basis von
Interpretationen von Tags – dies sind Beschreibungen im Prozessmodell – über die eine
Suchanfrage gestellt werden kann. Diese Suchanfrage wird genutzt, um ein Repository
zu durchsuchen, das über eine Menge an passenden Prozessmodellfragmenten verfügt,
welche sich eventuell zur Fortsetzung des gerade entstehenden Prozessmodells eignen. In
Abbildung 2.9 ist der Ansatz illustriert.
Edited business process
customer request
verify customer order

place order

verify customer order

Order Approval Process

...

customer order

...

Process repository

Query interface

Abbildung 2.9.: Nutzerinteraktion um passendes Prozessmodellfragement aufzufinden (in
Anlehung an Hornung u. a. 2008)
Diese Ansätze sind vorstellbar als Assistenzmöglichkeiten, welche direkt im Prozessmodellerstellungsprozess Unterstüzung leisten. Im Zuge der Adaption eines wiederverwendeten Prozessmodells können diese Such- und Ergänzungsvorschläge vermutlich in
der Werkzeugunterstützung ergonomische Vorteile bedeuten. Der Untersuchungsfokus
der vorliegenden Arbeit liegt jedoch zunächst auf dem Adaptionsverhalten von menschlichen Prozessmodellierern ohne die Verfügbarkeit dieser vorschlagsbasierten Werkzeugunterstützung. Die Untersuchung dieser Möglichkeiten auf Basis des Adaptionsverhaltens
sollte weiter verfolgt werden.

54

2.3.4. Modellebene
Dieser Abschnitt fokussiert Wiederverwendungsansätze, die sich direkt auf den erneuten
Einsatz eines im Repository befindlichen Prozessmodells beziehen. Dazu werden ausgewählte Designvorschläge näher beschrieben, insbesondere der Ansatz des ProzessmodellMerging (Küster u. a. 2006, 2008), ein domänenmodellorientierter Ansatz für die Prozessmodellspezialisierung (Reinhartz-Berger u. a. 2005; Soffer u. a. 2007), ein an Services
ausgerichteter Wiederverwendungsansatz (Elhadad u. a. 2008) und ein Wiederverwendungsansatz, der die kollaborative Erstellung und Weiterentwicklung von Prozessmodellen betont (Tomaz u. a. 2009). Die Vorschläge werden im Zusammenhang empirischer
Beobachtungen und im Hinblick auf das Adaptionsverhalten von Prozessmodellierern im
Zuge der Prozessmodellwiederverwendung diskutiert.
Küster u. a. (2006) machen einen Vorschlag für die Wiederverwendung von Geschäftsprozessmodellen im Rahmen der Verbesserung eines bestehenden Geschäftsprozesses, welcher bereits durch ein Geschäftsprozessmodell beschrieben ist. Die Auswahl
des Wiederverwendungsmodells erfolgt dabei in Abstimmung zwischen einem Kunden
(Geschäftsprozesseigner) und einem externen Moderator, der das wiederverwendbare Prozessmodell zur Verfügung stellt. Das wiederverwendbare Prozessmodell dient als Orientierungsgrundlage für die spezifische Adaption des bestehenden Geschäftsprozessmodells.
Es kann als Idealanforderung an den zu verbessernden Geschäftsprozess angesehen werden. Die Anpassungsoperationen werden dann im bestehenden Geschäftsprozessmodell
ausgeführt nach Maßgabe des wiederverwendeten Prozessmodells. Dieser Ansatz wird
abgegrenzt von der Prozessmodellwiederverwendung im Rahmen einer Neukonstruktion,
bei der die Anpassungsoperationen im wiederverwendeten Modell selbst vorgenommen
werden und welches gleichzeitig das Ergebnisprozessmodell darstellt. Die Vergleiche und
Adaptionen, die vorgenommen werden müssen, finden entsprechend den jeweiligen Ansätzen zwischen unterschiedlichen Ebenen statt. Bei der Prozessmodellneukonstruktion unter Wiederverwendung werden die Anforderungen an den neuen Geschäftsprozess (welche
in unterschiedlicher Form repräsentiert sein können) mit dem Wiederverwendungsmodell
abgeglichen. Die daraus resultierenden Adaptionen (z.B. beibehalten, einfügen, entfernen)
finden im Wiederverwendungsprozessmodell statt. Das wiederverwendete und adaptierte
Prozessmodell kann dann integriert und zweckentsprechend genutzt werden. Bei der Prozessmodellverbesserung 38 unter Orientierung an einem Wiederverwendungsprozessmodell
werden die Inhalte des zu verbessernden Prozessmodells mit den Inhalten des Wiederverwendungsmodells abgeglichen (u.U. zusätzlich mit anderen Beschränkungen, die im
Geschäftsprozesskontext relevant sein könnten). Die als notwendig erachteten Adaptionen – Refactoring operations (Küster u. a. 2006, S. 39) – werden dann im kundensseitigen
Prozessmodell vorgenommen und es kann anschließend integriert und angewendet werden. Das Wiederverwendungsmodell bleibt in diesem Ansatz unverändert. In Abbildung
2.10 sind die abzugrenzenden Wiederverwendungsansätze schematisch illustriert.
Für den Vergleich werden Korrespondenzen zwischen den Aktivitäten des bestehen38

Vgl. den Begriff Process merging (Küster u. a. 2006, S. 37).

55

Prozessmodellneukonstruktion unter Wiederverwendung
Suche
und
Auswahl
Repository

Prozessmodellverbesserung unter Orientierung an
Wiederverwendungsmodell
Suche
und
Auswahl

Adaption
Wiederverwendungsprozessmodell

Integration und
Anwendung

Vergleich

Repository

Wiederverwendungsprozessmodell

Vergleich
Geschäftsprozessmodell

Anforderungen

Adaption
Integration und
Anwendung

Abbildung 2.10.: Modifikation von versus Orientierung an Wiederverwendungsmodell
den Geschäftsprozessmodells und des wiederverwendeten Idealprozessmodells aufgestellt
(weitere Konstrukte neben Aktivitäten werden in diesem Ansatz nicht weiter betrachtet).
Auf Basis der Korrespondenzen werden entsprechende Refactoring-Operationen auf dem
Geschäftsprozessmodell durchgeführt, u.a. das Hinzufügen, Entfernen und die Aufteilung
von Aktivitäten. Dabei werden Kontrollflüsse zwischen den einzelnen Tasks zunächst
ignoriert. Nachdem alle Adaptionen vorgenommen worden sind, werden in einem letzten
Schritt die Kontrollflüsse zwischen den Aktivitäten eingefügt, um das Geschäftsprozessmodell zu vervollständigen. Die Autoren geben an, dass sich durch diesen Wiederverwendungsansatz das Prozessmodelldesign beschleunigen und die Qualität erhöhen lasse
(Küster u. a. 2006, S. 36). Dadurch sollen sich erhebliche Kosteneinsparungen ergeben.
Eine empirische Evaluation dieser abhängigen Variablen bzw. eine Gegenüberstellung mit
alternativen oder üblichen Vorgehensweisen erfolgt jedoch nicht. Vermutungen über das
Adaptionsverhalten von wiederverwendenden Prozessmodellierern und über die Ergonomie der vorgeschlagenen Methode lassen sich daher weder widerlegen noch bestätigen.
In Soffer u. a. (2007) wird ein Ansatz der Geschäftsprozessmodellwiederverwendung
vorgeschlagen, der einen Domain-Modeling-Ansatz (Sturm u. Reinhartz-Berger 2004;
Reinhartz-Berger u. a. 2005) zugrunde legt und fünf mögliche Operationen der Spezialisierung von Referenzprozessmodellen identifiziert. Diese Operationen sind das Refinement,
Sub-Typing, Contextual Adoption, Omission und Inclusion. Aktivitäten von Prozessen
werden in diesem Zusammenhang als Transitionen von Zustandsmengen in andere Zustandsmengen betrachtet, welche über bestimmte Ausführungspfade durchgeführt werden. Refinement ist der Austausch einer Aktivität des Wiederverwendungsmodells durch
eine Menge an Aktivitäten, welche die ursprüngliche Transition in feineren Schritten
beschreiben. Die Transition der Zustandsmengen an sich bleibt durch die ursprüngliche
Aktivität des wiederverwendeten Prozessmdoells entsprechend beschränkt. In diesem Zusammenhang wird auch die Verfeinerung der Granularität des Prozessmodells genannt.
Sub-Typing bezieht sich auf die Möglichkeit, für die Transition einer Aktivität alternative Ausführungspfade zu spezifizieren (z.B. verschiedene Möglichkeiten der Platzierung
einer Bestellung). Contextual Adoption hingegen ist eine Spezialisierung einer Aktivität,

56

die einen gleichen Ausführungspfad der Transition annimmt, diese bezieht sich aber jeweils auf andere initiale und finale Zustandsmengen, d.h. einen anderen Kontext. Die
Verfügbarkeitsprüfung ist beispielsweise immer eine Transition von Zuständen, in denen
keine Kenntnis über die Verfügbarkeit von Dingen besteht, zu Zuständen, in denen diese
Kenntnis besteht. Diese Transition kann auf verschiedene Güter und Leistungen bezogen
werden. Zusätzlich zu den drei oben beschriebenen Operationen kommen die Möglichkeiten Omission und Inclusion hinzu. Omission ist die Möglichkeit des Weglassens bzw.
Entfernens von Aktivitäten. Inclusion ist die Möglichkeit der Einfügung neuer erforderlicher Aktivitäten im spezialisierten Prozessmodell. Der Fokus dieses Ansatzes liegt folglich
auf den Operationen, mit denen eine Spezialisierung eines wiederverwendbaren Prozessmodells herbeigeführt werden kann (vgl. die beispielhafte Spezialisierung in Abbildung
2.11). Der grundlegende Designansatz sieht demnach vor, von konkreten Prozessmodellen abstrahierende Prozessmodelle (Prozessmodelle von eher grober Granularität) für die
Wiederverwendung anzubieten, welche dann durch Spezialisierungsoperationen verfeinert
werden können. Inwieweit diese Operationen das adaptive Vorgehen von Prozessmodellierern in der Praxis unterstützen ist außerhalb des Untersuchungsbereichs des Ansatzes.
Auch die Qualität von Ergebnisprozessmodellen, die unter Anwendung dieser Methode
entstehen, bleibt noch empirisch zu untersuchen.
In Elhadad u. a. (2008) wird ein instanziiertes Softwarewerkzeug vorgeschlagen, welches das Management von einer Menge von spezialisierten Geschäftsprozessmodellen
ermöglicht, welche von einer kleineren Menge von Referenzmodellen abgeleitet werden
(repräsentiert mit BPMN). Die Methode stützt sich dabei auf ein semantisches Repository, über das Web Services aufgefunden werden können, welche die Aktivitäten des
Geschäftsprozesses schließlich ausführen. In Bezug auf die Wiederverwendung von Prozessmodellen wird zunächst in einem „Reference Model Repository (RMR)“ über Stichworte und Kategorien ein wiederverwendbares Prozessmodell gesucht. Durch die Spezifikation der Suchanfrage können bereits Spezialisierungen auf Basis von Weglassungen
erfolgen (für den jeweiligen Anwenderkontext irrelevante Prozessmodellelemete werden
weggelassen). Im sogenannten „Customer Model Repository (CMR)“ entsteht so eine Kopie des wiederverwendeten und bereits leicht spezialisierten Prozessmodells, wobei LinkVerbindungen zu den RMR-Objekten beibehalten werden. Im Weiteren kann ein Analyst
nun Anpassungen per Einfügung, Entfernung und Refinement (vgl. Soffer u. a. 2007) am
Prozessmodell vornehmen. Insgesamt soll mit der werkzeuggestützten Methode (von der
Prozessmodellspezifikation über das Matching mit Services bis zur Mediatorengenerierung) ein effizientes Geschäftsprozessoutsourcing erreicht werden. Das Adaptionsverhalten im Rahmen der Referenzprozessmodellanpassung und die Qualität der spezialisierten
Modelle in Bezug auf konkrete Kundenprojektanforderungen stehen jedoch außerhalb des
Untersuchungsfokus.
In Tomaz u. a. (2009) wird ein Software-Tool für die kollaborative Prozessmodellierung und Modellwiederverwendung vorgestellt. Die Verteilung der Prozessmodelle erfolgt
durch ein Peer-to-peer-Netzwerk. Das Tool unterstützt die Bewertung von Prozessmodellen durch die Ersteller und Nutzer, welche Teilnehmer im Netzwerk sind, mittels eines

57

<0,*>
Customer
Request for
Quote Activity

<0,*>
Salesperson
Request for
Quote Activity

<0,*>
Request for
Proposal Exists

<0,*>
Customer
Order Received

‚Quote
Activity’
part was
omitted

<1,*>
<0,*>

V

<1,*>

Inclusion
Customer Entered
the Internet

Inclusion

<1,*>

Customer Fills
Chocolate Order
Forms

<1,*>
<0,1>
Quote Activity

Sub-Type 1

Sub-Type 1
<1,*>
Sell Process
Failed

<1,1>
Quote Activity
Completed

<1,1>

<Customer Order
Received>
Internet Form
Received

<Customer Order
Received>
Fax Form Received

<1,*>

<1,*>
<1,1>
<1,*> XOR <1,1>

Sub-Type 2

Validate Order
Details

Sub-Type 2

<Insert Order>
Order Chocolate
by Fax

<0,*>

Refinement

<Insert Order>
Order Chocolate
by Internet

Order is Valid

XOR
XOR

<1,*>

Save Order
Details

<1,*>
Insert Order
<Order Inserted>

<1,*>
<1,*>
Order Inserted

Contextual
Adoption

<Check
Availability>
Check Chocolate
Availability

<1,*>
<1,*>
Check
Availability

<1,*>
Some
Resources are
not Available

<1,*>
<1,1>
<1,*>

XOR

Contextual
Adoption
<Some Resources
are not Available>
Chocolate is not
Available

XOR

Contextual
Adoption

<1,*>

<All Resources
Available>
Chocolate is
Available

<1,1>
All Resources
Available

Abbildung 2.11.: Wiederverwendung eines Prozessmodells per Spezialisierung (in Anlehnung an Soffer u. a. (2007))
Punktesystems. Diese Punktbewertung der Prozessmodelle stellt im Rahmen der angebotenen Stichwortsuche ein zusätzliches Merkmal dar, welches den Rang von gefundenen
Modellen in der Ergebnisliste mitbestimmt. Die aufgefundenen Modelle können für eine neue Prozessmodellkonstruktion wiederverwendet und nach Bedarf angepasst werden.
Die verwendete Geschäftsprozessmodellierungssprache ist UML Activity Diagrams. Der
Beitrag untersucht weiterhin empirisch die Möglichkeit der Produktivitätssteigerung bei
der Prozessmodellerstellung unter Wiederverwendung bestehender Modelle. Mittels einer
Fallstudie wird aufgezeigt, dass durch das vorgeschlagene kollaborative Prozessmodellierungswerkzeug die Erstellung der Prozessmodellergebnisse als einfacher empfunden wird

58

und eine höhere Effizienz und Effektivität aufweist, als in der Kontrollgruppe.
Insgesamt kann festgehalten werden, dass kaum empirische Untersuchungen zu erreichten Vorteilen (bzw. eventuellen Nachteilen im Vergleich zu From-scratch-Ansätzen) durch
die Wiederverwendung von Prozessmodellen bestehen. Im weiteren Zusamenhang wird
auch nicht deutlich gemacht wie Anwender Anpassungen und welche sie explizit an den
Prozessmodellen vornehmen. Desweiteren wird selten thematisiert wie unterschiedliche
Ausprägungen eines Wiederverwendungsmodells (z.B. Distanz zur Modellierungsaufgabe, Arten der notwendigen Anpassungen etc.) den Modifikationsprozess und damit auch
das Endergebnis potenziell beeinflussen.

59

3. Wiederverwendung von
Geschäftsprozessmodellen
Im vorangegangenen Kapitel wurde der Gegenstandsbereich der Geschäftsprozessmodellierung zur Gestaltung von Informationssystemen bzw. informationstechnisch gestützten
Arbeitssystemen terminologisch vorstrukturiert, um auf die benötigten Begriffe für weitere Beschreibungen der Prozessmodellwiederverwendung zurückgreifen zu können. Das
Prozessmodell als zentrales Artefakt des Geschäftsprozessmanagementlebenszyklus wurde dabei in den Kontext der formalen Modellierung gestellt und dessen Einsatz in initialen
Phasen der Anforderungserfassung und des Designs von einschlägigen Systementwicklungsmethoden aufgezeigt. Für die Analyse vor dem Hintergrund einer für betriebliche
Organisationen erfolgreichen Systemgestaltung wurden verschiedene Perspektiven auf die
Qualität von Prozessmodellen erläutert, die sich von formal syntaktischen Merkmalen bis
hin zum intersubjektiven Verstehen durch mehrere Modellnutzer erstrecken. In diese Qualitätsauffassungen wurde auch jene qualitätsbezogene Eigenschaft von Prozessmodellen
eingereiht, welche explizit in einem neuen Prozessmodellerstellungsproblem wiederverwendet werden. Diese Qualitätseigenschaft wurde der Tradition von Lindland u. a. (1994)
folgend als eigenständige Facette der pragmatischen Qualitätsdimension eingeordnet. Sie
ist zudem mit dem Begriff der aktiven Prozessmodelle von Krogstie u. a. (2006) vereinbar,
die sich im Zuge der Modellierungsaktivitäten, des Lernens und der sich verändernden
Wahrnehmung der Aufgabendomäne einer ständigen Neubetrachtung – also eine Form
der erneuten Verwendung – und Anpassung auf die neuen Bedingungen unterziehen.
Weiterhin wurde eine Abgrenzung von verschiedenen Ansätzen der wiederverwendungsorientierten Modellerstellung im Kontext der Prozessmodellierung vorgenommen, welche
eine klare Abgrenzung der erneuten aufgabenbezogenen und u.U. adaptiven Verwendung
ganzer Prozessmodelle von beispielsweise der rein konstruktbasierten Wiederverwendung
ermöglicht. Diese Abgrenzung wird für den Fortgang der Arbeit und das Setzen des
Untersuchungsfokus benötigt.
Die Wiederverwendung von Prozessmodellen kann in unterschiedlichsten Arbeitskontexten erfolgen und die Art der wiederholten Anwendung reicht prinzipiell von der erneuten Betrachtung eines Prozessmodells, um sich beispielsweise einen spezifischen betrieblichen Ablauf nochmals zu vergegenwärtigen, bis hin zur rechner- und repositorygestützten Suche, Auffindung und intensiven Modifikation von formalen Prozessmodellen
als Basis für die transformationsorientierte, modellgestützte Softwaresystementwicklung.
Nichtsdestotrotz kann für den Prozess der Wiederverwendung von Prozessmodellen eine spezifische Abfolge von Arbeitsschritten ausgemacht werden, die hier vorgenommen

60

wird, um den Untersuchungsschwerpunkt, der auf der Phase der adaptiven Wiederverwendung liegt, präzise verorten zu können. Weiter werden essentielle beteiligte Rollen im
Wiederverwendungsprozess aufgezeigt und wesentliche Funktionen eines Repository, aus
welchem wiederverwendbare Prozessmodelle bezogen werden können, beschrieben. Diese
beiden Konzepte vervollständigen die Informationsbasis, um in einer betrieblichen Organisation die Prozessmodellwiederverwendung sowohl in personeller als auch infrastruktureller Hinsicht planen und durchführen zu können. In Bezug auf die Beziehungen zwischen
erstellenden und nutzenden (wiederverwendenden) Mitarbeitern und u.U. organisationsübergreifende Wiederverwendungen von Prozessmodellen sind verschiedene Szenarien der
Wiederverwendung abzugrenzen, von denen im Weiteren die anonyme „Zweitverwertung“
(vgl. engl. Secondary Knowledge Mining (Markus 2001)) von Prozessmodellen fokussiert
wird.
Neben der Klärung des grundlegenden Ablaufs der Prozessmodellwiederverwendung
sind Aspekte der menschlichen Wahrnehmung insbesondere im Kontext von visuellen
Darstellungen, wie es Geschäftsprozessmodelle sind, in die Strukturierung der Untersuchung einzubeziehen. Die spezifische Arbeitssituation der Prozessmodellerstellung unter
Wiederverwendung eines bestehenden Prozessmodells wird dafür mit dem etablierten
theoretischen Modell des Cognitive-Fit zur Erklärung von Leistungen in allgemeinen
problembasierten Aufgaben (Vessey u. Galletta 1991; Zhang u. Norman 1994) verbunden, da dort die essentiellen Entitäten im Rahmen eines Lösungsprozesses erfasst und
die Beziehung zwischen externen Repräsentationen und mentalen Prozessen explizit berücksichtigt werden. Einer für die Prozessmodellwiederverwendung konkretisierten Version des Cognitive-Fit-Modells folgend werden die Rollen wichtiger beteiligter Entitäten
wie Prozesskonstruktionsaufgabe und Domänen- und Modellierungswissen dargelegt. Mit
Blick auf die eingangs gestellten Untersuchungsfragen wird das schwerpunktmäßige Interesse auf das Verhalten von Modellierern während der Anpassung von verfügbaren
Geschäftsprozessmodellen, die in ihrer Granularität verschieden repräsentiert sein können, auf dem Weg zu ihrem Prozessmodellkonstruktionsziel gelenkt. Hieraus leitet sich
die Fokussierung auf das Cognitive-Fit-Konstrukt der externen Aufgabenrepräsentation
ab, inbesondere auf Granularitätseigenschaften des wiederverwendeten Prozessmodells,
welche wiederum einen Einfluss auf den Prozess der Bildung der mentalen Repräsentationen ausüben, die für die letztliche Erstellung einer Prozessmodelllösung notwendig sind.
Die wichtigen Erklärungsansätze im Zusammenhang dieser beiden Konstrukte in Bezug
auf die Modellierungsleistung werden diskutiert, wobei das Untersuchungsinteresse der
Beziehung zwischen Prozesmodellgranularität und dem spezifischen kognitiven Bias des
Ankereffekts (engl. Anchoring) gilt. Abschließend werden die wesentlichen identifzierten
Konzepte zur Strukturierung des Problems der Prozessmodellwiederverwendung bei variierter Granularität vor dem Hintergrund menschlicher Anker- und Anpapssungseffekte
zusammengefasst.
Das Kapitel gliedert sich dementsprechend in die drei Abschnitte 1) Vorgänge der
Geschäftsprozessmodellwiederverwendung, 2) kognitive Bestimmungsgrößen der Prozessmodellwiederverwendung und 3) die abschließende Zusammenfassung. Der Abschnitt der

61

kognitiven Bestimmungsgrößen erfährt an entsprechender Stelle eine weitere Untergliederung, die oben bereits teilweise angeschnitten wurde.

3.1. Vorgänge der Geschäftsprozessmodellwiederverwendung
Die Komplexität von sozio-technischen Systemen wie betrieblichen Organisationen bedingt, dass die Arbeitssituation der Geschäftsprozessmodellwiederverwendung vielseitig
ausgeprägt sein kann und mitunter stark unterschiedliche Charaktereigenschaften annimmt. Dies äußert sich sowohl durch das methodische Vorgehen, das variiert werden
kann, als auch durch die beteiligten Rollen, die miteinander in unterschiedlichen aufgabenbezogenen Beziehungen stehen können und durch die informationstechnische Unterstützung, die in der Regel durch eine Form eines Repository gegeben sein muss.
Die grundsätzliche Arbeitssituation der wiederverwendungsorientierten Prozessmodellkonstruktion ist in Abbildung 3.1 illustriert. Um diese verschiedenen Ausprägungen der
Vorgänge der Prozessmodellwiederverwendung besser differenzieren zu können, werden
sie entlang der wesentlichen Dimensionen strukturiert. Der Wiederverwendungsprozess
umfasst die essentiellen Arbeitsschritte und Abfolgen, die in jedem Anwendungsfall der
Prozessmodellwiederverwendung durchlaufen werden. Diese Arbeitsschritte werden von
spezifischen Rollen ausgeführt, die für Erstellung, Pflege, Distribution und letztlich die
erneute Verwendung der Prozessmodelle verantwortlich sind. Diese Arbeiten werden typischerweise mit einem Repository unterstützt, dessen Funktionen hier zur Veranschaulichung beschrieben werden. Unter Bezugnahme auf die beteiligten Rollen sind zudem
verschiedene Konstellationen von Mitarbeitern zu differenzieren, die sich bezüglich ihrer Ersteller-/Konsumentenrolle und ihrer Organisationszugehörigkeit voneinander unterscheiden können oder identisch sind. Dies wird in den verschiedenen Szenarien der Prozessmodellwiederverwendung dargelegt. Entsprechend gliedert sich der Abschnitt nach
1) Wiederverwendungsprozess, 2) Rollen und Repositories und 3 ) Szenarien der Prozessmodellwiederverwendung.

3.1.1. Wiederverwendungsprozess
Der allgemeine Prozess der Wiederverwendung von Artefakten wird von Markus (2001)
im Kontext der Wissenswiederverwendung strukturiert aufbereitet und umfasst die wesentlichen Elemente Aktivitäten, Rollen und Repositories. Darüber hinaus werden typische betriebliche Szenarien der Wissenswiederverwendung klassifiziert, die eine spezifische Abgrenzung von Anwendungsbereichen der Artefaktwiederverwendung vornehmen
und damit die Grundlage für fokussierte Untersuchungen schaffen (Markus 2001, S. 62).
Obwohl Markus’ Einteilungen sich auf die Wiederverwendung von betrieblichem Wissen
– in diesem Kontext sind vorwiegend schwach strukturierte Informationen in Form von
Dokumenten gemeint – beziehen, sind sie ausreichend allgemein, so dass sie auch auf
die Wiederverwendung von Geschäftsprozessmodellen übertragen werden können. Zu-

62

Mental Domain and
Representation of Modeling
Task Solution Knowledge

Interface

Solution Model
Reusable Model

Task
Retrieval
Repository

Abbildung 3.1.: Schematische
modellierung

Übersicht

der

wiederverwendungsbasierten

Prozess-

gleich können Geschäftsprozessmodelle angesichts ihrer unternehmensstrategischen Bedeutung unter betrieblich relevante Wissensartefakte eingeordnet werden. Der Prozess
der Wiederverwendung von Geschäftsprozessmodellen kann in die folgenden wesentlichen Aktivitäten unterteilt werden (in Anlehung an den Wissenswiederverwendungsprozess in Markus 2001, S. 60-61): Erfassung (oder Dokumentation) bzw. Konstruktion von
Geschäftsprozessen als Modelle, Aufbereitung von Geschäftsprozessmodellen, Verteilung
von Geschäftsprozessmodellen (d.h. sie müssen Mitarbeitern zugänglich gemacht werden)
und Wiederverwendung von Geschäftsprozessmodellen. Im folgenden werden die einzelnen Aktivitäten des Wiederverwendungsprozesses erläutert. Dort wo bereits geschäftsprozessmodellbezogene Prozesse der Wiederverwendung aus der Forschungsliteratur bekannt
sind, werden die Konzepte entsprechend erweitert und spezifiziert. Abschließend erfolgt
die Eingrenzung des Untersuchungsfokus auf die Phasen der vergleichenden Betrachtung
von Prozessmodelldesignaufgabe und Wiederverwendungsmodell und seiner anschließenden adaptiven Wiederverwendung.
Erfassung/Konstruktion Nach Markus kann die Erfassung (oder Dokumentation) von
geschäftsprozessrelevantem Wissen auf mindestens vier unterschiedlichen Wegen erfolgen. Die Dokumentation kann erstens passiv als Nebenprodukt eines Arbeitsprozesses
entstehen, wenn z.B. Arbeitsteams ihre elektronische Kommunikation selbst archivieren,
die später durchsucht werden kann (z.B. Markus 1994; Majchrzak u. a. 2000). Für Ge-

63

schäftsprozessmodelle ist diese beiläufige Art der Erfassung nur bedingt anzunehmen.
Es können beispielsweise Skizzen von Geschäftsprozessmodellen in Arbeitstreffen entstehen, welche schwerpunktmäßig andere Ziele verfolgen als die Konstruktion von formalen
Prozessmodellen. Bei der Zusammenfassung aller erarbeiteten Ergebnisse am Ende eines
Treffens können diese Skizzen (als Flipchart, digitales Foto o.ä.) dann gesammelt und archiviert werden. In der Regel bedarf es aber einer aktiven Partizipation der Beteiligten,
um einen Geschäftsprozess zu explizieren und als Modell zu repräsentieren. Diese aktive
Partizipation und bewusste Modellkonstruktion wird in einem zweiten möglichen Weg
der Dokumentation von Geschäftsprozessmodellen stärker betont. Von außerhalb der Organisation hinzugezogene Moderatoren modellieren aus ihrer Perspektive die erarbeiteten
Geschäftsprozesse (z.B. in Brainstorming-Sitzungen) für die am Arbeitsprozess beteiligten Mitarbeiter. Dies ist ein in der betrieblichen Praxis häufig auftretender Fall, da oft erst
die Beteiligung eines Externen (z.B. beratende Personen) die Sicht auf die wesentlichen
geschäftlichen Abläufe für die Mitarbeiter eröffnet (Molzberger 1985, S. 5). Drittens kann
die Prozessdokumentation auf dem Wege der Erstellung von strukturierten Datensätzen
erfolgen, als Bestandteil einer bewussten Wiederverwendungsstrategie, die vor der Entstehung des Geschäftsprozesswissens Strukturen anbietet. Solche Strukturen können z.B.
den Namen des Geschäftsprozesses umfassen, aber auch Angaben zum Problemumfang,
zu Akteuren im Modellierungsprozess bzw. zu verpflichtenden Modellierungsrichtlinien
enthalten. Besonders in Organisationen, die eine explizite Geschäftsprozessmanagementstrategie verfolgen, sind solche Strukturen vorzufinden. In einem möglichen vierten Weg
wird die Prozessdokumentation bewusst nach der Entstehung des Geschäftsprozesswissens durchgeführt. Dies umfasst alle Aktivitäten eines Modellkonstruktionsprozesses und
kann auch die Filterung, Indizierung und Bereinigung der Modelle einschließen. In Abgrenzung zum o.g. Modellierungsweg mit wiederverwendungsorientierten Strukturen und
Modellierungsrichtlinien erfolgt dieser Ansatz ohne diese expliziten Strukturen. Zwischen
dem dritten und vierten Weg kann es unterschiedliche Ausprägungen des Einsatzes von
vorstrukturierten Datensätzen und Richtlinien geben. In Unternehmen unterliegen diese
Strukturen starken Variationen und sind häufig schwach ausgeprägt, so dass viele betriebliche Geschäftsprozessmodellierungsaktivitäten dem vierten Weg hinzugezählt werden39 .
In anderen wissenschaftlichen Arbeiten, die den Modellwiederverwendungsprozess diskutieren, wird die Konstruktion eines Prozessmodells (welches später wiederverwendet
werden kann) ebenfalls als eigenständige Aktivität abgegrenzt. Im Diskursbereich der Referenzmodellierung werden Geschäftsprozessmodelle als spezifische dynamische Modelle
regelmäßig berücksichtigt (z.B. Allweyer 1998; vom Brocke 2003; Thomas 2006; Fettke
u. Loos 2007b). In Fettke u. Loos (2005, S. 22) beispielsweise wird die Konstruktion potenziell wiederverwendbarer Geschäftsprozesse durch die Begriffe Problemdefinition und
Entwicklung widergespiegelt (vgl. auch Schütte (1998, S. 235-291) und Schlagheck (2000,
S. 78)).

39

Für eine ausführliche Betrachtung von Geschäftsprozessmodellierungsrichtlinien und ihres Einsatzes
in Organisationen siehe Schrepfer (2010).

64

Aufbereitung Zwischen dem vierten Weg der Prozessdokumentation und der expliziten Aufbereitung von Geschäftsprozessmodellen ist der Übergang fließend. Aufbereitende
Tätigkeiten umfassen die Bereinigung, Strukturierung, Kodifzierung bzw. die Indizierung von Geschäftsprozessmodellen nach Klassifizierungsschemata (Markus 2001; Fettke
u. Loos 2003, S. 60). Ziel der Aufbereitung ist es, den konstruierten Geschäftsprozessmodellen Strukturen zu verleihen, welche die spätere Auffindung ermöglichen und unterstützen. Fettke u. Loos (2005, S. 23) führen in diesem Zusammenhang den Begriff
der „Pflege“ ein. Zu aufbereitenden Aktivitäten sind auch die Evaluation und Bewertung
von Geschäftsprozessmodellen zu rechnen. Eine Bewertung wird nach einer Wiederverwendung eines Geschäftsprozessmodells auf Basis bestimmter Qualitätskriterien (z.B.
Passgenauigkeit, Anpassungsaufwand usw.) vorgenommen und kann als weiteres Strukturierungsmerkmal eingesetzt werden, um die Auffindung von Geschäftsprozessmodellen
in neuen Prozessdesignaufgaben zu ermöglichen und zu erleichtern (vgl. auch Fettke u.
Loos (2005, S. 22-23) und Schlagheck (2000, S. 78)). Die Aufbereitung ist eine kontinuierliche Aktivität, da die Subjektivität der unterschiedlichen Ersteller der Geschäftsprozessmodelle in der Regel zu Mehrdeutigkeiten führt, die an unternehmenszentraler Stelle
aufgelöst werden sollten.
Verteilung Damit die konstruierten und aufbereiteten Geschäftsprozessmodelle die potenziellen Nutzer erreichen können, welche diese für neue Prozessdesignzwecke einsetzen
wollen, muss gewährleistet werden, dass sie innerhalb der Organisation verteilt bzw. diesen Nutzern zugänglich gemacht werden. Die Verteilung von Geschäftsprozessmodellen
in der Organisation kann passiv erfolgen, z.B. durch das Befüllen eines Wissensspeichers
wie ein Prozessmodell-Repository (Thomas 2006, S. 336), als auch aktiv, z.B die Versendung von Hinweisen auf neue verfügbare Geschäftsprozessmodelle an alle Teammitglieder
(Dixon 2000). Weiterhin werden Fördermaßnahmen in die Prozessmodellverteilung mit
eingeschlossen, welche beispielsweise die Anforderungen an eine erwogene Prozessmodellwiederverwendung beurteilen oder Organisationen dabei unterstützen, ein umfassenderes
Bewusstsein und Verständnis dafür zu entwickeln.
Wiederverwendung Die Wiederverwendung von Geschäftsprozessmodellen lässt sich in
weitere Aktivitäten gliedern, die prinzipiell immer ausgeführt werden müssen, damit eine Nutzung des erneut verwendeten Prozessmodells erfolgen kann. Bevor es zu etwaigen Suchanfragen kommen kann, wird eine wesentliche Aktivität ausgeführt, die jegliche
Wiederverwendungsbestrebungen erst initiieren kann. Es ist die Erinnerung daran, dass
bestimmte – wiederverwendungsrelevante – Informationen überhaupt gespeichert wurden (und darüber hinaus auch an welchem Ort sie sich befinden und evtl. mit welchem
Schema sie klassifiziert wurden). Diese Aktivität wird als Recall bezeichnet (Markus
2001, S. 61). Die Tätigkeit des Recall wird oft unzureichend gewürdigt, obwohl sie die
Grundvoraussetzung für eine wiederverwendungsorientierte Prozessgestaltung (und für
Wiederverwendungsprozesse i.A.) bildet. Recall wird auch bei der Geschäftsprozessmodellkonstruktion von Grund auf, d.h. ohne Wiederverwendung von einem existierenden

65

Modell, ausgeführt. Das Recall findet in diesem Fall aber über die mentalen Repräsentationen statt, die sich im internen Gedächtnis des Modellierers befinden. Beim Recall
im Rahmen der Wiederverwendung von extern repräsentierten Modellen kommt die entscheidende Aktivität des Erinnerns in einem externen Gedächtnis hinzu. Dieses Recall
ermöglicht erst die weiteren Schritte der wiederverwendungsbasierten Geschäftsprozessmodellkonstruktion.
Im nächsten Schritt wird eine Suchanfrage definiert, mit der nach anforderungsrelevanten Geschäftsprozessmodellen gesucht werden kann. Die Aktivität der Suchanfragenformulierung wird auch in Markus (2001, S. 61), Fettke u. Loos (2002) und Thomas
(2006) angeführt. Die Sprache, in der die Suchanfrage formuliert wird, kann von einfachen natürlich-sprachlichen geschäftsprozessspezifischen Stichworten über Mengen von
Klassifizierungsmerkmalen (z.B. Elhadad u. a. 2008) bis hin zu speziellen Abfragesprachen (z.B. Awad 2007) und Geschäftsprozessmodellen an sich (z.B. Dijkman u. a. 2010)
reichen.
Nach Formulierung der Suchanfrage erfolgt die Durchführung der Suche nach relevanten Geschäftsprozessmodellen (Markus 2001; Fettke u. Loos 2002; Thomas 2006). In
Abhängigkeit vom Typ der Suchanfrage werden die Ähnlichkeitsgrößen berechnet, die
bestimmen, welche Geschäftsprozessmodelle in einem Repository der Suchanfrage am
nächsten sind. Einige Vorschläge für die Durchführung von ähnlichkeitsbasierten Suchen
über eine Menge von Geschäftsprozessmodellen finden sich in Dijkman u. a. (2010). Die
Suchtätigkeit wird auch als Retrieval bezeichnet (z.B. Prieto-Díaz 1993; Purao u. a. 2003).
Nach einer durchgeführten Suche liegt eine nach Ähnlichkeit sortierte Ergebnisliste bestehend aus aufgefundenen Geschäftsprozessmodellen vor. Diese Geschäftsprozessmodelle
stellen potenzielle Kandidaten für die weitere Verwendung zur Lösung des vorliegenden
Prozessdesignproblems dar.
Anschließend wird eine Auswahl eines Geschäftsprozessmodells aus der Ergebnisliste
getroffen. Für die Auswahlaktivität ist ein Vergleich zwischen Anforderungen aus der
Prozessdesignaufgabe und den vorliegenden Prozessmodellkandidaten notwendig. Diese
Vergleichstätigkeit („wähle ein Geschäftsprozessmodell aus der Ergebnisliste aus“) wird
hier unter der Auswahlaktivität subsummiert. Nach der Auswahl liegt ein Geschäftsprozessmodell zur Wiederverwendung vor.
Die Aktivität des Vergleichs wird als sich daran anschließende Aktivität ausdrücklich
aufgeführt, da hier eine intensivere Auseinandersetzung mit sowohl den Prozessdesignanforderungen und dem wiederverwendeten Prozessmodell (und der inhaltlichen Differenz zwischen beiden) stattfinden muss (Küster u. a. 2006). Das Vergleichen erfordert
das Erkennen (bzw. Wiedererkennen) der relevanten Prozessmodellelemente, -strukturen
und -verhaltensweisen, die den Anforderungen aus der Prozessdesignaufgabe entsprechen
(engl. Recognition, in Markus 2001, S. 61). Die Resultate der Vergleichsaktivitäten ergeben die Grundlage, um die anschließenden Adaptionen des Geschäftsprozessmodells an
die Anforderungen vornehmen zu können.
Basierend auf den Vergleichen zwischen gefundenem (und wiederzuverwendenem) Ge-

66

schäftsprozessmodell und den Anforderungen der unternehmensspezifischen Prozessdesignaufgabe müssen entsprechende Adaptionen im Geschäftsprozessmodell vorgenommen
werden (Fettke u. Loos 2002, S. 13). Diese Anpassungen können spezifische Konstruktionsoperationen wie beispielsweise die Konfiguration oder die Löschung von Modellelementen sein40 . Nachdem alle nötigen Adaptionen vorgenommen wurden, liegt ein den
Prozessdesignanforderungen entsprechendes Geschäftsprozessmodell vor.
Die Integration des angepassten Geschäftsprozessmodells umfasst eventuell notwendige
Abgleiche mit anderen bereits eingesetzten Modellen, die für die gemeinsame Nutzung
in der Organisation erforderlich sind (Fettke u. Loos 2004, S. 19). Dies kann weitere
Adaptionsmaßnahmen nach sich ziehen.
Die abschließende Aktivität umfasst die Anwendung des angepassten Geschäftsprozessmodells entprechend der im Rahmen des Geschäftsprozessmanagementansatzes formulierten Ziele und Einsatzzwecke (Fettke u. Loos 2004, S. 19). Dies kann auch die
finale Analyse und Überprüfung von generellen Prinzipien in Bezug auf die spezifischen
Prozessdesignanforderungen mit einschließen. Dies wird auch als Rekontextualisierung
bezeichnet (Markus 2001, S. 61).
Alle Aktivitäten im Rahmen des gesamten Wiederverwendungsprozesses für Geschäftsprozessmodelle einschließlich der konkreten Unteraktivitäten der Wiederverwendung sind
in der Übersicht in Abbildung 3.2 dargestellt. Der Untersuchungsschwerpunkt dieser Arbeit liegt auf der Phase der Wiederverwendung, d.h. Fragen in Bezug auf Aktivitäten
der Konstruktion, Aufbereitung und Verteilung werden nicht betrachtet. Darüber hinaus
werden die Aktivitäten vom Recall bis zur Auswahl eines Proezssmodells nicht das zentrale Untersuchungsfeld sein, d.h. es wird nicht näher betrachtet, mit welchen Methoden
wiederverwendbare Prozessmodelle aufgefunden werden können und welche Attribute
und Gütemaße herangezogen werden müssten, um ein Kriterium für die Passgenauigkeit aufgefundener Prozessmodelle zu entwickeln. Ebenso wird von der Integration und
der finalen Anwendung (z.B. als Spezifikationsmodell in einem modellgestützten Systementwicklungsansatz) abstrahiert, was folglich den Untersuchungsschwerpunkt auf die
Aktivitäten des Vergleichs und der Adaption des Prozessmodells legt. Dazu wird davon
ausgegangen, dass ein wiederverwendbares Prozessodell vorliegt, welches für eine spezifische Designaufgabe genutzt werden soll.

3.1.2. Rollen und Repositories
Rollen Die Aktivitäten des Wiederverwendungsprozesses für Geschäftsprozessmodelle
werden von verschiedenen Mitarbeitern der Organisation ausgeführt. In Abhängigkeit
von diesen Aktivitäten lassen sich grundlegende Rollenprofile definieren, die von Mitarbeitern eingenommen werden. Die Größe und Komplexität der Organisation kann den
Grad der Verteilung und Differenzierung der Rollen und ihrer Beziehungen untereinander
40

Zu weiteren adaptiven Konstruktionsoperationen siehe vom Brocke (2003, S. 259 ff.), Fettke u. Loos
(2004), Küster u. a. (2006) und Thomas (2006).

67

Anforderungen
Anforderungen

Konstruktion

Recall
Definition Suchanfrage

Aufbereitung
Suchen
Auswahl

Verteilung

Vergleich
Adaption
Integration

Wiederverwendung
Anwendung

Abbildung 3.2.: Prozess der Geschäftsprozessmodellwiederverwendung
stark beeinflussen. Die wesentlichen Rollen im Kontext der Geschäftsprozessmodellwiederverwendung werden hier kurz skizziert.
Mit Bezug auf die Konstruktionsaktivitäten ist die Rolle Geschäftsprozessmodellersteller erforderlich41 . Sie ist maßgeblich für die konkrete Konstruktion der Geschäftsprozessmodelle zuständig. In der Geschäftsprozessmanagementliteratur wird diese Rolle häufig
vom Tätigkeitsspektrum sogenannter „Business Process Analysts“ oder „Business Analysts“ abgedeckt (IBM Software Group 2008; Schaffhauser 2010). Weitergehende Aufgaben umfassen hier u.a. die Validierung und Kommunikation der Prozessmodelle in der
Organisation.
Die erstellten Geschäftsprozessmodelle werden von der Rolle Geschäftsprozessmodellkonsument wiederverwendet42 . Der Geschäftsprozessmodellkonsument kann verschiedene Ausprägungen haben in Abhängigkeit vom jeweiligen Einsatzzweck des aufgefundenen Geschäftsprozessmodells. Dieses Modell kann beispielsweise in der Entwicklung von
Software (pre-development use), als Dokumentation von existierender Software (postdevelopment use) oder für die strategische und organisatorische Neuausrichtung (business
(re-)design) verwendet werden (Frank 2007, S. 124).
Zwischen den beiden Hauptaktivitäten der Konstruktion und der Wiederverwendung
41

Vgl. hierzu die Rollen Wissensproduzent (Markus 2001, S. 61) und Referenzmodellersteller (Thomas
2006, S. 211).
42
Vgl. hierzu die Rollen Wissenskonsument (Markus 2001, S. 61) und Referenzmodellanwender (Thomas
2006, S. 211).

68

liegen die Aktivitäten zur Aufbereitung und Verteilung der Geschäftsprozessmodelle, welche von jeweils eigenen Rollen übernommen werden können43 . Insbesondere in Organisationen mit einer großen zu verwaltenden Menge an Geschäftsprozessmodellen bietet sich
die Einführung von modellaufbereitenden und -verteilenden Rollen an. In den entsprechenden Aufgabenbeschreibungen sind in der Regel spezifische Verantwortungsbereiche
und Zugriffsrechte bezüglich eines Geschäftsprozessmodell-Repository deklariert, sofern
ein softwaregestütztes Repository in der Organisation eingesetzt wird.
Die vier skizzierten Rollen müssen nicht von verschiedenen Personen übernommen werden. Sie können auch von einem einzigen Mitarbeiter ausgeführt werden. Dies wäre z.B.
in folgendem Szenario der Fall, in dem ein einzelner Mitarbeiter sowohl ein Geschäftsprozessmodell erstellt als auch aufbereitet, um es zu einem späteren Zeitpunkt für eigene
Zwecke wiederzuverwenden. Weiterhin sei angemerkt, dass in der Regel spezifische organisatorische Gegebenheiten vorliegen, die eine individuelle Ausprägung von benötigten
Rollen (und Rollenbezeichnungen) und Beziehungen untereinander erfordern.
Repositories Als wertvolles Wissensartefakt betrachtet, ist es für Unternehmen sinnvoll, Geschäftsprozessmodelle zu archivieren und für die Mitarbeiter in der Organisation
verfügbar zu machen, so dass sie diese in ihren Projekten wiederverwenden können (Markus 2001; Rosa u. a. 2010). Bei größeren Mengen an Geschäftsprozessmodellen bietet es
sich an, diese in einem Repository zu organisieren. Ein Repository ist eine Datenbank
mit Informationen zu unternehmensspezifisch konstruierten Artefakten – in diesem Fall
Geschäftsprozessmodelle – auf die viele Mitarbeiter Zugriff haben (Bernstein u. Dayal
1994). Darüber hinaus stellt ein Repository spezielle Funktionen wie die Speicherung,
Suche und Versionsverwaltung der Geschäftsprozessmodelle bereit (Yan u. a. 2011).
Prinzipiell ist es heutzutage möglich, Geschäftsprozessmodelle per Suchanfrage mit einer Suchmaschine44 im World Wide Web aufzufinden. Das World Wide Web und seine
Dokumente können dabei als ein Repository angesehen werden. Die Suchanfragen bestehen allerdings aus einfachen Stichworten, welche nur mit dem Dokumentnamen bzw.
zugehörigen Metadaten abgeglichen werden können. Semantische oder strukturelle Inhalte der Geschäftsprozessmodelle können mit heutigen Suchmaschinen noch nicht erfasst
werden. Daneben sind die auffindbaren Geschäftsprozessmodelle in der Regel als reine
Grafiken repräsentiert, d.h. sie liegen nicht in einem Format vor, das ein externes Werkzeug verstehen könnte, so dass die Bearbeitung und erneute Speicherung des Modells
erleichtert würde. Weiterhin wäre das World Wide Web als Repository für Unternehmen ein schwer zu kontrollierender Raum, was bestimmte Prinzipien und Richtlinien der
Vertraulichkeit, Autorisierung und Verfügbarkeit verletzen würde.
Die Anforderungen an die Funktionalitäten eines Geschäftsprozessmodell-Repository,
welches insbesondere die Speicherung und Suche von Geschäftsprozessmodellen un43
44

Vgl. hierzu Markus (2001, S. 61).
Beispiele für stichwortbasierte Internetsuchmaschinen sind Google (Google Inc. 2010a) und Bing (Microsoft Corporation 2010).

69

terstützt, werden in Yan u. a. (2011) spezifiziert. Das vorgeschlagene Modell für ein
Geschäftsprozessmodell-Repository umfasst drei wesentliche Teile: das Prozessdatenmodell, das Prozessfunktionsmodell und das Prozessmanagementmodell. Das Prozessdatenmodell beschreibt auf welche Weise Geschäftsprozessmodelle und zugehörige Daten in
das Repository gelangen können und wie sie intern gespeichert werden. Es wird zusätzlich unterteilt in das Metamodell, das Speichermodell und das Indexmodell. Das
Metamodell beschreibt welche Informationen im Repository gespeichert werden können
und müssen und definiert alle zulässigen Konzepte und Relationen zwischen ihnen. Das
Speichermodell beschreibt wie die Geschäftsprozessmodellinformationen technisch zu repräsentieren sind. Diese Beschreibungen beziehen sich sowohl auf das externe wie das
interne Speichermodell (diese können, aber müssen nicht gleich sein). Das Indexmodell
beschreibt das Konzept der Indizierung von Geschäftsprozessmodellen mit Begriffen,
die der Klassifikation dienen und eine Suche und Navigation über die Prozessmodelle ermöglichen. Das Prozessfunktionsmodell beschreibt die grundlegenden Funktionen,
die ein Geschäftsprozessmodell-Repository umfassen sollte. Diese lassen sich einteilen
in Speicherfunktionen, Abfragefunktionen und Integrationsfunktionen. Zu den Speicherfunktionen gehören Basisfunktionen der Erstellung, Änderung und Löschung (siehe auch
CRUD45 ) von Prozessmodellinstanzen bzw. Teilen davon, als auch Import- und Exportfunktionen. Abfragefunktionen werden benötigt, um aus einer Menge von Geschäftsprozessmodellen im Repository mithilfe von Suchkriterien ein geeignetes Prozessmodell aufzufinden. Die drei grundlegenden Methoden der Auffindung sind die Navigation, die stichwortbasierte Suche (vgl. auch Thomas 2006, S. 83 ff.) und die Abfrage mit zusätzlichen
Funktionen, welche die Abfrage genauer spezifizieren können. Für die letztere Methode
werden spezielle Abfragesprachen vorgeschlagen wie IPM-PQL (Choi u. a. 2007) oder
BPMN-Q (Awad 2007). Die Integrationsfunktionen sind erforderlich, um externe Softwarewerkzeuge mit dem Repository zu verbinden (z.B. Geschäftsprozessmodell-Editoren
zur Visualisierung und Bearbeitung der Modelle). Im Prozessmodellmanagementmodell
werden weitere benötigte Verwaltungsfunktionen beschrieben. Diese gleichen teilweise
den Funktionen von allgemeinen Repositories wie z.B. die Verwaltung des Zugriffs (engl.
access management) und von Transaktionen (engl. transaction management). Es gibt
aber auch geschäftsprozessmodellspezifische Verwaltungsfunktionen. Zu diesen zählen
beispielsweise die Versionsverwaltung und das Lifecycle-Management von Prozessmodellen. Ein Überblick über alle Anforderungen an ein Geschäftsprozessmodell-Repository ist
in Tabelle 3.1 gegeben. Eine tiefergehende Analyse der Repository-Anforderungen (einschließlich einer Repository-Referenzarchitektur) und eine vergleichende Untersuchung
von existierenden Repositories anhand der definierten Anforderungen findet sich in Yan
u. a. (2011).

45

CRUD = Create, Read, Update, Delete.

70

Tabelle 3.1.: Anforderungen an ein Geschäftsprozessmodell-Repository (Yan u. a. 2011)
Process data model

External process data model
Internal process data model
Process related data model

Process index model

Process classifications
Other process indices

Storage functions

Create
Delete
Update
Import
Export

Retrieval functions

Navigate
Search
Query

Integration functions
Process management model

Process aspect
Process type
Process notation

Process storage model

Process function model

Process meta model

Depends on external tools

Process-specific management

Version management
Configuration management
Lifecycle management
Process view management

General repository management

Access management
Integrity management
Transaction management
Check-in/-out management
Dispatch management
Notification management
Context management

71

3.1.3. Szenarien der Prozessmodellwiederverwendung
Neben dem grundlegenden Wiederverwendungsprozess für Geschäftsprozessmodelle, spezifischen Rollen in diesem Prozess und der Verfügbarkeit eines Repository müssen Szenarien der Prozessmodellwiederverwendung differenziert werden, die auf Unterschieden bzgl.
der erstellenden und wiederverwendenden Mitarbeiter und Unterschieden der Organisationszugehörigkeit dieser Mitarbeiter beruhen. Diese Differenzierung äußert sich auch über
die Möglichkeit und Art der Kommunikation, die zwischen Erstellern und Konsumenten besteht. Weiter ist auch der Wissensstand der beteiligten Rollen zu berücksichtigen,
der bestimmte Szenarien der Prozessmodellwiederverwendung bedingt. In Anlehnung an
die in Markus (2001) differenzierten Szenarien der Wissenswiederverwendung werden
vier typische Grundszenarien der Prozessmodellwiederverwendung beschrieben, wobei
der Untersuchungsfokus auf den letzten Typ der sekundären, adaptiven Wiederverwendung gelegt wird. Für die graphische Illustration der Wiederverwendungsszenarien wird
die Notation DEMO (Dietz 1999) genutzt, welche die Beurteilung von Entitäten wie
Mitarbeiter und Repository und die zwischen ihnen stattfindenden Transaktionen auf
Basis von Kommunikationsakten adäquat repräsentiert. Folgende Szenarien der Prozessmodellwiederverwendung werden unterschieden: 1) Shared Work Producers, 2) Shared
Work Practitioners, 3) Expert-Seeking Novices und 4) die sekundäre, adaptive Prozessmodellnutzung.
Shared Work Producers Shared Work Producers erstellen Geschäftsprozessmodelle und
verwenden diese zu einem späteren Zeitpunkt selbst, während sie mit anderen Mitarbeitern eng an einem gemeinsamen Projekt arbeiten. Zu den Aktivitäten zählen z.B.
nochmaliges Durchsehen von Prozessmodellen, Besprechen von Designvorschlägen und
die Nachprüfung von dokumentierten Entscheidungen. Die Aktivitäten dienen vor allem dazu, den Überblick über das laufende Prozessentwicklungsprojekt zu behalten. Die
wesentlichen Transaktionen sind in Abbildung 3.3 illustriert.
Shared Work Practitioners Shared Work Practitioners erstellen ebenfalls Geschäftsprozessmodelle. Diese sind aber für die Wiederverwendung durch andere Kollegen gedacht,
die gleiche Arbeitsrollen einnehmen, aber an anderen Orten beschäftigt sein können (Markus 2001, S. 68). Der Zweck dieser Wiederverwendung liegt darin, Ratschläge an die
Kollegen zu verteilen, um bestimmte Probleme lösen zu können und sie an Erfahrungen
teilhaben zu lassen, welche Innovationen begünstigen können. Probleme hierbei ergeben
sich bei der Auswahl relevanter Geschäftsprozessmodelle, da die Informationsmenge riesig sein kann. Autoren der ursprünglichen Geschäftsprozessmodelle, die direkt Auskunft
über Aktualität und Relevanz der Modelle geben können, und Intermediären, die die Modelle für die ergonomische Wiederverwendung aufbereiten, kommt daher eine besonders
wichtige Rolle zu (vgl. Markus 2001, S. 69) (siehe Abbildung 3.4).

72

Creation

T1
W1
W 1:
Rep.:
T 1:

Retrieval

Worker
Repository
Transaction

Rep.

T2

Abbildung 3.3.: Wiederverwendungstransaktionen des Shared Work Producer

Creation

W1

Retrieval

T1

T2

W2

Retrieval

Rep.

T3

W3

Retrieval
W 1:
Rep.:
T 1:
:

Worker
Repository
Transaction
Organizational Unit

T4

W4

Abbildung 3.4.: Wiederverwendungstransaktionen des Shared Work Practitioner
Expert-Seeking Novices Expert-Seeking Novices sind Anfänger oder Mitarbeiter aus
einem anderen Arbeitskontext, die auf den Rat und das Wissen von Experten angewiesen sind, um sich z.B. schneller in die Arbeitsprozesse einzufinden. Diese Neulinge
stellen eine qualitativ andere Anspruchsgruppe als langjährige Kollegen dar, weswegen
die Prozessmodellwiederverwendungsituation hier abgegrenzt wird. Besondere Schwierigkeiten der effektiven Wiederverwendung ergeben sich durch unbekannte Fachtermini,
durch Überfrachtung mit extrem kontextspezifischen Informationen und durch unbekannte Prozessmodellierungssprachen. Allen Punkten muss besondere Aufmerksamkeit gewidmet werden, um den Transfer des Geschäftsprozesswissens zu ermöglichen (vgl. Markus

73

Creation

Retrieval

Unit 1

Unit 2

W1

T1

T2

W2

Retrieval

Rep.

T3

W3

Retrieval
W 1:
Rep.:
T 1:
:

Unit 3

Worker
Repository
Transaction
Organizational Unit

T4

W4

Abbildung 3.5.: Wiederverwendungstransaktionen der sekundären adaptiven Prozessmodellnutzung
2001, S. 70). Die Transaktionen der Erstellung und der Nutzung sind vergleichbar mit
denen aus dem Szenario der Shared Work Practitioners.
Sekundäre adaptive Prozessmodellnutzung Neben den drei oben genannten Situationen identifiziert Markus das Secondary Knowledge Mining. Dieser Fall umfasst die
Extraktion von Geschäftsprozesswissen, welches von anderen Mitarbeitern – die dem
Nutzer völlig unbekannt sein können – in Modellen aufbereitet wurde, und welches dann
für andere Problemstellungen eingesetzt wird (vgl. Markus 2001, S. 71)46 . Der Fokus der
vorliegenden Arbeit liegt auf der Wiederverwendungssituation des Secondary Process
Mining, wobei Prozessmodellierer Geschäftsprozessmodelle für die Lösung neuer Aufgabenstellungen des Prozessdesigns verwenden (siehe Abbildung 3.5).
Die Wiederverwendung von Prozessmodellen kann ebenfalls im Zusammenhang mit
deontischen Regeln in der Organisation betrachtet werden, d.h. inwieweit die Wiederverwendung in bestimmten Phasen der Informationssystementwicklung erzwungen werden
soll bzw. explizite Mandate in der Organisation vergeben werden, welche die systematische Wiederverwendung einfordern. Artefakte können für die passive Wiederverwendung
bereitgestellt werden. D.h. es obliegt dem Artefaktnutzer, den Nutzen der verfügbaren
Artefakte für die eigene Aufgabe zu erkennen und entsprechend auf dem Wege der schnelleren Erstellung/Adaption bzw. Übernahme eines relevanten Inhalts umzusetzen. Es kann
46

Bisher wurden Untersuchungen zur Informationssuche nach strukturierten Daten und Dokumenten
vorgenommen (z.B. Bashein u. Markus 2000) – diese müssen zukünftig auf weitere Artefakte wie
graphische Modelle erweitert werden.

74

aber auch ein Interesse einer übergeordneten Instanz daran bestehen, dass Artefakte
möglichst häufig in die Arbeitssprozesse einzelner einbezogen werden, um ein bestimmtes gesamtorganisatorisches Ziel zu erreichen (z.B. die Begrenzung von Heterogenität in
einem Anwendungssystemportfolio, um Lizenzkosten zu reduzieren). Diese Facette der
obligatorischen Wiederverwendung äußert sich als aktive Kontrolle, als regelnder Eingriff, im Gegensatz zur oben beschriebenen freiwilligen Nutzung und ist als Instrument
der organisatorischen Steuerung (Governance) anzusehen. Fragen zu Freiwilligkeit oder
Zwang im Rahmen der Wiederverwendung von Artefakten sind nicht Gegenstand dieser
Arbeit. Der Fokus liegt auf der Ergonomie der Prozesse, die bei der adaptiven Prozessmodellwiederverwendung involviert sind. Von Betrachtungen zur initialen Motivation der
Wiederverwendung – ob per Auftrag oder als Handlungsoption – wird im weiteren Verlauf
der Arbeit abgesehen.

3.2. Kognitive Bestimmungsgrößen der
Prozessmodellwiederverwendung
Die Erstellung von Geschäftsprozessmodellen für die Spezifikation neu erfasster Prozessabläufe mit Hilfe von wiederverwendbaren Prozessmodellen umfasst verschiedene kognitive Prozesse, die vom Prozessmodellierer ausgeführt werden müssen, um die Aufgabe
bewältigen zu können. Dabei sind Wahrnehmungs- und Lernprozesse involviert, die sich
sowohl auf die Geschäftsprozessdomäne, das Wiederverwendungsmodell, als auch die eigentliche Aufgabenstellung beziehen, aber auch Denk-, Such- und Entscheidungsprozesse,
die letztlich die Grundlage für konstruktive bzw. adaptive Operationen zur Erstellung
des geforderten Prozessmodells bereitstellen, sind fortwährend beteiligt. Die jeweiligen
externen Repräsentationen der in der Aufgabe beteiligten Artefakte haben unterschiedliche Wirkungen auf die mentalen Darstellungen und die Informationsverarbeitungsprozesse von Modellierern, welche nur zum Teil erforscht sind. Für die Untersuchung von
Wirkzusammenhängen zwischen der Repräsentation problembasierter Aufgaben und des
Bearbeitungserfolgs wurde das theoretische Modell des Cognitive-Fit (Vessey u. Galletta
1991) vorgeschlagen. Dieses Modell eignet sich ebenfalls für die Strukturierung des Problemkontexts der adaptiven Prozessmodellwiederverwendung. Im Folgenden wird daher
die Cognitive-Fit-Theorie (CFT) nach kurzer Darstellung mit den speziellen Arbeitsumständen der Prozessmodellwiederverwendung verknüpft (kognitionstheoretische Einordnung). Im Weiteren werden die einzelnen Konstrukte der CFT unter Berücksichtigung
von in der Forschungsliteratur bereits untersuchten Effekten auf den Modellierungserfolg dargestellt und diskutiert (Unterabschnitte 3.2.2-3.2.5). Dabei wird speziell auf die
Granularitätseigenschaft extern repräsentierter Prozessmodelle eingegangen. Für bisher
uncharakterisierte Effekte im Rahmen der Prozessmodellwiederverwendung werden fallweise angrenzende Studien herangezogen und auf Übertragbarkeit geprüft.

75

Geschäftsprozessbeschreibung
Wiederverwendungsprozessmodell
Lösungsprozessmodell

Vergleich

Auswahl
Repository

Adaption

Prozessmodellkonstruktionsaufgabe

Suchen

Abbildung 3.6.: Komponenten der Prozessmodellwiederverwendung

3.2.1. Kognitionstheoretische Einordnung
In diesem Abschnitt wird die Arbeitssituation der Geschäftsprozessmodellwiederverwendung auf Basis der Cognitive-Fit-Theorie strukturiert. Dazu wird zunächst die CognitiveFit-Theorie selbst mit ihren einzelnen Komponenten und Beziehungen vorgestellt. Der
Anwendungskontext der Prozessmodellwiederverwendung wird dann mit den einzelnen
Konstrukten der Cognitive-Fit-Theorie assoziiert, so dass die Wiederverwendung von
Prozessmodellen mit Hilfe der CFT-Begriffe interpretiert werden kann. Daraus abgeleitet kann ein spezielles Cognitive-Fit-Modell der Prozessmodellwiederverwendung formuliert werden. Auf diesem Modell wird schließlich gemäß dem Untersuchungsfokus der
Schwerpunkt auf die Konstrukte des primären Forschungsinteresses gelegt. Der Abschnitt
gliedert sich wie folgt: 1) Cognitive-Fit-Theorie, 2) CFT im Kontext Prozessmodellwiederverwendung, 3) spezielles Cognitive-Fit-Modell und 4) Untersuchungsfokus.
Cognitive-Fit Theory (CFT)
Der Cognitive Fit ist ein Kosten-Nutzen-basiertes Merkmal, welches impliziert, dass das
Lösen von Problemen genau dann besonders effizient und effektiv erfolgen kann, wenn
die Repräsentation des Problems und alle eingesetzten und assistierenden Werkzeuge
die erforderlichen Methoden zur Aufgabenbewältigung unterstützen (Vessey 1991). Dies
bedeutet, dass die Problemrepräsentation, welche von einem Aufgabenbearbeiter genutzt
wird, im Kontext des Aufgabentyps betrachtet werden muss.

76

Internal
Representation of
the Problem
Domain
Mental
Representation for
Task Solution

Problem-Solving
Performance

External Problem
Representation
Problem-Solving
Task

Abbildung 3.7.: Erweitertes Cognitive-Fit-Modell nach Zhang u. Norman (1994)
Die CFT unterscheidet sich insofern vom Konzept des Task-Technology-Fit (Goodhue
1995; Goodhue u. Thompson 1995; Zigurs u. Buckland 1998), als dass in diesem die
Abstimmung der Technologie auf die Aufgabe zur Erzielung gewünschter Performanzeffekte in Bezug auf die Kognition zu kurz greift. Aufgabenbearbeiter müssen über die
einfache Technologienutzung hinaus auch die richtigen Lösungsprozesse ausführen und
dafür geeignete mentale Repräsentationen entwickeln. Dies kann erreicht werden, indem
die Problemrepräsentation auf den Typ der Aufgabe abgestimmt wird (engl. matching).
Dies wird als Cognitive-Fit bezeichnet (Vessey 1991). Eine Repräsentation, die zu den
kognitiven Strukturen des Anwenders passt, führt zur Anwendung von ähnlichen problemlösenden Prozessen und dadurch zur Formulierung von konsistenten mentalen Repräsentationen. Diese mentalen Repräsentationen müssten dann nicht mehr transformiert
werden, um Informationen aus der Problemrepräsentation zu extrahieren und diese zur
Problemlösung zu nutzen. Das Lösen von Problemen, bei denen der Cognitive-Fit mit
den bereitgestellten Informationen besteht, sollte dann effizienter und effektiver werden.
Das theoretische Modell der CFT ist in Abbildung 3.7 dargestellt.
Die CFT konnte bislang in verschiedenen Studien, in denen Unterschiede der Bearbeitungsperformanz der Anwender bei unterschiedlichen Präsentationsformaten (wie z.B.
Tabellen, Graphen und schematische Zeichnungen) beobachtet wurden, bestätigt werden.
In Vessey u. Galletta (1991) beispielsweise werden Performanzunterschiede untersucht bei
Vorliegen von spatial bzw. symbolic tasks, die mit Hilfe von jeweils einer spatial bzw. symbolic representation des Problems gelöst werden sollen. Spatial (dt. räumlich) bedeutet,
dass ein Graph (oder ein Diagramm) explizit die Informationen über topologische und
geometrische Relationen zwischen den Komponenten eines Problems beinhaltet, d.h. es
werden die Beziehungen in der Datenmenge hervorgehoben. Tabellen dagegen repräsentieren Informationen, die primär symbolischen Charakter haben und über diskrete Werte
hervorgehoben werden. Auf die Darstellung von Beziehungen zwischen Informationen

77

wird hier kein größeres Gewicht gelegt. Die Ergebnisse stützen teilweise die Prämisse,
dass das Potenzial der Problemrepräsentation in Bezug auf den Lösungsprozess berücksichtigt werden sollte. Tabellennutzer waren zwar schneller und präziser bei der Lösung
symbolischer Aufgaben. Bei räumlichen Aufgaben hingegen konnten die Graphennutzer
schneller antworten, die Präzision war jedoch schlechter als die der Tabellennutzer. Die
bessere Präzision könnte in diesem speziellen Fall an der Einfachheit der räumlichen
Aufgabe gelegen haben. Die CFT wurde auch in der Domäne geografischer Informationssysteme überprüft, um dort Performanzunterschiede während der Lösung von Aufgaben
wie Orts- und Lagebestimmungen bei verschiedenen Präsentationsformaten wie Karten
und Tabellen zu untersuchen (Smelcer u. Carmel 1997; Dennis u. Carte 1998). In Shaft
u. Vessey (2006) wurde die CFT herangezogen, um die unterschiedlichen Möglichkeiten,
wie Softwarewartungsaufgaben erfasst werden, mit der korrekten Durchführung entsprechender Modifikationen an der Software theoriebasiert zu koppeln. Hier konnte gezeigt
werden, dass die Änderungen in der Softwareerfassung (im Zuge der Modifikationsdurchführung) positiv mit der Modifikationsperformanz korrelierten, wenn ein Cognitive Fit
vorlag.
CFT für die Prozessmodellwiederverwendung
Die CFT wurde bisher noch nicht speziell für Aufgaben der wiederverwendungsorientierten Geschäftsprozessmodellierung überprüft. Generell ist eine Übertragbarkeit des grundlegenden Cognitive-Fit-Modells gegeben, da die Prozessmodellerstellung auf Basis eines
extern repräsentierten Geschäftsprozesskontexts eine kognitiv anspruchsvolle Aufgabe ist
und damit unter den Problembegriff von Zhang u. Norman (1994) fällt. Anzumerken ist
hier, dass die Mehrzahl der Studien, die die CFT zugrunde gelegt haben, Aufgaben der
Erfassung und des Verständnis untersuchen (mit Ausnahme von Shaft u. Vessey (2006),
die auch Modifikationsaufgaben analysieren). Die Prozessmodellerstellung unter Wiederverwendung stellt in Abgrenzung dazu eine Konstruktionsaufgabe in den Vordergrund.
Spezielles Cognitive-Fit-Modell
Entsprechend den Konstrukten der CFT können nun Spezialisierungen im Kontext der
Prozessmodellwiederverwendung vorgenommen werden. Die Gliederung orientiert sich
direkt an den Konstrukten der externen Problemrepräsentation, der internen Repräsentation der Domäne, der mentalen Repräsentation zur Aufgabenlösung, der eigentlichen
Aufgabe und der gezeigten Performanz bei der Problemlösung.
Durch den Rückgriff auf existierende Prozessmodelle ist das wiederverwendbare Modell
(i.S.e. Lösungsschätzung) nach der engen Auffassung der CFT keine direkte externe Repräsentation des Problems, sondern die Lösung (bzw. größere Teile davon in Abängigkeit
vom jeweiligen „Abstand“ zu den Anforderungen). Die eigentliche Problemrepräsentation
bei der Prozessmodellierung manifestiert sich auf Grundlage des geschäftsprozessbezoge-

78

External Problem
Representation

Geschäftsprozessbeschreibung

Internal Representation
of the Problem Domain

Mental Representation
for Task Solution

Problem-Solving
Performance

Wiederverwendungsprozessmodell

Lösungsprozessmodell

Vergleich

Auswahl

Adaption

Prozessmodellkonstruktionsaufgabe

Repository
Suchen

Problem-Solving Task

Abbildung 3.8.: CFT-Konstrukte
wiederverwendung

und

Komponenten

der

Prozessmodell-

nen Wahrnehmungsbereichs des Modellierers. Dieser Wahrnehmungsbereich erstreckt sich
in der Praxis auf verschiedene prozessrelevante Informationsquellen: Dokumente, Dialoge, Abläufe, Akteurverhalten, Soft- und Hardware etc.47 Das wiederverwendbare Prozessmodell wäre dieser Auffassung zufolge nicht Teil der Problemrepräsentation. Im Sinne
eines unterstützenden Artefakts, welches Informationen über den Bereich der Problemdomäne in sich trägt, kann das Wiederverwendungsmodell jedoch als Teil der externen
Problemrepräsentation angesehen werden. Dadurch liegen zwei zu erfassende Artefakte
vor – Geschäftsprozessbeschreibung und Wiederverwendungsmodell, die neben die ohnehin durchzuführende allgemeine Prozessmodellkonstruktionsaufgabe treten. Dadurch
entstehen potenziell drei Unteraufgaben48 : die Erfassung der Geschäftsprozessbeschreibung, die Erfassung des wiederverwendbaren Prozessmodells und die Konstruktion des
Geschäftsprozessmodells. Dadurch, dass das verfügbare Prozessmodell wiederverwendet
und angepasst werden darf, entsteht eine weitere, aus der Konstruktionsaufgabe folgernde
Aufgabe: die Adaption des Wiederverwendungsmodells. Die mentale Repräsentation der
adaptiven Lösung (das angepasste Prozessmodell) kann als die Integration der drei Unteraufgaben interpretiert werden. In Anlehnung an Shaft u. Vessey (2006, S. 31) müssten
demzufolge vier (wenn man die Integration aller mentalen Aufgabenrepräsentationen hin47

In einer laborexperimentellen Untersuchung könnte die Problemrepräsentation beispielsweise auf eine
textliche Beschreibung zwecks Kontrollierbarkeit und Gebot der Vereinfachung beschränkt werden.
48
Vgl. hierzu das Dual-Task Problem-Solving Model (Shaft u. Vessey 2006, S. 31).

79

zuzählt) Cognitive-Fit-Modelle in einem beschreibenden Modell verbunden werden. Aufgrund des explorativen Charakters dieser Arbeit und der Konzentration auf ausgewählte
Faktoren im Rahmen der Prozessmodellwiederverwendung, wird das einzelne erweiterte
Cognitive-Fit-Modell nach Zhang u. Norman (1994) hier als ausreichend befunden. Diese
Sicht lässt sich nachvollziehen, wenn das wiederverwendbare Prozessmodell – im Sinne
eines unterstützenden Werkzeugs – als Erweiterung der Problemrepräsentation betrachtet wird, d.h. sowohl die Geschäftsprozessbeschreibung, als auch das wiederverwendbare
Prozessmodell werden als Bestandteile der externen Problemrepräsentation betrachtet.
Zentrale Aufgabe des Modellierers ist es, auf Grundlage der gegebenen Informationen
einen Geschäftsprozess in einer spezifischen Notation abzubilden. Für diese Aufgabe stehen nicht nur textbasierte Anforderungsinformationen, sondern auch ein Prozessmodell
in eben dieser Notation zur Verfügung, welches bereits über bestimmte Teile der Lösung
verfügt. Da es sich nur um eine Schätzung der Lösung handelt, sind Anpassungen dieses Modells notwendig. Diese Anpassungsaktivitäten stellen eine Problemstellung dar,
die sich aus der Modellierungsaufgabe ergibt. Diese Problemstellung bzgl. erforderlicher
Anpassungen kann als erweiterte Repräsentation des gesamten Konstruktionsproblems
betrachtet werden.
Zur internen Repräsentation der Problemdomäne werden spezifische Kenntnisse in der
Anwendungsdomäne, aber auch Kenntnisse in der benötigten Prozessmodellierungssprache gerechnet. Diese Repräsentationen werden selbst durch die externe Problemrepräsentation weiter geformt und tragen zur Bildung der mentalen Repräsentation der Problemlösung (d.h. der Prozessmodelllösung bzw. -konstruktion/-adaption) bei. Diese beziehen
natürlicherweise auch die eigentliche Aufgabe mit ein, welche im Prozessmodellwiederverwendungskontext konsequenterweise die Prozessmodellkonstruktion (unter Wiederverwendung) ist. Diese mentale Repräsentation der Prozessmodelllösung beeinflusst wiederum die Prozessmodellierungsperformanz, was sich in der Annahme ausdrückt, dass Modellierer bei einer adäquaten Repräsentation ein besseres Adaptionsverhalten bzgl. des
Wiederverwendungsmodells aufweisen. In Abbildung 3.9 ist das Zhang u. Normansche
CFT-Modell mit den für die Prozessmodellwiederverwendung spezialisierten Konstrukten
dargestellt.
Untersuchungsfokus
Den Forschungsfragen folgend sind nicht alle dargestellten Konstrukte des speziellen
Cognitive-Fit-Modells in gleichem Umfang von Untersuchungsinteresse. Das Konstrukt
Prozessmodellierungsaufgabe und das Konstrukt Domänen- und Modellierungswissen
spielen zwar entscheidende Rollen in der Prozessmodellierung, sollen hier jedoch nicht
weiter fokussiert werden. Die Prozessmodellkonstruktionsaufgabe kann im Kontext des
Untersuchungsinteresses als stabil erachtet werden. Besondere Effekte sind also durch
etwaige Variationen der gestellten Aufgabe nicht zu erwarten. Die Aufgabe lautet im
Kern, den Geschäftsprozess als Modell abzubilden. Es werden keine anderen Aufgaben
betrachtet, wie z.B. Verständnisaufgaben o.ä., sondern nur die Konstruktion des Ge-

80

Domänen- und
Modellierungswissen

Externe
Aufgabenrepräsentation
Geschäftsprozessbeschreibung

Mentale
Repräsentation für die
Prozessmodellkonstruktion/-adaption

Prozessmodellierungsperformanz

Prozessmodellkonstruktionsaufgabe

Wiederverwendungsprozessmodell

Abbildung 3.9.: Spezialisierung des Cognitive-Fit-Modells im Kontext der Prozessmodellwiederverwendung
schäftsprozessmodells auf Basis eines repräsentierten Geschäftsprozesskontexts. In diesem
Zusammenhang ist die Beziehung zur externen Aufgabenrepräsentation, speziell der Geschäftsprozessbeschreibung, zu beachten. Bei umfangreicherer Geschäftsprozessbeschreibung, unbekannter Terminologie usw. steigt die Komplexität der Aufgabenbearbeitung.
Dies sind aber Merkmale der externen Aufgabenrepräsentation und nicht der Prozessmodellkonstruktionsaufgabe. Die Schwierigkeit der eigentlichen gestellten Aufgabe an sich –
die Modellierung – ist gleich. Da die Arbeit nur die Prozessmodellkonstruktion fokussiert
und keine weiteren Aufgaben, die unter Umständen auf unterschiedliche Weise zur Bildung von mentalen Repräsentation beitragen würden, muss das Konstrukt der Art der
Aufgabe nicht weiter expliziert werden. Da die Rolle des Domänen- und Modellierungswissens in Bezug auf die Prozessmodellwiederverwendung nicht genau geklärt ist, erfolgt
eine kompakte Würdigung dieses Konstrukts in einem eigenen Abschnitt. Nachdem Prozessmodellierungsaufgabe und Domänen- und Modellierungswissen aus dem Blickfeld des
Untersuchungsschwerpunkts gerückt sind, verbleiben die externe Aufgabenrepräsentation
– bestehend aus einer Geschäftsprozessbeschreibung und einem Wiederverwendungsmodell, die mentale Repräsentation für die Prozessmodellkonstruktion/-adaption und die
Prozessmodellierungsperformanz im zentralen Untersuchungsfokus. Abbildung 3.10 illustriert die Fokussierung dieser drei Konstrukte.
Im Folgenden werden die einzelnen Konstrukte des spezialisierten Modells unter besonderer Berücksichtigung der Beziehungen zu performanzbezogenen Größen vorgestellt
und vor dem Hintergrund einschlägiger Studien diskutiert. Die Schwerpunkte werden
hierbei der Untersuchungsrichtung folgend bei der externen Aufgabenrepräsentation auf

81

Domänen- und
Modellierungswissen

Externe
Aufgabenrepräsentation
Geschäftsprozessbeschreibung

Mentale
Repräsentation für die
Prozessmodellkonstruktion/-adaption

Prozessmodellierungsperformanz

Wiederverwendungsprozessmodell

Prozessmodellkonstruktionsaufgabe

Abbildung 3.10.: Fokus auf externe Aufgabenrepräsentation
die Granularität des Wiederverwendungsmodells und bei der mentalen Repräsentation
auf Aspekte der kognitiven Belastung gelegt. In diesem Zusammenhang wird spezifischen
Entscheidungsprozessen, welche für die Adaption eines wiederverwendeten Prozessmodells durchlaufen werden, besondere Bedeutung beigemessen. Der Rest des Abschnitts
3.2 ist daher im Weiteren wie folgt gegliedert: 1) Domänen- und Modellierungswissen, 2)
Externe Aufgabenrepräsentation, 3) Mentale Repräsentation der Prozessmodelladaption
und 4) Entscheidungsprozesse in der Prozessmodellwiederverwendung.

3.2.2. Domänen- und Modellierungswissen
Die interne Repräsentation der Problemdomäne wird in Abgrenzung zur externen Problemrepräsentation betrachtet (Zhang u. Norman 1994). Für die wiederverwendungsbasierte Prozessmodellierung bedeutet dies, dass die interne Domänenrepräsentation des
Prozessmodellierers insbesondere aus dem Wissen über die Geschäftsprozessmodellierung
als solche, aber auch aus dem Wissen über den spezifischen Anwendungsbereich, in den
der abzubildende Geschäftsprozess eingebettet ist, besteht. Die Komponenten des Prozessmodellierungswissens und des Anwendungsdomänenwissens werden hinsichtlich ihrer
potenziellen Wirkungen auf den Modellkonstruktionsprozess unter Wiederverwendung im
folgenden diskutiert. Dieser Abschnitt ist dementsprechend gegliedert in 1) Rolle des Anwendungsdomänenwissens, 2) Rolle des Modellierungswissens und 3) Zusammenfassung
und Berücksichtigung in dieser Arbeit.

82

Anwendungsdomänenwissen
Das Wissen und die Erfahrung des Modellerstellers in einer Anwendungsdomäne stellen prinzipiell beeinflussende Größen in der Durchführung eines Modellierungsvorhabens
hinsichtlich des Ergebnisses dar (Recker 2010a). Bei Vorliegen von viel Wissen und Erfahrung bzgl. einer Domäne verfügt der Modellierer über mentale Repräsentationen, die
besondere Unterstützung hinsichtlich der Modellierungsaufgabe leisten können. Erfahrene Modellersteller können Problemstellungen schneller und besser einschätzen, bewerten
und passende Lösungen einsetzen. Ebenso kann ein Modellnutzer auf sein Erfahrungswissen zurückgreifen und kann so die Inhalte einer Konstruktionsaufgabe schnell und effektiv
mit seinen mentalen Repräsentationen abgleichen. Die Vorteile von Anwendungsdomänenwissen sind sowohl durch eine besondere Form der Speicherung der gelernten Inhalte,
als auch durch effiziente Auffindungsmechanismen, die das Erinnern vereinfachen, ausgeprägt (Mayer 1975; Khatri u. a. 2006).
Im Kontext der wiederverwendungsbasierten Prozessmodellierung sind bis dato keine
Arbeiten bekannt, die den Einfluss von spezifischem Domänenwissen auf Performanzgrößen näher untersuchen. Es kann daher keine belegte Aussage zu dessen möglichen
Effekten getroffen werden. Es existieren jedoch Ergebnisse aus verwandten Forschungsarbeiten, die zwar bzgl. Aufgabentyp und eingesetzten Modellierungssprachen anders
fokussiert sind, aber dennoch eine partielle Übertragung von Grundüberlegungen anregen. Konkrete Aufgaben im Rahmen der Modellierung lassen sich grundsätzlich in
reine Lese- und Verständnisaufgaben (engl. read) und Konstruktionsaufgaben (engl. write) unterteilen49 . Die Prozessmodellkonstruktion unter Wiederverwendung stellt dabei
einen hybriden Aufgabentyp dar, da in erster Linie eine Modellkonstruktion erfolgen
soll, aber gleichzeitig die Verwendung eines verfügbaren Prozessmodells in der Konstruktionsaktivität gewünscht ist. Dies erfordert daher auch das Betrachten und Verstehen
des bereitgestellten Prozessmodells in Bezug auf die Konstruktionsaufgabe. Vorhandenes
Anwendungsdomänenwissen könnte somit zumindest auf diesen Teil der Aufgabenbewältigung einen Einfluss ausüben, der sich wiederum auf die Performanz der Gesamtaufgabe
(die Prozessmodellerstellung) auswirken könnte.
Der Faktor Anwendungsdomänenwissen in Verständnisaufgaben der konzeptuellen Modellierung wurde in verschiedenen Forschungsarbeiten mit unterschiedlichen Untersuchungsschwerpunkten analysiert. In Khatri u. a. (2006) wird der Einfluss von Anwendungsdomänenwissen auf die Performanz in Entity-Relationship-Modellierungsaufgaben
in Abhängigkeit vom Aufgabentyp innerhalb der „read-to-do“-Klasse (d.h. der Fokus
liegt auf dem Verstehen der Modelle) untersucht. Während das Anwendungsdomänenwissen für die syntaktische und semantische Erfassung (engl. Comprehension) von EntityRelationship-Modellen keinen erkennbaren Performanzunterschied hervorrief, konnte bei
der Bearbeitung von problemorientierten Aufgaben ein signifikanter Effekt beobachtet
werden. Als problemorientiert werden hier solche Aufgaben klassifiziert, die nur durch
49

Vgl. hierzu die Abgrenzung von Aufgabentypen wie „read-to-recall“, „read-to-do“ und „write“ in Burkhardt u. a. (2002); Gemino u. Wand (2004).

83

die Nutzung von Wissen, welches im Modellschema repräsentiert ist, gelöst werden können. Operationalisiert werden diese Aufgaben in Form von Abfragen, für die Modellnutzer bestimmen müssen, ob und wie Informationen im Modellschema verfügbar sind
(Khatri u. a. 2006, S. 84). Für problemorientierte Verständnisaufgaben in der EntityRelationship-Modellierung wäre der Faktor Anwendungsdomänenwissen dieser Studie zufolge zu berücksichtigen. Auf Grundlage dieser Ergebnisse wird auch hervorgehoben, dass
es für zukünftige Forschungsdesigns wichtig ist, mehr als eine einzige Anwendungsdomäne
zu betrachten, da die Schwere des Einflusses von Anwendungsdomänenwissen variieren
könnte. Eine weitere Studie hat die Vertrautheit oder Erfahrung von Modellierern mit der
Anwendungsdomäne (engl. domain familiarity) als Einflussfaktor in Entity-RelationshipModellierungsaufgaben untersucht. Burton-Jones u. Weber (1999) haben eine mögliche
Wirkung der Anwendungsdomänenerfahrung und der unterschiedlichen Repräsentationsformen von Relationships auf das Verständnis eines konzeptuellen Schemas analysiert. Es
konnte gezeigt werden, dass, wenn keine Anwendungsdomänenerfahrung vorlag, die verschiedenen Relationshiprepräsentationen zu Unterschieden im Verständnis führten, wohingegen keine Performanzunterschiede zu beobachten waren, als Anwendungsdomänenerfahrung vorlag. Eine direkte Untersuchung der Effekte von Anwendungsdomänenwissen
wurde nicht vorgenommen. Venkatesh u. Morris (2000) zeigen, dass bei Individuen ohne
praktische Erfahrung die Einstellungen zur Systemnutzungsabsicht eher von generellen,
nutzungsunabhängigen Kriterien geprägt werden, jedoch, wenn sie an Erfahrung mit dem
System gewinnen, zunehmend konkrete Kriterien aus der Auseinandersetzung mit dem
Problemgegenstand in ihre Beurteilung mit einbeziehen. Eine interessante Komponente
ist in diesem Zusammenhang die Zeit, oder wahrgenommene Zeit, die in betrieblichen
Arbeitsabläufen zur Verfügung steht, um zu diesem spezifischen Informationsakquisitionsverhalten zu gelangen.
Übertragen auf den Kontext der Prozessmodellwiederverwendung lassen sich nur
schwache Hinweise entnehmen, dass das Anwendungsdomänenwissen signifikante Wirkungen auf die Performanz haben könnte, zumal die erwähnten Studien nur einen Teil der
Aktivitäten der wiederverwendungsorientierten Modellkonstruktion, nämlich das Verstehen des Wiederverwendungsmodells, adressieren. Effekte von Anwendungsdomänenerfahrung auf die Performanz in konstruktionsorientierten Modellierungsaufgaben sind bisher
nicht direkt untersucht worden. Im vorliegenden Kontext kommt zudem der Aspekt der
Wiederverwendung hinzu, was wiederum eine besondere Form der Modellkonstruktion
darstellt. Hier müssen wiederverwendbare Informationen abgewogen und für lösungsrelevant befunden werden. Welche Wirkzusammenhänge zwischen dieser Art von Entscheidungsprozessen und Anwendungsdomänenwissen bestehen, ist nur begrenzt analysiert
worden. Es sind drei Studien in diesem Zusammenhang bekannt.
In Venkatesh (2000) wird gezeigt, dass systemunabhängige Faktoren, wie das Vertrauen in eigene Computerkenntnisse (computer self-efficacy50 ) und extern verfügbare Unterstützungsangebote (facilitating conditions51 ), wahrscheinlich stärkere Einflussgrößen
50
51

Siehe Venkatesh (2000, S. 346).
Siehe Venkatesh (2000, S. 347).

84

bzgl. der gebildeten Nutzungsabsicht sind, als die Anwendungserfahrung durch die direkte
Interaktion mit einem System. Die Studie wurde in drei betrieblichen Kontexten durchgeführt: Einführung eines Online Helpdesk-Systems, Einführung eines Immobilienverwaltungssystems und der Umstieg auf ein PC-basiertes System für die Gehaltsabrechnung.
Diese Kontexte lassen sich nur bedingt auf die Aufgabe der wiederverwendungsbasierten
Prozessmodellspezifikation übertragen. Die facilitating conditions lassen sich jedoch der
Verfügbarkeit des wiederverwendbaren Prozessmodells zuordnen. Die Nutzungsabsicht
kann mit der Absicht assoziiert werden, modifizierende und anforderungsbezogene Operationen am Wiederverwendungsmodell vorzunehmen. Nach Venkatesh wäre folglich von
der Repräsentation des Wiederverwendungsmodells ein deutlich stärkerer Einfluss auf
Anpassungsabsichten zu erwarten, als von der Anwendungserfahrung.
Mervis u. Rosch (1981) dagegen vermuten, dass die menschliche Anwendung von Heuristiken ein fundamentaler kognitiver Prozess ist, der unterbewusst abläuft und nicht
durch Domänenerfahrung moderiert werden kann. Ebenso wurde in Wright u. Anderson
(1989) gezeigt, dass die Vertrautheit mit der Anwendungsdomäne kaum eine Wirkung auf
die Bearbeitungsperformanz hat. Die Aufgaben waren hier Entscheidungsprobleme, zu
denen die Teilnehmer Einschätzungen der Eintrittswahrscheinlichkeit abgeben sollten.
Die Prozessschritte der Prozessmodellwiederverwendung Vergleich und Adaption können ebenfalls als Entscheidungsprozesse interpretiert werden, infolgedessen bestimmte
Modellelemente beibehalten, verworfen bzw. anderweitig modifiziert werden. Wright u.
Anderson (1989) zufolge ist durch eine Manipulation der Anwendungsdomänenerfahrung
keine signifikante Wirkung auf die Modellierungsperformanz zu erwarten.
Bei Aufgaben, in denen Modelle als Lösungsschätzungen adaptiv wiederverwendet
werden, scheint der Einfluss des Anwendungsdomänenwissens auf performanzbasierte
Größen gering zu sein. Den diskutierten Arbeiten nach ist es folglich schwierig, von
einem eindeutigen Effekt des Anwendungsdomänenwissens auf Performanzgrößen in sowohl Modellverständnis- als auch Modellkonstruktionsaufgaben auszugehen. Trotz dieser
Aussagen zu einem eher geringen Effekt der Anwendungsdomänenerfahrung sollte dieser
Faktor in Studien nicht außer Acht gelassen werden. Sofern eine Möglichkeit besteht,
den Stand des Domänenwissens von Modellierern zu erheben, sollten diese Werte in die
Analyse mit einfließen.
Modellierungswissen
Das Wissen von Modellierern bzgl. eines Informationssystems und dessen Gestaltungsmethoden – dies ist abzugrenzen von Anwendungsdomänenwissen – hat einen entscheidenden Einfluss auf die Lösung von problembasierten Aufgaben. In mehreren Studien
wurde gezeigt, dass ein höherer Wissensstand in der Repräsentation der vorliegenden
Informationssysteme positiv mit der Bearbeitungsperformanz in Aufgaben der Informationssystemgestaltung korreliert. Auch in Khatri u. a. (2006) wird gezeigt, dass genaueres
Informationssystemwissen (engl. information system knowledge) einen positiven Einfluss
auf die Performanz in der ER-Modellierung hat. Diese Arbeiten haben sich auf statische

85

Modelle konzentriert und in der Regel den Aufgabentyp des Erfassens und des Verstehens
untersucht. Die Übertragung auf die wiederverwendungsorientierte Prozessmodellerstellung ist daher eingeschränkt, da qualitative Abweichungen bzgl. Modellierungsebene und
Aufgabentyp bestehen. Im Diskursbereich der Prozessmodellierung sind in der jüngeren Zeit weitere Arbeiten zur Rolle der Modellierungskenntnisse in der Bearbeitung von
Prozessmodellierungsaufgaben durchgeführt worden (z.B. Recker u. a. 2010).
Zusammenfassung
Die bisher bekannten Ergebnisse dürfen erneut diskutiert werden, wenn adaptive Aufgaben bei Wiederverwendung von Prozessmodellen in das Untersuchungsfeld einbezogen
werden. Es kann aber eingesehen werden, dass auch für die Anpassung von Prozessmodellen Kenntnisse in der Prozessmodellierungssprache notwendig sind. Dies bezieht sich
einerseits auf die Erfassung und die Einordnung des Wiederverwendungsprozessmodells
(„Was beschreibt das Modell vor dem Hintergrund des vorliegenden Geschäftsprozesses?“), aber auch auf nötiges Wissen, um zulässige und anforderungsgerechte Adaptionen
im Prozessmodell vornehmen zu können („Welche Operationen führen zu der gewünschten Repräsentation gemäß der Proezssmodellierungssprache?“). Ohne jegliche Prozessmodellierungskenntnisse wären diese Adaptionen als eher zuffällig zu interpretieren. Diese Ergebnisse legen nahe, das Prozessmodellierungswissen als beeinflussenden Faktor in
Konstruktionsaufgaben zu berücksichtigen. Es ist zumindest ein Performanzunterschied
zu erwarten, wenn der Wissensabstand zwischen Modellierergruppen groß ist, z.B. wenn
die Modellierungsleistung von Bearbeitern ohne Modellierungskenntnisse (Anfänger) der
Leistung von Prozessmodellierungsexperten gegenübergestellt wird. Aufgrund des anders
gelagerten Untersuchungsinteresses, welches auf der spezifischen Eigenschaft der Granularität des extern repräsentierten Prozessmodells liegt, sollte das Modellierungswissen in
Untersuchungsdesigns kontrolliert werden.

3.2.3. Externe Aufgabenrepräsentation
Die externe Aufgabenrepräsentation ist ein zentrales Konstrukt der CFT und passt sich
in den Kontext der Geschäftsprozessmodellwiederverwendung ein. In diesem Zusammenhang besteht die externe Aufgabenrepräsentation aus zwei Artefakten: die Geschäftsprozessbeschreibung und das Wiederverwendungsprozessmodell. Für beide kann vermutet
werden, dass spezifische Variationen ihrer Ausprägung zu verschiedenen Wegen der mentalen Repräsentationen führen und damit auch Unterschiede in der Qualität der Ergebnisse hervorrufen werden. Deswegen sollen im Folgenden für diese beiden Artefakte
die wesentlichen Merkmale charakterisiert und ihre Bezüge zum Wiederverwendungsprozess aufgezeigt werden. Der Geschäftsprozesskontext, welcher hier als Geschäftsprozessbeschreibung bezeichnet wird, umfasst in der realbetrieblichen Organisation mehrere Kanäle, über die er sich dem Prozessmodellierer vermittelt (Beobachtung phyischer
Aktivitäten, Sichtung von Dokumenten, Gespräche mit Experten, etc.). Mit Blick auf

86

die Einschränkungen durch das hier mögliche Untersuchungsdesign, wird nur auf die
Merkmale einer textbasierten Geschäftsprozessbeschreibung eingegangen, da diese die
primäre Informationsquelle für den Modellierer darstellt. Das Wiederverwendungsprozessmodell manifestiert sich vor allem über die Dimensionen der notationsbezogenen
graphischen Attribute, der syntaktisch-semantischen Ausprägung der jeweils eingesetzten Prozessmodellierungssprache und über die Prozessmodellgranularität (bezogen auf
die Prozessmodellierungsanforderungen). Der Abschnitt gliedert sich daher entsprechend
in 1) Geschäftsprozessbeschreibung und 2) Wiederverwendungsprozessmodell.
Geschäftsprozessbeschreibung
Im Folgenden werden wichtige Merkmale der extern repräsentierten Geschäftsprozessbeschreibung aufgeführt, die potenziell einen Einfluss auf den Prozess der Anpassung des
wiederverwendeten Geschäftsprozessmodells haben. Da sie jedoch nicht im Mittelpunkt
des Untersuchungsinteresses stehen werden sie in der später erfolgenden Untersuchung
konstant gehalten (mit Ausnahme der Anwendungsdomäne, siehe Abschnitt 5.2.3), um
den Faktor der Prozessmodellgranularität weitestgehend isoliert betrachten zu können.
Die betrachteten Merkmale der Geschäftsprozessbeschreibung sind 1) das Repräsentationsformat, 2) die Komplexität der Geschäftsprozessbeschreibung und schließlich 3) die
Anwendungsdomäne, in welcher der beschriebene Geschäftsprozess angesiedelt ist.
Repräsentationsformat der Geschäftsprozessbeschreibung Viele Studien haben in der
Vergangenheit gezeigt, dass sowohl die semantische Einbettung als auch das Repräsentationsformat von ansonsten strukturgleichen Problemstellungen starke Effekte auf die
Prozesse des Problemlösens und die Qualität der Ergebnisse (Simon u. Hayes 1976),
deduktive Schlussfolgerungen (Johnson-Laird u. a. 1972; Klauer u. a. 2000) sowie auf
statistisches Schlussfolgern (Fiedler 1988) haben können (vgl. auch Bröder u. Schiffer
2003). Im Diskursbreich der Prozessmodellierung haben sich Studien mit unterschiedlichen Problemstellungen und Wirkungen der Repräsentationsvarianten von Prozessmodellen beschäftigt. Die Teilergebnisse dieser empirischen Studien sind in einen Vorschlag
von sieben Richtlinien zusammengeflossen, deren Befolgung zu höherer Qualität in konstruierten Prozessmodellen hinsichtlich syntaktischer Korrektheit und Verständlichkeit
führen soll (Mendling u. a. 2010a) (siehe auch Abschnitt 2.2.3). Wenn aber die Erstellung
eines Prozessmodells, welches einen Geschäftsprozess des Wahrnehmungsbereichs abbilden soll, die Aufgabe darstellt, dann bezieht sich der Repräsentationsformatbegriff der
Problemstellung hier auf jenen wahrgenommenen Geschäftsprozess. Diese Geschäftsprozessdarstellungen sind in der Regel sprachlich strukturiert, z.B. wenn der Prozessanalyst
betriebsinterne Dokumente über betriebliche Abläufe sichtet oder sogar Zugriff auf bereits
erstellte Prozessmodelle hat52 . Darüber hinaus stellen alle wahrnehmbaren Phänomene
im geschäftsprozessrelevanten Bereich Signale dar, die innerhalb der Prozessmodellkonstruktion von Modellierern verarbeitet werden können. Um eine realistische Arbeitsitua52

Vgl. auch die informelle Spezifikation in Frederiks u. van der Weide (2006).

87

tion untersuchen zu können, müsste die Vielfalt an Wahrnehmungsinformationen, die in
der Prozessmodellierung genutzt werden kann, in der Problemstellung reflektiert werden.
Dies wäre bspw. in Feldversuchen möglich. Für die Untersuchung von spezifischen Zusammenhängen in der wiederverwendungsbasierten Prozessmodellierung bietet sich allerdings eine kontrolliertere Umgebung an, in der die Problemrepräsentation auf bestimmte
Formate beschränkt bleibt, da ansonsten die interne Validität stark gefährdet wäre. Es
wird hier eingeräumt, dass wenn die Problemstellung auf verschiedene Weise dem Prozessmodellierer präsentiert wird – z.B. eine rein natürlich-sprachliche Beschreibung eines
Geschäftsprozessablaufs versus selbst durchgeführte, rein visuelle Beobachtungen desselben Prozesses – es auch zu unterschiedlichen Modellierungsresultaten kommen kann. Die
nähere Untersuchung dieser Wirkzusammenhänge sei hier zukünftigen Forschungsarbeiten vorbehalten.
Komplexität der Geschäftsprozessbeschreibung Merkmale für die Aufgabenkomplexität können aus den Bereichen der angewandten Linguistik, der Prozessmodellierung
und der Textanalyse herangezogen werden. Der Schwerpunkt der Bestimmung der Aufgabenkomplexität liegt hier nicht auf der genauen Quantifizierung der Komplexität der
einzelnen Aufgaben, sondern dient vorrangig der Vergleichbarkeit der Aufgaben und der
Sicherstellung, dass eine Aufgabe nicht wesentlich komplexer ist, als die andere.
Es muss zwischen Merkmalen unterschieden werden, die sich auf die Verarbeitungsanforderungen einer Aufgabe beziehen – diese ergeben sich aus der Struktur und der
Repräsentation der Aufgabe – und den Merkmalen bezüglich der Fähigkeiten und Ressourcen des jeweiligen Aufgabenbearbeiters, die auf einer großen Anzahl an individuellen
Faktoren basieren (Robinson 2001). Daraus ergeben sich die zu differenzierenden Merkmale Aufgabenkomplexität (engl. Task complexity) bzw. Aufgabenschwierigkeit (engl.
Task difficulty)53 . Nach Robinson (2001) setzt sich die Aufgabenkomplexität zusammen
aus den Anforderungen hinsichtlich der benötigten Aufmerksamkeit, des Erinnerungsvermögens, des logisches Denkvermögens und weiteren Verarbeitungsfähigkeiten, die sich aus
der Struktur der Aufgabenstellung ergeben.
Es gibt eine Vielzahl an Maßen, um die Komplexität von textbasierten Aufgaben zu
bestimmen. Campbell (1988) differenziert vier essentielle Attribute der Aufgabenkomplexität, die je nach Ausprägung miteinander kombiniert auftreten können und damit einen
bestimmten Komplexitätstyp darstellen. Diese Attribute sind: die Möglichkeit verschiedener potenzieller Lösungspfade, um einen erwünschten Endzustand zu erreichen; die
Existenz mehrerer verschiedener Lösungen zu der gestellten Aufgabe; die Existenz konfliktärer Beziehungen zwischen Lösungswegen und den unterschiedlichen Ergebnissen;
die Existenz von Unsicherheit, was bestimmte Lösungspfade zu spezifischen potenziellen
Ergebnissen betrifft.
In Prabhu (1987) werden Kriterien vorgeschlagen, die als grobe Maße für kognitive
Komplexität beschreiben werden: Anzahl der verschiedenen Informationselemente; An53

Für nähere Ausführungen zur Aufgabenschwierigkeit sei hier auf (Robinson 2001) verwiesen.

88

zahl von Schritten der Schlussfolgerung; die Anforderung nach präzisen Fachtermini;
Grad der Abstraktheit. Das erste Merkmal umfasst die Anzahl an Information, die verarbeitet werden muss. Dabei wird davon ausgegangen, dass je mehr Informationen zu
verarbeiten sind (z.B. wenige Regeln im Gegensatz zu vielen Regeln in regelbasierten
Aufgaben) desto komplexer gestaltet sich die Aufgabe. Das zweite Merkmal bezieht sich
auf die Anforderung nach logischem Schließen. Je größer die Anzahl der Schritte, die
benötigt werden, um Ableitungen, Schlüsse bzw. Berechnungen vorzunehmen, um zum
Ergebnis zu gelangen, desto komplexer kann die Aufgabe angesehen werden. Ein drittes Kriterium bezieht sich auf die Anforderung nach präzisen Fachtermini, die benötigt
werden, um eine Idee oder ein Ergebnis darzustellen. Je präziser diese Termini sein müssen, desto komplexer die Aufgabe. Ein viertes Merkmal bezieht sich auf den Grad der
Abstraktheit der Inhalte in einer Aufgabe. Realweltliche Objekte und Aktivitäten sind
demnach als konkret einzustufen und damit weniger komplex; Konzepte und verallgemeinernde Darstellungen abstrahieren von jenen realweltlichen Bezügen und werden daher
als komplexer eingestuft. Prabhu (1987) zieht auch das Merkmal Vertrautheit mit Begriffen in der Aufgabenbeschreibung heran, das eine Aufgabe schwieriger oder einfacher
lösbar erscheinen lässt. Dieses Merkmal ist an der Schnittstelle zwischen den eigenen Fertigkeiten, da diese Vertrautheit hätte erworben werden müssen und einem bestimmten
Vorwissen, das eine Anforderung der Aufgabe selbst sein kann. Wie auch in Robinson
(2001) kann die Begriffsvertrautheit der Aufgabenkomplexität zugeordnet werden – dort
heißt es benötigtes „Vorwissen“.
In Robinson (2001) selbst werden die kognitiven Faktoren der Aufgabenkomplexität
nochmals in zwei Blöcke unterteilt: in ressourcenleitende und ressourcenverbrauchende
Faktoren. Bei den ressourcenleitenden Faktoren zählt Robinson folgende auf: die Anzahl
der Elemente, auf die man die eigene Aufmerksamkeit richten muss; das Ausmaß an
„here-and-now“ der Aufgabe: dies lässt sich als konkrete Bezüge zu Objekten und Aktivitäten der näheren Umwelt interpretieren und betrifft auch die zeitliche Dimension,
d.h. inwieweit die Aufgabe jetzige Phänomene im Gegensatz zu zukünftigen bzw. vergangenen Phänomenen behandelt; die Anforderung an logisches Schlussfolgern, welches
bereits oben bei Prabhu als Anforderung innerhalb von Aufgabenkomplexität erläutert
wurde. Zu den ressourcenverbrauchenden Faktoren zählt Robinson beispielhaft auf: die
Anforderung an planende Tätigkeiten zur Lösung des Problems; die Anzahl für in sich
geschlossene Aufgaben, d.h. handelt es sich um eine einzige Aufgabe oder um mehrere
verbundene Aufgaben; den benötigten Rückgriff auf vorhandenes Vorwissen bezüglich
der Applikationsdomäne bzw. bezüglich der – in diesem speziellen Fall – Modellierungsgrammatik.
In Hess u. Biggam (2004) werden folgende Merkmale der Textkomplexität vorgeschlagen: Schwierigkeit der Wörter und Struktur der Sprache; Struktur des Texts: Beschreibung, Sequenz/Prozedur, Ursache-Wirkung; Diskursstil: z.B. es handelt sich um einen
nüchternen, beschreibenden Text; Genremerkmale des Texts: z.B. es handelt sich um eine
einfache Beschreibung; Benötigtes Hintergrundwissen; Anforderung an logisches Schlussfolgern; Format und Layout des Texts und die Länge des Texts.

89

In Batra u. Wishart (2004) werden für eine Datenmodellierungsaufgabe drei Dimensionen der Komplexität betrachtet: a) die kombinatorische Komplexität, d.h. die Anzahl der
erforderlichen Beziehungen, b) die Verzweigungsart der Beziehungen und c) die Schwierigkeit, die Semantik einer geforderten Beziehung aus dem Text zu erlesen. Da sich die
vorliegende Untersuchung auf die Abbildung von Prozessen bezieht, ist die Aufgabe und
damit auch deren Komplexitätsbegriff anders gelagert, als in der Datenmodellierungsaufgabe bei Batra u. Wishart. Die kombinatorische Komplexität, die mit der Anzahl
an erforderlichen Beziehungen zwischen Entitäten gleichgesetzt wird, findet im Kontext
der Prozessmodellierung ihre Entsprechung in der Komplexität, die sich aus den Beziehungen zwischen den Aktivitäten und anderen geforderten Elementen ergibt. Auch hier
kann gesagt werden, dass, wenn eine Aufgabe mehr von diesen Beziehungen erfordert,
ihre Komplexität steigt. Ein viel diskutiertes Maß, das diesen Sachverhalt beschreibt,
ist die Control Flow Complexity (z.B. Cardoso u. a. 2006). Die Verzweigungsart der Beziehung, mit der Batra u. Wishart binäre und tertiäre Beziehungen überschreiben, ist
ein datenmodellbezogenes Merkmal und auf prozessbezogene Aufgabenstellungen nicht
anwendbar. Der dritte Punkt bezüglich der sich erschließbaren Semantik aus dem Text
betrifft die sprachliche Dimension der Komplexität, die generell textbasierten Aufgaben
zugrunde liegt. Dies wird weiter unten näher diskutiert.
In Larkey (1998) werden elf Merkmale zur Bestimmung von Textkomplexität herangezogen. Die Arbeit von Larkey ist primär darauf ausgerichtet, eine maschinenbasierte
Analyse von Texten zu ermöglichen. Daher ist das Vorgehen stärker der statistischen
Textanalyse zuzuordnen. Die für den Untersuchungskontext potenziell relevanten Merkmale werden im Folgenden aufgeführt: Anzahl der Buchstaben im Aufgabentext; Anzahl
der Wörter im Aufgabentext; Anzahl unterschiedlicher Wörter; Anzahl der Sätze; Durchschnittliche Wortlänge; Durchschnittliche Satzlänge.
Der obigen Diskussion entsprechend wurden Merkmale zur Bestimmung der Aufgabenkomplexität herangezogen, die in Tabelle 3.2 aufgeführt sind. Folgendes ist für die zwei
rechten Spalten der Tabelle 3.2 anzumerken: Für jedes Komplexitätsmerkmal sind bereits
die Wertausprägungen für die zwei Geschäftsprozessbeschreibungen, die in der späteren
Untersuchung verwendet werden (siehe Kapitel 5), aufgeführt. Die beiden Geschäftsprozessbeschreibungen werden mit „Supplier Switch“ und „SLA violation“ bezeichnet. Es ist
zu erkennen, dass sich die Aufgaben in den Komplexitätsdimensionen nur unwesentlich
unterscheiden. Es kann für die Untersuchung also angenommen werden, dass die zwei
Aufgaben von sehr ähnlich gearteter Komplexität sind.
Anwendungsdomäne Eine Geschäftsprozessdarstellung eines betrieblichen Kontexts ist
natürlicherweise immer in einer bestimmten Anwendungsdomäne angesiedelt. Verschiedene Anwendungsdomänen zeichnen sich in einer beispielweise dokumentbasierten Darstellung durch eine spezifische Terminologie und u.U. auch eigenen Duktus aus, welche sich
aus den individuellen Phänomenen einer jeweiligen Domäne ergeben. Obwohl der Faktor der Anwendungsdomäne durch entsprechende indivuelle Kenntnisse in der jeweiligen
Anwendungsdomäne moderiert werden sollte, birgt er eventuell eine gewisse potenzielle

90

Tabelle 3.2.: Aufgabenkomplexität
Komplexität der
Modellierungsaufgabe
Komplexitätsmerkmal

Definition

Referenzen

Einheit

Supplier Switch

SLA Violation

Larkey (1998)

Number

5365

5936

Deskriptiv (bezogen auf den Text)
CHARS

Anzahl der Buchstaben

WDS

Anzahl der Wörter im Aufgabentext Larkey (1998)

Number

1041

1090

DIFFWDS

Anzahl unterschiedlicher Wörter

Larkey (1998)

Number

n/a

n/a

SENTS

Anzahl der Sätze

Larkey (1998)

Number

n/a

n/a

WDLEN

Durchschnittliche Wortlänge

Larkey (1998)

Number

n/a

n/a

SENTLEN

Durchschnittliche Satzlänge

Larkey (1998)

Number

n/a

n/a

LINES

Anzahl der Zeilen

eigene Festlegung

78

Anzahl der Absätze

eigene Festlegung

Number
Number

73

PARAG

11

10

Campbell (1998)

Boolean

ja

ja

Campbell (1998)

Boolean

nein

nein

Campbell (1998)

Boolean

nein

nein

Campbell (1998)

Boolean

ja

ja

Prabhu (1987),
Robinson (2001)

Number

n/a

n/a

Prabhu (1987),
Robinson (2001)

Number

Änderungsanforderungen an
Istprozess: 2

Änderungsanforderungen an
Istprozess: 2

Anforderung nach präzisen
Fachtermini

Prabhu (1987)

Number

alle werden
erklärt

alle werden
erklärt

ABSTR

Grad der Abstraktheit

Prabhu (1987)

{low, med, high}

high

high

HRNOW

Ausmaß an "here-and-now"

Robinson (2001)

{low, med, high}

low

low

PLAN

Anforderung an planende
Tätigkeiten

Robinson (2001)

{low, med, high}

medium

medium

Control-flow complexity (vgl.
kombinatorische Komplexität)

Cardoso u.a. (2006),
Number
Batra u. Wishart (2004)

16

14

Problemlösungsorientiert
PATH
MULTISOL
CONFLICT

PATHRISK

INFOEL

INFER
TERM

Möglichkeit verschiedener
potenzieller Lösungspfade
Existenz mehrerer verschiedener
Lösungen
Existenz konfliktärer Beziehungen
zwischen Lösungswegen und den
unterschiedlichen Ergebnissen
Existenz von Unsicherheit, was
bestimmte Lösungspfade zu
spezifischen potenziellen
Ergebnissen betrifft
Anzahl der verschiedenen
Informationselemente (Anzahl der
Elemente, auf die man die eigene
Aufmerksamkeit richten muss)
(Anzahl von in sich geschlossenen
Aufgaben)
Anzahl von Schritten der
Schlussfolgerung (Anforderung an
logisches Schlussfolgern)

Prozessorientiert
CFC
ACTIV

Number of Activities

Cardoso u.a. (2006)

Number

20

27

MCC

McCabe Komplexität

McCabe (1976)

Number

6

6

91

Eigenkomplexität, welche sich z.B. dadurch zeigen könnte, wenn verschiedene Modellierer
ohne einschlägigen Kenntnisse der jeweiligen Anwendungsdomänen (und auch sonst ohne
stark variierenden Merkmale) eine signifikant unterschiedliche Leistung in der Prozessmodellerstellung erbringen. Allein um diese Möglichkeit näher auszuloten und auch im
Sinne der Replikation der Untersuchung von wiederverwendungsbasierten Effekten über
mehrere Anwendungsdomänen hinweg, sollte eine Variation der Anwendungsdomäne berücksichtigt werden.
Wiederverwendungsprozessmodell
Die externe Repräsentation des wiederverwendeten Prozessmodells ist das zentrale Konstrukt des Untersuchungsinteresses in Bezug auf die Bildung mentaler Repräsentationen
zur Lösung der Prozessmodellkonstruktionsaufgabe und die dabei gezeigte Anpassungsund Modellierungsleistung. Im Folgenden wird auf die wesentlichen Merkmale, über die
sich das wiederverwendete Prozessmodell präsentiert, aber auch auf das ähnlichkeitsbasierte Verhältnis zwischen dem Wiederverwendungsmodell und der Prozessmodellierungsaufgabe eingegangen. Die nächsten Unterabschnitte sind wie folgt gegliedert: 1) Merkmale
der graphischen Notation, 2) Merkmale der Prozessmodellierungssprache, 3) Granularität des wiederverwendeten Prozessmodells und 4) Prozessmodellähnlichkeit (im Hinblick
auf Performanzunterschiede, die sich durch besonders „nahe“ Wiederverwendungsmodelle im Vergleich zu besonders „entfernten“ Wiederverwendungsmodellen in Bezug auf die
Aufgabe zeigen könnten).
Merkmale der graphischen Notation In Moody (2009) wird aufgegriffen, dass die graphischen Ausprägungen von Notationen Einflüsse auf die Kognition und das Verständnis
der repräsentierten Inhalte haben. Aus diesem Grund muss die Wahl bzw. Konstruktion
einer Notation kognitive Mechanismen, Bias und weitere Zusammenhänge berücksichtigen, um eine effektive Kommunikation mittels graphischer Repräsentationen zu ermöglichen. Die verschiedenen Möglichkeiten der graphischen Repräsentation von Notationselementen sind jedoch nicht Gegenstand der Untersuchung, weshalb auf eine differenzierte
Betrachtung der möglichen Effektunterschiede verzichtet wird. Zu den graphischen Attributen der Prozessmodellierungsnotation sei hier vorab angemerkt, dass in der später
explizierten Untersuchung auf die spezifische Notationsausprägung der BPMN, welche in
dem eingesetzten Modellierungswerkzeug zur Verfügung steht, zurückgegriffen wird (siehe
Abschnitt 5.2.5). Im weiteren Sinne der graphischen Ausprägungen von repräsentierten
Prozessmodellen sind hier noch das Layout und das Labeling (Mendling u. a. 2010b) von
Prozessmodellelementen zu nennen, die potenziell den Aufbau mentaler Repräsentationen der Prozessmodellkonstruktion beinflussen können.
Merkmale der Prozessmodellierungssprache Prozessmodellierungssprachen können
unterschiedliche Konzepte auf verschiedene Art und Weise repräsentieren. Analysen der

92

repräsentierten Konzepte in verschiedenen Prozessmodellierungssprachen werden beispielsweise in Recker u. a. (2010) und Rosemann u. a. (2006) durchgeführt. Es liegt nahe,
dass unterschiedliche Repräsentationen in Prozessmodellierungssprachen auch zu differenzierten Prozessen der Bildung von mentalen Repräsentationen führen, wenn diese in
Modellierungssituationen genutzt werden. Es ist deshalb zu erwarten, dass unterschiedliche Prozessmodellierungssprachen auch verschiedene Einflüsse auf das menschliche Modellierungsverhalten ausüben können und sowohl die Adaptionsperformanz, als auch die
semantische Qualität von Prozessmodelllösungen beeinflussen würden. Der Fokus dieser
Arbeit liegt jedoch nicht auf dem Vergleich von zwei (oder mehreren) Prozessmodellierungssprachen und möglichen Performanzunterschieden in wiederverwendungsbasierten
Modellierungsszenarien. Das Untersuchungsinteresse gilt der Variation von Granularität in wiederverwendbaren Prozessmodellen und deren Einfluss auf kognitive Prozesse
und Prozessmodellierungsperformanz. Aufgrund des möglichen Einflusses unterschiedlicher Prozessmodellierungssprachen besteht eine potenzielle Gefährdung der externen
Validität, wenn in der Untersuchung nur eine einzige Prozessmodellierungssprache zum
Einsatz kommen sollte. Da die Untersuchungsressourcen jedoch beschränkt sind, und
der Modellgranularitätseinfluss von primärem Interesse ist, konzentriert sich die Studie
auf eine weit genutzte und die gängigsten Konzepte repräsentierende Prozessmodellierungssprache (siehe Abschnitt 5.2.5). Für die Untersuchung wird deshalb eine Prozessmodellierungssprache gewählt, welche häufig verwandte Konstrukte beinhaltet und deren
Grammatik einer Vielzahl von Mitarbeitern in IT-gestützten Organisationen geläufig ist.
Granularität wiederverwendeter Prozessmodelle Der Granularitätsbegriff für Prozessmodelle wird in der Regel intuitiv genutzt und beschreibt eine Eigenschaft einer Prozessmodellrepräsentation, welche als entweder besonders nah oder dicht an den zu repräsentierenden Phänomenen des jeweiligen Geschäftsprozesses umschrieben werden kann
bzw. als weit entfernt oder stark abstrahiert von den Phänomenen. Weiterhin wird auch
von entsprechend feinen bzw. groben Granularitäten von Prozessmodellen gesprochen.
Gemein ist den Begriffsauffassungen, dass typischerweise bestimmte Teile oder deren Repräsentationen gemeint sind und die verschiedenen Stufen der Zusammenfassung dieser
Teile (oder Teilerepräsentationen). Bevor eine Formalisierung des Granularitätsbegriff in
Bezug auf Prozessmodelle erfolgt (siehe Abschnitt 4.4), soll eine einschlägige Forschungsarbeit, die auf die potenzielle Wirkungsweise von Unterschieden in der Granularität bzw.
Modulariät in Bezug auf effektivitäts- und effizienzbasierte Größen der Aufgabenbearbeitung mit Hilfe von Prozessmodellen eingeht, vorgestellt werden. Diese gibt wichtige
Hinweise auf die der Untersuchungsfrage zugrunde liegenden vermuteten Performanzeffekte aufgrund variierter Granularität in wiederverwendungsbasierten Prozessmodellierungsaufgaben.
Reijers u. Mendling (2008) thematisieren den Faktor Modularität in Prozessmodellen
und untersuchen dessen Einfluss auf das Verständnis, das System- und Prozessanalysten
durch Betrachten des Modells erwerben. Es handelt sich hier also um die Aufgabe des
Verstehens eines Prozessmodells und nicht um die Aufgabe der Konstruktion. Es wird

93

die Frage gestellt, unter welchen Bedingungen Geschäftsprozessmodelle von menschlichen
Betrachtern besser bzw. schlechter verstanden werden. Insbesondere wird der Fokus auf
den Faktor Modularität als besondere Eigenschaft von Prozessmodellen gerichtet, der
einen entscheidenden Einfluss auf den Erwerb von Verständnis ausüben könnte (vgl. dazu das Forschungsmodell in Abbildung 3.11). Die Modularität in einem Prozessmodell
schlägt sich in der Anwendung von Subprozessen nieder, d.h. es werden z.B. mehrere
detailliertere Aktivitäten zu einem Subprozess zusammengefasst, welcher diese Aktivitäten abstrahiert. Operationen, welche die Modularisierung ermöglichen sind beispielsweise
Subprocesses in BPMN oder die Verschachtelung von Kontrollfunktionen in BPEL. Je
mehr Subprozesse in einem Modell präsent sind, desto höher ist die Modularität dieses
Prozessmodells. Die Modularität auf Basis von Aktivitäten kann hier als eine spezifische
Ausprägung der Granularität aufgefasst werden (vgl. Abschnitt 4.4.2). Dem Verständnis
eines Modells wird ein Lernbegriff zugrunde gelegt, d.h. es reicht für den Betrachter nicht
aus, die Bestandteile des Prozessmodells als solche identifizieren zu können – dies wird in
der englischsprachigen Literatur meist mit Comprehension im Sinne von Erfassen oder
Auffassen bezeichnet – sondern er muss ein Verständnis der Zusammenhänge der einzelnen Modellkomponenten entwickeln und eine Vorstellung von Konsequenzen bei Eintritt
bestimmter Ereignisse haben. Dies setzt einen Lernprozess während der Betrachtung
voraus.
Die experimentelle Untersuchung wurde als einfaktorieller Plan angelegt, wobei der
Faktor in der Modularität (Faktor A mit den Stufen: A1 = präsent, A2 = abwesend)
eines Prozessmodells bestand (siehe Abbildung 3.12). Da den Teilnehmern während des
Experiments jedoch zwei verschiedene Prozessmodelle zur Betrachtung vorgelegt wurden,
wurde mindestens ein weiterer Faktor in die Untersuchung eingeführt. Dieser Faktor basierte auf den zwei sich unterscheidenden Anwendungsdomänen, denen die Prozessmodelle entstammten (1. Arbeitssuchendenberatung und 2. Führerscheinausgabeprozess). Daneben gab es Unterschiede im Ausmaß der Modularität in den jeweiligen komprimierten
bzw. ausgeklappten Versionen der zwei Prozessmodelle. Auf diesen Unterschied weisen
Reijers u. Mendling in der Diskussion ausdrücklich hin. Das Ergebnis zeigt, dass eine
bestimmte Modularität (Modular versus Flattened) zu einem verbesserten Verständnis
der Modellbetrachter führen kann.
Die Relation zwischen Modulqualitätskriterien und kognitiven Heuristiken, insbesondere in Bezug auf bestimmte Aufgaben (hier: Aufbau von Verständnis, d.h. Lernen anhand
grafischer Modelle), wird teilweise diskutiert. Im Fazit wird vorsichtig gefolgert, dass Modularität in einem Prozessmodell hilfreich für die Bearbeitung von Verständnisaufgaben
sein könnte, da der Modellbetrachter von irrelevanten Informationen abgeschirmt wird.
Die Relevanz einer Information ist aber abhängig von der Aufgabe (oder Aufgabentyp),
d.h. bei der Wahl einer anderen, spezifischeren (oder lokalen) Verständnisfrage hätte eine
Antwort aufgrund fehlender Detailtiefe gar nicht gegeben werden können. Der Zusammenhang zwischen Aufgabenspezifität und Problempräsentation (hierzu sind modularisierte
bzw. flache Prozessmodelle zu zählen) bleibt hier teils im Hintergrund. Der Anschluss
an die Cognitive-Fit-Theorie von Vessey u. Galletta (1991) würde eine tiefergehende In-

94

EXPERIMENTELLE AUFGABE

UNABHÄNGIGE VARIABLE

Charakteristika der
Teilnehmer

Modularität des
Prozessmodells

Anwendungsdomänenwissen (kontrolliert, da
erfahrene Berater)

Vorhanden
Nicht vorhanden
ABHÄNGIGE VARIABLE

Modellierungswissen
(kontrolliert, da erfahrene
Berater)

Modellverständnis
Korrektheit von 12
beantworteten Fragen

Charakteristika der
Verständnisaufgabe

UNABHÄNGIGE VARIABLE(N)

Anwendungsdomäne

Aufgabenkomplexität,
u.a. Anzahl Tasks,
McCabe-Komplexität,
Zeit (kontrolliert)

A: Ausgabe von
Führerscheinen

Subprozesse: viele
FanIn-Out:
groß

B: Beratung arbeitsloser Bürger

Subprozesse: wenige
FanIn-Out:
klein

Abbildung 3.11.: Forschungsmodell zum Einfluss der Modularität auf das Verständnis in
Reijers u. Mendling (2008)

present
14 subjects for each
factor combination;
subjects received
two tasks

Use of
modularity

absent
A

B
Application domain

Abbildung 3.12.: Experimentdesign mit
Anwendungsdomäne

zwei

Faktoren

Modularisierung

und

terpretation der Ergebnisse im Kontext existierender empirischer Beobachtungen zum
Einfluss von Problemrepräsentationen auf die Lösungsperformanz ermöglichen.
Für den Kontext der wiederverwendungsbasierten Prozessmodellerstellung sind diese
Ergebnisse insofern interessant, als dass über das Wiederverwendungsmodell auch eine

95

Erfassungs- und Verstehenstätigkeit ausgeführt werden muss54 . Es darf angenommen werden, dass ein verbessertes Verständnis des Wiederverwendungsprozessmodells sich auch
positiv auf die adaptiven Operationen auswirkt, so dass in der Folge auch ein qualitativ
besseres Lösungsprozessmodell entsteht. Besser unterstützte Lernprozesse in der Phase
des Prozessmodellverstehens begünstigen eventuell auch die effektivere Adaption eines
wiederverwendeten Prozessmodells. Die hier gewonnenen Erkenntnisse sind somit sehr
hilfreich in Bezug auf die Bildung von Hypothesen, die Wirkzusammenhänge zwischen
Granularität des Wiederverwendungsmodells und Modellierungsperformanz annehmen.
Studien, die diese Effekte im speziellen Wiederverwendungs- und Prozessmodellierungskontext direkt untersuchen, sind dem Autor nicht bekannt.
Prozessmodellähnlichkeit Die wiederverwendbaren Prozessmodelle, die für die Prozessmodellierungsaufgabe zur Verfügung stehen, können unterschiedlich weit „entfernt“ von
der idealen, alle Geschäftsprozessanforderungen erfüllenden Prozessmodelllösung sein.
Im einfachsten Fall entspricht das Wiederverwendungsmodell exakt dem Idealprozessmodell und kann direkt als Lösung übernommen werden. Im Fall, dass das Wiederverwendungsmodell von der Ideallösung abweicht, sind unterschiedlich stark ausgeprägte
Abweichungen möglich. Der Grad dieser Abweichungen kann mit dem Begriff der Prozessmodellähnlichkeit bezeichnet werden (vgl. Ehrig u. a. 2007). Zu differenzieren sind
hier prozessmodellierungssprachbasierte Maße der Ähnlichkeit und die von menschlichen
Modellierern wahrgenommene Ähnlichkeit zwischen Prozessmodellen. Erstere versuchen,
intersubjektiv abstimmbare, quantifizierbare Metriken der Ähnlichkeit zu entwickeln, welche in Einklang mit menschlichen Einschätzungen der Ähnlichkeit von Prozessmodellen
stehen sollen.
Aus einer grob einschätzenden Sicht heraus kann angenommen werden, dass, wenn ein
wiederverwendbares Prozessmodell bzgl. den Anforderungen der Modellierungsaufgabe
als „ähnlicher“ aufgefasst wird, auch die Bearbeitung der Modellierungsaufgabe effzienter
durchgeführt werden kann. Dieser Einschätzung liegt die Annahme zugrunde, dass für
den Fall eines sehr ähnlichen Wiederverwendungsprozessmodells weitaus weniger Anpassungsoperationen vorgenommen werden müssen, um zur Lösung zu gelangen und diese
Operationen auch weniger kognitiven Aufwand verursachen, als für den Fall eines weniger ähnlichen Wiederverwendungsmodells. Für die adaptive Prozessmodellwiederverwendung sind keine Arbeiten bekannt, die diese intuitiv eingeschätzten Zusammenhänge
direkt bestätigen könnten, was auch damit zusammenhängt, dass bereits der Begriff der
Prozessmodellähnlichkeit einige Schwierigkeiten bereitet und nicht direkt mit einer interssubjektiv festlegbaren Größe gemessen werden kann. Ohne eine engere Festlegung
des Ähnlichkeitsbegriffs gestaltet sich auch die Untersuchung von Zusammenhängen zwischen Ähnlichkeit der Wiederverwendungsmodelle und Modellierungsperformanz problematisch. Es sind aktuelle Arbeiten bekannt, die mögliche Metriken der Prozessmodellähnlichkeit vorschlagen und empirisch mit Einschätzungen menschlicher Modellierer verglei54

Vgl. dazu die Erläuterung zu mehreren unterliegenden Cognitive-Fit-Modellen in der Prozessmodellwiederverwendung in Abschnitt 3.2.1.

96

chen (Dijkman u. a. 2010). Im Kontext der adaptiven Prozessmodellwiederverwendung
muss differenziert werden, dass in den metrikbezogenen Arbeiten Prozessmodelle mit Prozessmodellen verglichen wurden, wohingegen bei der Prozessmodellierung unter Wiederverwendung die Anforderungen an einen Geschäftsprozess (repräsentiert in Dokumenten,
in der Projektumwelt etc., jedoch nicht als Modell) mit einem verfügbaren Prozessmodell
verglichen werden müssen. Die Ähnlichkeitsbestimmung kann insofern nur soweit analog
betrachtet werden, als dass im Fall der adaptiven Prozessmodellwiederverwendung eine
mentale Repräsentation eines Prozessmodells auf Basis der Aufgabenanforderungen entsteht, so dass man auch hier von einem Prozessmodell-Prozessmodell-Vergleich sprechen
könnte. Es kann auf relativ robuste Metriken zurückgegriffen werden, um Ähnlichkeiten
zwischen Geschäftsprozessmodellen zu bestimmen (Ehrig u. a. 2007; van Dongen u. a.
2008; Dijkman u. a. 2009, 2010). Die Ähnlichkeit zwischen Prozessmodellierungsaufgaben
und wiederverwendbaren Modellen und die Rolle, die sie im Hinblick auf die Modellierungsperformanz spielt, befindet sich jedoch außerhalb des Untersuchungsfelds der o.g.
Arbeiten.
Der intuitive Zusammenhang, dass den Aufgabenanforderungen ähnlichere Wiederverwendungsmodelle auch eine relativ bessere Modellierungsperformanz bewirken, wird
auch von einigen Arbeiten angezweifelt. Rousu u. Aarts (1996) wenden ein, dass die
von Menschen wahrgenommene Ähnlichkeit zwischen Modellen nicht zwangsläufig den
Anpassungskosten entspricht, die aufgewendet werden müssen, um schrittweise zu einer
korrekten Lösung zu gelangen. Obwohl die Untersuchung nicht im Kontext der Prozessmodellwiederverwendung durchgeführt wurde, sind die Implikationen für die Prozessmodellwiederverwendung ebenfalls nachvollziehbar. Angesichts der noch geringen Beobachtungen zu wahrgenommener Prozessmodellähnlichkeit und noch geringerer Ergebnisse
zur adaptiven Prozessmodellwiederverwendung, sind die in Rousu u. Aarts beschriebenen
Disordinalitäten zwischen wahrgenommener Ähnlichkeit und Anpassungsaufwand auch
für die Prozessmodellierung vorstellbar. Einfach ausgedrückt wäre es demnach möglich,
dass ein den Anforderungen sehr ähnlich erscheinendes wiederverwendbares Prozessmodell zu weitaus höherem Anpassungsaufwand führt, als ein wiederverwendbares Prozessmodell, das den Aufgabenanforderungen sehr viel unähnlicher wirkt.
Laub u. a. (2006) untersuchen die menschliche Wahrnehmung von Ähnlichkeit. Hiernach existieren Ansätze, um ein Maß für die Ähnlichkeit von wahrgenommenen Mustern
zu bestimmen. Oft basieren diese Maße auf der Euklidischen Distanz. In Laub u. a. (2006)
wird gezeigt, dass es Bereiche gibt, in denen genau dieses Euklidische Maß gilt, aber auch
Bereiche, in denen dies nicht der Fall ist. D.h. es handelt sich hier um Bereiche, in denen
die Gültigkeit des Euklidischen Maßes verletzt wird. Die Untersuchung wurde auf Basis der Erkennung von menschlichen Gesichtern durchgeführt. Eine Übertragung dieser
Beobachtung der Verletzung des Euklidischen Maßes auf den Kontext der Prozessmodellwiederverwendung ist bisher noch nicht erfolgt, birgt jedoch vermutlich interessante
Implikationen. Insgesamt ist festzuhalten, dass, um die interne Validität nicht zu gefährden, die Prozessmodellähnlichkeit in einer konkreten Untersuchung kontrolliert werden
sollte.

97

3.2.4. Mentale Repräsentation der Prozessmodelladaption
Nachdem die wesentlichen, extern repräsentierten Artefakte der Geschäftsprozessbeschreibung und des Wiederverwendungsmodells im Rahmen der Prozessmodellwiederverwendung erläutert wurden, erfolgt hier die Beschreibung von Auffassungen der mentalen
Repräsentationen, welche von Prozessmodellierern für die Prozessmodellkonstruktion aufgebaut werden. Im Folgenden werden wesentliche Konzepte und Mechanismen der mentalen Repräsentationsbildung vorgestellt und im Zusammenhang mit dem Einsatz von
verschieden granularen Wiederverwendungsmodellen in Prozessmodellkonstruktionsaufgaben diskutiert. Der Abschnitt gliedert sich nach den kognitiven Konzepten wie folgt: 1)
Kognitives Chunking, 2) Kognition von visuellen Diagrammen, 3) Dual Coding Theory
und 4) Cognitive Load Theory.
Kognitives Chunking
Miller (1956) hat zwei wesentliche theoretische Konzepte vorgeschlagen, die grundlegend
für das Information Processing Framework und die kognitive Psychologie im allgemeinen
sind. Das erste Konzept – jenes der Informationsverarbeitung – zieht eine Rechenmaschine bzw. einen Computer als Modell für das menschliche Lernen heran. Demzufolge
nimmt das menschliche Gehirn Informationen auf, vollzieht Operationen auf ihnen, um
Form oder Inhalt zu ändern, speichert sie, sucht und findet sie auf und generiert auf sie
bezogene Antworten – alles Aktivitäten, die sehr viel Ähnlichkeit mit den wesentlichen
Prozessen eines Computers haben (siehe Abbildung 3.13).
Das zweite wesentliche Konzept ist „chunking“ und die beschränkte Kapazität des Kurzzeitgedächtnisses (short-term memory, auch working memory). Miller (1956) hat die Vermutung geäußert, dass das menschliche Kurzzeitgedächtnis nur 5 bis 9 „chunks“ an Information (7 +/- 2) halten kann. Ein Chunk wird hierbei als jede mögliche bedeutungsvolle
Einheit verstanden und kann sich auf Zahlen, Wörter, Schachpositionen, menschliche
Gesichter etc. beziehen. Dabei ist ein Chunk als eine Sammlung von Elementen zu verstehen, welche eine starke Assoziation untereinander, aber eine nur schwache Assoziation mit Elementen anderer Chunks aufweisen (Gobet u. a. 2001). Diese Ideen sind zu
Grundelementen der meisten Theorien zum menschlichen Gedächtnis geworden. Bei der
Erfassung und Bearbeitung von Aufgaben und ihres Kontexts (d.h. die Lösungsfindung
zu einem komplexen Problem) findet ein spezifischer Chunking-Prozess statt (Lane u. a.
2000; Gobet u. a. 2001). Chunking ist ein Mechanismus, der es ermöglicht, verbesserte
Fähigkeiten der Informationsextraktion aus der Umwelt zu entwickeln, trotz gleich bleibender kognitiver Beschränkungen. Aufgrund dieser mentalen Chunks – diese werden
während der Bearbeitung gebildet, stehen aber auch schon aufgrund von Wissen und Erfahrung in spezifischer Form zur Verfügung – kann angenommen werden, dass bestimmte
Repräsentationen des Problems (aber auch von unterstützenden externen Repräsentationen wie wiederverwendbaren Prozessmodellen) passgenauer sind als andere, in dem

98

Long-term Memory
External
Stimulus

Sensory
Memory

Initial
Processing

Short-term
Memory

Repetition

Forgotten

Retrieval

Elaboration
and Coding

Response

Forgotten

Abbildung 3.13.: Theoretisches Modell der menschlichen Informationsverarbeitung nach
Miller (1956)
Sinne, dass sie eine ergonomischere Bearbeitung des Problems erlauben55 . Beispielsweise könnte nach dieser Auffassung ein externes Modell zur Wiederverwendung, welches
mehrere Informationselemente in wenigen Elementgruppen zusammenfasst, besser zu einer mentalen Repräsentation passen, die aus eher groben Chunks besteht. Es wird hier
eine Analogie zur Granularität (bzw. Modularität) von Prozessmodellen erkennbar, da
auch dort die Zusammenfassung von feineren zu gröberen Informationselementen vollzogen wird (siehe Abschnitt 4.4.2). Eine jeweilig spezifisch vorliegende Granularität eines
Wiederverwendungsmodells könnte daher in der Wahrnehmung des Prozessmodellierers
einen relativ gesehen besseren oder schlechteren Ausgangspunkt für die weitere Bearbeitung darstellen – basierend auf dem Aufwand der notwendigen Anpassungen. Dieses
Potenzial eines Einflusses der Granularität von wiederverwendeten Prozessmodellen auf
die Modellierungsleistung erfordert die nähere Untersuchung des Ausmaßes dieses Potenzials und der Bedingungen, unter denen sich diese Vorteile abschöpfen lassen können.
Der direkte Vergleich von Granularitätsniveaus mit tatsächlich vorliegenden mentalen
Chunks (und ihrer quantifizierten Ausprägung) entzieht sich jedoch den Möglichkeiten
des Untersuchungsrahmens. Festzuhalten bleibt, dass bestimmte Chunk-Zustände der
mentalen Repräsentation mit bestimmten extern repräsentierten Eigenschaften in Wiederverwendungsmodellen, wie der Granularität, besser „zusammenarbeiten“ können, als
mit anderen.

55

Vgl. dazu die Cognitive-Fit-Theorie nach Vessey u. Galletta (1991) in Abschnitt 3.2.1.

99

Kognition von visuellen Diagrammen
Prozessmodelle sind allgemein betrachtet ein spezieller Typ von visuellen Diagrammen.
Visuelle Diagramme werden in der betrieblichen Praxis häufig eingesetzt mit dem Ziel,
bestimmte Inhalte für das Zielpublikum verständlicher darzustellen. Das Verständnis
darüber, wie visuelle Diagramme – im Gegensatz zu z.B. symbolischen Darstellungen –
eigentlich von Menschen verarbeitet werden und welche kognitiven Prozesse dabei ablaufen, ist allerdings gering (Scaife u. Rogers 1996). Inwieweit ein visuelles Diagramm,
hier ein Prozessmodell, Modellierer in einem Modellkonstruktionsprozess überhaupt unterstützen kann und auf welche Weise dies geschieht, sind demnach berechtigte Fragen.
Es existieren einige grundlegende Arbeiten, die spezifische Vorteile bei der Aufgabenbearbeitung mit Hilfe von Diagrammen feststellen konnten. Die Implikationen für die
Prozessmodellwiederverwendung werden anschließend daran kurz dargelegt.
Larkin u. Simon (1987) formulieren die Vermutung, dass sich diagrammatische Datenstrukturen besonders von satzbasierten Datenstrukturen unterscheiden, und zwar durch
die Möglichkeit einer einfacheren Suche in den Inhalten. Entitäten mit ähnlichen Attributen können in Diagrammen beispielsweise räumlich an gleichen Orten angesiedelt sein,
was ihre Auffindbarkeit erleichtert. Dadurch, dass Diagramme simultan Informationen
über den Ort der repräsentierten Komponenten und ihrer Beziehungen darstellen, wird
der Aufwand für die Suche und Auffindung erheblich reduziert (Scaife u. Rogers 1996,
S. 192). Weiterhin konnten Studien bekräftigen, dass Diagramme eine wichtige Rolle als
externe Gedächtnisse (engl. external memory) übernehmen. Dieses externe Gedächtnis
ermöglicht es, das Gesamtbild des Problems simultan aufrechtzuerhalten, während parallel dazu die Lösung schrittweise erarbeitet werden kann. Obwohl dies auch für satzbasierte
Strukturen angenommen werden kann, scheint das „computational offloading“ – also das
Auslagern von kognitiven Rechenoperationen in das externe Gedächtnis – mit Hilfe von
Diagrammen für bestimmte Probleme in einem größeren Umfang möglich zu sein (Larkin u. Simon 1987; Zhang u. Norman 1994). Hinsichtlich der kognitiven Prozesse gibt
es unterschiedliche Vorstellungen davon, was in einzelnen Subjekten im Detail abläuft.
Koedinger u. Anderson (1990) merken beispielsweise an, dass sich in Diagrammen problemlösende Schlüsse nicht generell einfacher ziehen lassen als in symbolischen Darstellungen (so von Larkin u. Simon (1987) nahegelegt), sondern dass dies von der Erfahrung
und dem Gelernten bezüglich einer Repräsentationsart abhänge. Nach Bauer u. JohnsonLaird (1993) wird die Konstruktion von Bedeutungen aus Worten heraus umgangen, indem visuelle Repräsentationen gebildet werden, deren Manipulation weniger Ressourcen
des Arbeitsgedächtnisses benötigt und dadurch den Lösungsprozess beschleunigt (siehe
auch Scaife u. Rogers 1996, S. 195). Eine weitere Perspektive fokussiert die Möglichkeiten der interpretatorischen Beschränkung in Diagrammen (auch: graphical constraining).
Die wahrnehmbaren Informationen in einem Diagramm können so angelegt sein, dass
das Problem nur auf einige wenige Arten verstanden werden kann (im Gegensatz zu sehr
vielen möglichen Arten), so dass der Diagrammnutzer auf bestimmte Lösungsmöglichkeiten gelenkt und die Verarbeitung dadurch kognitiv sparsamer wird (Scaife u. Rogers
1996; Stenning u. Oberlander 1995, S. 4). Diesem Vorschlag liegt jedoch die Annahme

100

zugrunde, dass die intersubjektive Übereinstimmung bezüglich graphischer Symbole sehr
hoch ist. Die Gültigkeit dieser Annahme darf jedoch zumindest für Subjektgruppen, in
denen kein hohes Maß an Wissen bezüglich einer speziellen diagrammbasierten Sprache
vorliegt, angezweifelt werden.
In Bezug auf die Aufgabe der wiederverwendungsbasierten Prozessmodellkonstruktion
können prinzipiell die Auffassungen eines externen Gedächtnis (d.h. das Wiederverwendungsmodell, da es Lösunganteile enthält, auf welchem computational offloading vollzogen werden kann) und des graphical constraining (auch das Wiederverwendungsmodell,
welches den Lösungsraum eingrenzt), übertragen werden. Ein Unterschied zwischen den
Arbeiten zur Nutzung von Diagrammen in problembezogenen Aufgaben und der Prozessmodellwiederverwendung besteht jedoch darin, dass die Diagramme in der Regel als
solche genutzt werden und über sie bzw. „in“ ihnen mentale Operationen durchgeführt
werden. Sie werden typischerweise nicht adaptiert. In der Prozessmodellwiederverwendung geht es aber darüber hinaus, da das wiederverwendete Diagramm selbst Bestandteil
der Aufgabe ist und entsprechend adaptiert werden muss. Die Implikationen der bestehenden Erkenntnisse zur Kognition von visuellen Diagrammen sind daher in Bezug auf
die Prozessmodellkonstruktion unter Wiederverwendung noch begrenzt.
Dual Coding Theory
Die Dual-Coding-Theorie basiert auf dem Verständnis, dass Individuen zwei separate
Kanäle der Informationsverarbeitung nutzen: visuell und auditorisch (Mayer 1975, 1989).
Die Theorie stützt sich auf drei grundlegende Annahmen. Die erste Annahme geht davon
aus, dass Menschen über zwei separate Kanäle der Verarbeitung für jeweils verbales und
visuelles Material verfügen. Dass unterschiedliche Regionen des Gehirns für verschiedene
Funktionen, wie bildliche Darstellung oder Sprachverarbeitung, aktiviert werden, konnte
in den letzten zwei Jahrzehnten durch kontinuierlich verbesserte Bildgebungsverfahren
und umfangreiche Untersuchungen gezeigt werden (z.B. Cabeza u. Nyberg 2000; Wager
u. Smith 2003). Die zweite Annahme geht davon aus, dass ein Verarbeitungskanal immer
nur eine begrenzte Zahl an Informationen verarbeiten kann. Diese Annahme ist analog
in der Cognitive Load Theory wiederzufinden (siehe nächster Abschnitt). Drittens wird
angenommen, dass Menschen aktiv an der Erstellung von bedeutsamen mentalen Repräsentationen beteiligt sind. Dies umfasst das Filtern, die Organisation und die Integration
der verbalen und visuellen Informationen. Die zwei Kanäle, auditorisch und visuell, ergänzen sich, so dass das Verständnis verbessert werden kann, wenn über beide Kanäle
Informationen aufgenommen werden im Gegensatz zur Aufnahme über lediglich einen
Kanal. Die Cognitive Theory of Multimedia Learning stützt sich auf diese Aussagen und
schlägt vor, dass Material, welches aufgenommen, verstanden und im Gedächtnis gespeichert werden soll, möglichst Bilder und Wörter enthalten soll. Das allgemeine Prinzip,
das diesen Auffassungen zugrunde liegt, ist das Multimedia Principal (Mayer 1989, 2001).
Diese theoretische Grundlage wird herangezogen, um den Labeling-Stil in Prozessmodellen hinsichtlich seiner Auswirkungen auf die Verständlichkeit bei Modellbetrachtern zu

101

untersuchen (Mendling u. a. 2008). Ein Label ist ein Text, der zur näheren Beschreibung
an graphischen Symbolen angebracht wird. Die Güte von Prozessmodellen im Sinne von
verbesserter Kommunikation und gemeinsamem Verständnis hängt demnach nicht nur
von der Wahl der grafischen Konstrukte ab, sondern auch besonders von der Annotation
mit textlichen Labels. Basierend auf empirisichen Daten werden verschiedene Stile des
Labelings untersucht und es konnte gezeigt werden, dass kurze Labels für Aktivitäten das
Verständnis von Prozessmodellen verbessern (Mendling u. a. 2008). Implikationen für die
Prozessmodellwiederverwendung haben diese Ergebnisse insofern, als dass unterschiedliche Stile des Labeling im Wiederverwendungsmodell die Verständlichkeit beeinflussen
und damit indirekt Effekte auf den Umfang und die Präzision der Adaptionsaktivität
ausüben könnten. Im Untersuchungskontext der Prozessmodellwiederverwendung gibt es
keine auditorischen Informationen im engeren Sinne, aber durchaus verbale Informationen und damit auch kanalentsprechende mentale Codierungen. Über die Zweikanaligkeit
könnten daher positive Effekte auf die Verständlichkeit der wiederverwendeten Prozessmodelle erreicht werden und damit indirekt auch auf die Adaptionsaktivität. Interessanter
ist aber im Hinblick auf die unterschiedliche Informationsdichte in verschieden granularen
Wiederverwendungsmodellen wie die Beschränkung der Kanalkapazitäten die adaptiven
Möglichkeiten beeinflusst.
Cognitive Load Theory
Die Cognitive Load Theory wurde von Sweller entwickelt als ein Modell der menschlichen
Kognition und legt den Fokus auf die beschränkten Kapazitäten des Arbeitsgedächtnis
(working memory) (Sweller 1988, 1994; Paas u. a. 2010). Cognitive load (dt. kognitive Belastung) bezeichnet die Beanspruchung des Arbeitsgedächtnis während der Bearbeitung
von kognitiven Aufgaben wie Lernen. Der Begriff des Arbeitsgedächtnis ist vom Kurzzeitgedächtnis (engl. short-time memory) abzugrenzen (Baddeley 1992). Das Arbeitsgedächtnis bezieht sich auf Strukturen und Prozesse, welche die temporäre Speicherung
und Manipulation von Informationen übernehmen. Der Begriff des Kurzzeitgedächtnis
bezeichnet allgemein die kurzzeitliche Speicherung von Informationen ohne Aktivitäten
der Manipulation bzw. Organisation dieser Informationen mit einzuschließen. Wenn ein
Individuum eine Lernaufgabe bearbeiten muss, für die kein adäquates Schema vorliegt,
dann müssen alle Informationselemente einzeln und simultan im Gedächtnis behalten
werden. Dies beansprucht das Arbeitsgedächtnis, während der Lernende versucht, ein
neues Schema für die neuen Informationen zu erzeugen. Bevor neue Informationen in
das Langzeitgedächtnis übergehen und als Schema gespeichert werden, müssen sie im
Arbeitsgedächtnis verarbeitet werden. Die Grundannahme der CLT hierbei ist, dass das
Arbeitsgedächtnis nicht unendlich belastbar, sondern kapazitätsbeschränkt ist (vgl. die
Kanalkapazitätsschranke der DCT im vorhergehenden Abschnitt). Wenn die Verarbeitung der neuen Informationen die Kapazitäten des Arbeitsgedächtnis überschreitet, dann
wird der effiziente Lernvorgang behindert. Die Kapazität des Arbeitsgedächtnis ist beschränkt hinsichtlich des „Platzes“ und der Zeit. Die Zeitbeschränkung geht von der
Annahme aus, dass es ein „Decay“ – einen zeitlichen Verfall von Informationen – geben

102

kann. Es gibt Hinweise, die gegen ein Decay von Informationen im Arbeitsgedächtnis
sprechen (z.B. Lewandowsky u. a. 2009).
Das Arbeitsgedächtnis kann nach Miller (1956) maximal sieben (plus minus zwei) Informationsteile („Chunks“) halten. Jüngere Untersuchungen legen eher vier haltbare, im
Sinne von präsent und aufrufbar, Chunks nahe (Cowan 2000). Die CLT ist für die Untersuchungsfrage der Effekte veränderter Granularität von Wiederverwendungsmodellen auf
die Prozessmodellierungsperformanz insofern relevant, als dass ab einer bestimmten Menge an zu erfassenden und beizubehaltenden Informationselementen Abruf- bzw. Verarbeitungsschwierigkeiten bzgl. weiterer Elemente auftreten. Eine unterschiedliche kognitive
Ladung basierend auf zu erfassenden Informationen entsteht im Rahmen der Prozessmodellwiederverwendung durch die Variation der Granularität der Wiederverwendungsmodelle, welche für die Aufgabenbearbeitung eingesetzt werden sollen. Performanzgrößen,
die aufgrund dieser unterschiedlichen kognitiven Ladungen beeinflusst werden können,
sind z.B. die Adaptionsperformanz und die finale semantische Qualität der Ergebnismodelle. Es lässt sich also ein direkter Bezug der theoretischen Aussage der CLT zu den
untersuchungsrelevanten Größen in der wiederverwendungsbasierten Prozessmodellkonstruktion herstellen.
Die Frage ist, zu welchem Grad das Arbeitsgedächtnis im Untersuchungskontext der
Prozessmodellwiederverwendung in Anspruch genommen wird und ob von Unterschieden in der kognitiven Beanspruchung ausgegangen werden kann, die sich durch das unterschiedliche Treatment mit verschieden granularen Prozessmodellen ergeben könnten.
Untersuchungen, die sich auf die reine Bestimmung des Kapazitätslimits des Arbeitsgedächtnis konzentrieren, müssen bestimmten Anforderungen an die Beobachtungsbedingungen gerecht werden (Cowan 2000, S. 88-89). Untersuchungen, die diese Anforderungen
nicht erfüllen, sind speziell zu interpretieren, da ihre Ergebnisse keine direkten Schlüsse
auf genaue Kapazitätsbeschränkungen zulassen. Eine Klasse von Untersuchungen, die
nicht zu dem engen Kreis zu zählen sind, sind Studien, bei denen die beschränkte Kapazität des Arbeitsgedächtnis sowohl von erfassten Chunks als auch von Zwischenverarbeitungsergebnissen belegt wird. Ein Beispiel für solch eine Untersuchung ist die sogenannte
„n-back task“, bei der jedes Item einer fortlaufenden Serie mit jenem Item verglichen weden muss, das n Items zuvor gezeigt wurde (Cohen u. a. 1977; Poulton 1954). Ein weiteres
Beispiel ist eine Aufgabe, bei der das Untersuchungssubjekt eine Folge von Zahlen gesagt
bekommt und immer genau drei ungerade Zahlen in einer Reihe erkennen muss (Jacoby
u. a. 1989). Außerdem werden Untersuchungen ausgenommen, bei denen aus dem Arbeitsgedächtnis Inhalte abgerufen werden, das Arbeitsgedächtnis dann aber für andere
Inhalte wiederverwendet kann – ohne dass der Recall der urpünglichen Inhalte nicht
mehr möglich wäre. Diese Möglichkeit ist z.B. gegeben, wenn eine visuelle Information
weiterhin sichtbar bleibt, nachdem das Untersuchungssubjekt die Informationen aus dem
Arbeitsgedächtnis abgerufen hat (Cowan 2000). Dies ist ein Fall, in dem eine Grafik als
externes Gedächtnis genutzt werden kann.
Die betrachtete Aufgabe der Prozessmodellwiederverwendung fällt unter diese Untersuchungsansätze, da sowohl Zwischenverarbeitungsergebnisse (dies sind die Anpassungen,

103

deren Erforderlichkeit vom Modellierer ermittelt werden muss) das Arbeitsgedächtnis
belegen, als auch eine externe Auslagerung in das Prozessdiagramm stattfindet (das Prozessdiagramm bleibt während der Aufgabenbearbeitung sichtbar). Für die Überprüfung
des Kernkonzepts der CLT, d.h. ob ein Kapazitätslimit vorliegt und welchen genauen
Umfang es hat, ist diese Aufgabe nur sehr eingeschränkt verwendbar. Dennoch kann der
Grundgedanke der CLT, dass das Arbeitsgedächtnis kapazitätsbeschränkt sei, herangezogen werden, wenn neben den Chunks der reinen Erfassung (von Informationen in Aufgabe und Wiederverwendungsmodell) auch die Zwischenverarbeitung und deren Ergebnisse
(notwendige Anpassungen) als kapazitätsbelegende Einheiten einbezogen werden.

3.2.5. Entscheidungsprozesse in der Prozessmodellwiederverwendung
Auf Basis der mentalen Repräsentationen, die über die Geschäftsprozessbeschreibung
und das Wiederverwendungsmodell gebildet werden, müssen Entscheidungen gebildet
werden, die sich auf Anpassungen am Wiederverwendungsmodell beziehen, so dass die
korrekte Lösung erstellt werden kann. Da diese Entscheidungsssituation potenziell viele
Informationen umfasst, aus denen die anforderungsgerechten und relevanten extrahiert
werden müssen, sind in diesem Kontext grundlegende menschliche Entscheidungsheuristiken zu berücksichtigen, um Erklärungsansätze heranziehen zu können, die in der Lage
sind, etwaige Performanzunterschiede (insbesondere im Zusammenhang mit Variationen
der Repräsentation des Prozesswiederverwendungsmodells) zu erläutern. Dazu werden im
Folgenden Konzepte des 1) Information Retrieval, 2) grundlegende kognitive Entscheidungsheuristiken und 3) der fokussierte Anker- und Anpassungseffekt vorgestellt und im
Untersuchungskontext diskutiert.
Information Retrieval
Die Wiederverwendung von Prozessmodellen umfasst die Aktivitäten Vergleich und Adaption eines Wiederverwendungsmodells vor dem Hintergrund eines zu modellierenden
Geschäftsprozesses (vgl. den Wiederverwendungsprozess in Abschnitt 3.1). Diese beiden
Tätigkeiten können im Sinne einer Suchaktivität im Wiederverwendungsmodell interpretiert werden, deren Elemente mit den Anforderungen aus dem Geschäftsprozess abgeglichen und entsprechend beibehalten bzw. angepasst werden. Theorien, die sich mit
der Wiederverwendung und Auffindung von Informationen im Allgemeinen auseinandersetzen sind daher von hoher Relevanz. Gesammeltes Wissen diesbezüglich existiert im
Forschungsfeld des Information Retrieval (Croft 1987; Ingwersen 1996; Vakkari 1999;
Baeza-Yates u. Ribeiro-Neto 1999; van Rijsbergen 2004). Vakkari (1999) geben einen
Überblick über die zentralen Konzepte aus dem Information Retrieval und Information
Seeking und fokussieren die Zusammenhänge zwischen der Aufgabenkomplexität (eines
Problems) und den dafür angewandten Informationsaktivitäten: Informationsbedarfsbestimmung, Suchstrategien und Relevanzeinschätzungen. Diese Konzepte wurden primär
in der Domäne der Dokumentensuche entwickelt. Sie lassen sich aber auf die in dieser

104

Tabelle 3.3.: Suchstrategien in Abhängigkeit von der Problemstruktur
Struktur des Problems
schwach strukturiert
Browsing
Suchstrategie

strukturiert
Querying

Scanning
Browsing
Learning
Recognition
Surveying-Chaining
Journal run

Selecting
Specification
Ending

Arbeit im Fokus stehende Aufgabe der Prozessmodellierung unter Wiederverwendung
existierender Modelle übertragen, wenn der Anteil des Wiederverwendungsmodells – im
Sinne eines Dokuments – „herausgezogen“ und für die Prozessmodelllösung verwandt
wird. Insbesondere die 1) Suchstrategien und 2) Gütemaße zur Einschätzung der Suchergebnisse können im Zusammenhang mit der Prozessmodellwiederverwendung eingesetzt
werden.
Im Information Retrieval ist der Aufbau des Fokus auf die (Such-)Aufgabe – die Formulierung des Problems – verbunden mit dem Einsatz und der Strukturierung von bestimmten Informationsaktivitäten (Vakkari 1999, S. 830). Dafür werden bestimmte Suchstrategien eingesetzt. In Tabelle 3.3 sind in Abhängigkeit von der Strukturiertheit des Problems
beispielhafte alternative Suchstrategien56 dargestellt (Vakkari 1999, S. 832).
Wenn die Aufgabe anfangs nicht stark strukturiert ist, dann werden eher explorative Suchstragien eingesetzt. Wenn die Aufgabe sich klarer abzeichnet, sinkt der Anteil
an explorativen Suchvorgängen und die assoziative Suche nimmt zu (Yang 1997). Auf
die Modellierung unter Wiederverwendung übertragen bedeutet dies, dass, wenn sich die
Modellierungsaufgabe mit der Bearbeitungszeit für den Modellierer zunehmend verdeutlicht, der Anteil spezifischer Suchvorgänge anwachsen müsste – die Suche bezöge sich
dann auf das Wiederverwendungsmodell und die in ihm enthaltenen bzw. nicht enthaltenen relevanten Informationen. Diese spezifische Suche könnte sich dann wiederum darin
zeigen, dass der Modellierer in der Lage war, die überflüssigen Informationen zu streichen
bzw. fehlende oder zu unspezifische Informationselemente im Ergebnismodell zu ergänzen. Wenn im Ergebnismodell allerdings nicht die notwendigen Anpassungen vollzogen
wurden, sind verschiedene Ursachen möglich. Auf die unterschiedlichen Suchstrategien
wird sich eine Erklärung nicht beschränken können. Der Aufgabenfokus konnte eventuell
nicht in der verfügbaren Zeit gebildet werden, weil die Modellierungsaufgabe dafür zu
komplex ist. D.h. dass auch die Suchstrategie nicht von einem explorativen Modus auf
einen stärker spezifischen Modus hätte umgestellt werden können. Selbst wenn die Fokus56

Journal run ist für den Kontext der Prozessmodellwiederverwendung nicht relevant.

105

bildung erfolgt und auch spezifischere Suchvorgänge in Gang gesetzt werden, so könnten
diese auf den falschen Kriterien aufbauen. Auch wäre eine verbleibende hohe Restkomplexität der Suche im Wiederverwendungsmodell denkbar, welche zwar auf spezifische
Weise erfolgen könnte, aber dennoch ressourcenintensiv ist und sich dadurch nicht im
Ergebnismodell niederschlagen kann. Allein basierend auf dem Ergebnismodell wird sich
der Zusammenhang zwischen der Aufgabe und verschiedenen angewandten Suchstrategien auf dem Wiederverwendungsmodell nicht differenziert aufzeigen lassen. Dazu bedarf
es empirischer Methoden, die den konkreten Prozess der Informationssuche (z.B. in einem wiederverwendbaren Modell) erheben. Festzuhalten bleibt, dass die Anwendung von
spezifischen Suchstrategien im Rahmen der Prozessmodellwiederverwendung identifiziert
werden kann. Dabei ist von einer eher schwach strukturierten Aufgabe auszugehen, da
die Repräsentation des zu modellierenden Geschäftsprozesses typischerweise nicht strukturiert vorliegt, sondern aus mehrkanaligen, zeitlich versetzten und u.U. stark verteilten
Informationen besteht. Das Wiederverwendungsmodell ist selbst zwar eine strukturierte
Repräsentation. Es ist im Hinblick auf die Anforderungen des Geschäftsprozesses aber
nicht deckungsgleich und muss angepasst werden. Die Anpassungsaufgabe kann aus kognitiver Sicht als sehr viel weniger strukturiert interpretiert werden.
Das Information Retrieval liefert darüber hinaus Gütemaße, mit denen sich die Qualität
der aufgefundenen Ergebnisse quantifizieren lässt. Hierzu zählen vor allem Precision und
Recall (z.B. Croft 1987) und Kombinationen der beiden Maße. Diese Gütemaße stellen
prinzipiell eine Möglichkeit dar, auch die Ergebnisse aus Aufgaben der wiederverwendungsorientierten Prozessmodellerstellung nach ihrer semantischen Qualität hinsichtlich
Validität und Vollständigkeit zu bewerten. In Abschnitt 4.1 und Abschnitt 5.2.4 (im Rahmen der experimentellen Untersuchung) werden diese Konzepte des Information Retrieval
herangezogen, um genau diese qualitative Ergebnisbeurteilung vorzunehmen.
Entscheidungsheuristiken
In der kognitiven Psychologie werden konkrete Entscheidungsprozesse untersucht, die bei
der Entscheidungsfindung in spezifischen Auswahlproblemen von Menschen durchgeführt
werden. Diese liegen prinzipiell auch den Aktivitäten des Vergleichs und der Adaption
bei der Prozessmodellwiederverwendung zugrunde, welche ausgeführt werden, um die
richtigen Entscheidungen in Bezug auf die Adaption des Wiederverwendungsmodells zu
treffen. Für kognitive Entscheidungsprozesse werden häufig zwei grundlegende Hypothesen angenommen. Die Memory-Search-Hypothese besagt, dass bei der Lösung von
bestimmten Aufgaben das Gedächtnis nach den entscheidenden Informationen durchsucht werden muss und dass diese Suche mit unter Umständen erheblichem Aufwand
verbunden sein kann. Aus diesem Grund könnten vereinfachte Heuristiken erforderlich
sein (Gigerenzer 1997; Bröder u. Schiffer 2003; Garcia-Retamero u. a. 2007), die das
Durchsuchen effizent gestalten. Die Formathypothese hingegen legt die Art und Weise
der Repräsentation im Gedächtnis zugrunde, also z.B. verbale, sequenzielle Codierung

106

im Vergleich zu bild- bzw. schematabasierter Codierung57 . In Abhängigkeit von diesen
Gedächtnis-Codierungen können jeweils unterschiedliche Informationsextraktionsstrategien angewandt werden. In diesem Kontext können analog zu den Codierungsformaten
zwei Ansätze der Informationssuche voneinander differenziert werden. Dies ist zum einen
das „simple heuristics framework“ von Gigerenzer u. a. (1999), das eine sequenzielle Abbarbeitung von informativen Merkmalen, Cues, annimmt. Zur zweiten Gruppe gehören
jene Ansichten, die simultane und kompensatorische Cue-Verarbeitung annehmen (diese
Sichten sind verwandt mit Modellen basierend auf der Image Theory). Der Begriff kompensatorisch impliziert, dass alle wichtigen Merkmale gleichzeitig berücksichtigt werden,
ohne dass die entscheidenden Subjekte es als schwierig empfinden würden.
Diese Informationsextraktionsstrategien können nun im Kontext der Prozessmodellwiederverwendung betrachtet werden. Die Überprüfung des Wiederverwendungsmodells
darauf, ob es als Lösungsmodell – oder Annäherung an eine Lösung – tauglich ist, erfordert einen Vergleich der Anforderungen aus der Geschäftsprozessbeschreibung mit den
grafischen Symbolen und Beschriftungen des Prozessmodells. Die Anforderungsinformationen müssen also zunächst im Gedächtnis als mentale Repräsentationen vorliegen, um
dann wieder für den Abgleich mit dem Stimulus aus dem Wiederverwendungsmodell
abgerufen werden zu können. Bereits was die Codierung der Geschäftsprozessbeschreibung angeht, ist unklar, nach welcher Art diese primär repräsentiert wird. Dies könnte
sequenziell geschehen, was im Falle einer textlichen Beschreibung besonders nahe liegt.
Modellierer könnten aber bereits auf Basis der Geschäftsprozessbeschreibung auch Schemata aufbauen, die eher der Image-Theorie entsprechen. Ebenso ist unklar, mit welcher primären Strategie die Informationen aus dem wiederverwendeten Prozessmodell
gesucht und aufgefunden werden, denn dies könnte über eine sequenzielle Verarbeitung
der Prozessmodellelemente (d.h. Abgleich mit den Anforderungen), aber auch über eine
image-basierte, also auf den graphischen Prozessmodellsymbolen basierende, simultane
Verarbeitung erfolgen. Falls sich bestimmte Schwierigkeiten der Anpassung des Wiederverwendungsmodells zeigen, dann kann das zumindest implizieren, dass vom Modellierer
eine ungeeignete Such- und Vergleichsstrategie angewandt wurde. Es kann aber auch
bedeuten, dass das Repräsentationsformat des Wiederverwendungsmodells, z.B. ein feingranulares Prozessmodell mit einigen irrelevanten Modellelementen, zur Prozessmodellerstellung ungeeignet ist in Bezug auf die dem Modellierer zur Verfügung stehenden Extraktionsstrategien (er könnte sich einer sequenziellen Strategie bedienen und durch den
hohen Aufwand der einzelnen Bearbeitungen blockiert werden). Dieses Szenario würde zu
der Vermutung passen, dass die Anpassung von feingranularen, mit irrelevanten Prozessmodellelementen versetzten Wiederverwendungsmodellen schwerer fällt, als die Verfeinerung von grobgranularen Modellen. Die Untersuchungen, die im Bereich der adaptiven
Entscheidungsheuristiken duchgeführt wurden, lassen eine Übertragung der Konzepte
noch nicht zu, da in der Regel kleinere Aufgaben, wie two-alternative-forced-choice tasks
(Bröder u. Schiffer 2003) analysiert wurden. Die Arbeitssituation der Prozessmodellwie57

vgl. hierzu die Image Theory, die eine Schema-Theorie ist. Es gibt verschiedene Arten von Schemata:
Skripte, Stereotypen, Prototypen, etc. und Images, d.h. Bilder (Beach u. Mitchell 1987; Kosslyn
1994).

107

derverwendung umfasst mehrere solcher Aufgaben in einer: es gibt multiple Entscheidungsalternativen (verschiedene potenzielle Anpassungsmöglichkeiten) im Gegensatz zu
einer Zwei-Alternativen-Auswahl. Weiterhin bleiben die Fragen nach der Art der mentalen Repräsentation von und Informationsextraktion in Prozessmodellen interessant,
da aufgrund der Beschaffenheit von Prozessmodellen regelmäßig eine verbale und eine
image-basierte Codierung bzw. Extraktion in Kombination in Frage käme.
Anker- und Anpassungseffekt
Wenn im Rahmen einer Aufgabenbearbeitung dem Bearbeiter eine Lösungsschätzung
vorgegeben wird, dann können bestimmte kognitive Effekte auftreten, welche die erforderlichen Anpassungsaktivitäten auf unterschiedliche Weise beeinflussen. Die adaptive
Wiederverwendung von Geschäftsprozessmodellen zur Konstruktion eines Prozessmodells
für eine neue Prozessdesignaufgabe stellt eine Arbeitssituation dar, in der diese Effekte
potenziell auch auftreten können, da ebenfalls eine Lösungsschätzung – das aufgefundenene, wiederzuverwendende Geschäftsprozessmodell – vorliegt, welches nicht direkt als
Lösungsmodell übernommen werden kann, sondern angepasst werden muss. In den folgenden Abschnitten wird zunächst der grundlegende kognitive Effekt des Anchoring (dt.
Ankern) aus der Verhaltensökonomie beschrieben. Davon ausgehend werden die bisherigen Untersuchungen dieses Effekts im Kontext wiederverwendungsorientierter Ansätze in
Bereichen der Informationssystemgestaltung beleuchtet. Daran anschließend wird dann
die Rolle des Ankereffekts in der Wiederverwendung von Geschäftsprozessmodellen diskutiert.
Anchoring oder Focalism ist ein kognitiver Bias, der eine weit verbreitete menschliche
Tendenz beschreibt, sich bei der Entscheidungsfindung auf einen oder nur wenige „Cues“
(hinweisgebende Merkmale) zu verlassen (Plous 1993). Dieser fokussierte Bezug wird
auch Anchoring and Adjustment Bias genannt. Es handelt sich hierbei um ein robustes
Phänomen in Entscheidungsprozessen, welches in zahlreichen Experimenten, bei denen
Teilnehmer befragt wurden bzw. Entscheidungen für spezifische Probleme zu treffen hatten, getestet wurde (z.B. Missier u. a. 2007). Erkenntnisse der kognitiven Psychologie
legen nahe, dass das Treffen von Entscheidungen in Bezug auf die Durchführung notwendiger Anpassungen zur Erfüllung von Anwendungsanforderungen, sehr schwierig sein
kann. Dies macht die Wiederverwendung von Systemdesigns zusätzlich herausfordernd
(vgl. hierzu Tversky u. Kahneman 1974; Wright u. Anderson 1989; Plous 1993).
Die Betrachtung der Anchoring und Adjustmentheuristik wurde erst vor wenigen Jahren im Kontext der IS-Gestaltung erstmals untersucht. Parsons u. Saunders (2004) haben die kognitive Verzerrung des Anchoring und Adjustment in der Domäne von ISEntwicklungsaufgaben explorativ untersucht, bei denen explizit Artefakte zur Wiederverwendung zur Verfügung standen, die den Entwicklern als Hilfestellung gebende Lösungsschätzung diente. Unter Bezugnahme auf die Wiederverwendung von Artefakten der
IS-Gestaltung wurde die Anchoring- und Anpassungsheuristik im Hinblick auf das Verhalten von Entwicklern bzw. Datenbankdesignern zunächst in zweierlei Hinsicht verstanden.

108

Die beiden differenzierten Arten des Anchoring beruhen auf der Art und Weise wie ein
Wiederverwendungsartefakt von den Anforderungen des zu entwickelnden Systems abweichen kann (Parsons u. Saunders 2004, S. 875). Im ersten Fall bestehen Anforderungen des
zu entwickelnden Systems, die vom Wiederverwendungsartefakt nicht abgedeckt werden,
d.h. sie sind dort nicht repräsentiert. Die Bereitstellung bzw. Repräsentation dieser Anforderungen in einem Lösungsartefakt kann mit der Korrektheit der Lösung assoziiert werden58 . Anchoring bedeutet in diesem Fall, dass ein Entwickler unbewusst an dem bereitgestellten Wiederverwendungsartefakt festhalten würde und es versäumt, die Anpassungen
vorzunehmen, so dass die notwendigen Anforderungen im Lösungsartefakt repräsentiert
sind. Dieses Versäumnis würde einen Korrektheitsverlust der Lösung bedeuten. Es ist
denkbar, dass Entwickler die Auslassungen in einem Wiederverwendungsartefakt zwar
erkennen, aber dennoch von einer einfügenden Anpassung absehen, d.h. bewusst ein unkorrektes Ergebnis konstruieren. Es darf aber angenommen werden, dass Entwickler nicht
bewusst erforderliche Funktionalitäten in einem Lösungsartefakt auslassen würden und
in der Regel die Motivation haben, eine korrekte Lösung zu erstellen (Parsons u. Saunders
2004, S. 876). Im zweiten Fall enthält das Wiederverwendungsartefakt Funktionalitäten,
die im Hinblick auf die Lösungsanforderungen fehlerhaft sind. Beispielsweise könnte ein
Wiederverwendungsartefakt die funktionale Anforderung enthalten, dass Kunden immer
eine Mitgliedsnummer zugewiesen bekommen, während hingegen das neue System nur eine optionale Zuweisung von Mitgliedsnummern erfordert. Auch hier wäre die Korrektheit
der finalen Lösung beeinträchtigt, wenn der Entwickler am Wiederverwendungsartefakt
festhalten und die fehlerhafte Funktionalität in das Lösungsartefakt übernehmen würde
(Parsons u. Saunders 2004, S. 876). Das Anchoring bezieht sich hier auf die Übernahme
von fehlerhaften Elementen des Wiederverwendungsartefakts. Ein Wiederverwendungsartefakt kann darüber hinaus Funktionalitäten beeinhalten, die nicht in den Anforderungen
der vorliegenden IS-Gestaltungsaufgabe spezifiziert sind. Nach Parsons u. Saunders werden diese irrelevanten Funktionalitäten als extraneous bezeichnet. Wird das Anchoring
an solchen Elementen eines Wiederverwendungsartefakts vollzogen, hält der Entwickler
an diesen irrelevanten Funktionalitäten fest und übernimmt sie in das entstehende Lösungsartefakt. Diese Situation wird allerdings als verschieden von den oben genannten
zwei Fällen eingestuft und zwar in zweierlei Hinsicht. Erstens muss eine beibehaltene
Funktionalität nicht notwendigerweise zu einem Korrektheitsverlust führen, solange den
Aufgabenanforderungen nicht direkt widersprochen wird. Zweitens muss das Beibehalten
(aus Aufgabensicht) irrelevanter Information nicht unbedingt auf einem unterbewussten,
kognitiven Effekt beruhen, sondern könnte bewusst vom Entwickler durchgeführt werden,
z.B. auf Basis bestimmter Erfahrungen. Im Rahmen einer auf Wiederverwendung beruhenden Entity-Relationship-Modellierungsaufgabe für das Luftfahrtwesen wurde schließlich gezeigt, dass insbesondere das Anchoring bezüglich irrelevanter (d.h. überschüssiger)
Informationselemente (im Wiederverwendungsmodell) signifikant ist, d.h. dass viele der
nicht notwendigen Informationen im Wiederverwendungsmodell von den Modellierenden
in das Lösungsmodell übertragen wurden.
58

Vgl. dazu die Definitionen von semantischer Vollständigkeit und Validität von Modellen beispielsweise
in Lindland u. a. (1994).

109

Dies kann im Kontext der Prozessmodellwiederverwendung diskutiert werden. Die Untersuchung weist zwar auf die Existenz der Anchoring-Heuristik hin und impliziert in diesem engen Kontext (einer einzigen bearbeiteten Aufgabe), dass die Wiederverwendung
des Modells für die Bearbeitung der gestellten Entwicklungsaufgabe hinderlich sei. Es
bleibt jedoch zu fragen, ob dies für jede Aufgabengröße zutrifft, d.h. ob nicht doch Konstellationen zwischen Aufgabenkomplexität und Wiederverwendungsmodell existieren,
bei denen die Aufgabenbearbeitung ohne jegliche Assistenzform weitaus ressourcenintensiver wäre, als der Wiederverwendungsansatz. Da die Aufgabenkomplexität in der Studie
von Parsons u. Saunders nicht variiert wird, kann hierzu keine Aussage getroffen werden.
Eine Kontrollgruppe wurde ebenfalls nicht untersucht, weswegen es nicht möglich ist,
etwas über die Performanz von Entwicklern ohne wiederverwendbare Lösungsschätzung
im direkten Vergleich auszusagen. Womöglich wäre diese Kontrollgruppe in der gleichen
verfügbaren Zeit weit hinter dem Ergebnis der Treatment-Gruppe zurückgeblieben und
zwar so weit, dass die qualitativ abwertenden Anchoring-Effekte – also Zusatzfunktionalitäten, Auslassungen und propagierte Fehler – im Ergebnis der Treatment-Gruppe in Kauf
hätten genommen werden können. Darüberhinaus handelte es sich bei der Festlegung der
Anchoring-relevanten Abweichungen (unabhängige Variablen) im Wiederverwendungsmodell um eine einzige – willkürliche – Manipulation (bzw. Manipulationsmenge). Es ist
jedoch anzunehmen, dass Anchoring-Effekte von Typ und Ausmaß der Manipulationen
abhängen (auch in Relation zum Umfang des Wiederverwendungsmodells). Beispielsweise
könnte man davon ausgehen, dass eine einzige überflüssige Zusatzfunktionalität kognitiv anders verarbeitet wird, als eine größere Menge an Zusatzfunktionalitäten, die nicht
den Anforderungen entsprechen. Erstere könnte in der Regel unentdeckt bleiben, während
letztere aufgrund ihrer Menge von Entwicklern sehr viel eher registriert und dadurch auch
aus der Lösung gelöscht werden könnten. Es wäre aber auch der Fall denkbar, dass eine
einzige überflüssige Funktionalität in einem umfangmäßig kleineren Wiederverwendungsmodell auffälliger und damit leichter zu entfernen wäre, als eine Menge von überflüssiger
Funktionalität, die unter Umständen als homogener und „normaler“ wahrgenommen werden könnte und auf die dadurch ein sehr viel stärkeres Anchoring wirken würde. Weiterhin
könnte der Grad an Anchoring stark in Abhängigkeit vom Manipulationstyp variieren.
Zum Beispiel könnte eine zusätzliche Funktionalität im Wiederverwendungsmodell, deren
Vorkommen auf den ersten Blick zunächst nicht kontextfremd erscheint, eher „übersehen“
– also im Ergebnismodell beibehalten werden, als dass man eine fehlende Funktionalität,
welche aber „offensichtlich“ von den Anforderungen verlangt wird, nicht ins Ergebnismodell einfügt. Es wären also zusätzliche Faktoren bezüglich des Manipulationsumfangs im
Wiederverwendungsmodell (oder: der relative Abstand des Wiederverwendungsmodells
in Bezug auf die Lösung) und bezüglich der Manipulationstypen zu berücksichtigen und
zu kontrollieren, um einen differenzierten Aufschluss auch über diese Abhängigkeiten zu
gewinnen. Insgesamt kann festgehalten werden, dass Anchoringeffekte in einer wiederverwendungsbasierten Modellierungsaufgabe prinzipiell zu erwarten sind. Aufgrund der
schwächeren Repräsentation von hierarchischen Konzepten in Prozessmodellen im Vergleich zu ER-Diagrammen, kann darüber hinaus angenommen werden, dass Ankereffekte
im Kontext von Granularitätsänderungen des Prozesswiederverwendungsmodells stärker
auftreten werden (vgl. Abschnitt 2.2.1).

110

3.3. Zusammenfassung
Dieses Kapitel hat für den Kontext der wiederverwendungsbasierten Prozessmodellkonstruktion zum einen die grundlegenden Vorgänge des Wiederverwendungsprozesses strukturiert und zum anderen wesentliche kognitive Bestimmungsgrößen im Rahmen der Aktivitäten des Vergleichs und der Addaption für die Prozessmodellwiederverwendung dargelegt. Die allgemeinen Vorgänge der Prozessmodellwiederverwendung werden dabei in
den grundlegenden Wiederverwendungsprozess bestehend aus vier Phasen, in beteiligte Rollen und das Prozessmodell-Repository und in mögliche Nutzungsszenarien der
konkreten Wiederverwendung von Prozessmodellen strukturiert. Der Untersuchungsrichtung entsprechend wird der Fokus auf die Phase der Wiederverwendung, insbesondere
die Aktivitäten des Vergleichs und der Adaption, und das Szenario der sekundären adaptiven Prozessmodellwiederverwendung (dabei ist dem Nutzer der Ersteller des wiederverwendeten Modells nicht direkt bekannt) gelegt. Für eine klarere Einordnung der
kognitiven Bestimmungsgrößen im Zusammenhang mit der Prozessmodellwiederverwendung wird das Cognitive-Fit-Modell von (Vessey u. Galletta 1991) herangezogen. Auf
dieser Basis kann die spezifische Arbeitssituation der Prozessmodellwiederverwendung in
die Komponenten Domänen- und Modellierungswissen, externe Aufgabenrepräsentation
(Geschäftsprozessbeschreibung und Wiederverwendungsmodell), die Prozessmodellkonstruktionsaufgabe, die mentalen Repräsentationen für die Prozessmodelladaption und die
Prozessmodellierungsperformanz gegliedert werden. Dem Untersuchungsinteresse folgend
wird insbesondere die Granularität als fokussierte Eigenschaft des Wiederverwendungsmodells erörtert. Im weiteren Zusammenhang werden die mentalen Repräsentationen und
die darüber erfolgenden Entscheidungsfindungsstrategien (die für die Adaption des Wiederverwendungsmodells angewandt werden müsssen) vorgestellt und es wird diskutiert,
welche unterschiedliche Interpretationen in Bezug auf die Modellierungsperformanz bei
Änderung des Wiederverwendungsmodells (insbesondere Änderungen der Granularität)
sie zulassen. Besonders wird der kognitive Bias des Anchoring aus dem Untersuchungsinteresse heraus als möglicher, performanzbeeinflussender Faktor hervorgehoben.

111

4. Anpassungsheuristiken in der
Prozessmodellwiederverwendung
Das vorangestellte Kapitel hat den essentiellen Vorgang des Geschäftsprozessmodellwiederverwendungsprozesses dargelegt und das Zusammenspiel zwischen den zu durchlaufenden Aktivitäten, den beteiligten Rollen und eingesetztem Repository erläutert. Dabei
wurde das Untersuchungsfeld auf das Wiederverwendungsszenario der sekundären adaptiven Prozessmodellnutzung eingegrenzt, in welchem dem aktuellen Prozessmodellwiederverwender der ursprüngliche Prozessmodellersteller in der Regel unbekannt ist und das
aufgefundene Prozessmodell für die neue vorliegenden Problemstellung entsprechend modifiziert wird. Für diese spezifische Arbeitssituation der Prozessmodellwiederverwendung
wurden im Weiteren die Rolle der menschlichen Kognition in das Blickfeld der Untersuchung gerückt und die Zusammenhänge, die zwischen den mentalen Repräsentationen
und einem Wiederverwendungsmodell im Hinblick auf Veränderungen der Leistung in der
Bearbeitung von Aufgaben bestehen, auf Grundlage der Cognitive-Fit-Theorie aufgezeigt.
Insbesondere der Eigenschaft einer sich ändernden Granularität des wiederverwendeten
Prozessmodells als einer spezifischen Ausprägung der externen Aufgabenrepräsentation
und dem kognitiven Bias des Anchoring und Adjustment, der einen signifikanten Einfluss
auf die Bildung der geeigneten mentalen Repräsentationen zur Prozessmodellkonstruktion ausüben könnte, wurden der Untersuchungsrichtung folgend besondere Aufmerksamkeit gewidmet.
Es wird zunächst die adaptive Prozessmodellwiederverwendung allgemein aus der Perspektive des Information Retrieval charakterisiert und es werden Möglichkeiten der Anpassungen, die im Zuge der Prozessmodelllösungsbildung durchgeführt werden können,
aufgezeigt. Im Weiteren wird das Anchoring auf den Kontext der Prozessmodellwiederverwendung übertragen. Hierbei werden unterschiedliche Effekte, die bei der Prozessmodellwiederverwendung im Gegensatz zur Wiederverwendung von anderen Modellen
auftreten können, diskutiert. Zur weiteren Charakterisierung des Ankereffekts werden
spezielle Ankertypen, die für den Untersuchungskontext als relevant eingestuft werden,
klassifiziert und mit der Eigenschaft der Granularität von Prozessmodellen in Beziehung gesetzt. Der bisher informell genutzte Granularitätsbegriff wird mit existierenden
Konzepten zu einer Prozessmodellgranularitätauffassung formalisiert und es wird eine
zugehörige Metrik der Granularitätsbestimmug definiert. Es erfolgt schließlich die Bildung von Hypothesen, die spezifische Wirkungen auf die Adaptionsperformanz und die
semantische Qualität aufgrund veränderter Granularitätsniveaus annehmen. Das Kapitel
gliedert sich dementsprechend wie folgt: 1) Adaptive Prozessmodellwiederverwendung,

112

2) Ankereffekte in der Prozessmodellwiederverwendung, 3) Anker und Granularität, 4)
Formalisierung der Prozessmodellgranularität und 5) Hypothesen zu Wirkungen auf die
Modellierungsleistung.

4.1. Adaptive Prozessmodellwiederverwendung
Zur Verdeutlichung der wesentlichen Zusammenhänge, die zwischen Anforderungen aus
einer Prozessdesignaufgabe (Domäne), einem gegebenen Wiederverwendungsmodell und
der letztlich erstellten Lösung bestehen – einschließlich der richtigen oder falschen Änderungen am Wiederverwendungsmodell – wird hier auf ein mengentheoretisches Gerüst
und Konzepte des Information Retrieval zurückgegriffen59 . Die Adaptionen, die aus einer
Information-Retrieval-Perspektive betrachtet werden, können auf Adaptionen in wiederverwendeten Prozessmodellen übertragen werden. Anhand dieser Konzepte lassen sich
dann gebildete Erwartungen über vorgenommene (bzw. ausbleibende) Anpassungen aufgrund bestimmter Effekte im Zuge der Prozessmodellwiederverwendung darstellen. Es
wird zunächst 1) das Grundprinzip der Prozessmodellkonstruktion nach Maßgabe von
Anforderungen mit den Begriffen des Information Retrieval dargestellt. Anschließend
wird 2) in dieses Konzept das Vorliegen eines Wiederverwendungsmodells eingeführt und
das Begriffssystem entsprechend erweitert.
Anknüpfend an die mengentheoretische Sichtweise des Information Retrieval können
sowohl prozessorientierte Domänenanforderungen, als auch wiederverwendbare Prozessmodelle und final erstellte Lösungsmodelle als Elementmengen betrachtet werden60 . Die
Elemente sind dabei jeweils die sprachlichen Konstrukte aus den Anforderungstexten,
die mit einem geschäftsprozessbezogenen Konzept verknüpft werden bzw. die Konstrukte einer jeweiligen Modellierungssprache (z.B. eine Aktivität in der BPMN), welche für
die Modellierung sowohl des Wiederverwendungsmodells, als auch des Lösungsmodells
eingesetzt werden. Mit Hilfe der Mengenbetrachtung lassen sich die grundlegenden Zusammenhänge zwischen den drei Modellen61 übersichtlich darstellen. Für die allgemeine
Betrachtung werden zunächst nur die Prozessanforderungen mit dem Lösungsmodell in
Beziehung gesetzt. Darauf aufbauend wird dann der Einsatz eines wiederverwendbaren
Prozessmodells eingeführt, welches sowohl spezifische Relationen zu den ursprünglichen
Anforderungen, als auch zur letztlichen Lösung aufweist. Die zunächst zweiteilige Betrachtung von Prozessanforderungen und Lösungsmodellen erlaubt zudem eine direkte
Entlehnung von Begriffen aus dem Information Retrieval zur Qualifikation einer Ergebnismenge, die aus einer Informationssuche resultiert. Dies ist möglich, da auch die
Erstellung eines Lösungsprozessmodells auf Basis von natürlich-sprachlich formulierten
Anforderungen als Suchprozess über jene formulierten Anforderungen verstanden werden
59

Für eine Übersicht des Forschungsgebiets Information Retrieval siehe beispielsweise Croft (1987), Ingwersen (1996), Vakkari (1999), Baeza-Yates u. Ribeiro-Neto (1999) und van Rijsbergen (2004).
60
Für eine Mengenbetrachtung im Kontext der Deklaration und Akzeptanz von für die Wiederverwendung intendierten Modellen siehe auch Thomas (2006, S. 87).
61
Die natürlich-sprachlich formulierten Prozessanforderungen werden hier als Modell hinzugezählt.

113

kann. Die Möglichkeit, Anforderungen und Ergebnis mengenmäßig in ein Verhältnis zu
setzen, schafft so die Grundlage für eine qualitative Beurteilung des Konstruktionsergebnisses.
Seien die Anforderungen der Prozessdesignaufgabe die Menge 𝐴, die für die Prozessaufgabe nicht relevanten Informationselemente die Menge 𝑁 und die Informationselemente
des Lösungsmodells die Menge 𝐿. Diese Mengen sind als Venn-Diagramme in Abbildung
4.1 dargestellt.

Anforderungen (A)

Nicht gefordert (N)
Lösungsmodell (L)

FN

TP

TN

FP

Abbildung 4.1.: Mengen der Anforderungen (A), nichtgeforderten Elemente (N) und des
Lösungsmodells (L)
Analog zur Suche in einer Dokumentenmenge, an deren Ende eine Ergebnismenge
vorliegt, darf die Konstruktion eines Prozessmodells über einen gegebenen Anforderungsraum begriffen werden, welche schließlich auch in ein Ergebnis- oder Lösungsmodell mündet. Durch die Erstellung der Menge 𝐿 über den gesamten Suchraum Ω = 𝐴∪𝑁 entstehen
potenziell vier Teilmengen, wobei zwei dem Lösungsmodell angehören. Die anderen zwei
befinden sich außerhalb des Lösungsmodells. Für die Bezeichnung der Teilmengen werden
hier die im Information Retrieval üblichen Begriffe True Positive (𝑇 𝑃 ), False Positive
(𝐹 𝑃 ), True Negative (𝑇 𝑁 ) und False Negative (𝐹 𝑁 ) herangezogen. 𝑇 𝑃 umfasst die Informationselemente des Lösungsmodells, die tatsächlich von den Anforderungen verlangt
werden. 𝐹 𝑃 sind dagegen jene Informationselemente des Lösungsmodells, die außerhalb
der Anforderungen an den Geschäftsprozess liegen. 𝑇 𝑁 ist die Menge der irrelevanten
Informationselemente, die richtigerweise ihren Weg nicht in das Lösungsmodell gefunden haben. In 𝐹 𝑁 befinden sich die Informationselemente, die vom Lösungsmodell nicht
berücksichtigt wurden, obwohl sie von den Prozessanforderungen verlangt werden.
Zur Beurteilung der Güte des Lösungsmodells können die Maße Recall und Precision herangezogen werden. Recall ist der Anteil an relevanten Informationselementen in
einem Ergebnis, das nach einem Suchprozess erzielt wird. Recall wird auch als Treffer-

114

quote bezeichnet. Precision ist der Anteil in einem erarbeiteten Ergebnis, der tatsächlich
relevant ist, also den Anforderungen entspricht. Für Precision wird auch der Begriff Genauigkeit verwendet. Mit mengentheoretischen Symbolen können Recall und Precision
auf Basis der oben eingeführten Mengen folgendermaßen ausgedrückt werden (van Rijsbergen 2004, S. 31):
𝑅𝑒𝑐𝑎𝑙𝑙 =

𝐴∩𝐿
𝐴

𝑃 𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛 =

𝐴∩𝐿
𝐿

Es wird nun ein wiederverwendbares Prozessmodell W eingeführt, welches selbst eine
Menge an Informationselementen darstellt, die den Anforderungen entsprechen können
(was sie unter günstigen Konstruktionsbedingungen auch werden), aber auch außerhalb
der Prozessanforderungen liegen können, d.h. für die Aufgabe keine Relevanz besitzen.
Um die zwei Teilmengen des Wiederverwendungsmodells – in Bezug auf Anforderungen
bzw. nicht geforderte Konzepte – von den Teilmengen 𝑇 𝑃 und 𝐹 𝑃 des Lösungsmodells zu
unterscheiden, werden sie mit 𝑇 𝑃𝑟 und 𝐹 𝑃𝑟 bezeichnet (r steht für Reuse). In Abbildung
4.2 ist das Mengendiagramm aus Abbildung 4.1 um die Elementmenge des wiederverwendbaren Modells erweitert.

Anforderungen (A)

Nicht gefordert (N)
Wiederverwendbares
Prozessmodell (W)

FN
TPr

TN

fd

td
FPr

tk

fk

Lösungsmodell (L)
TP

ti

fi
FP

Abbildung 4.2.: Wiederverwendungsmodell (W) und sechs Teilmengen der Adaption
Es ergeben sich sechs weitere Teilmengen, die sich auf ihr jeweiliges Verhältnis zu dem
Lösungsmodell beziehen, welches durch die Adaption des Wiederverwendungsmodells erstellt wird: 1) false delete (fd), 2) true keep (tk), 3) true insert (ti), 4) true delete (td),
5) false keep (fk) und 6) false insert (fi). fd sind jene Elemente, die den Anforderungen
entsprechen und auch bereits im Wiederverwendungsmodell repräsentiert waren, aber
fälschlicherweise im Zuge der Adaption zum Lösungsmodell entfernt wurden. tk sind
die Elemente, die den Anforderungen entsprechen, bereits im Wiederverwendungsmodell enthalten waren und richtigerweise beibehalten wurden. ti sind die Elemente, welche

115

den Anforderungen entsprechen, aber nicht im Wiederverwendungsmodell repräsentiert
waren – dafür aber bei der Adaption richtigerweise eingefügt wurden. td sind Modellelemente, die zwar im Wiederverwendungsmodell enthalten waren, obwohl sie gar nicht
den Anforderungen entsprechen, und schließlich im Wege der Anpassung zum Lösungsmodell richtigerweise entfernt wurden. fk sind jene Modellelemente, welche ebenfalls im
Wiederverwendungsmodell enthalten waren, obwohl sie nicht den Anforderungen entsprechen und im Zuge der Adaption fälschlicherweise im Lösungsmodell beibehalten wurden.
Abschießend sind fi die Elemente, die weder im Wiederverwendungsmodell repräsentiert waren, noch den Anforderungen entsprechen, aber dennoch fälschlicherweise in das
Lösungsmodell eingefügt wurden. Diese sechs Teilmengen beschreiben alle möglichen Zusammenhänge zwischen Wiederverwendungsmodell, Lösungsmodell und Anforderungen
(bzw. Nicht-Anforderungen) aus der Perspektive des Information Retrieval. Im Folgenden
ist zu klären, wie sich Ankereffekte in diesem Kontext ausdrücken.

4.2. Ankereffekte in der Prozessmodellwiederverwendung
Da sich im Rahmen von wissenschaftlichen Untersuchungen die Anchoring- und Adjustmentheuristik in vielen verschiedenen Aufgaben, bei denen Menschen Entscheidungen
treffen mussten, als robustes Phänomen gezeigt hat, kann angenommen werden, dass dieser kognitive Bias auch auftritt, wenn Geschäftsprozessmodelle – im Sinne einer initialen
Lösungsnäherung – vorgegeben werden. Das wiederverwendbare Geschäftsprozessmodell
dient hier als unterstützendes Artefakt während der Bearbeitung von Prozessmodellierungsaufgaben. Mit Hilfe der Begriffe des Information Retrieval aus dem vorigen Abschnitt kann der Ankereffekt zunächst qualitativ dargestellt werden. Anschließend wird
diskutiert, inwieweit Ankereffekte, die im Zusammenhang mit der Wiederverwendung
anderer Modelle beobachtet wurden, auf die Wiederverwendung von Prozessmodellen
übertragen werden können.
Das wiederverwendbare Prozessmodell W kann zunächst im Verhältnis zu den Anforderungen A – bei deren vollständiger Erfüllung die ideale Prozessmodelllösung vorliegen
würde – und Nichtanforderungen N betrachtet werden (siehe Abbildung 4.3). Angenommen das Ziel der wiederverwendungsmodellbasierten Konstruktion sei die Erreichung des
Idealmodells. Dann ergeben sich auf Basis die oben beschriebenen sechs Teilmengen der
Adaption entsprechend, die wie folgt interpretiert werden. ti umfasst die Elemente, die
richtigerweise eingefügt würden, da sie nicht Bestandteil von W, aber anforderungsrelevant sind. tk stellen die richtigerweise beibehaltenen Elementen dar: sie sind bereits im
Wiederverwendungsmodell und entsprechen den Anforderungen. td sind richtigerweise
zu entfernende Elemente: sie sind zwar in W, sollten aber entfernt werden, um zu einer
anforderungsgerechten Prozessmodelllösung zu kommen. Entsprechend gibt es die drei
verbleibenden Mengen fd, fk und fi, die aus der Perspektive des nicht anforderungsorientierten Adaptierens interpretiert werden und sich teilweise mit den eben genannten
Mengen in Abbildung 4.3 überschneiden. Zu fd wird die Elementmenge tk, wenn die kor-

116

rekten und relevanten Elemente des Wiederverwendungsmodell fälschlicherweise entfernt
werden. Zu fk wird die Menge td, wenn die eigentlich nicht benötigten Elemente des
Wiederverwendungsmodell nun doch beibehalten werden – fälschlicherweise. Schließlich
verbleibt fi : fälschlicherweise eingefügte Elemente in ein Lösungsmodell, da sie nicht den
Anforderungen entsprechen. Für ti und fi lassen sich entsprechende Pendants finden,
wenn man die Adaptionsaktivität des Unterlassens (engl. omit) hinzuzieht. Ein true insert könnte somit – falls nicht durchgeführt – zu einem false omit werden. Analog gehört
zu einem false insert, welches doch nicht umgesetzt wird, ein true omit.

Anforderungen (A)
= Idealmodell (I)

Nicht gefordert (N)
Wiederverwendbares
Prozessmodell (W)

FN

TN

TPr
FPr
fd tk
ti

fk td
fi

Abbildung 4.3.: Mengen der Anforderungen (A), nichtgeforderten Elemente (N) und des
Lösungsmodells (L)
Mit diesen Begriffen lässt sich nun das Anchoring näher beschreiben. Anchoring findet statt, wenn in Bezug auf das Wiederverwendungsmodell (die Lösungsschätzung) die
notwendigen Anpassungen nicht durchgeführt werden, da der Modellierer den ihm vorliegenden Modellelementen verhaftet bleibt. Die notwendigen Anpassungen in Richtung
des Lösungsmodells stellen die Mengen ti und td dar. D.h. es sind potenziell Einfügungen vorzunehmen, um die fehlenden, aber anforderungsrelevanten Elemente abzudecken.
Und es sind potenziell Löschungen vorzunehmen, damit das Wiederverwendungsmodell
von den irrelevanten Elementen befreit wird. Dies ist auch mit den Pfeilen in Abbildung
4.3 illustriert. Anchoring ist nun, wenn die true inserts und die true deletes nicht in
dem Umfang erfolgen, so dass das ideale Prozessmodellergebnis entstehen kann. Die Elemente, welchen die Modellierer verhaftet bleiben können (also die Prozessmodellelemente
von ti und td ), werden als Anker bezeichnet. Der Literatur folgend, welche Ankereffekte
in der wiederverwendungsbasierten Modellierung untersucht hat (Parsons u. Saunders
2004), werden die Elemente in ti als Omission-Anchors bezeichnet, da diese Elemente
im Wiederverwendungsmodell ausgespart wurden, aber relevant sind. Die Elemente in
td hingegen werden als Extraneous-Anchors bezeichnet, da sie in Bezug auf die ideale
Prozessmodelllösung irrelevante Elemente umfassen.

117

Die Übertragbarkeit von Ergebnissen aus bisher erfolgten Arbeit muss kritisch beurteilt werden, da keine Wiederverwendung von Prozessmodellen untersucht wurde. Grundsätzlich stellen andere Modelltypen eine andere Art der Abstraktion dar, daher darf die
Erwartung von Anchoring-Effekten, die beispielsweise bei statischen Modellen wie EntityRelationship-Diagrammen (Parsons u. Saunders 2004) beobachtet wurden, grundsätzlich
in Frage gestellt werden. Nichtsdestotrotz gibt es auf der visuellen Ebene Analogien, die
darauf schließen lassen, dass zumindest aufgrund der rein visuellen Repräsentation ähnliche Ankereffekte auftreten könnten. In ERD sind Entitäten beispielsweise als Kästen
bzw. Boxen dargestellt. In vielen Prozessmodellierungsnotationen gibt es ebenfalls Boxen
(u.U. mit abgerundeten Ecken wie in der BPMN), die für Aktivitäten stehen. Trotz der
semantischen Unterschiede der Boxen, kann angenommen werden, dass das Anchoring
auch bei den Boxen in Prozessmodellen – stärker über die visuelle Wahrnehmung, als
über rationale Erwägungen – stattfindet.
Der Effekt des Anchoring bei statischen Modellen einerseits und dynamischen Modellen (d.h. zeitliche Abfolgen berücksichtigende Modelle) andererseits lässt sich noch
besser einsehen, wenn der wesentliche Charakter der Modelle betrachtet wird. Statische
Modelle wie Klassenmodelle und ER-Modelle unterteilen eine betrachtete Domäne in
verschiedene Entitäten zu einem bestimmten Zeitpunkt (bzw. über einen Zeitraum, der
zu einem Zeitpunkt aggregiert wird). Modellierer, die bspw. eine Datenmodellierungsaufgabe bearbeiten, werden ebenfalls mentale Repräsentationen entwickeln, denen die
Gliederung der Domäne in mehrere Teile zugrundeliegt. Bezieht sich ein Modellierer nun
auf ein verfügbares statisches Modell, d.h. er verwendet es wieder, so liegen potenziell
die oben beschriebenen Elementmengen der notwendigen Anpassung vor. Das Anchoring
ist dann eine Funktion des wahrgenommenen Zusammenhangs der repräsentierten Elemente aus dem Wiederverwendungsmodell. Dieser Zusammenhang lässt sich auch mit
den Begriffen Assoziation oder Affinität bezeichnen. Je höher diese Affinität in der mentalen Repräsentation zwischen mehreren Elementen oder auch einem einzigen Element
(welches aber zergliedert werden könnte) ist, desto schwieriger wird sich die notwendige
Anpassung, sei es die Entfernung von nicht benötigten Elementen oder die Einfügung
von feineren Elementen, darstellen. Die Affinität bei statischen Modellen beruht darauf,
inwieweit die Informationen einen inhaltlichen Zusammenhang aufweisen und wie leicht
sich unterschiedliche Informationsteile diskriminieren lassen (z.B. „Kunde“ ist inhaltlich
etwas anderes als „Rechnung“). Da die Architektur des Gedächtnis als zumindest ähnlich
in Hinblick auf die Strukturierung in Teile angesehen werden kann (vgl. das Chunking
nach Miller (1956)), stehen die Chancen prinzipiell günstig, dass Anpassungen korrekt
vorgenommen werden. Doch schon bei der Wiederverwendung von statischen Modellen
wurde gezeigt, dass Ankereffekte auftreten (siehe weiter oben).
Werden nun Prozessmodelle betrachtet, stellt sich die Affinität zwischen Elementen
(oder einem einzigen gröberen Element) etwas anders dar. Während bei statischen Modellen die „Andersartigkeit“ der Entitäten ausschlaggebend ist, kommen bei Elementen
dynamischer Modelle die expliziten Merkmale der Zeit und der sachlogischen Abfolge
hinzu, welche die Entitäten in Prozessmodellen, z.B. Aktivitäten, diskriminieren. Diese

118

Affinität kann als höher eingeschätzt werden, da die Diskriminierung von Elementen,
die sich über ihr Auftreten zu verschiedenen Zeitpunkten differenzieren, aber dennoch
einen inhaltlichen Zusammenhang aufweisen, dem Gedächtnis eine höhere Leistung abverlangt. Dies kann sowohl für die nötige Verfeinerung von groben Aktivitäten als auch
für die Entfernung überflüssiger Aktivitäten angenommen werden. Das Anchoring wird
demnach aufgrund höherer wahrgenommener Affinitäten bei Prozessmodellen mindestens
so ausgeprägt sein wie bei statischen Modellen, wenn nicht stärker.

4.3. Anker und Granularität
Die Möglichkeit verschiedener Anchortypen steht in enger Beziehung mit verschiedenen
Granularitätsniveaus von Modellen, die in Relation zu einem zu konstruierenden Lösungsmodell wiederververwendet werden. Anders ausgedrückt bedeutet dies, dass unterschiedlich feine Partitionen eines Sachverhalts, d.h. eben auch unterschiedlich granulare
Modelle von abzubildenden Phänomenen, verschiedene Arten von Anchors im Hinblick
auf eine zu erstellende Lösung implizieren. Die verschiedenen Anchors ziehen entsprechend unterschiedlich verteilte Anpassungsoperationen nach sich, die erforderlich sind,
um vom Wiederverwendungsmodell – der Lösungsnäherung – zum Lösungsmodell zu gelangen. Dieser Zusammenhang ist zunächst nicht unmittelbar eingängig, da willkürliche
Verteilungen von Anchortypen auf unterschiedlichsten Granularitätsniveaus prinzipiell
denkbar sind. Dies bedeutet, dass z.B. der Anchortyp „Omission“ sowohl in einem feingranularen als auch grobgranularen Modell in gleicher Zahl auftauchen kann. Theoretisch
ließen sich entsprechende Modelle leicht konstruieren: feingranulare Modelle, die, trotz
„Nähe“ in bestimmten Bereichen, große Auslassungen in anderen Bereichen aufweisen;
und grobgranulare Modelle, die zwar gleichmäßig abzubildende Inhalte erfassen, denen
aber insgesamt der Detaillierungsgrad fehlt, d.h. die auch mit ausgelassenen Informationselementen behaftet sind, welche durch Einfügungen kompensiert werden müssen. Die
in der betrieblichen Praxis angebotenen Wiederverwendungsmodelle legen jedoch nahe,
dass die Verteilung von Anchortypen in den Modellen entlang unterschiedlicher Granularitäten nicht gleichmäßig ist.
Dies lässt sich z.B. an betrieblichen Referenzmodellen für die Prozesse von Telekommunikationsunternehmen (eTOM62 ), des IT-Servicemanagement (ITIL63 ) und der Logistik
(SCOR64 ) beobachten, welche primär auf die Abdeckung aller Prozesse (oder ProzessCluster) des jeweiligen Anwendungsbereichs gerichtet sind (TM Forum 2008; Holten u.
Melchert 2002; Hochstein u. a. 2004). In der Regel kommt es nur zu wenigen Entfernungen von Prozessgruppen (d.h. wenige Extraneous-Anchors). Ein großes deutsches Telekommunikationsunternehmen hat bspw. die von eTOM vorgegebenen Prozessgruppen
unter geringfügigen Entfernungen übernommen65 . Umgekehrt werden von feingranularen
62

enhanced Telecom Operations Map.
IT Infrastructure Library.
64
Supply Chain Operations Reference Model.
65
Beobachtungen resultieren aus internem Projekt mit dem Unternehmen.
63

119

Customer Interface
Management

Manage Contact

Manage Request
(Including Self
Service)

Analyze & Report on
Customer

Mediate &
Orchestrate Customer
Interactions

Abbildung 4.4.: Dekomposition des Prozesses „Customer Interface Management“ in Prozesse der Ebene 3 (TM Forum 2005, S. 36)
Wiederverwendungsmodellen wie z.B. den Informationsentitäten der Universal Business
Language (UBL) sehr viele Elemente angeboten, die nur in wenigen Anwendungsfällen
in ihrer Gesamtheit zum Einsatz kommen werden (das „Order“-Dokument umfasst bspw.
potenziell mehr als 2000 Entitäten) (OASIS Universal Business Language (UBL) TC
2006). Es wird daher im Zuge der Adaption vorwiegend zu Löschungen kommen und
kaum zu Einfügungen.
Diese Verteilung soll anhand eines Beispiels der Prozessmodellierung verdeutlicht werden. Das eTOM-Modell stellt Geschäftsprozessmodelle auf vier unterschiedlichen Granularitätsniveaus zur Verfügung (Ebenen 0 bis 3) (TM Forum 2005). Die feinste Stufe
(Ebene 3) ist im Verhältnis zu einer ablauforientierten und an konkreten, atomaren Aktivitäten ausgerichteten Repräsentation immer noch sehr weit entfernt davon und ist
deshalb als grobgranular einzustufen. In Abbildung 4.4 ist die Prozessdekomposition der
Ebene 3 für den Prozess „Customer Interface Management“ dargestellt.
Die Informationselemente in diesem grobgranularen Prozessmodell sind zu unspezifisch, als dass sie die Anforderungen erfüllen könnten, die auf die Repräsentation von
ablauf- und transaktionsrelevanten Details eines Geschäftsprozesses abzielen. Das Modell
besteht im Wesentlichen aus vier grob beschriebenen Aktivitäten, die als essenziell für
das Management von Schnittstellen zu allen Kunden des Unternehmens angesehen werden. Diese Aktivitäten sind so grundlegend, dass man annehmen kann, dass die wenigsten Dienstleistungsunternehmen auf sie verzichten würden. Die Wahrscheinlichkeit von
Elementlöschungen ist daher als gering anzusehen. Vor dem Hintergrund eines Prozessmodellierungsvorhabens, das die automatische Ausführung des Prozesses beabsichtigt,
mangelt es dem Modell allerdings an vielen detaillierten Informationselementen wie z.B.
konkreteren Aktivitäten und Transaktionen, Verzweigungen bei verschiedenen möglichen
Zuständen und konkreten Start- und Endbedingungen. Dies sind wesentliche Auslassungen, die als Omission-Anchors angesehen werden können. Um zu der gewünschten feinen
Repräsentation des Prozesses zu gelangen, wäre in diesem Fall eine größere Menge an Elementeinfügungen nötig. Dass ein Zusammenhang zwischen dem Anchortyp „Omission“
und einer groben Granularität besteht, liegt auch in der Beschaffenheit des Granulari-

120

Anforderungen

Anforderungen
OmissionAnchors

Wiederverwendbares
Prozessmodell

Wiederverwendbares
Prozessmodell

FPr

TPr

ExtraneousAnchors
TN

TPr
TN

Nicht gefordert

Nicht gefordert

Abbildung 4.5.: Anker im feingranularen
Wiederverwendungsmodell

(links)

und

grobgranularen

(rechts)

tätskonzepts selbst. Bei der Vergröberung der Modellgranularität wird eine Reduktion
bezüglich des zu modellierenden Systems vollzogen (d.h. bestimmte Informationen werden weggelassen). Diese Reduktion muss dann zwangsläufig im Zuge der Anpassung des
wiederverwendeten Modells in Richtung Lösung mittels Einfügung ausgelassener Informationselemente wieder aufgehoben werden.
Betrachtet man hingegen in der Praxis verfügbare feingranulare Modelle, so lässt sich
im Hinblick auf die Verteilung von verschiedenen Anchortypen folgende Beobachtung
machen. Dadurch, dass viele Informationsdetails in die feingranularen Modelle aufgenommen werden, erlangen sie eine hohe Spezifität bezüglich potenzieller Systemgestaltungsaufgaben, für die sie im Modellierungsvorgang wiederverwendet werden können.
Dies bedeutet auch, dass die Wahrscheinlichkeit, dass dieses feingranulare Modell auf
Systemanforderungen trifft, die nicht die ganze Informationsvielfalt des Wiederverwendungsmodells ausschöpfen, steigt. Diese nicht genutzten, da für das Modellierungsproblem irrelevanten Elemente, sind ein Fall von vorliegenden Extraneous-Anchors. Damit
ist nicht gesagt, dass nicht auch Anforderungen bestehen können, die vom feingranularen
Wiederverwendungsmodell nicht abgedeckt werden (dies wäre ein Fall von vorliegenden
Omission-Anchors). Aber die Situation, dass ein detailliertes Modell in erster Linie den
Informationsbedarf eines Lösungsmodells übersteigt, stellt einen mindestens relevanten,
wenn nicht häufigen Fall in wiederverwendungsbasierten Modellerstellungsprozessen mit
feingranularen Modellen dar. Die tatsächliche Häufigkeit dieser Fälle wäre empirisch zu
prüfen, ist aber hier nicht Gegenstand weiterer Erörterungen. In Abbildung 4.5 sind die
wesentlichen Anchor-Verteilungen in fein- bzw. grobgranularen Modellen mengenbasiert
illustriert.

121

Sicherlich ist das Verhältnis zwischen irrelevanten Elementen im Wiederverwendungsmodell und konkreten Lösungsanforderungen abhängig davon wie viele Systeme insgesamt diese – prinzipielle – Lösung erfordern und in welchem Ausmaß sie durch ihre
Indivdualität potenziell spezifische Abweichungen – und damit überschüssige Information für den Einzelfall – in das Wiederverwendungsmodell einbringen (bzw. eingebracht
haben). Weiterhin ist das Verhältnis abhängig von der Effektivität des Suchvorgangs, da
durch eine effektive Suche der Anteil an irrelevanten Elementen reduziert werden kann.
Hier wird der Fall näher betrachtet, dass die feingranularen Wiederverwendungsmodelle
relativ gesehen zu den Lösungsanforderungen eine Menge überschüssiger Informationen
enthalten. Für die adaptive Wiederverwendung des Modells bedeutet dies, dass die irrelevanten Informationselemente entfernt werden müssen. Auch dies soll mit einem Beispiel
der Prozessmodellierung illustriert werden. In Abbildung 4.6 ist ein Prozessmodell für den
„Order-to-cash“-Prozess abgebildet, der sich sehr nah an den Ausführungsdetails des Geschäftsprozesses befindet, also feingranular ist. Der „Order-to-cash“-Prozess könnte nun
in verschiedenen Betrieben mit weitaus weniger Aktivitäten durchgeführt werden, z.B.
könnte die gesamte Abwicklung der Bezahlung nicht separat – wie hier dargestellt – ablaufen, sondern intern durchgeführt werden. Falls nun in einem Modellierungsvorhaben
der „Order-to-cash“-Prozess umgestaltet und für diesen Zweck dieses BPD wiederverwendet werden soll, dann wird das Modell mehr Informationselemente bereitstellen, als die
vorliegende Situation u.U. erfordert. Die präsenten irrelevanten Informationen müssten
dann im Zuge der Anpassung mit Löschoperationen aus dem Prozessmodell entsprechend
entfernt werden.
Es ist nicht zwingend erforderlich, dass bei der Verfeinerung der Modellgranularität
irrelevante Informationselemente eingeführt werden – wohingegen die Reduktion bei der
Granularitätsvergröberung unvermeidlich ist. Aber die obige Argumentation und die
praktischen Beispielmodelle lassen die Wahrscheinlicheit dieser zunehmenden „Verwässerung“ bei feinerer Granularität plausibel erscheinen.
Zusammenfassend kann festgehalten werden, dass – obwohl beide Granularitätsfälle,
fein- bzw. grobgranular, für wiederverwendbare Prouzessmodelle so konstruiert werden
könnten, dass gleiche Anteile der Anchortypen „Extraneous“ und „Omission“ (bezogen
auf die Aufgabenanforderungen) vorliegen – die betriebliche Modellierungspraxis nahelegt, dass Prozessmodelle höherer Granularität eher nach adaptiven Elementeinfügungen
verlangen, während Prozessmodelle feinerer Granularität regelmäßig die Löschung von
Informationselementen erfordern. Das konkrete Vorgehen bei der Adaption von OmissionAnchors bzw. Extraneous-Anchors wird im Folgenden erläutert.

4.3.1. Adaption von Omission-Anchors
Bei Vorliegen von Omission-Anchors sind Modellelemente im Wiederverwendungsmodell
ausgelassen, die aber im finalen Lösungsmodell vorhanden sein müssen. Eine entsprechende Änderung eines Omission-Anchors ist im folgenden Beispiel für einen Ausschnitt
eines wiederverwendbaren BPD illustriert (siehe Abbildung 4.7). Der obere Prozessmo-

122

Abbildung 4.6.: Prozess des „Order-to-cash“ mit mehreren Pools (Silver 2007, S. 4)
dellausschnitt stellt einen Teil des Wiederverwendungsprozessmodells dar, welches für die
Bearbeitung einer Prozessmodellierungsaufgabe genutzt werden soll. Die zweite Aktivität
„Check entered data (errors in data? Is it a new customer?)“ ist in Bezug auf die Aufgabendetails zu grob, da konkrete Aktivitäten wie die Behandlung von Eingabefehlern
und die Neukundenprüfung nicht expliziert sind. Diese stellen Omission-Anchors dar.
Dementsprechend muss die Aktivität des Wiederverwendungsmodells durch die zunächst
eigene Löschung und dann die Einfügung von feineren Aktivitäten, Exclusive-Gateways
und zusätzlichen Kontrollflüssen angepasst werden. Abbildung 4.7 illustriert diesen Adaptionsprozess der Omission-Anchhors.

4.3.2. Adaption von Extraneous-Anchors
Bei Vorliegen von Extraneous-Anchors befinden sich Modellelemente im Wiederverwendungsmodell, die keiner Anforderung der Modellierungsaufgabe entsprechen und daher überflüssig sind. Diese müssen bei einer korrekten Anpassung daher entsprechend
aus dem Wiederverwendungsmodell entfernt werden. Die entsprechende Änderung eines
Extraneous-Anchors ist im folgenden Beispiel für einen Ausschnitt eines wiederverwendbaren BPD illustriert (siehe Abbildung 4.8). Die fiktive Aufgabenbeschreibung macht

123

Customer service

Wiederverwendungsmodell

Receive and
enter customer
data

Check entered data
(errors in data? Is it a
new customer?)

Anpassungsprozess:
Einfügung von feineren
Aktivitäten und weiteren
Modellierungsselementen
(Adaption der Omission-Anchors)

Lösungsmodell

Customer service

No

Receive and
enter customer
data

Check
customer
data

Error handling

Data complete and plausible?
Yes

Check customer
for first
registration

New customer?
No
Yes

Create new
customer

Abbildung 4.7.: Beispielhafte Adaption von Omission-Anchors
keine Aussagen über die Versendung von Kopien an eine Abteilung X. Die Aktivität
„Send copies to department X“ ist daher als überflüssiges Element im Wiederverwendungsmodell zu werten, stellt also einen Extraneous-Anchor dar. Die Anpassung dieses
Extraneous-Anchor erfordert entsprechend die Löschung der Aktivität und Anpassung
des Kontrollflusses, so dass auf „Create contract“ direkt „Send offer“ folgt.

4.4. Formalisierung der Prozessmodellgranularität
Der Effekt des Anchoring wurde in Bezug gesetzt mit bestimmten Granularitätsniveaus,
welche typischerweise eher über bestimmte Mengen des einen Typs, d.h. über OmissionAnchors (bei grober Granularität) oder des anderen Typs, d.h. über Extraneous-Anchors
(bei feiner Granularität) verfügen. Dies ist im Kontext einer Prozessmodellkonstruktionsaufgabe zu betrachten, für welche die wiederverwendeten Prozessmodelle entsprechend
angepasst werden müssen. Der Begriff der Granularität ist an dieser Stelle noch nicht
weiter konzeptualisiert worden, weswegen im Folgenden der Granularitätsbegriff für Prozessmodelle stärker formalisiert werden soll. Dazu erfolgt zunächst eine Einführung in
allgemeine Auffassungen des Granularitätsbegriffs, welche die grundsätzlichen Prinzipien
der Größe klären. Im Anschluss daran folgt eine tiefere Auseinandersetzung mit bestehenden Konzepten der Abstraktion, Modularität und Granularität, die schließlich zu einer

124

Create
contract

Send copies to
department X

Send offer

Anpassungsprozess:
Entfernung von Aktivitäten
(Adaption der Extraneous-Anchors)

Customer service

Customer service

Wiederverwendungsmodell

Create
contract

Send offer

Lösungsmodell

Abbildung 4.8.: Beispielhafte Adaption von Extraneous-Anchors
praktisch handhabbaren Größe der Prozessmodellgranularität zusammengeführt werden.
Der Abschnitt gliedert sich daher wie folgt: 1) Granularitätsauffassungen und 2) Konzepte der Prozessmodellgranularität.

4.4.1. Granularitätsauffassungen
Granularität geht auf das lateinische Wort granum – „Korn“ – zurück und bedeutet, dass
etwas aus mehreren Bestandteilen („Körnern“) besteht oder zu bestehen scheint (vgl. auch
Merriam-Webster Online Dictionary 2010). Oft werden unter dem Granularitätsbegriff
– über das alleinige Vorliegen von Bestandteilen eines Ganzen hinausgehend – spezifische Zustände verstanden, die in einer Ordnungsbeziehung stehen können. Demzufolge
wird bestimmten Aufteilungen eine „niedrige“ bzw. „höhere“ Granularität zugeordnet.
In der Datenmodellierung wird dies beispielsweise angewandt, wobei mit dem Begriff
Granularität der Detaillierungsgrad von Daten beschrieben wird: sehr detaillierte Daten
haben eine niedrige Granularität; mit steigender Verdichtung der Daten wird eine höhere
Granularität erreicht (Mucksch 2006).
Die Bezeichnung hierarchisch geordneter Granularitätszustände mit Ordnungsbegriffen
des allgemeinen Sprachgebrauchs wie „hoch“ und „niedrig“ erfolgt allerdings uneinheitlich und kann deshalb missverständlich sein. So gibt es Anwendungsbeispiele, bei denen
mit „höherer“ oder „größerer“ Granularität größere Körner bzw. Teile gemeint sind, wie
z.B. bei grobkörnigem Zucker (im Gegensatz zu feinpulverigem Puderzucker) oder bei

125

großpixeligen Fotografien (im Gegensatz zu höheraufgelösten Abbildungen). In anderen
Kontexten können die Begriffe „hoch“ und „niedrig“ in der genau entgegengesetzten Ordnungsbeziehung verwandt werden. Es empfiehlt sich daher, stattdessen die Begriffe „fein“
und „grob“ zu verwenden, da über diese ein allgemein klareres Verständnis bezüglich
der assoziierten Größe der Teile herrscht (siehe dazu auch die Diskussion zum Begriff
„granular“ in Wiktionary 2010).
Granularität ergibt sich aus der menschlichen Wahrnehmung von realen Phänomenen
heraus und bezieht sich daher auf mentale Repräsentationen. Dieses fundamentale Konzept, dass jeder Gebrauch von Sprache zum Zwecke der Einschätzung der Realität eine
granulare Partition erstellt, wird daher in verschiedenen Wissenschaften zugrunde gelegt
(Bittner u. Smith 2001). Diese wahrnehmungsbasierte Grundidee der Granularität findet sich in Gebieten wie z.B. der angewandten Logik, der Ontologie, der Mereotopologie
und der Mathematik wieder. Durch die Externalisierung dieser Repräsentationen lassen
sich formale Konzepte entwickeln, mit denen sich granulare Zusammenhänge beschreiben
lassen.
Granularität steht im engen Zusammenhang mit Begriffen wie Abstraktion und Modularität (Sutcliffe 2002)66 . Informell ausgedrückt ist die Modellabstraktion eine Veränderung eines Modells dahingehend, dass essenzielle Modellmerkmale in der neuen Repräsentation beibehalten werden, während die mit Bezug auf einen bestimmten Zweck als
unsignifikant erachteten Informationen ausgelassen werden (Smirnov u. a. 2010b, S. 2).
Im Zusammenhang mit Granularität lassen sich mindestens zwei Konzepte differenzieren: der Vorgang der „Granulation“, d.h. Methoden wie aus feingranularen Modellen grobgranulare Modelle erstellt werden; und die Beschreibung spezifischer granularer Zustände,
so dass verschiedene Modelle mit den gleichen Konzepten gemessen und vergleichende
Betrachtungen zwischen Modellen unterschiedlicher Granularitätsniveaus vorgenommen
werden können.
In dieser Arbeit soll der Einfluss der wahrnehmbaren Konzeptmengen, also der Granularität eines Modells (einer spezifischen Partition des „Ganzen“) auf die Bearbeitung von
Prozessmodellierungsaufgaben untersucht werden. Der Aspekt der möglichen Rekombinierbarkeit von Komponenten in einem Modell, also das, was Modularität vornehmlich
charakterisiert, steht dagegen nicht im Fokus.

4.4.2. Konzepte der Prozessmodellgranularität
Im Folgenden werden einige wichtige Konzepte, die im Kontext der Prozessmodellabstraktion bzw- granularität stehen, erläutert. Dies sind insbesondere die Business Process
Model Abstraction, der Ansatz des Process Structure Tree, die Prozessmodellmodularität
und schließlich die Granularität als mengentheoretische Größe. Das letztgenannte Kon66

In Sutcliffe (2002) wird auch eine leichte informelle Differenzierung zwischen Granularität und Abstraktion vorgenommen, die von unterschiedlichen „Designperspektiven“ herrührt.

126

zept wird schließlich verwendet, um bestimmte Granularitätsniveaus für Prozessmodelle
und ein zugehöriges quantifizierbares Maß festzulegen.
Geschäftsprozessmodellabstraktion
Smirnov u. a. (2010b) schlagen eine Formalisierung für die Abstraktion von Geschäftsprozessmodellen in Anlehnung an die Meta Object Facility (MOF) – ein Standard des
Model-Driven Engineering – vor, welche (Meta-)modellierungsartefakte in vier Ebenen
organisiert (OMG 2006). Für ein Prozessmodell 𝑚 ∈ 𝑀 wird eine Menge an abstrakten
Prozessmodellen betrachtet, wobei jedes abstrakte Modell ebenfalls eine Beschreibung
der Instanzen darstellt, welche durch 𝑚 repräsentiert sind, jedoch mit weniger Details.
Für diese Abstraktion wird folgende Abbildung eingeführt: 𝑎𝑏𝑠𝑡𝑟 : 𝑀 → 𝒫(𝑀 ). Ein
abstraktes Modell eines Modells 𝑚, 𝑚𝑎 ∈ 𝑎𝑏𝑠𝑡𝑟(𝑚), liefert keine weiteren Informationen
über die Instanzen, die bereits durch 𝑚 beschrieben sind. Weiterhin wird gefordert, dass
sowohl 𝑚, als auch 𝑚𝑎 konform mit einem Metamodell sind67 . In Anlehnung an einen
kartographischen Generalisierungsansatz (McMaster u. Shea 1992) werden die Ziele, eine
Entscheidungsregel und eine Methode der Prozessmodellabstraktion als zentrale Komponenten identifziert. Die Ziele der Abstraktion adressieren verschiedene Verwendungszwecke von Modellen und entsprechend verschiedene benötigte Ansichten auf Sachverhalte.
Dafür wird eine Menge von Abstraktionsobjekten Ω in einem Prozessmodell betrachtet,
auf denen ein Abstraktionskriterium – in Bezug zu einem Ziel – definiert wird, welches den
Vergleich der Objekte ermöglicht. Beispiele für Abstraktionskriterien sind Ausführungskosten oder Case-Frequenz. Ist das Abstraktionskriterium ordinal skaliert, dann können
ein Schwellwert und eine Entscheidungsregel definiert werden, die Abstraktionsobjekte
als entweder signifikant oder unsignifikant klassifizieren. Die Frage nach der Methode der
Transformation von Modellen zu abstrakten Modellen wird mit Vorschlägen zu spezifischen Operationen adressiert. Diese beziehen sich auf Mengen von Abstraktionsobjekten
𝑂 ⊂ Ω und 𝑂𝑎 ⊂ Ω in Modellen 𝑚 bzw. 𝑚𝑎 . Sie sind wie folgt definiert.
Basis-Abstraktionsoperation Es sei eine Funktion 𝛼𝑜 : 𝑀 → 𝑀 , die ein Prozessmodell
𝑚 in ein Modell 𝑚𝑎 transformiert. Dann ist 𝛼𝑜 eine Basis-Abstraktionsoperation, wenn
sie von einem unsignifikanten Abstraktionsobjekt 𝑜 ∈ 𝑂 ∧ 𝑠𝑖𝑔𝑛(𝑜) = 𝑓 𝑎𝑙𝑠𝑒 abstrahiert,
so dass
∙ ∣𝑂∣ > ∣𝑂𝑎 ∣, wobei 𝑂, 𝑂𝑎 ⊂ Ω die Mengen der Abstraktionsobjekte der Modelle 𝑚
und 𝑚𝑎 sind;
′
∙ 𝛼𝑜 mit einer Hilfsfunktion 𝛼𝑜 : 𝑂∖ {𝑜} → 𝑂𝑎 assoziiert ist68 ;
67

Für die Einbettung der Geschäftmodellabstraktion in die MOF siehe Smirnov u. a. (2010, S. 3). Zu
Anforderungen an Metamodellkonstruktionen vgl. auch Kühne (2006).
68
′
Es wird eine Hilfsfunktion 𝛼𝑜 eingeführt, da die Funktion 𝛼𝑜 nur auf der Modellebene definiert ist.
′
𝛼𝑜 erlaubt die Aufstellung von Korrespondenzen zwischen Abstraktionsobjekten in 𝑚 und 𝑚𝑎 und
ermöglicht die Charakterisierung von Eigenschaften der Basis-Abstraktionsoperation.

127

′
∙ 𝛼𝑜 eine surjektive Funktion ist.

Zwei wichtige Beispiele für Basis-Abstraktionsoperationen sind die Operationen elimination (𝜋) und aggregation (𝜎) (vgl. Smirnov u. a. 2010b, S. 5).
Eliminierungsoperation Eine Basis-Abstraktionsoperation 𝜋𝑜 : 𝑀 → 𝑀 ist eine Eli′
nierungsoperation, wenn ∣𝑂∣ = ∣𝑂𝑎 + 1∣ und die Hilfsfunktion 𝜋𝑜 bijektiv ist.
Die Eliminierung erzeugt ein Modell, das über keinerlei Information über das ausgelassene Abstraktionsobjekt 𝑜 verfügt, aber alle anderen Abstraktionsobjekte beibehält.
Im Gegensatz dazu werden bei der Aggregation die Informationen des bzw. der Abstraktionsobjekte beibehalten (vgl. Smirnov u. a. 2010b, S. 5).
Aggregationsoperation Eine Basis-Abstraktionsoperation 𝜎𝑜 : 𝑀 → 𝑀 ist eine Aggre′
gationsoperation, wenn 𝜎𝑜 eine nicht-injektive surjektive Funktion ist.
Die Aggregation erzeugt ein abstraktes Modell, wobei ein unsignifikantes Abstraktionsobjekt 𝑜 zusammen mit weiteren Abstraktionsobjekten als neues Abstraktionsobjekt
𝑜′ repräsentiert wird. Das Objekt 𝑜′ erbt die Eigenschaften der Abstraktionsobjekte, die
von 𝑜′ aggregiert werden (z.B. die Summation von einzelnen Durchführungskosten verschiedener Aktivitäten) (vgl. Smirnov u. a. 2010b, S. 5).
Die Geschäftsprozessmodellabstraktion oder Business Process Model Abstraction (BPMA)
wird schließlich als Komposition von Basis-Abstraktionsoperationen realisiert. Die BasisAbstraktionsoperationen werden auf jedes als insignifikant klassifiziertes Abstraktionsobjekt angewandt (vgl. Smirnov u. a. 2010b, S. 6 ff.).
BPMA Die Geschäftsprozessmodellabstraktion BPMA ist eine Operation 𝛼 : 𝑀 → 𝑀 ,
die ein Prozessmodell 𝑚 in ein abstrahiertes Prozessmodell 𝑚𝑎 transformiert, so dass
𝛼 = 𝛼𝑜𝑙 ∘ 𝛼𝑜𝑙−1 ∘ ⋅ ⋅ ⋅ ∘ 𝛼𝑜1 die Funktionskomposition ist, wobei
∙ ∀𝑜 ∈ 𝑂𝑎 : 𝑠𝑖𝑔𝑛(𝑜) = 𝑡𝑟𝑢𝑒∧(∄𝑘 < 𝑙, ∀𝑜 ∈ 𝑂𝑘 : 𝑠𝑖𝑔𝑛(𝑜) = 𝑡𝑟𝑢𝑒), d.h. im abstrahierten
Prozessmodell sind alle Objekte signifikant;
∙ 𝛼𝑜1 ist eine Basis-Abstraktionsoperation 𝛼𝑜1 (𝑚) = 𝑚2 , 𝑜1 ∈ 𝑂 ∧ 𝑠𝑖𝑔𝑛(𝑜1 ) = 𝑓 𝑎𝑙𝑠𝑒;
∙ für 𝑘 = 2 . . . (𝑙 − 1) ist 𝛼𝑜𝑘 eine Basis-Abstraktionsoperation 𝛼𝑜𝑘 (𝑚𝑘 ) = 𝑚𝑘+1 , 𝑜𝑘 ∈
𝑂𝑘 ∧ 𝑠𝑖𝑔𝑛(𝑜𝑘 ) = 𝑓 𝑎𝑙𝑠𝑒;
∙ 𝛼𝑜𝑙 ist eine Basis-Abstraktionsoperation 𝛼𝑜𝑙 (𝑚𝑙 ) = 𝑚𝑎 , 𝑜𝑙 ∈ 𝑂𝑙 ∧ 𝑠𝑖𝑔𝑛(𝑜𝑙 ) = 𝑓 𝑎𝑙𝑠𝑒
Eine wichtige intrinsische Eigenschaft der BPMA ist der Informationsverlust, da das
abstrakte Prozessmodell weniger Informationen bzgl. Reihenfolgebeschränkungen aufweist, als das Prozessmodell, das abstrahiert wurde. Die hier aufgeführten Transformationsdefinitionen liefern ein Grundgerüst für die Durchführung von Abstraktionsoperatio-

128

nen auf Geschäftsprozessmodellen. Weitere Arbeiten, in denen spezifische Abstraktionen
auf Prozessmodellen vorgeschlagen und analysiert werden sind Polyvyanyy u. a. (2009);
Smirnov u. a. (2010a).
Im Zusammenhang mit der Aggregation von Abstraktionsobjekten wird auch der Begriff der Granularität eingeführt (Smirnov u. a. 2010b, S. 6). Granularität wird hier als
eine Eigenschaft von Prozessmodellen aufgefasst, die eine gewisse Passgenauigkeit oder
„Nähe“ von Modellelementen zu den repräsentierten Phänomenen aufweisen. Modelle,
deren Elemente sehr „nah“ an den Phänomenen sind werden als eher fein bezeichnet;
Modelle mit Elementen, die weiter entfernt von den Phänomenen sind, sind eher grobgranular. Dabei spielt es keine Rolle, ob ein Prozessmodell wenig oder viel von einem zu
repräsentierenden Bereich abbildet – eine spezifische Granularität (z.B. sehr fein) kann
auch bei einem Modell mit sehr geringem Abdeckungsgrad beibehalten werden. Granularität und Abdeckungsgrad (engl. coverage level) werden hier als voneinander unabhängige
Dimensionen betrachtet. Es stellt sich hier jedoch die Frage wie ein einziges, sehr fein
partitioniertes Modellelement zu einem höheren Granularitätsniveau aggregiert werden
kann? Dies ist allein aufgrund der Definition der Aggregationsfunktion nicht möglich,
da dafür mindestens zwei Abstraktionsobjekte benötigt werden. Selbst wenn von dieser
Verletzung abgesehen und weitere Abstraktionsobjekte für die Aggregation zugelassen
würden, kann das Granularitätsniveau nicht steigen, wenn nicht auch die Abdeckung
der zu repräsentierenden Phänomene zunehmen würde. Die hier nahegelegte Möglichkeit
eines sehr grobgranularen Prozessmodells, das vielleicht aus einem einzigen Modellelement besteht, aber gleichzeitig einen – nur – gegen Null gehenden Teil der zugrunde
liegenden Phänomene beschreiben soll (oben links im Quadranten des zweidimensionalen
„granularity level-coverage level“-Systems (Smirnov u. a. 2010b, S. 6)), erscheint mengentheoretisch nicht intuitiv. Der Unterschied zu anderen Granularitätsauffassungen (siehe
Folgendes) ist, dass hier kein Begriff der nicht explizit repräsentierten Informationselemente im Zusammenhang mit der Granularität zugrunde gelegt wird. Unrepräsentierte
Informationselemente sind für die Dimension „Abdeckungsgrad“ ein entscheidendes Merkmal. Der Granularitätsbegriff scheint sich hier allerdings dann nur auf das jeweilig im
Modell Repräsentierte zu beziehen – und nicht mehr auf Informationselemente, die zwar
adressiert werden wollen, aber nicht mehr durch das Modell abgedeckt sind. Dies bedeutet, dass die Granularitätseigenschaft mit der Variation des Abdeckungsgrads auch
den Bezug zu den Phänomenen ändert, also unterschiedliche unterliegende Systeme referenziert. Der Vergleich von Granularitäten von zwei Modellen kann daher verschiedene
Basen haben und eignet sich dadurch nur sehr begrenzt für den Inter-Modell-Vergleich
hinsichtlich des Merkmals Granularität.
Process Structure Tree
Im Ansatz des Process Structure Tree (PST) (Vanhatalo u. a. 2008) wird ein Prozessmodell als Workflow-Graph verstanden. Das Ziel des Ansatzes ist es, einen Workflowgraphen
in eine Hierarchie von Sub-Workflows zu zerlegen, welche Sub-Graphen mit einem jeweils

129

einzigen Kontrollflusseingang und einem einzigen Kontrollflussausgang sind. Der spezifizierte PST ist unique, definiert kanonische Fragmente und ist modular. Darüber hinaus
kann der PST in linearer Zeit berechnet werden. Im Kern adressiert der Ansatz des Process Structure Tree die Transformation von Prozessdiagrammen zum PST. Dabei liegt
der Fokus dieser Arbeit auf der effizienten Berechnung der Transformation. Zu bemerken
ist, dass sprachliche Konstrukte (d.h. die Labels der Aktivitäten des Prozessmodells) keine weitere Berücksichtigung in diesem Ansatz finden. Desweiteren wird keine Relation zu
menschlichen kognitiven Aktivitäten bzw. Besonderheiten charakterisisert. Es wird die
Vermutung geäußert, dass die Dekomposition bei Analyseaufgaben hilfreich sein kann.
Auf diesen Zusammenhang wird jedoch nicht näher eingegangen. In Bezug auf den Untersuchungskontext ist dieser Ansatz hilfreich, um aus Prozessmodellen eine hierarchische
Struktur zu erstellen, in der Ordnungsbeziehungen zwischen den einzelnen Fragmenten
existieren. Diese Ordnungsbeziehungen können prinzipiell dafür genutzt werden, um in
verschiedenen Granularitätsniveaus zu navigieren.
Modularität
Unter Modularität wird ein charakteristisches Muster von hierarchisch verschachtelten
„Blöcken“ verstanden, das in veschiedenen Kontexten wie in der Artefaktgestaltung, in
Produktionsprozessen oder in Arten und Weisen des Gebrauchs auftreten kann (Baldwin u. Clark 2000, S. 12)69 . Eine andere Definition bezeichnet Modularität als generelles
Merkmal von Systemen, das den Grad beschreibt, inwieweit dessen kooperierende Komponenten voneinander getrennt bzw. rekombiniert werden können (Schilling 2000). Wiederum eine weitere Definition fasst Modularität als Gestaltungsprinzip von komplexen
Systemen auf, die aus kleineren Subsystemen bestehen, welche unabhängig voneinander gehandhabt werden können, aber dennoch zusammen funktionieren (Langlois 2002).
Als allgemeines Systemmerkmal aufgefasst finden sich modulare Konzepte daher in unterschiedlichen Anwendungsdomänen wieder, z.B. in den Ingenieurwissenschaften (z.B.
Baldwin u. Clark 2000), in den Kognitionswissenschaften (z.B. Fodor 1983) und in der
Mathematik (z.B. Grätzer 1998). Entgegen einiger Definitionen muss ein modulares System nicht notwendigerweise hierarchisch geordnet sein, da dies eine partielle Ordnung
der Beziehungsrelation zwischen Modulen implizieren würde, was aber nicht der Fall sein
muss (Parnas 1972). Auch die Zerlegbarkeit eines Systems in seine Module muss nicht
streng gefordert werden, da die Funktionsweise einzelner Module durchaus in vielfältiger
Abhängigkeit zu den Wirkweisen anderer Module stehen kann (Reijers u. Mendling 2008;
Langlois 2002).
Um ein System bewusst in Module zu zerlegen, sind qualitative Merkmale notwendig,
welche die Zerlegung leiten. Solche Qualitätskriterien werden in Wand u. Weber (1995)
vorgeschlagen und diskutiert. Es werden fünf Merkmale vorgeschlagen. Die ersten drei
Merkmale sind absolut in dem Sinne, dass sie entweder erfüllt sind oder nicht. Minimality fordert, dass es keine redundanten Zustandsinformationen im modularen Modell gibt.
69

Zu Modularität wird insbesondere auf die Ausführungen in Reijers u. Mendling (2008) verwiesen.

130

Determinism fordert, dass eine Zustandsänderung genau dann ausgelöst wird, wenn ein
eindeutiges internes oder externes auslösendes Ereignis auftritt. Ist dies nicht der Fall,
dann kann das Verhalten eines Moduls nur verstanden werden, wenn Informationen über
den Zustand anderer Module bekannt sind. Losslessness (Verlustlosigkeit) fordert, dass
Attribute des unmodularisierten Modells durch die Modularisierung nicht verloren gehen
dürfen. Die zwei verbleibenden Merkmale, Coupling und Cohesion, sollten nach Möglichkeit optimiert werden. Das Coupling sollte möglichst klein sein, so dass die Summe aller
Eingänge in die modularisierten Systeme kleiner oder gleich der Eingangszahl jeder anderen Modularisierung des Gesamtsystems ist. Die Cohesion von Modulen sollte möglichst
groß sein, so dass der Output, der auf den Eingangsvariablen basiert, innerhalb einer
definierten Menge bleibt, und dass das Hinzufügen eines weiteren Outputs nicht die Erweiterung der Eingangsvariablenmenge erforderlich macht. Insgesamt kann festgehalten
werden, dass in Bezug auf die Zusammenfassung mehrerer Elemente in einer neuen Einheit der Modularitätsbegriff starke Überschneidung mit dem Gedanken der Granularität
aufweist (vgl. nächsten Abschnitt).
Granularität externer Repräsentationen
Der Begriff Granularität wird in verschiedenen Forschungsfeldern wie Granular Computing, Cognitive Informatics, Pattern Classification und konzeptueller Modellierung diskutiert (vgl. Yao 2003). Granularität ist ein fundamentales Konzept meschlicher Kognition
and bezieht sich auf die Konstruktion, die Interpretation und die Repräsentation von
sogenannten Granules. Ein Granule ist eine Ansammlung von Punkten (oder Objekten), die aufgrund von schwieriger Unterscheidbarkeit, Ähnlichkeit, Nähe oder gleicher
Funktionalität zusammentragen wurden (Zadeh 1997).
Granules sind das Ergebnis eines Granulationsprozesses. Dies ist ein Prozess, welcher ein „Universum“ (ein wahrgenommener Gegenstandsbereich) in Untermengen einteilt bzw. durch die Gruppierung von individuellen Objekten ein Clustering herbeiführt.
Granules können als Untermengen eines Universums betrachtet werden, das entweder
„fuzzy“ oder „crisp“ ist (vgl. dazu Yao 2003, 2004). Wenn der Granulationsprozess erfolgt
ist, müssen die entstandenen Granules bezeichnet werden. Dies geschieht durch Klassifikation, d.h. Namen werden zu Granules zugeordnet so dass ein Granule eine Instanz
einer spezifisch bezeichneten Kategorie darstellt. Die Partitionierung eines Universums 𝑈
ist eine Sammlung von nichtleeren und paarweise disjunkten Untermengen von 𝑈 , deren
Vereinigung 𝑈 ist. Jede Untermenge in einer Partition wird auch als Block bezeichnet. In
der granulierten Sicht sind Partitionen, als die Elemente einer Partitionierung von 𝑈 , die
grundlegenen Bausteine und werden auch als die elementaren Granules bezeichnet. Diese sind die kleinsten nichtleeren Untermengen, die definiert, beobachtet bzw. gemessen
werden können. Aus elementaren Granules können durch Vereinigung größere Granules
konstruiert werden (Yao 2003). Da Partitionen nichtleer sind, haben sie eine Kardinalität
von ≥ 1. Die Teile oder Blöcke einer Partition sind zählbar, aber nicht erfassbar, weil sie
nicht differenziert werden können. Wenn man das Konzept der Granularität auf den Be-

131

U

U

π1
π2
Elementary granules in
the respective partition

Abbildung 4.9.: Zwei alternative Partitionen eines Universums 𝑈
reich der Enterprise Systems und deren Design und Management überträgt, dann besteht
das Universum 𝑈 aus dem gesamten Unternehmen inklusive seiner Geschäftsprozesse,
Datenstrukturen, Mitarbeiter und aller anderen Artefakte, die für die strategischen und
operativen Tätigkeiten benötigt werden. Dies ist in der Regel eine Perspektive, die von
einem Enterprise Designer oder Enterprise-Architekten eingenommen wird. Wenn Beziehungen zu anderen Unternehmen aufgebaut werden, dann vergrößert sich entsprechend
der Blickwinkel und schließt auch all diese zusätzlichen Artefakte mit ein – das Universum
vergrößert sich. Zur Vereinfachung werden Busines-to-Business-Verbindungen nicht in die
Betrachtung mit einbezogen. Im Enterprise-Kontext entsprechen die verschiedenen Partitionen des Universums den unterschiedlichen Blickwinkeln, die Enterprise-Gestalter in
der Organisation einnehmen können. Die Strukturierung des gesamten Unternehmens in
grobe Service-Domänen kann beispielsweise als grob-granulare Partition angesehen werden. Im Gegensatz dazu wäre die Abbildung eines End-to-End-Geschäftsprozesses mit
all seinen Datenstrukturen eine fein-granulare Partition. Eine konzeptuelle Visualisierung
von verschiedenen Granularitäten unterschiedlicher Partitionen ist in Abbildung 4.9 gezeigt. Die Granularität unterschiedlicher Partitionen ist ein wichtiges Charakteristikum
in Design-Aufgaben, die auf unterschiedlichen Granularitätsebenen angesiedelt sind, da
sie einen Effekt darauf hat, wie Gestaltungsaufgaben geplant und entwickelt werden und
wie effizient verfügbare Artefakte wiederverwendet werden können.

132

π1
A

B
A2

A1

A3

A4

|A2|=8

|A1|=1

|A3|=7

|A4|=1

b
a

h

k

c

e

f

i

l

g

d
|U|=17

π2
α

β

A1

A2

γ
A3

δ
A4

ε
A5

A6

A7

|A2|=1
|A1|=1

|A4|=2

|A3|=5

|A5|=1

|A6|=6

b
a

|A7|=1

h

k

c

e

f

i

l

g

d
|U|=17

Abbildung 4.10.: Zwei alternative Partitionierungen eines atomaren Prozessmodells: grob
(oben) und fein (unten)
Granularitätsmetrik
Um das Granularitätskonzept als Faktor in wiederverwendungsorientierten Designaufgaben untersuchen zu können, muss ein quantitatives Maß zugeordnet werden. Als Basis für eine Granularitätsmetrik einer bestimmten Partition kann die Shannon-Entropie
herangezogen werden (Yao 2003; Shannon u. Weaver 1963). Für eine Partition 𝜋 =
𝐴1 , 𝐴2 , . . . , 𝐴𝑚 ist die Wahrscheinlichkeitsverteilung
(
𝑃𝜋 =

∣𝐴1 ∣ ∣𝐴2 ∣
∣𝐴𝑚 ∣
,
,...,
∣𝑈 ∣ ∣𝑈 ∣
∣𝑈 ∣

133

)
(4.1)

wobei ∣ ⋅ ∣ die Kardinalität einer Menge bezeichnet. Diese Verteilung gibt an, mit welcher Wahrscheinlichkeit die einzelnen Partitionsblöcke 𝐴𝑖 eines Modells auftreten bzw.
zum Einsatz kommen, wenn dieses Modell verwendet wird. Grobe Blöcke, d.h. Granules,
die viele Elemente umfassen (also großes ∣𝐴𝑖 ∣/∣𝑈 ∣) weisen eine höhere Wahrscheinlichkeit
auf, dass es zum „Einsatzfall“ kommt, da das Granule für viele potenzielle Informationsentitäten relevant sein wird. Dies lässt sich auch für grobgranulare Aktivitäten eines
Prozessmodells einsehen, die – bei adaptiver Wiederverwendung – eine größere Menge
an relevanten Subaktivitäten abdecken würden (vgl. Modularität im Unterabschnitt weiter oben). Über die Wahrscheinlichkeit lässt sich also die höhere Informationsdichte in
gröber granularen (bzw. die geringere Informationsdichte in feiner granularen) Modellen
abbilden.
Um für eine spezifische Partitionierung einer betrachteten Domäne (= Universum)
in Bezug auf Prozessmodelle (also ein Prozessmodell einer spezifischen Abstraktion)
einen Granularitätswert zu erhalten, müssen die Werte der Wahrscheinlichkeitsverteilung 𝑃𝜋 in einen repräsentierenden Wert überführt werden. Dies leistet die ShannonEntropiefunktion. Die Shannon-Entropiefunktion der Wahrscheinlichkeitsverteilung ist
definiert als

𝐻(𝜋) = 𝐻(𝑃𝜋 ) = −

𝑚
∑ ∣𝐴𝑖 ∣
𝑖=1

∣𝑈 ∣

log

∣𝐴𝑖 ∣
∣𝑈 ∣

(4.2)

Dabei ergibt sich für die gröbste Partitionierung 𝑈 ein maximaler Entropiewert von
𝐻(𝜋) = −𝑙𝑜𝑔1 = 0 und für die feinste Partitionierung (atomare Partition) ein Wert von
𝐻(𝜋), der gegen −𝑙𝑜𝑔0, also gegen unendlich geht. Nach Yao (2003) kann die folgende,
leicht von 𝐻 abgewandelte Funktion 𝐺 als Maß für die Granularität einer Partition 𝜋
verwendet werden, um besonders feingranularen Modellen möglichst niedrige Werte und
grobgranularen Modellen hohe Werte zuzuordnen:

𝐺(𝜋) =

𝑚
∑ ∣𝐴𝑖 ∣
𝑖=1

∣𝑈 ∣

log ∣𝐴𝑖 ∣

(4.3)

Aufbauend auf der Entropiefunktion, bei welcher für zwei Partitionen 𝜋1 und 𝜋2 die
Relation 𝜋1 ≻ 𝜋2 gilt, d.h. 𝜋1 ist grobgranularer als 𝜋2 bzw. 𝜋2 ist eine Verfeinerung
von 𝜋1 (siehe Abb. 4.9), ergibt sich die Relation 𝐺(𝜋1 ) ≥ 𝐺(𝜋2 ). Die gröbste Partition
{𝑈 } hat den maximalen Granularitätswert log ∣𝑈 ∣, die feinste Partition {{𝑥} ∣𝑥 ∈ ∣𝑈 ∣}
hat den minimalen Granularitätswert 0.
Die Metrik 𝐺 kann genutzt werden, um verschiedene Wiederverwendungsartefakte in
Modellierungsaufgaben ihrer Granularität nach zu unterscheiden. Ein Beispiel für unterschiedlich granulare Prozessmodelle nach dieser Definition ist in Abbildung 4.10 gegeben.
In Bezug auf die Möglichkeit vieler verschiedener Partionierungsmöglichkeiten soll hier
aber auf einen wichtigen Aspekt hingewiesen werden. Da die Granularitätsmetrik ein

134

zusammenfassendes Maß einer granulierten Partition ist, gehen Informationen über die
Granulationsdetails verloren. D.h. es sind zwei Partitionen gleicher Granularität vorstellbar, die sich in der spezifischen Granulation stark unterscheiden können. Es könnte z.B.
in beiden Partitionen jeweils Bereiche geben, die fein und grob granuliert sind, aber die
Verteilung dieser Bereiche könnte vollständig entgegengesetzt gelagert sein. Da die konkrete Partition einen entscheidenden Einfluss auf die Ergonomie eines Modells haben
kann, muss in Untersuchungen das Charakteristikum Granularität enger gefasst werden in dem Sinne, dass zusätzlich eine spezifische Partition der Granularität zugeordnet
sein muss. Knüpft man die Granularität nicht an eine spezifische Partition, so werden
sich verallgemeinernde Aussagen über die Granularität bezüglich ihres Effekts auf die
Designperformance kaum treffen lassen. Denn die reine Betrachtung der Granularität
als Einflussfaktor könnte die Erwartung entstehen lassen, dass in einem weiteren Anwendungsfall die Nutzung eines wiederverwendbaren Artefakts gleicher Granularität zu
einem ähnlichen Performanceeffekt führen könnte. Dies ist aber angesichts der möglichen
unterschiedlich partionierten Artefakte – die gleiche Granularität besitzen – eine falsche
Erwartungshaltung. Die Einflüsse, welche durch die konkrete Partition ausgeübt werden
weisen einen eigenen zusätzlichen Charakter auf im Vergleich zur Granularitätsmetrik,
welche für verschiedene Partitionen gleich ausgeprägt sein kann. Theoretisch kann dies
mit dem Einfluss auf Performanzgrößen von Layout-bezogenen Merkmalen (vgl. Strukturiertheit in Mendling u. a. (2010a)) und insbesondere von der unterschiedlichen Ausprägung von Konstrukten entlang des zeitlichen Ablaufs begründet werden, welche in
Partitionen gleicher Granularität sehr unterschiedlich ausgeprägt sein können.
Bestimmung der Granularität der Wiederverwendungsmodelle
Die oben definierten Konzepte der Granularität von Partitionen werden nun auf Prozessmodelle angewandt, um deren Granularitäten zu ermitteln bzw. festzulegen. Mit Blick
auf die Untersuchung, welche die Granularität von wiederzuverwendenden Prozessmodellen fokussiert, ist dieser Ermittlungsansatz analog anzuwenden. Ein wichtiger Faktor in
der Granularitätsbestimmung für eine spezifische Partition ist die Kardinalität des „Universums“, d.h. des Problembereichs der Aufgabe oder auch Scope des zu formulierenden
Prozessmodells. Diese stellt die Referenz dar, zu der höhere oder niedrigere Granularitäten von Partitionen des Universums in Beziehung gesetzt werden können.
Das Universum (oder auch Diskursbereich) stellt sich oft primär durch betrieblich
relevante Texte (oder auch Dialog Documents 70 ) dar, der Modellierern zur Verfügung
gestellt wird71 . Im Text sind sowohl Informationen über den Ist-Prozess, als auch weitergehende kontextuelle Informationen repräsentiert, u.a. welche Änderungen am Prozess
im Hinblick auf eine Verbesserung von der Organisation gewünscht sind. Ein Text kann
nicht die gleiche Menge an Informationen aussenden wie komplexere Arbeitssituationen
70
71

Vgl. hierzu Frederiks u. van der Weide (2006).
In der betrieblichen Praxis sind die Informationsquellen und Medien, über die sich ein Geschäftsprozesskontext erschließen lässt, typischerweise vielfältiger.

135

in größeren Organisationen, in denen mehrere Kommunikationsbeziehungen bestehen zu
sowohl menschlichen Akteuren als auch zu Informationssystemen, in der die Situation
durch weitere Faktoren bestimmt sein kann durch soziale Machtverhältnisse, Vertrauen,
technisches Wissen, Organisationshistorie u.v.m. Ein Aufgabentext für die Prozessmodellierung kann eine derart komplexe soziotechnische Arbeitssituation nur stellvertretend
abbilden. Den Prozesstext als Ausgangspunkt für die Bestimmung der atomaren Granularität, d.h. ∣𝑈 ∣, zu nehmen, erscheint daher sinnvoll, da es sich um ein intersubjektiv
wahrnehmbares Objekt der Aufgabenrepräsentation handelt.
Für die Aufteilung des Aufgabentexts in seine atomaren Bestandteile sind Ansätze
der Textanalyse heranzuziehen. Innerhalb der Textanalyse lassen sich zwei Typen der
Analyse grob unterscheiden. Es gibt zum einen die Inhaltsanalyse oder auch qualitative
Analyse und zum anderen die statistische Analyse. Letztere beschäftigt sich primär mit
der Zählung von bestimmten Merkmalen innerhalb von Texten und ihrer mathematischen
Transformation. Als einfachstes Verfahren sei hier nur die Aufführung von Frequenzen
bestimmter Wörter genannt. Das Auftauchen bestimmter Textmerkmale und deren Zählung ist für die Kardinalitätsbestimmung insofern wichtig, als dass letztlich die Menge
der atomaren Teile des Aufgabentexts ermittelt werden muss. Entscheidender ist jedoch,
was genau im Text als einzelne, zählbare Einheit betrachtet werden soll und was nicht.
Aus diesem Grund sind qualitative Analyseverfahren von primärer Bedeutung. Die texbasierte Inhaltsanalyse ist eine systematische, replizierbare Technik zur Kompression von
mehreren Worten eines Textes in wenige inhaltliche Kategorien auf Basis von expliziten
Regeln (Stemler 2001). Da der Kontext des Aufgabentexts die Beschreibung eines Geschäftsprozesses ist, wird der Fokus auf bestimmte prozessrelevante Textbestandteile und
inhaltliche Kategorien gesetzt.
Folgende inhaltliche Kategorien sind aufgrund des Prozesskontexts vorgegeben, in welche die Wörter des Prozesstextes eingeordnet werden:
∙ Akteure, Organisationseinheiten, Abteilungen
∙ Aktivitäten
∙ Datenobjekte
∙ Begriffe, die auf Sequenzialität (temporale Aspekte) hinweisen
∙ Ereignisse des Beginns und des Abschlusses und Ereignisse im Verlauf des Prozesses
∙ Verzweigungen, Zusammenführungen
∙ Restliche Begriffe
Auf Basis dieser Kategorien kann für einen Geschäftsprozesstext die Kardinalität, also die Menge aller atomaren Bestandteile, die für die Prozessmodellierung relevant sind,
bestimmt werden. Die Begriffskategorien können dann auf die Elemente in den wiederverwendbaren Prozessmodellen abgebildet werden. Dabei wird so vorgegangen, dass all jene
Wörter, welche einen inhaltlichen Bezug zu dem jeweiligen Prozessmodellierungselement

136

haben, auch diesem zugeordnet werden. Die Prozesselemente stellen also Obermengen bestimmter Untermengen aus dem Aufgabentext, d.h. Wörter oder Begriffskomplexe, dar.
Die Obermengen auf Ebene des Prozessmodells sind dabei nicht disjunkt, da Wörter des
Textes durchaus mehreren Prozesselementen zugeordnet werden können. Dies entspricht
nicht genau dem Granularitätskonzept aus Yao (2004), da dort nur von disjunkten Mengen die Rede ist. Da jedoch primär das Ziel verfolgt wird, die Granularitätsdifferenz
zwischen zwei Modellen bezogen auf einen Aufgabentext deutlich aufzuzeigen, kann in
diesem konkreten Fall die Forderung abgeschwächt und eine Mehrfachzuordnung von
Wörtern zu Prozesselementen zugelassen werden72 . Ist dies erfolgt, kann mit Hilfe der
Granularitätsformel aus Gleichung 4.3 die Granularität für die Wiederverwendungsmodelle bestimmt werden.

4.5. Hypothesen zu Wirkungen auf die
Modellierungsperformanz
Es werden die Überlegungen aus den vorangegangenen Abschnitten herangezogenen, um
Hypothesen der Wirkungen bestimmter Faktoren auf Performanzgrößen der wiederverwendungsbasierten Prozessmodellierung abzuleiten. Der Hauptfokus des Untersuchungsinteresses liegt primär auf den erwarteten Schwankungen der Adaptionsperformanz bei
der wiederverwendungsbasierten Prozessmodellierung, welche durch anzunehmende Wirkungen der Faktoren Prozessmodellgranularität und Anwendungsdomäne hervorgerufen
werden. Hierdurch soll eine genauere Charakterisierung des adaptiven Verhaltens von
wiederverwendenden Prozessmodellierern erreicht werden. Die vorzunehmenden Anpassungen (worüber sich die Adaptionsperformanz quantifizieren lässt) beziehen sich auf
bestimmte Anker in den Wiederverwendungsprozessen, die in Relation zur Prozessmodellgranularität stehen. Durch die Vornahme bzw. das Versäumen von erforderlichen
Anpassungen wird folglich auch die gesamte semantische Qualität des Lösungsmodells
beeinflusst – aber nicht allein dadurch. Es ist möglich, dass andere Modifkationen vorgenommen werden, die sich nicht auf die geforderten Anpassungen beziehen, wodurch
die semantische Qualität zusätzlich beeinflusst werden kann. Neben der Adaptionsperformanz ist daher auch die finale Lösungsqualität zu beobachten, um unerwartete Effekte
bzgl. des komplettierten Prozessmodells nicht zu übersehen. Der Abschnitt ist im Folgenden gegliedert in 1) Effekte, die sich auf Adaptionsperformanz beziehen und 2) Effekte,
welche sich u.U. auf die semantische Qualität der Prozesmodelllösungen auswirken.

4.5.1. Wirkung auf Adaptionsperformanz
Haupteffekt der Granularität Übertragen auf den Kontext der Geschäftsprozessmodellierung unter Wiederverwendung postuliert die kognitive Verzerrung des Anchoring und
72

Für einen interessanten Ansatz der WordNet-basierten Aggregation von feinen Aktivitäten zu gröberen
Aktivitäten siehe auch Smirnov u. a. (2010a).

137

Adjustment Bias, dass sich Prozessmodellierer während der Wiederverwendung eines Prozessmodells an den im Wiederverwendungsmodell vorliegenden Anchors orientieren und
in nicht ausreichendem Maße die notwendigen Änderungen vornehmen, um das wiederverwendete Prozessmodell an die neuen Geschäftsprozessanforderungen anzupassen. Es wird
vorausgeschickt, dass in jedem Fall von wiederverwendeten Prozessmodellen, an denen
eine bestimmte Anzahl an Anpassungen vorgenommen werden muss, um zur Lösung zu
gelangen, mit Ankereffekten zu rechnen ist. Obwohl diese Annahme für diesen konkreten
Kontext hypothetisch ist und zu überprüfen wäre, wird sie hier zugrunde gelegt anknüpfend an die Beobachtungen aus der Studie von Parsons u. Saunders (2004). Dort wurden
deutliche Ankereffekte bei der Wiederverwendung eines ER-Diagramms beobachtet. Für
die Wiederverwendung eines graphischen Prozessmodells in einer dazu komplexeren Modellierungsaufgabe (als der in Parsons u. Saunders’ Untersuchungsdesign), kann daher
ein ähnlich starker, wenn nicht stärkerer Ankereffekt angenommen werden.
Es existieren Hinweise darauf, dass die Anpassung von verschiedenen Anchortypen
Modellierern unterschiedliche Schwierigkeiten bereitet, welche sich in der Modellierungsperformanz niederschlagen. Dies ist zunächst nicht direkt einleuchtend, da verschiedene
Anchors zwar jeweils eine entsprechende Anpassungsoperation verlangen, diese Anpassungsoperationen aber nicht zwingend unterschiedlich hohe Aufwände erfordern müssen.
Betrachtet man beispielsweise ein wiederverwendbares Prozessmodell, das einmal mit einem Extraneous-Anchor versehen ist und einmal mit einem Omission-Anchor, so wären
die entsprechenden Anpassungsoperationen die Entfernung des Elements bzw. die Einfügung eines fehlenden Elements nach Maßgabe der Anforderungen der Modellierungsaufgabe. Beiden Situationen geht die vergleichende Betrachtung der Modellierungsaufgabe
und des Wiederverwendungsmodells voraus, wobei im Fall des Wiederverwendungsmodells mit Extraneous-Anchor die Handlung der Löschung eines Elements resultiert und
im Fall des Wiederverwendungsmodells mit Omission-Anchor die Handlung der Einfügung des fehlenden Elements. Dass die vorgenommenen Vergleiche und die Ausführung
der jeweiligen Anpassungsoperation besonders unterschiedliche kognitive Aufwände verursachen könnten, ist hier nicht offenkundig.
In empirischen Arbeiten konnten jedoch Hinweise auf unterschiedliche kognitive Aufwände bei Anpassungen im Rahmen der Artefaktwiederverwendung – hervorgerufen
durch unterschiedliche Anchortypen – beobachtet werden. In Parsons u. Saunders (2004)
werden drei Anchortypen – Extraneous, Error und Omission73 – sowohl bei der Codewiederverwendung als auch bei der Designmodellwiederverwendung betrachtet. Die Untersuchung der Codewiederverwendung zeigt, dass die vorgenommenen Anpassungen von
Omission- und Error-Anchors sich nicht signifikant von der Kontrollgruppe unterscheiden.
Bezüglich der Anpassung von Extraneous-Anchors allerdings ist der Unterschied zwischen
Treatment- und Kontrollgruppe signifikant. Da die Untersuchung darauf ausgelegt ist,
zunächst allgemein das Anpassungsverhalten bezüglich Anchors in wiederverwendeten
73

Omissions (dt. Auslassungen) beziehen sich hier auf Entitäten, Attribute, Relationships und Hierachien, die im wiederverwendbaren ER-Diagramm nicht enthalten waren, welche aber in der Modellierungsaufgabe explizit gefordert wurden. Das wiederverwendete Modell musste entsprechend angepasst
bzw. erweitert werden, um die Anforderungen zu erfüllen.

138

Modellen explorativ zu untersuchen, sind die Anchorverteilungen im wiederverwendbaren Code nicht explizit für einen Vergleich von Anchortypen gestaltet. Während nur ein
einziger Omission-Anchor im Wiederverwendungscode untergebracht ist, beträgt die Anzahl der Extraneous- bzw. Error-Anchors mehr als doppelt so viel, was bedeutet, dass die
Probanden Extraneous- und Error-Anchors stärker exponiert sind, als Omission-Anchors.
Trotz der mangelnden Vergleichbarkeit der Anchortypanpassungen aufgrund der ungleich
verteilten Anchors deutet das signifikante Anchoring der Extraneous-Elemente darauf
hin, dass diese Art der Adaption Teilnehmern stärkere Schwierigkeiten bereitet.
Auch die Untersuchung der Wiederverwendung eines Designmodells zeigt, dass der
Anchoring-Effekt in Bezug auf Extraneous-Elemente signifikant ist (Parsons u. Saunders
2004). Der Anchoring-Effekt ist zwar auch bei den anderen Anchortypen zu beobachten.
Bei den Extraneous-Anchors ist er allerdings stärker ausgeprägt. Dies deutet darauf hin,
dass auch bei der Wiederverwendung von Diagrammen (bei Parsons u. Saunders ist es
ein ER-Modell) Anchoring-Effekte bei verschiedenen Anchortypen unterschiedlich stark
auftreten.
Auch in der Untersuchung von Allen u. Parsons (2010) wird auf die Möglichkeit unterschiedlicher Schwierigkeitsgrade bei der Anpassung von verschiedenen Anchors hingewiesen. Die Untersuchung betrachtet allerdings SQL-Anweisungen, die in der Formulierung
von neuen Abfragen wiederverwendet werden. SQL-Anweisungen sind grundsätzlich auch
IT-Artefakte, weisen jedoch hinsichtlich der sprachlichen Ausdrücke und der visuellen
Repräsentation deutliche Unterschiede zu Prozessmodellen auf. Aus diesem Grund sind
die Ergebnisse der Studie von Allen u. Parsons nur eingeschränkt auf den Kontext der
Prozessmodellwiederverwendung zu übertragen.
Auch die Differenzierung der betrachteten Anchors ist nicht die gleiche wie in der Studie von Parsons u. Saunders, denn es wird in erster Linie zwischen sogenannten „surfacestructure“- und „deep-structure“-Anchors unterschieden (die beide entweder entfernt, hinzugefügt oder abgeändert werden können). „Surface-structure“-Anchors sind erforderliche
Anpassungen, die relativ einfache Änderungen umfassen, wie z.B. die Einschränkung eines Operanden oder die Änderung einer aggregierenden Funktion. Für diese Anpassungen
ist es nicht notwendig, die Ausdrücke der Informationsanfrage mit dem Datenbankschema in Verbindung zu bringen. Bei „Deep-structure“-Anchors ist es dagegen erforderlich,
dieses Verständnis der Zusammenhänge zwischen den Ausdrücken der Informationsanfrage und dem Datenbankschema zu entwickeln. Und dieses Verständnis ist besonders
abhängig vom Vorliegen einer internen, syntax-neutralen Datenanweisung, deren Aufbau initialen Aufwand bedeutet. Ein Beispiel für einen „Deep-structure“-Anchor ist die
Anpassung eines JOIN-Ausdrucks (Allen u. Parsons 2010, S. 63).
Obwohl der Fokus der Betrachtung bei Allen u. Parsons (2010) nicht auf der Unterscheidung zwischen Anchors liegt, die unterschiedliche Anpassungsoperationen wie das
Entfernen und das Hinzufügen implizieren, ist der Beitrag dennoch fruchtbar. Ihre Betrachtung zeigt die Notwendigkeit auf, die „Tiefe“ von Extraneous- und Omission-Anchors
näher zu qualifizieren, um dieses Merkmal als zusätzliche Ursache einer schwierigeren

139

Anpassung im Rahmen eines Anchor-Vergleichs weitestgehend auszuschließen. Die inhaltliche Tiefe der Anchors (ob Extraneous oder Omission) sollte in einer Untersuchung
stabil gehalten und kontrolliert werden, ansonsten hätte die Untersuchung einen Bias in
Richtung des „tiefer“ gelegenen – also auch schwieriger anpassbaren – Anchors.
Werden die oben diskutierten Untersuchungen gemeinsam im Kontext der wiederverwendungsbasierten Prozessmodellanpassung betrachtet, so kann für umfangreichere Modelle vermutet werden, dass die Anpassung von Extraneous-Anchors schwieriger ist, als
die Anpassung von Omission-Anchors. Durch die schwierigere Identifikation und Modifikation erscheint es daher wahrscheinlich, dass weniger Extraneous-Anchors korrekt
angepasst werden, als dies sich bei der Adaption von Omission-Anchors zeigt. Wenn
man den Zusammenhang zwischen der Granularität und dem Vorliegen bestimmter Ankertypen heranzieht (siehe Abschnitt 4.3), dann kann analog die Erwartung aufgestellt
werden, dass die Anpassung von feingranularen Wiederverwendungsmodellen (die vorwiegend Extraneous-Anchors beinhalten) für Prozessmodellierer schwieriger ist, als die
Anpassung von grobgranularen Wiedeverwendungsmodellen (die vorwiegend OmissionAnchors beinhalten). Der Grund für die größeren Schwierigkeiten wird zum einen in
einer aufwändigeren Suche bei der Identifikation der überflüssigen Informationselemente
gesehen. Zum anderen ist es aus kognitiv-ergonomischer Sicht vermutlich hilfreich, auf bestimmte Cues im grobgranularen Wiederverwendungsmodell zurückgreifen zu können, die
Modellierern sowohl die Identifikation aber auch die entsprechende Modifikation (durch
Assoziation mit bestehenden mentalen Repräsentationen) erleichtern. Diese Annahme
wird durch Ergebnisse aus dem Bereich der Neurophysiologie gestützt, die nahelegen,
dass kognitive Anpassungsoperationen innerhalb unterschiedlich ausgeprägter mentaler
Skalen den Untersuchungsteilnehmern verschieden hohe Schwierigkeiten bereiten (Qu
u. a. 2008). Es wird daher die Erwartung abgeleitet, dass die Anpassung (Entfernung)
von Extraneous-Anchors einen höheren kognitiven Aufwand bedeutet, als die Anpassung
(Einfügung) von Omission-Anchors.
Diese Erwartung ist in theoretischer Hinsicht jedoch nur schwach gestützt und speist
sich vornehmlich durch die eingeschränkten empirischen Ergebnisse der Parsons u. Saundersschen Studie. Ein solideres Fundament zur theoretischen Erklärung der Adaptionsperformanzschwankungen bei unterschiedlich granularen Wiederverwendungsmodellen bilden die zuvor dargestellten kognitionsbasierten Theorien der Dual Coding Theory
(DCT) und Cognitive Load Theory (CLT). Nach der DCT steigt die Verständlichkeit,
wenn Informationen über beide Kanäle – auditorisch und visuell – präsentiert werden.
Bei Prozessmodellen ist dies der typische Fall. Prozessmodelle bestehen sowohl aus graphischen Konstrukten wie z.B. Kästen und Pfeilen als auch aus verbalen Annotationen.
Letztere tragen vor allem innerhalb von Kästen als spezifische Beschreibung der jeweiligen
Aktivität zur genaueren Information bei. Die Prozessmodellierung stellt somit bereits eine Umsetzung des Multimedia Principle dar. Wird die Granularität von Prozessmodellen
zusätzlich betrachtet, so dass Prozessmodelle auf unterschiedlichen Granularitätsebenen
entstehen, so bleibt das Multimedia Principle unverletzt, da sowohl im grobgranularen
wie im feingranularen Fall graphische und verbale Konstrukte eingesetzt werden. Die

140

Zweikanaligkeit von wiederverwendbaren Prozessmodellen bleibt also von Variationen
der Granularität unberührt. Ein erwarteter Effekt auf die Adaptionsperformanz kann
demnach nicht mit einer Änderung der Zweikanaligkeit (z.B. auf nur einen oder mehr als
zwei) erklärt werden.
Eine andere Erklärungsmöglichkeit ergibt sich über die Begrenzung der Kanalkapazität. Wenn diese Grenze erreicht wird, dann ist mit einem negativen Effekt auf die
Verständlichkeit zu rechnen. Der menschliche Arbeitsspeicher kann nur eine begrenzte
Zahl an Informationseinheiten halten, um sie dann auf Passgenauigkeit zu prüfen. Übersteigt die Zahl zu erfassender Elemente diesen Speicher, so kommt es zu Verzögerungen
der Erfassung und damit nicht zum Aufbau benötigter mentaler Repräsentationen, da
nicht alle Informationselemente gleichzeitig erfasst werden können. Das erschwerte Erfassen und damit auch Verstehen eines vorliegenden Prozessmodells mit der kanalkapazitätsübersteigenden Menge an Informationselementen wird sich auch erschwerend auf
die adaptive Aktivität auswirken. Diese Aktivität besteht aus dem Vergleich zwischen
Anforderungen und Elementen des Wiederverwendungsmodells und der anschließenden
Durchführung einer Änderung basierend auf dem Vergleichsergebnis. Die zu hohe Zahl
an Informationselementen, die zur erschwerten Verständlichkeit führt, erfordert eine entsprechend hohe Zahl an durchzuführenden Vergleichen zwischen den Anforderungen und
der hohen Anzahl potenziell beizubehaltender Elemente des Wiederverwendungsmodells.
Da eine parallele Durchführung der Vergleiche aufgrund der beschränkten Kanalkapazitäten nicht möglich ist und eine effiziente sequenzielle Durchführung der Vergleiche ebenfalls komplex ist – verbale Anforderungen müssen mit räumlich angeordneten Symbolen
assoziiert werden und bereits durchgeführte Vergleiche müssen „gemerkt“ werden, was
wiederum Arbeisspeicher beansprucht – wird die Performanz der Adaption des Wiederverwendungsmodells beeinträchtigt werden.
Zu erwartende Effekte auf die Adaptionsperformanz, die mit unterschiedlichen Granularitäten der Wiederverwendungsmodelle einhergehen, lassen sich auf ähnliche Weise mit
der CLT begründen. Auch hier wird eine Kapazitätsbeschränkung zugrunde gelegt, welche dem Arbeitsgedächtnis nur eine Belegung bestimmten Umfangs erlaubt, ohne dass es
zu Verarbeitungsschwierigkeiten kommt. Grundsätzlich kann daher bei größeren Mengen
an zu erfassenden und zu haltenden Informationselementen – wie dies bei feingranularen im Vergleich zu grobgranularen Wiederverwendungsmodellen der Fall ist – mit einer
geringeren Adaptionsperformanz gerechnet werden. Über die reine Betrachtung der im
Wiederverwendungsmodell vorliegenden Elementzahl hinaus kann der angenommene Performanzabfall im feingranularen Fall auch mit den differenzierten Ladungstypen intrinsic
load, extraneous load und germane load begründet werden. Intrinsic load ist zunächst
grundsätzlich für beide Fälle (fein- und grobgranular) gleich, da die Aufgabe lautet, den
Geschäftsprozess zu modellieren. Die Geschäftsprozessbeschreibung ist für beide Fälle
von gleichem Umfang und gleicher Komplexität. Die extraneous load ist durch die Wiederverwendungsmodelle gegeben, die für die Bearbeitung genutzt werden sollen. Diese
Ladung hat durch die unterschiedlichen Granularitätsstufen jeweils einen anderen Charakter. Sie ist im feingranularen Fall aufgrund der größeren Anzahl an Elementen höher

141

als im grobgranularen Wiederverwendungsmodell. Da die Prozessmodellierung adaptiv
erfolgt, hat die externe Präsentation der Wiederverwendungsmodelle auch eine Wirkung
auf den Charakter der intrinsischen Last. Diese äußert sich nicht über den reinen Umfang
der notwendigen Anpassungen, sondern über den Typ der jeweiligen Anpassungsoperation. Dies lässt sich am konkreten Vorgehen eines Modellierers zeigen.
Um festzustellen, inwieweit die Anforderungen an den Sollprozess vom wiederverwendbaren Modell abgedeckt werden, werden Vergleiche vorgenommen und Korrespondenzen
zwischen jeweiliger Prozessanforderung und Inhalt der Lösungschätzung aufgestellt (zu
Korrespondenzen siehe Küster u. a. (2006, S. 40-41)). Die Anzahl potenziell vorzunehmender Vergleiche ist – entsprechend der höheren Elementzahl – im Fall des feingranularen
Modells höher, da sich die Vergleichsanzahl mit der steigenden Elementzahl im Wiederverwendungsmodell erhöht. Die Anzahl aufzustellender Korrespondenzen zwischen Prozessanforderungen und Wiederverwendungsmodellelementen ist dagegen nahezu gleich
(wenn die Graph Edit Distance kontrolliert wird, vgl. Abschnitt 5.2.5 zu kontrollierten
Variablen) – aber der Typ der Korrespondenzen unterscheidet sich. Während im grobgranularen Fall many-to-1-Korrespondenzen vorherrschen, dominieren im feingranularen Fall
die 1-to-1- und 0-to-1-Korrespondenzen. Die Folge dieser Korrespondenzaufstellungen
sind schließlich die notwendigen Anpassungsoperationen, die auf den Korrespondenzen
basieren. Entsprechend des Korrespondenztyps kommt es zu unterschiedlichen Operationstypen. Im grobgranularen Fall muss es zu Einfügungen von Elementen kommen; im
feingranularen Fall hingegen müssen Elemente aus dem Modell entfernt werden.
Die obige Aufstellung von möglichen Informationseinheiten, welche das Arbeitsgedächtnis potenziell belegen – bei unterschiedlichen Granularitätsbedingungen – lässt zunächst darauf schließen, dass die kognitive Beanspruchung im feingranularen Fall größer
sein müsste aufgrund der intensiveren Anforderungen an die Erfassung und potenziell
mehr durchzuführender Vergleiche. Folgende gerichtete Unterschiedshypothese wird deswegen formuliert.
Hypothese 1 (H1). Die Prozessmodellgranularität wirkt unabhängig von
der Anwendungsdomäne unterschiedlich auf die Adaptionsperformanz. Die
Entfernung von überflüssigen Informationselementen aus einem wiederverwendbaren Prozessmodell beansprucht mehr kognitive Kapazitäten als die Einfügung von ausgelassenen Elementen (der Anpassungsbias ist größer). Deswegen werden Prozessmodellierer ausgehend von einem grobgranularen Wiederverwendungsmodell mehr erforderliche Anpassungen korrekt vornehmen,
als wenn Sie von einem feingranularen Wiederverwendungsmodell ausgehen.
Kein Haupteffekt der Anwendungsdomäne Es wird als wichtig eingestuft, dass Prozessmodellierungsaufgaben aus der betrieblichen Praxis verwendet werden. In einigen
Studien sind die Anwendungsdomänen in akademischen Kontexten angesiedelt und lassen sich nur mit einigem Aufwand in die betrieblichen Realitäten transferieren. Darüber
hinaus ist die Anzahl an Arbeiten, die Phänomene des Modellierungsverhaltens in ver-

142

schiedenen Anwendungsdomänen komparativ betrachten gering. Effekte, die sich aus der
semantischen Komplexität spezifischer Anwendungsdomänen ergeben könnten, dürfen
daher nicht pauschal ausgeschlossen werden. Um dies zu tun, müssten zwei oder mehr
Anwendungsdomänen betrachtet werden, um zu überprüfen, ob die Effekte ebenso in der
einen wie in der anderen Anwendungsdomäne auftreten74 .
Es wird angenommen, dass der Effekt der Prozessmodellgranularität robust ist gegenüber verschiedenen Anwendungskontexten. Daher wurde es als entscheidend erachtet, dass die Einbettung der Prozessmodellierungsaufgabe in unterschiedlichen Anwendungsumgebungen erfolgt, so dass die angenommene Robustheit der Effekte näher charakterisiert werden kann (vgl. Khatri u. a. 2006). Es wird davon ausgegangen, dass die
Anwendungsdomäne – bei ansonsten kontrollierten Faktoren wie Anwendungsdomänenkenntnisse und Aufgabenkomplexität – keinen besonderen zusätzlichen Einfluss auf die
Adaptionsperformanz hat. Die domänenspezifische Terminologie verschiedener Anwendungsbereiche könnte zwar zu unterschiedlichen Auffassungen unter Modellierern führen;
der Effekt der Granularität (vgl. H1.) wird allerdings als so robust erachtet, dass diese
Effekte nicht zum Tragen kommen. Es ist demnach nicht zu erwarten, dass die Unterschiede im Verhalten der Anchoranpassung bzw. Prozessmodellkonstruktion signifikant
sind.
Hypothese 2 (H2). Die Anwendungsdomäne, in der die Prozessmodellierungsaufgabe angesiedelt ist, hat keinen signifikanten Einfluss auf den Anteil
durchgeführter geforderter Änderungen (d.h. auf den Anteil korrekt angepasster Anchors).
Kein Interaktionseffekt Es sind keine Interaktionseffekte zwischen dem Faktor der Wiederverwendungsmodellgranularität und der Anwendungsdomäne zu erwarten, die sich in
Unterschieden der Anpassungsperformanz ausdrücken würden. D.h. es ist keine differenzielle Wirkung der Prozessmodellganularität zu erwarten, z.B. von der Art, dass in
der Anwendungsdomäne Energie durch die Granularitätsstufe Gcoarse eine stärkere adaptive Reaktion hervorgerufen wird, als in der Anwendungsdomäne Telekommunikation,
dass aber für die Granularitätsstufe Gfine keine anwendungsdomänenspezifischen Wirkunterschiede nachweisbar sind (A × B). Diese Annahme wird in folgender Hypothese
festgehalten:
Hypothese 3 (H3). Es gibt keinen beobachtbaren Interaktionseffekt zwischen den Faktoren Prozessmodellgranularität und Anwendungsdomäne bzgl.
der Adaptionsperformanz im Zuge der Prozessmodellkonstruktion.

74

Für eine Diskussion der Relevanz von Anwendungsdomänenkenntnissen im Rahmen von Prozessmodellwiederverwendungsaufgaben siehe Abschnitt 3.2.2 und darin den Unterabschnitt „Anwendungsdomänenwissen“.

143

4.5.2. Wirkung auf semantische Qualität
Haupteffekt der Granularität Es wird angenommen, dass es auch bzgl. der semantischen Gesamtqualität der Lösungsmodelle zu einem signifikanten Unterschied kommt,
in Abhängigkeit von der Granularität (bzw. notwendigen Anpassungsoperationen) des
Wiederverwendungsmodells (vgl. H1.). Auch hier wird von der Richtung ausgegangen,
dass es im feingranularen Fall (also mehr notwendige Entfernungen) zu einem schlechteren Endergebnis kommt, als im grobgranularen Fall. Die theoretische Möglichkeit ist
gegeben, dass im grobgranularen Fall über die platzierten Anker hinaus Modifikationen
vorgenommen werden, welche die semantische Qualität negativ verändern. Es werden
jedoch keine direkt einsehbaren Gründe gesehen, warum diese qualitätssenkenden Anpassungoperationen gerade im grobgranularen Wiederverwendungsmodell vorgenommen
werden sollten bzw. warum diese negativen Operationen häufiger als im feingranularen
Fall durchgeführt werden sollten, wo die gleiche Möglichkeit besteht.
Die inkorrekt vorgenommenen Anpassungen von Anchors haben einen Einfluss auf
die semantische Qualität eines Ergebnismodells. Während versäumte Anpassungen der
Anchors Omission und Error klare Implikationen für die Korrektheit von Lösungsmodellen haben wird dies bei Extraneous-Anchors in der Literatur differenzierter betrachtet.
Es komme hier darauf an, inwieweit die überflüssigen Informationselemente den Aufgabenanforderungen widersprechen und wie spätere Anwender diese Informationselemente
im konkreten Kontext bewerten (Parsons u. Saunders 2004, S. 875-876). Für die Untersuchungsfrage wird hier eine strengere Haltung bezüglich der Qualitätseinbußen ausgehend von verpassten Extraneous-Anchor-Anpassungen eingenommen. Diese irrelevanten
Informationen in Lösungsmodellen verletzen den Modellierungsgrundsatz der Sparsamkeit (engl. parsimony) (Becker u. a. 2000) und erlegen den Prozessmodellierern zusätzliche kognitive Belastungen auf (Sweller 1988). Deswegen wird hier bei der Übernahme
von Extraneous-Anchors in Lösungsmodelle von einer Beeinträchtigung der semantischen
Qualität ausgegangen.
Die zuvor diskutierten und hier weiter fokussierten Anchors Extraneous und Omission sind aber nicht die einzigen Modellelemente in einem Wiederverwendungsmodell,
an denen Anpassungen vorgenommen werden können. Theoretisch ist eine Wiederverwendungssituation denkbar, bei der in einem grobgranularen Wiederverwendungsmodell
mit Omission-Anchors eine vorwiegend gute Anpassungsperformanz geleistet wird (d.h.
die semantische Qualität wird kaum beeinträchtigt) relativ zur Adaptionsperformanz in
einer Wiederverwendungssituation mit Extraneous-Anchors. Im Fall mit den OmissionAnchors könnten aber andere Informationselemente im Wiederverwendungsmodell bzw.
Informationen aus den Aufgabenanforderungen kognitive Einflussfaktoren darstellen, die
zur Erstellung eines Lösungsmodells mit qualitativen Defiziten führen. Diese Anpassungen können kleinere Erweiterungen oder Änderungen an wenigen Informationselementen
des Modells sein, die kaum die wesentliche Validität und Vollständigkeit des Modell
beeinträchtigen. Es könnte aber auch zu falschen Anpassungen kommen, deren Auswirkung die Validität und Vollständigkeit des Ergebnismodells gravierend reduzieren würde.

144

Theoretisch könnte daher ein Prozessmodellierer bezüglich der Anchors sehr viele korrekte Anpassungen vornehmen, aber gleichzeitig auch eine Menge an falschen Änderungen
durchführen75 . Diese falschen Änderungen könnten in einem Mengenbereich liegen, der so
hoch ist und deren Fehlerhaftigkeit so gravierend ist, dass die gute Performanz bezüglich
der korrekten Anchor-Anpassungen überkompensiert wird und damit die Gesamtqualität
des Ergebnismodells leidet (vgl. Abschnitt 2.2.3). D.h. trotz einer guten Anpassungsperformanz könnte dennoch ein insgesamt schlechteres Ergebnismodell entstehen (aufgrund
anderer Einflüsse). Um diesen Fall zu berücksichtigen, soll nicht nur die Anpassungperformanz bezüglich spezifischer Anchors betrachtet werden, sondern auch die gesamte
semantische Ergebnisqualität des jeweils erstellten Lösungsmodells.
Wenn die gleichen Aufgabenanforderungen für eine Prozesserstellung unter Wiederverwendung gestellt werden, dann ist zu erwarten, dass das Lösungsmodell unter Anpassung
von Extraneous-Anchors nicht nur hinsichtlich der Adaptionsperformanz schlechter abschneidet, sondern dass auch die gesamte semantische Qualität niedriger sein wird. Die
theoretische Begründung des zu erwartenden Performanzabfalls der semantische Qualität ist analog zu den Begründungen des Adaptionsperformanzabfalls auf Grundlage
der kognitionsbasierten Theorien in H1 zu sehen. Ein weiterer Grund für diese Ableitung liegt darin, dass neben den betrachteten Anchors keine anderen auffälligen Anchors
oder besonderen Repräsentationen in den Wiederverwendungsmodellen enthalten sind,
so dass kein Grund zur Annahme besteht, dass neben den Auswirkungen der Ankerund Anpassungsheuristik andere Effekte signifikant zur Entfaltung kommen, welche die
grundlegende Tendenz der vermuteten Qualitätsunterschiede kompensieren oder sogar
umkehren könnten.
Die Wahrscheinlichkeit dafür, dass ein solches Modellierungsverhalten auftritt, wird
allerdings als gering eingestuft. Eher wird davon ausgegangen, dass die Abweichungen
in den Wiederverwendungsmodellen auf Basis von Extraneous- bzw. Omission-Anchors
die primäre Quelle für Anchoring-Effekte und damit potenzielle Qualitätsbeinträchtigungen darstellen. Es ist somit nicht zu erwarten, dass die semantische Gesamtqualität der
Modellierungsergebnisse von der Tendenz resultierend aus den Qualitätseinbußen des Anchorings deutlich abweichen wird. Daher ist auch bezüglich der Gesamtqualität im Falle
der Wiederverwendung eines grobgranularen Prozessmodells mit einem besseren Ergebnis
zu rechnen im Vergleich mit der Wiederverwendung eines feingranularen Prozessmodells.
Es wird daher folgende gerichtete Unterschiedshypothese formuliert.
Hypothese 4 (H4). Die Entfernung von überflüssigen Informationselementen im Zuge der Anpassung ausgehend von einem feingranularen Wiederverwendungsmodell und die damit einhergehenden kognitiven Aufwände führen auch dazu, dass die Ergebnismodellqualität insgesamt niedriger ist, als
bei der Anpassung ausgehend von einem grobgranularen Wiederverwendungsmodell.
75

Um mögliche Verzerrungen aufgrund von schwankenden Mengenverhältnissen zu vermeiden, sollten
die abhängigen Variablen relativ gemessen werden.

145

Für die Ergebnisqualität wird angenommen, dass sie in Abhängigkeit von der Granularität des wiederverwendbaren Prozessmodells einen Verlauf wie ein inverses U hat.
Obwohl tendenziell von Vorteilen hinsichtlich des Modellierungsergebnisses bei der Wiederverwendung von eher grobgranularen Prozessmodellen ausgegangen wird, ist eine kontinuierliche Verbesserung der Ergebnisqualität bei zunehmend gröber werdender Prozessmodellgranularität nicht zu erwarten. Viel eher ist mit einem Abfallen der Qualität des
Modellierungsergebnisses zu rechnen. Ein Hinweis auf die Existenz solch eines Abbruchpunkts bzw. -bereichs bezüglich der Granularität des Wiederverwendungsmodells – dort
wo die Ergebnisqualität ihre maximalen Werte erreicht – kann zunächst dadurch gewonnen werden, wenn für den Fall der extrem vergröberten oder maximalen Granularität
des Wiederverwendungsmodells gezeigt wird, dass in dieser Situation die Ergebnisqualität deutlich unter dem Wert liegt, der mit einem wiederverwendeten Prozessmodell
etwas feinerer Granularität erzielt werde würde. Zwischen beiden ermittelten Punkten
wird es einen Bereich geben, in dem die Modellergebnisqualität ihren Höhepunkt erreicht
und dann entsprechend abfällt (ohne hier den genauen Verlauf näher charakterisieren zu
können). Auch dieser erwartete Effekt kann mit den Arbeitsspeicherbeschränkungen der
Cognitive Load Theory begründet werden. Ab einer bestimmten Menge an zu erfassenden Elementen in feingranularen Prozessmodellen, nimmt die Schwierigkeit des effizienten
Vergleichens und Anpassens zu (vgl. Begründung in H1), so dass es zu Beeinträchtigungen
der Performanz kommt, was sich letztlich in einer schlechteren Qualität des Prozessmodellergebnis äußert. Ist die Granularität des Wiederverwendungsmodells allerdings so
grob, dass kaum Elemente zur Wiederverwendung zur Verfügung stehen, dann verlagert
sich die Suche und der Vergleich (dann mit mentalen Repräsentationen) in den Aufgabentext. Auch hier wird der Arbeitsspeicher mit potenziell vielen verbalen Informationen
belegt, die einerseits umfangreich und andererseits noch nicht in graphische Symbole der
Prozessmodellierungssprache übertragen worden sind. Dies stellt kapazitätsmäßig eine
größere Herausforderung dar, als wenn zumindest einige Modellierungselemente aus einem Wiederverwendungsmodell wiederverwendet werden könnten. Zusammen mit der
qualitätsbezogenen Hypothese 2 ist daher ein bestimmter, grober Verlauf der Ergebnisqualität in Abhängigkeit von der Wiederverwendungsmodellgranularität zu vermuten,
der in folgender Hypothese festgehalten wird:
Hypothese 4.1 (H4.1). Es ergibt sich eine inverse U-Form für die Ergebnismodellqualität in Abhängigkeit von der Granularität des Wiederverwendungsmodells. D.h. dass bei einer besonders groben und bei einer besonders
feinen Granularität des Wiederverwendungsmodells die Modellqualität jeweils
niedriger sein wird, als bei einem Wiederverwendungsmodell mit einer dazwischen liegenden Granularität76 .

76

Mit unterschiedlichen Granularitäten geht hier implizit jeweils eine bestimmte Art der Anpassung
gemäß den Anforderungen der Aufgabe einher. Dies sind zum einen Einfügungen aufgrund von fehlenden Details bei grober Granularität und zum anderen Löschungen aufgrund von überflüssigen
Details bei feiner Granularität. Die praktische Motivation dieses Zusammenhangs wird in Abschnitt
4.3 erläutert.

146

Weiterhin wird eine höhere Ergebnisqualität bei Prozessmodellwiederverwendung unter komplexen Aufgabenanforderungen insgesamt gegenüber einem „from-scratch“-Ansatz
angenommen. Trotz Anzeichen in bisherigen Arbeiten, die auf die Signifikanz des qualitätsbeeinträchtigenden Anchoring-Effekts deuten, muss das Ergebnis des wiederverwendungsbasierten Vorgehens immer auch mit der Alternative des „from-scratch“-Ansatzes
in Relation gesetzt werden. Bei hinreichend komplexen Modellierungsaufgabenstellungen
und knappen Ressourcen, z.B. durch Zeitbeschränkungen, wird erwartet, dass selbst bei
der mit Qualitätsverlusten behafteten wiederverwendungsbasierten Prozessmodellerstellung dennoch eine Modellierungsperformanz erreicht werden kann, die jene von „fromscratch“-Ansätzen übertrifft. Dies heißt, dass die Qualität von Prozessmodellen, die mit
Hilfe von wiederverwendbaren Modellen erstellt werden, höher ist als die von Modellen,
die ohne ein verfügbares wiederverwendbares Assistenzmodell erstellt werden (ohne kann
gleichgesetzt werden mit maximal granular: das „Wiederverwendungsmodell“ ist lediglich eine einzige Partition, die dem Universum entspricht). Diese Annahmen verfeinern
Hypothese 4.1, die bereits festhält, dass die Ergebnisqualität unter jene bei der grobgranularen Wiederverwendung fällt, aber keine präzise Aussage darüber trifft, wie sich
die Performanz des „from-scratch“-Ansatzes gegenüber der feingranularen Wiederverwendung verhält. Theoretisch kann die Erwartung ebenfalls mit der Arbeitsspeicherbeschränkung der Cognitive Load Theory begründet werden. Im maximal granularen Fall muss
der Arbeitsspeicher vorwiegend mit Transformationen von verbalen Informationen des
Textes hin zu graphischen Konstrukten der Prozessmodellierungssprache belegt werden.
Diese sind als komplexe Verarbeitungsschritte einzustufen. Im feingranularen Wiederverwendungsmodell muss es zwar zu vielen Vergleichen und Entfernungen von Elementen
kommen, aber die Transformation von verbalen Informationen in Prozessmodellkonstrukte fällt sehr viel geringer aus, weswegen die Belastung des Arbeitsspeichers insgesamt
kleiner ist. Es kann daher davon ausgegangen werden, dass die semantische Qualität im
Zuge der Adaption des feingranularen Prozessmodells besser ausfallen wird, als wenn
from-scratch modelliert wird.
Hypothese 4.2 (H4.2). Prozessmodellierer ohne die Verfügbarkeit eines Wiederverwendungsmodells (bzw. mit Verfügbarkeit des „Modells“ maximaler Granularität) erstellen für Prozessdesignaufgaben höherer Komplexität
ein qualitativ schlechteres Ergebnismodell, als Prozessmodellierer, die ein
Prozessmodell adaptiv wiederverwenden.
Anknüpfend an die obige Annahme, dass es Granularitätsbereiche von Wiederverwendungsmodellen gibt, die in Modellierungsaufgaben qualitative Vorteile gegenüber sehr
fein- und sehr grobgranularen Wiederverwendungsmodellen bieten, wird darüber hinaus
vermutet, dass im Fall ohne ein Wiederverwendungsmodell (oder maximale Granularität) die Ergebnisqualität auch signifikant unter der Qualität des Falls mit feingranularer
Wiederverwendung bleibt.
Bisherige Arbeiten haben die potenziellen Qualitätsbeeinträchtigungen aufgrund von
Anchoring-Effekten näher beleuchtet (Parsons u. Saunders 2004; Allen u. Parsons 2010).

147

Dabei waren die Aufgabenumfänge limitiert, so dass auch die Kontrollgruppen mit „fromscratch“-Ansätzen eine gute Ausgangslage hatten, die Aufgabe korrekt zu bearbeiten. Die
Situation verändert sich jedoch mit der steigenden Komplexität der Modellierungsaufgaben. Ein höher komplexe und umfangreiche Aufgabe wird hohe Anforderungen an einen
Modellierer stellen, welche sich negativ auf die Ergebnisqualität auswirken können. Die
Verfügbarkeit eines Wiederverwendungsmodells könnte daher – trotz der potenziellen
Qualitätsminderungen durch z.B. viele nicht angepasste Extraneous-Anchors – immer
noch zu einem positiveren Ergebnis führen als der „from-scratch“-Ansatz. Die vorliegende Untersuchungfrage geht diesem Bereich höher komplexer Modellierungsaufgaben nach
und vermutet einen Vorteil der Wiederverwendung von Prozessmodellen. Es kommt aber
darauf an, wie komplex die Modellierungsaufgabe ist, wieviel Zeit für die Bearbeitung
zur Verfügung steht und wie groß der „Abstand“ der Wiederverwendungsmodelle zu den
Lösungsmodellen ist. Für bestimmte Konstellationen ist die Vorteilhaftigkeit des Wiederverwendungsansatzes denkbar. Es soll hier festgehalten werden, dass es nicht um eine
pauschale Bewertung der Vorteilhaftigkeit der Modellwiederverwendung geht, sondern
dass die Bedingungen herausgearbeitet werden, unter denen die Modellwiederverwendung trotz Anchoring-Effekten den „from-scratch“-Ansatz qualitativ übertreffen kann.
Es wird davon ausgegangen, dass die Granularität von wiederverwendbaren Prozesmodellen zwar einen Einfluss auf die Adaptions- und Modellierungsperformanz hat, dass die
Qualitätsvorteile, die sich aus der Variation der Modellgranularität ergeben aber auch
bestimmte Schranken hat. Diese Annahme von Schranken führt zu folgender Vermutung. Ein grobgranulares Wiederverwendungsmodell führt zu einem verbesserten Modellierungsergebnis als dies durch ein feingranulares geschehen könnte. Aber es gibt ein
Granulairtätsniveau, das – wenn es überschritten wird – wieder zu einem Absinken der Ergebnisqualität führt. Der Extremfall der maximalen Granularität kann außerdem analog
gesehen werden zu einem nicht vorliegenden Wiederverwendungsmodell. Die maximale
Granualarität gruppiert den gesamten betrachteten Prozess zu einer einzigen Partition, die dazu noch unbenannt ist. Dies entspricht der leeren Modellierungsfläche und
der Prozessmodellierer muss den Geschäftsprozess „auf der grünen Wiese“ auf Grundlage der ihm gestellte Anforderungen konstruieren. Die Vermutung ist, dass bei größeren
Prozessmodellen (d.h. ab 20 Informationselementen) der Modellierer ohne Wiederverwendungsmodell (also mit einem „Wiederverwendungsmodell“ maximaler Granularität)
zu einem schlechteren Ergebnis kommt, als der Modellierer mit einem grobgranularen
Wiederverwendungsmodell.
Der Grund dafür ist in der Anforderung zu sehen, ausschließlich Omission-Anchors
– denn alles muss noch in das „Modell“ eingefügt werden – anzupassen, was ein sehr
gutes Verständnis der Aufgabenanforderungen und eine Konstruktion eines vollständigen mentalen Modells der Lösung erfordert. Die Informationsaufnahme, das Verständnis
der Anforderungen und die Modellierung ohne jegliche Assistenz durch ein existierendes Modell sind angesichts der Komplexität und der zeitlichen Beschränkungen kognitiv
aufwändiger, als die Anpassung eines wiederverwendbaren Modells (nach wie vor ist der
„Abstand“ des wiederverwendbaren Modells zur Aufgabe zu beachten, der nicht zu groß

148

sein darf).
Entlang der Granularitätsdimension von wiederverwendbaren Modellen (für bestimmte Modellierungsaufgaben) ergäbe sich also eine inverse U-Form der Qualitätsausprägung: mit feingranularen (d.h. mit „Extraneous“-Anchors behafteten) Modellen wird die
semantische Qualität noch stark beinträchtigt; mit etwas gröber granularen (d.h. vorwiegend mit „Omission“-Anchors behafteten) Wiederverwendungsmodellen gelingt jedoch
bereits eine qualitativ bessere Prozessmodellierung; bei zunehmender Granularität des
Wiederverwendungsmodells (bis zur maximalen Granularität, die dem Fall ohne wiederverwendbares Modell enspricht) wird die Qualität der Ergebnisse jedoch irgendwann
wieder abfallen.
Kein Haupteffekt der Anwendungsdomäne Obwohl sich die Terminologie und die Semantik in unterschiedlichen Anwendungsdomänen unterscheiden, ist nicht zu erwarten,
dass die Anwendungsdomänen an sich – bei vergleichbaren Anwendungsdomänenkenntnissen der Prozessmodellierer – einen signifikanten Effekt auf die Gesamtqualität der
Modellierungsergebnisse haben (vgl. H2.). Der Vermutung, dass die Anwendungsdomäne
als potenzieller Einflussfaktor ausschließbar ist, soll untersuchungstechnisch so entgegengekommen werden, dass das Phänomen des Anchoring-Effekts in kontrollierter Untersuchungsumgebung in zwei verschiedenen Anwendungsdomänen beobachtet wird.
Hypothese 5 (H5). Die Anwendungsdomäne, in der die Prozessmodellierungsaufgabe angesiedelt ist, hat keinen signifikanten Einfluss auf die Ergebnisqualität der finalen Prozessmodelle.
Kein Interaktionseffekt Analog zu H3. wird nicht davon ausgegangen, dass zwischen
den Faktoren Prozessmodellgranularität und Anwendungsdomäne eine Interaktionseffekt
in Bezug auf die semantische Qualität der Prozessmodellergebnisse besteht. Die Hypothese lautet daher wie folgt:
Hypothese 6 (H6). Es gibt keinen beobachtbaren Interaktionseffekt zwischen den Faktoren Prozessmodellgranularität und Anwendungsdomäne in
Hinsicht auf die semantischen Gesamtqualität der final konstruierten Prozessmodelle.

149

5. Forschungsmodell und Untersuchung
Auf Grundlage der im vorangegangen Kapitel hergeleiteten Forschungshypothesen kann
die systematische Untersuchung der Fragen zum Einfluss der Modellgranularität in der
wiederverwendungsorientierten Prozessmodellierung erfolgen. Dazu wird ein Forschungsmodell formuliert, welches die verschiedenen Variablen im Kontext von Prozessmodellierungsaufgaben zueinander in spezifische Beziehungen setzt. Unter Bezugnahme auf
diese Größen und Beziehungen werden die zugehörigen Hypothesen operationalisiert.
Ebenfalls Bestandteil der Planung der Untersuchung sind die detaillierte Beschreibung
der unabhängigen und abhängigen Variablen, der kontrollierten Variablen und des experimentellen Designs. Letzteres erläutert insbesondere die getroffenen Maßnahmen zur
Randomisierung und die Arten und Ausprägungen der betrachteten Faktoren zur Bestimmung des charakteristischen experimentellen Designtyps. Im Weiteren werden Angaben zur tatsächlichen Durchführung des Experiments gemacht. Dies umfasst sowohl
die vorbereitenden Maßnahmen als auch Angaben zu erfolgten Experimentterminen und
Vorgehen bei der konkreten Präsentation der Aufgabenstellung. Die erhobenen Modellierungsergebnisse fließen in den datenanalytischen Teil, wo sie zunächst rein deskriptiv
charakterisiert werden. Für die Überprüfung der Hypothesen erfolgen anschließend die
entsprechenden statistischen Tests. Dieses untersuchungsmethodische Vorgehen lässt sich
in die forschungsmethodische Tradition bisheriger Arbeiten zur experimentellen Analyse von Modellierungstechniken in der Softwareentwicklung einordnen (z.B. Wohlin u. a.
2000; Gemino u. Wand 2004). Gemino u. Wand (2004) haben beispielsweise einen methodischen Rahmen vorgelegt, der empirische Untersuchungsmethoden zur Beantwortung
von Fragen zur Qualität von Informationsmodellierungstechniken integriert und welcher
anderen Untersuchungsvorhaben als Leitlinie während der Untersuchungsplanung dienen
soll. Hierüber soll auch die Vergleichbarkeit von empirischen Untersuchungen verbessert
werden. Die meisten der dort berücksichtigten Variablen werden auch im hier aufgestellten Forschungsmodell reflektiert (siehe 5.2). Die hier vorgenommene Gliederung der
Untersuchung richtet sich im Kern nach der Struktur von Wohlin u. a. (2000) zur experimentellen Untersuchung von Ansätzen des Software-Engineering. Das Kapitel ist daher
wie folgt gegliedert. Zunächst erfolgt eine Zieldefinition, um das Ziel der Untersuchung
kompakt zusammenzufassen. Daran schließt sich die Untersuchungsplanung an. Diese
besteht aus der Vorstellung des Forschungsmodells, der Aufstellung der operationalen
Hypothesen, aller Variablen (unabhängige, abhängige und kontrollierte) und dem Experimentdesign. Die Experimentdurchführung wird erläutert mit Vorbereitungsmaßnahmen
und dem experimentellen Ablauf. Abschließend erfolgt dann die Ergebnisanalyse einschließlich deskriptiver Statistiken und Hypothesentests.

150

5.1. Zieldefinition
Das Ziel der Untersuchung ist es, die individuelle Adaptionsperformanz von Modellierern
in der Geschäftsprozessmodellerstellung unter Wiederverwendung bei variierter Granularität des Wiederverwendungsmodells zu analysieren und vermutete Unterschiede zu bestimmen. Die Untersuchung wird motiviert durch ein zurzeit unzureichendes Verständnis
der kognitiven Prozesse, die während der Anwendung und Verarbeitung von verfügbaren
Prozessdiagrammen zur Lösung von Aufgabenstellungen der Geschäftsprozessmodellierung in Modellierern ablaufen.
Die Untersuchung wird im Rahmen eines Laborexperiments durchgeführt. Der Vorteil
von Laborexperimenten ist, dass sowohl die unabhängigen Variablen gezielt verändert, als
auch die Versuchsbedingungen in hohem Maße kontrolliert werden können. Dies trägt zur
Sicherstellung einer hohen internen Validität bei. Insbesondere im Hinblick auf die Manipulation der Wiederverwendungsmodellgranularität (unabhängige Variable des primären
Untersuchungsinteresses) ist das Experiment ein adäquates Forschungsdesign.
Untersuchungsobjekt Das Untersuchungsobjekt im Experiment ist das Vorgehen bei
der Prozessmodellwiederverwendung im Kontext der Geschäftsprozesserstellung von Modellierern, die sowohl aus dem akademischen Umfeld der Wirtschaftsinformatik, als auch
aus betrieblichen Organisationen stammen. Insbesondere sind die kognitiven Kapazitäten
in Bezug auf die Adaption der wiederverwendeten Prozessmodelle von Untersuchungsinteresse.
Untersuchungsperspektive Die eingenommene Untersuchungsperspektive ist die aus
Sicht eines Verantwortlichen für die geschäftsprozessmodellgetriebene Entwicklung von
Informationssystemen innerhalb einer betrieblichen Organisation. Die Wiederverwendung von bestehenden Prozessmodellen könnte strategisch explizit gefordert sein, weswegen sich dem Verantwortlichen die Frage stellt, wie die Prozessmodelle beschaffen sein
müssen, damit das wiederverwendungsorientierte Vorgehen erfolgreich implementiert werden kann. Die Beantwortung dieser Frage erfordert ein tieferes Verständnis davon, wie
Prozessmodellierer mit der Möglichkeit der Wiederverwendung diese Prozessmodelle erfassen und anforderungsgerecht adaptieren.
Fokus auf Adaptionsperformanz Der Hauptfokus der Untersuchung liegt darauf, inwieweit Modellierer in der Lage sind, Wiederverwendungsprozessmodelle unterschiedlicher Granularität im Rahmen einer einer Prozessmodellkonstruktionsaufgabe korrekt
anzupassen. Dabei konzentriert sich die Untersuchung zunächst auf ausgewählte charakteristische Granularitätsstufen, von denen aus die Anpassungen erfolgen sollen (siehe
Abschnitt 5.2.2). Da versäumte Anpassungen zu inkorrekten Inhalten im Prozessmodell
führen, die sich auf die gesamte Qualität der Ergebnismodelle auswirken, wird zusätzlich
auch die gesamte semantische Qualität der Lösungsmodelle betrachtet.

151

5.2. Untersuchungsplanung
Das konkretisierte Forschungsmodell lehnt sich an identifizierte Faktoren aus dem Research Framework von Gemino u. Wand (2004) an. Dieses Framework wurde formuliert, um
einen vereinheitlichten Ordnungsrahmen für die Evaluierung von konzeptuellen Modellierungssprachen und -techniken im Rahmen experimenteller Untersuchungen festzulegen,
der Wissenschaftlern als Ausgangspunkt für spezifische Forschungsvorhaben dienen soll.
Neben seiner Funktion als forschungsmethodisches Werkzeug ermöglicht das Framework
darüberhinaus den Vergleich von experimentellen Anordnungen und erleichtert damit die
Interpretation von Untersuchungergebnissen ähnlicher Versuchsanordnungen. Aus dem
Framework werden insbesondere die Charakteristika der Teilnehmer, der Aufgabe und
der Repräsentation eines (wiederverwendbaren) Modells übernommen, welche potenziell
die Modellierungsperformanz beinflussen (vgl. Abbildung 5.1).
Die grundlegenden bestimmenden Faktoren auf die Bearbeitungsperformanz finden
sich in ähnlicher Form auch im Forschungsmodell von Allen u. Parsons (2010) wieder,
die ebenfalls Wirkzusammenhänge zwischen einerseits Charakteristika der Teilnehmer,
des Datenmodells, der Aufgabe und des Arbeitssystems (d.h. gleiche Bedingungen für alle Untersuchungssubjekte) und andererseits der Performanz bei der Formulierung von
neuen Datenbankabfragen – auch mit der Möglichkeit der Wiederverwendung – vermuten. Der Unterschied zur vorliegenden Untersuchung liegt im betrachteten Informationssystemartefakt (Datenbankabfragen versus Prozessmodelle). Die Manipulation eines wiederverwendbaren Artefakts mit unterschiedlichen Anchors und die Beobachtung
der Wirkung auf das Anchoring-Verhalten der Teilnehmer ist im Weiteren eine zentrale
Komponente des Forschungsmodells von Parsons u. Saunders (2004) und wurde für das
vorliegende Forschungsmodell übernommen und für den Kontext Geschäftsprozessmodellierung adaptiert. Parsons u. Saunders haben untersucht, ob Anchors auf Basis von
Zusatzfunktionalitäten, Auslassungen und Fehlern in den Wiederverwendungsmodellen
(Klassendiagramme) häufig in die Lösungsmodelle übertragen werden.
Die Komponenten und konzeptuellen Zusammenhänge im hier zugrundegelegten Forschungsmodell sind in Abbildung 5.1 visualisiert. Das Modell beschreibt die angenommenen und theoretisch begründeten Effekte von a) drei verschiedenen Granularitätsniveaus
(bzw. Anpassungstypen) des Wiederverwendungsmodells (fein = Gfine , grob = Gcoarse ,
maximal = Gmax ) und b) zwei unterschiedlichen Anwendungsdomänen (Energieversorgung = En, Telekommunikation = Tel) auf sowohl die korrekt vorgenommene Anpassung
von Anchors (Adaptionsperformanz, percentage correct adjustments = PCA) als auch die
Gesamtmodellqualität (overall semantic quality = OSQ) im Kontext von Geschäftsprozessmodellierungsaufgaben unter Modellwiederverwendung. Da die Untersuchung auf die
Wirkzusammenhänge zwischen unabhängigen und abhängigen Variablen ausgerichtet ist,
sind die verbleibenden Faktoren, die einen Einfluss auf Untersuchungsdurchführung sowie -ergebnis ausüben könnten, während der Untersuchung entsprechend zu kontrollieren
(vgl. dazu die Framework-Komponenten in Gemino u. Wand (2004)).

152

EXPERIMENTELLE AUFGABE

UNABHÄNGIGE VARIABLE

Charakteristika der
Teilnehmer

Granularität des
Wiederv.-Modells

Anwendungsdomänenwissen
(kontrolliert)

Fein
Grob

Modellierungswissen
(kontrolliert)

Maximal
(keine Wiederverwendung)

Charakteristika der
Modellierungsaufgabe
Edit distance zw. Lösung und
Wiederv.-Modell (kontrolliert)

ABHÄNGIGE VARIABLEN

Modellierungsperformanz
Adaptionsperformanz

UNABHÄNGIGE VARIABLE

Anwendungsdomäne

Aufgabenkomplexität
(kontrolliert)

Semantische Modellqualität

Energieversorgung
Telekommunikation

Abbildung 5.1.: Forschungsmodell der Untersuchung
In den folgenden Abschnitten werden auf Basis des Forschungsmodells zunächst die
operationalen Hypothesen abgeleitet aus den Hypothesen des Abschnitts 4.5. Daran
schließt sich die Definition der einzelnen Variablen an, d.h. die unabhängigen Variablen,
die abhängigen Variablen und die kontrollierten Variablen, und es folgt die Beschreibung
ihrer Operationalisierung. Abschließend wird das Experiment im Detail erläutert. Es ergibt sich folgende Gliederung des Abschnitts: 1) operationale Hypothesen, 2) unabhängige
Variable: Granularität/Anchoringtyp, 3) unabhängige Variable: Anwendungsdomäne, 4)
abhängige Variablen, 5) kontrollierte Variablen und 6) Experimentdesign.

5.2.1. Operationale Hypothesen
Die informell angegebenen Hypothesen aus Abschnitt 4.5 können nun formalisiert werden.
Dabei ergeben sich auch die erforderlichen Größen, um die Hypothesen formal überprüfen
zu können.
H1. Nullhypothese, 𝐻0 : Die Adaptionsperformanz (gemessen als prozentualer Anteil
korrekt vorgenommener Adaptionen, engl. Percentage Correct Adjustments, PCA) von
Prozessmodellierern ist unter Wiederverwendung von grobgranularen Prozessmodellen
(Gcoarse ) kleiner oder gleich der Performanz unter Wiederverwendung von feingranularen
Prozessmodellen (Gfine ):

153

𝐻0 :

PCA(Gcoarse ) ≤ PCA(Gfine )

Alternativhypothese, 𝐻1 :

PCA(Gcoarse ) > PCA(Gfine )

Benötigte Größen:

Granularität der Wiederverwendungsprozessmodelle
(Gcoarse oder Gfine ) und Adaptionsperformanz (PCA).

H2. Nullhypothese, 𝐻0 : Es gibt einen Unterschied bezüglich der Adaptionsperformanz
(PCA) im Rahmen der wiederverwendungsorientierten Prozessmodellerstellung einmal
in der Anwendungsdomäne Energie (En) und einmal in der Anwendungsdomäne Telekommunikation (Tel).
𝐻0 :

PCA(En) ∕= PCA(Tel)

Alternativhypothese, 𝐻1 :

PCA(En) = PCA(Tel)

Benötigte Größen:

Anwendungsdomänen der Prozessmodellierungsaufgabe (En oder Tel) und Adaptionsperformanz (PCA).

H3. Nullhypothese, 𝐻0 : Es liegt ein signifikanter Interaktionseffekt bezüglich der Adaptionsperformanz (PCA) in der Modellierung vor, der auf die Wechselwirkung der Faktoren Prozessmodellgranularität und Anwendungsdomäne zurückgeführt werden könnte.
Die Alternativhypothese, 𝐻1 dazu lautet, dass kein signifikanter Interaktionseffekt der
Faktoren bezüglich der Adaptionsperformanz zu beobachten ist. Die zu verwendenden
Größen entsprechen denen in H1. und H2.
H4. Nullhypothese, 𝐻0 : Die semantische Qualität (gemessen als Grad der Vollständigkeit und Validität, engl. Overall Semantic Quality, OSQ) der Lösungsprozessmodelle, die
unter Wiederverwendung feingranularer (Gfine ), grobgranularer (Gcoarse ) bzw. maximal
granularer (Gmax ) Prozessmodelle entstehen, weist keine Unterschiede auf.
𝐻0 :

OSQ(Gcoarse ) = OSQ(Gfine ) = OSQ(Gmax )

Alternativhypothese, 𝐻1 :

OSQ(Gcoarse ) ∕= OSQ(Gfine ) ∕= OSQ(Gmax )
OSQ(Gcoarse ) ∕= OSQ(Gmax )

Benötigte Größen:

Granularität der Wiederverwendungsprozessmodelle
(Gfine , Gcoarse oder Gmax ) und semantische Qualität
(OSQ).

und

H4.1. Nullhypothese, 𝐻0 : Die semantische Qualität der Lösungsprozessmodelle, die unter Wiederverwendung maximal granularer (dies entspricht einem Vorgehen ohne Wiederverwendung, Gmax ) und feingranularer Prozessmodelle (Gfine ) entstehen, ist größer

154

der von Lösungsprozessmodellen, welche unter Wiederverwendung grobgranularer Prozessmodelle (Gcoarse ) erstellt werden.
𝐻0 :

OSQ(Gmax ) ≥ OSQ(Gcoarse )
OSQ(Gfine ) ≥ OSQ(Gcoarse )

und

Alternativhypothese, 𝐻1 :

OSQ(Gmax ) < OSQ(Gcoarse )
OSQ(Gfine ) < OSQ(Gcoarse )

und

Benötigte Größen:

Granularität der Wiederverwendungsprozessmodelle
(Gcoarse , Gfine oder Gmax ) und semantische Qualität
(OSQ).

H4.2. Nullhypothese, 𝐻0 : Die semantische Qualität der Lösungsprozessmodelle, die unter Wiederverwendung maximal granularer Prozessmodelle (dies entspricht einem Vorgehen ohne Wiederverwendung, Gmax ) entstehen, ist größer der von Lösungsprozessmodellen, welche unter Wiederverwendung feingranularer Prozessmodelle (Gfine ) erstellt
werden.
𝐻0 :

OSQ(Gmax ) ≥ OSQ(Gfine )

Alternativhypothese, 𝐻1 :

OSQ(Gmax ) < OSQ(Gfine ) (Wiederverw. vorteilhaft)

Benötigte Größen:

Granularität der Wiederverwendungsprozessmodelle
(Gfein oder Gmax ) und semantische Qualität (OSQ).

H5. Nullhypothese, 𝐻0 : Es gibt einen Unterschied bezüglich der semantischen Qualität
(OSQ) im Rahmen der wiederverwendungsorientierten Prozessmodellerstellung einmal in
der Anwendungsdomäne Energie (En) und einmal in der Anwendungsdomäne Telekommunikation (Tel).
𝐻0 :

OSQ(En) ∕= OSQ(Tel)

Alternativhypothese, 𝐻1 :

OSQ(En) = OSQ(Tel)

Benötigte Größen:

Anwendungsdomänen der Prozessmodellierungsaufgabe (En oder Tel) und semantische Qualität (OSQ).

H6. Nullhypothese, 𝐻0 : Es liegt kein Interaktionseffekt bezüglich der semantischen
Qualität (OSQ) der Lösungsmodelle vor, der auf die Interaktion der Faktoren Prozessmodellgranularität und Anwendungsdomäne zurückgeführt werden könnte. Die Alternativhypothese 𝐻1 dazu lautet, dass kein signifikanter Interaktionseffekt der Faktoren
bezüglich der semantischen Qualität zu beobachten ist. Die zu verwendenden Größen
entsprechen denen in H4. und H5.

155

EXPERIMENTELLE AUFGABE

Charakteristika der
Teilnehmer

Granularität des
Wiederv.-Modells

Anwendungsdomänenwissen
(kontrolliert)

H3: Kein Interaktionseffekt bzgl.
Adaptionsperformanz

UNABHÄNGIGE VARIABLE

Fein

Modellierungswissen
(kontrolliert)

Grob

Aufgabenkomplexität
(kontrolliert)

ABHÄNGIGE VARIABLEN

Maximal

H1

(keine Wiederverwendung)

Modellierungsperformanz

H4

Charakteristika der
Modellierungsaufgabe
Edit distance zw. Lösung und
Wiederv.-Modell (kontrolliert)

H6: Kein Interaktionseffekt bzgl.
semantische Modellqualität

Adaptionsperformanz
Semantische
Modellqualität

UNABHÄNGIGE VARIABLE

Anwendungsdomäne
Energieversorgung

H5

H2

Telekommunikation

Abbildung 5.2.: Forschungsmodell mit Hypothesen

5.2.2. Unabhängige Variable: Granularität/Anchoringtyp
Die erste betrachtete unabhängige Variable IV1 ist die Granularität G – spezifischer
ausgedrückt die Granularität einer bestimmten Partition – eines wiederverwendbaren
Prozessmodells repräsentiert mit der BPMN. Die Granularität der Prozessmodelle ist definiert über die Partitionierung entlang von Aktivitäten, Subaktivitäten usw. (vgl. hierzu
die Modularität von Prozessmodellen in Abschnitt 4.4.2), d.h. andere Elemente betreffende Feinpartitionierungen, wie z.B. in Bezug auf Gateways oder Events werden hier nicht
vorgenommen. Ein bestimmtes Granularitätsniveau wird hier mit dem Vorkommen von
bestimmten Anchortypen assoziiert (ausgelassene bzw. irrelevante Aktivitäten). Für die
unabhängige Variable werden aufgrund des explorativen Charakters der Untersuchung
drei kategorische Stufen unterschieden77 :
Feine Granularität Das feingranulare Wiederverwendungsmodell (Gfine ) ist sehr dicht
am Granularitätsniveau der Aufgabenanforderungen und in ihm liegt eine Menge
an Extraneous-Anchors vor (d.h. es enthält weitere Modellelemente, die bezüglich
der Aufgabe irrelevant sind). Diese Anchors müssen vom Modellierer entsprechend
im Wiederverwendungsmodell angepasst werden, so dass das Prozessmodell letztlich die Anforderungen der Modellierungsaufgabe erfüllt. Die primär erforderliche
77

Ein vollständigeres Bild ergäbe sich durch die Manipulation auf Grundlage von feineren Abstufungen der Modellgranularität. Die begrenzten Ressourcen und zumutbare Belastung von verfügbaren
Testmodellierern zwingt die Untersuchungsleitung dazu, die Ausprägungsstufen der im Experiment
eingesetzten Granularitäten auf wenige charakteristische zu diskretisieren.

156

Anpassungsoperation, um vom Wiederverwendungsmodell zum Lösungsmodell zu
gelangen, ist vom Typ „Entfernen“.
Grobe Granularität Das grobgranulare Wiederverwendungsmodell (Gcoarse ) fasst mehrere feinere Informationselemente zusammen, so dass sie sich dem Prozessmodellierer
nicht mehr präsentieren. Es liegt daher, in Relation zu den Aufgabenanforderungen und dem feinen Wiederverwendungsmodell, auf einem groben Granularitätsniveau. Diese groben Modellelemente, die in Bezug auf die Aufgabenanforderungen
verfeinert werden müssen, sind daher als Omission-Anchors aufzufassen. Um zum
Lösungsmodell zu gelangen, müssen entsprechende Modellelemente – die ausgelasen wurden – erst noch in das Wiederverwendungsmodell eingefügt werden. Der
primäre Anpassungsoperationstyp ist daher „Einfügung“.
Maximale Granularität Die maximale Granularität eines Prozessmodells (Gmax ) beträgt
per Definition log ∣𝑈 ∣78 . Das wahrnehmbare „Prozessdiagramm“, dessen Granularitätsniveau auf maximal gesetzt ist, birgt keinerlei differenzierbare Information
mehr in sich. Alle Granules sind in der größtmöglichen Partition aufgenommen, also in einer einzigen „Riesenaktivität“. Aus Sicht der Anpassung von Anchors ist das
maximal granulare Wiederverwendungsmodell ausschließlich mit Omission-Anchors
ausgestattet, da sämtliche Informationen, die für die Erstellung des Lösungsmodells
notwendig sind, ausgelassen sind.
Das „Prozessmodell“ maximaler Granularität kann also mit der leeren Fläche, die ein
Modellierer betrachtet, um das geforderte Prozessmodell zu erstellen, gleichgesetzt werden. Diese Situation entspricht einem Prozessdesignauftrag an einen Prozessmodellierer,
welcher von Grund auf und ohne Hilfestellung durch ein wiederverwendbares Prozessmodell das Geschäftsprozessmodell erstellt. Teilnehmende Modellierer, die dieser Situation
ausgesetzt werden, können als Kontrollgruppe angesehen werden, da sie in der Essenz
kein Prozessmodell wiederverwenden können. In der Untersuchung werden für die maximal granulare Ausprägung vier unbeschriftete Pools als „quasi-leere Vorlage“ den Modellierern zur Verfügung gestellt. Dies entspricht nicht exakt dem Granularitätswert log ∣𝑈 ∣,
ist ihm aber sehr nah. Die vier Pools stellen einen rudimentären Orientierungsrahmen
bereit, der ansonsten keine Inhalte der Aufgabenanforderungen darstellt.
Die Granularitätsniveaus werden für die Wiederverwendungsmodelle von der Untersuchungsleitung spezifisch ausgewählt bzw. konstruiert. Zur Differenzierbarkeit der Granularität sei Folgendes anzumerken. Für die Untersuchung wurde nach Diskussion mit
Experten des Fachgebiets angenommen, dass der Granularitätsunterschied zwischen den
alternativen Prozessmodellen ausreichend groß ist, so dass die Differenzierung in grobgranulares und feingranulares Prozessmodell von der überwiegenden Mehrheit der Betrachter
korrekt vorgenommen werden kann.
So beträgt die Granularität für die spezifische Partition des feingranularen Prozessmodells
78

Vgl. dazu Abschnitt 4.4.2.

157

𝐺(𝜋1 ) = 0, 31479 .
Die Granularität für die spezifische Partition des grobgranularen Prozessmodells beträgt
𝐺(𝜋2 ) = 0, 700.
Damit sind die Granularitäten der Wiederverwendungsprozessmodelle (für die jeweilige spezifische Partition entsprechend der Notation BPMN) bestimmt. Neben der Granularitätsbestimmung auf Ebene der gesamten Prozessmodelle kann sich die Granularitätsbetrachtung auch nur auf aktivitätsrelevante Granules, also Aktivitäten und deren
Subaktivitäten, beziehen. Da die Abstraktion vornehmlich auf Basis von Aktivitäten
vollzogen wurde, die zu umfassenderen Aktivitäten modularisiert wurden, sollte sich der
Granularitätsunterschied auch aus dieser Betrachtungsperspektive deutlich zeigen. Dies
soll den Granularitätsunterschied verdeutlichen und den Schwerpunkt der Granularitätsvariierung auf der Taskebene aufzeigen. Lediglich auf die Aktivitätsabstraktion bezogen
beträgt die Granularität des feingranularen Prozessmodells
𝐺(𝜋𝐴 1) = 0, 602.
Für das grobgranulare Prozessmodell beträgt die Granularität dagegen
𝐺(𝜋𝐴 2) = 1, 036.
Bei Prozessmodellen sind die Aktivitäten häufige und dominante Anchors sowohl als
Extraneous- als auch als Omission-Anchor, deswegen bietet sich die Verwendung dieser Elemente als primäre Anker in der Untersuchung an (vgl. auch Modularität von
Prozessmodellen (Reijers u. Mendling 2008)). Die Verteilung der Anchortypen in den
Wiederverwendungsmodellen erfolgt nach bester Möglichkeit gleichmäßig über den gesamten sequenziellen Verlauf des Prozessmodells, d.h. die Anker sind nicht konzentriert
an einer bestimmten Stelle im Prozessdiagramm platziert. Dadurch wird versucht, einem möglichen Störeinfluss, der z.B. durch besonders viele Anker, die erst „spät“ im
Wiederverwendungsmodell auftauchen, hervorgerufen werden könnte, entgegenzuwirken.
Darüber hinaus sind die Anker über die beteiligten Pools hinweg verteilt, d.h. nicht nur
eine bestimmte beteiligte Rolle vereint alle Anker auf sich, sondern die Anker sind bei
allen Rollen angesiedelt.

79

Für die Granularitätsbestimmung der wiederverwendeten Prozessmodelle vgl. die Granularitätsmetrik
in Abschnitt 4.4.2 und die BPMN-Wiederverwendungsmodelle im Anhang B.

158

5.2.3. Unabhängige Variable: Anwendungsdomäne
Die unabhängige Variable IV2 repräsentiert die mögliche betriebliche Anwendungsdomäne AD, in der das Problem angesiedelt sein könnte und zu dessen Lösung ein wiederverwendungsbasiertes Prozessdesign durchgeführt wird. Die Anwendungsdomäne ist
gekennzeichnet durch für den Wirtschaftszweig typische Arbeitsabläufe, Organisationsstrukturen, Technologien usw. Die Verlagerung eines Prozessdesignproblems in eine andere Anwendungsdomäne – bei ansonsten unveränderten Aufgabenparametern – könnte
einen Einfluss auf die Modellierungsperformanz ausüben. Dieser Einfluss wäre dann auf
bestimmte Wahrnehmungen der Teilnehmer zurückzuführen, die eben nicht auf Aufgabenparameter wie z.B. der Aufgabe innewohnende Komplexität gründen, da diese stabil
gehalten wurden (siehe kontrollierte Faktoren in Abschnitt 5.2.5), sondern durch andere
Faktoren aus der Umwelt, Sozialisationsbedingungen, Domänenkenntnis o.ä. zu erklären
sind, welche den Teilnehmern diese oder jene Anwendungsdomäne als besonders schwierig
bzw. einfach erscheinen lassen. Der Anwendungsdomäne wurde bisher nicht ausreichend
Beachtung geschenkt. Dabei ist die Anwendungsdomäne ein Faktor, welcher maßgeblich
auch die Komplexität einer Aufgabe mitprägt. Eine anzubringende Kritik ist, dass bisherige Untersuchungen nicht intensiv genug in anderen Domänen repliziert worden sind.
Die Anwendungsdomäne wurde in bisher durchgeführten Untersuchungen aber häufig als
hervorzuhebende Entität identifiziert (Khatri u. a. 2006).
Es könnte sein, dass eine der Domänenontologie innewohnende Komplexität existiert,
die zusätzlich zu strukturellen Komplexitäten hinzukommt und nicht von der Domänenkenntnis des Anwenders abhängt. Es könnte daher sein, dass Anwender ohne jegliche Domänenkenntnisse trotzdem unterschiedlich in zwei verschiedenen (gleichermaßen
unbekannten) Anwendungsdomänen arbeiten. Sicherlich kann man annehmen, dass Anwendungsdomänen erlernbar sind. Nichtsdestotrotz ist es aus betrieblich-praktischer und
ergonomischer Sicht interessant zu untersuchen, ob über Anwendungsdomänen hinweg
tatsächlich Performanzunterschiede zu beobachten sind oder ob solche Unterschiede ausbleiben. Die Variation der Anwendungsdomäne bei ansonsten gleichbleibenden Untersuchungsbedingungen konnte in bekannten Untersuchungsarbeiten nicht identifiziert werden. Zwar wurden einzelne Untersuchungen zur Wiederverwendung von Modellen auch
in Anwendungsdomänen angesiedelt, die sich stark unterschieden, wie z.B. im Luftfahrtwesen, in der Universitätsverwaltung, im Fahrzeugverleih u.a. Allerdings wurden diese
speziellen Untersuchungen nicht in anderen Anwendungsdomänen repliziert. In dieser
Hinsicht sind die externen Validitäten dieser Untersuchungen niedrig. Es kann daher
auch nicht vollkommen ausgeschlossen werden, dass die Replikation einer Untersuchung
in einer anderen Anwendungsdomäne bei ansonsten gleich bleibenden Untersuchungsbedingungen nicht eventuell zu unterschiedlichen Effekten führt.
Zusammenhang mit Faktor Domänenkenntnis Es kann die Frage gestellt werden, ob
sich die Domänenkomplexität unabhängig von der Domänenkenntnis fassen lässt. Domänenkenntnis bedeutet, dass man Kenntnisse von den Begriffen und der Semantik einer

159

Anwendungsdomäne hat. Domänenkenntnis (engl. domain familiarity) als Faktor in der
wiederverwendungsorientierten Modellierung wurde in Allen u. Parsons (2010) identifiziert und untersucht. In diesen Untersuchungen konnte die Vermutung über einen Einfluss der Domänenkenntnis auf den Adjustment Bias in Modellierungsaufgaben unter
Wiederverwendung nicht bestätigt werden (vgl. Parsons u. Saunders 2004; Allen u. Parsons 2010). Aufgrund der nicht unterstützten Hypothesen wurde in dieser Untersuchung
der Faktor Domänenkenntnis nicht mehr explizit berüchsichtigt. Die Untersuchung von
verschiedenen Anwendungsdomänen erschien jedoch als dennoch interessant, um zu beleuchten, ob sich Anchoring-Effekte über die Anwendungsdomänen hinweg gleichgerichtet
und von gleichem Umfang zeigen oder ob nicht doch Effekte, die auf die Domäne zurückzuführen sind, auftreten. Dies hieße auch, dass die Anwendungsdomänenkenntnis bzw.
die Anwendungsdomänenferne der Subjekte in der Untersuchung vermutlich nicht genau
kontrolliert werden konnte und damit auch, dass Domänenkenntnis doch unterschiedliche
Anchoring-Effekte hervorgerufen haben könnte.
Kritik an der konstruierten Domänenverfremdung In einigen Untersuchungen wurde die Domänenverfremdung artifiziell konstruiert (z.B. in Khatri u. a. 2006; Allen u.
Parsons 2010). Die in der Untersuchung erworbene Domänenkenntnis wurde häufig bei
Subjekten angenommen, die in einem nicht-unternehmerischen Arbeitsverhältnis tätig
waren, z.B. Studenten in einer Universität. Es kann angenommen werden, dass Angestellte in einem bestimmten Wirtschaftszweig über Jahre eine sehr spezifische Kenntnis
der Anwendungsdomäne aufbauen, die bzgl. Fokus und Detailgrad die Kenntnisse von
Studenten über Abläufe der Universitätsverwaltung übersteigt. So betrachtet sind diese
angenommenen, erst unmittelbar erworbenen Domänenkenntnisse als solche zu hinterfragen. Ebenso ist die künstlich herbeigeführte Domänenverfremdung kritisch zu betrachten.
Insgesamt soll in dieser Untersuchung ein anwendungsorientierter Untersuchungsansatz
angestrebt werden, um durchschnittliche Domänenkenntnis bzw. -nichtkenntnis von Novizen in Verbindung mit real-betrieblich basierten Prozessmodellen explorativ zu untersuchen.
Selektion der zwei Faktorstufen Da eine große Vielfalt an möglichen betrieblichen
Anwendungsdomänen existiert, kann sich eine laborexperimentelle Studie aufgrund des
realisierbaren Untersuchungsumfangs nur auf wenige Domänen beschränken (für eine
Übersicht von Wirtschaftszweigen vgl. den Bericht in Statistisches Bundesamt Deutschland (2008)). Es wurden zwei Anwendungsdomänen selektiert, die sich sowohl aufgrund
der kooperativen Projektarbeiten des Autors, als auch infolge der Schwerpunktsetzung
des Fachgebiets als adäquat kontrollierbar gezeigt haben: 1. Energieversorgung und 2.
Telekommunikation. Hiermit ist ebenso wie IV1 eine kategorische unabhängige Variable
IV2 festgelegt (zwei Kategorien).

160

5.2.4. Abhängige Variablen
In der Untersuchung sind zwei abhängige Variablen von Interesse. Dies ist zum einen die
Adaptionsperformanz. Dies ist das Vermögen der Modellierer, die notwendigen Anpassungen an den ihnen vorgelegten und wiederzuverwendenden Prozessmodellen zur Lösung
der gestellten Konstruktionsaufgabe vorzunehmen. Zum zweiten wird die semantische
Qualität definiert. Diese beschreibt, inwieweit die Prozessmodelllösung den Anforderungen an Validität und Vollständigkeit in Bezug auf den abzubildenden Geschäftsprozess
gerecht wird.
Adaptionsperformanz
Die erste abhängige Variable „Korrekt vorgenommene Anpassungen“ (im Weiteren engl.
„Percentage Correct Adjustments (PCA)“) misst den Grad, mit dem Anchors, die in den
Wiederverwendungsmodellen untergebracht sind, in den Lösungsmodellen beibehalten
werden. Die Anchoring-Phänomene, die in den finalen Lösungsmodellen auftauchen, sind
entsprechend mit Punkten kodiert (siehe Tabelle 5.1). Die Maße sind wertmäßig so kodiert, dass eine höhere Punktzahl einen höheren Grad an Anchoring widerspiegelt. Um
nicht die Information zu verlieren, dass die Menge an vorgenommenen Anpassungen auch
von der Zahl vorliegender Anchors beeinflusst werden kann, wird das Anchoring relativ
zur Anchormenge gesetzt. Dadurch ergibt sich ein prozentualer Anteil; ein höherer Prozentsatz wird mit einem stärkeren Anchoring assoziiert. Die Kodierung sei im Folgenden
kurz erläutert:
Omission (Auslassungen) Auslassungen beziehen sich auf Elemente, die das Wiederverwendungsmodell nicht enthält, welche aber in der Aufgabe explizit gefordert
werden und damit auch in der korrekten Lösung erwartet werden. Ein wiederverwendetes Modell muss entsprechend angepasst bzw. erweitert werden, um die
Anforderungen zu erfüllen. Daher wird für das Übertragen eines im Wiederverwendungsmodell nicht vorkommenden – aber geforderten – Elements ein Punkt
kodiert, da ein Anchoring eines ausgelassenen Elements stattgefunden hat. Wenn
dagegen das geforderte Element korrekterweise in der Finallösung erstellt wird,
dann wird kein Punkt kodiert, da die Auslassung nicht unreflektiert übernommen
wurde und daher kein Anchoring stattgefunden hat. Zwischen den Modellierungselementen, die als Anchor genutzt werden, wird punktemäßig nicht unterschieden,
d.h. hier wird zunächst jedes nicht eingefügte, aber geforderte, Element als gleich
stark bezüglich seines Anchoring-Beitrags gewichtet. Da die Granularität hier mit
der Modularität auf Basis von verschachtelten Aktivitäten gleichgesetzt wird, sind
die Omission-Anchors all jene Modellierungselemente, die im Zuge der Verfeinerung einer abstrakteren Aktivität eingefügt werden müssen (also primär weitere
Aktivitäten, Sequenzflüsse und fehlende Gateways).
Extraneous (Irrelevantes) Irrelevante Elemente im Wiederverwendungsmodell sind Ele-

161

Tabelle 5.1.: Kodierung des Anchorings

Anchoring-Variable

Kodierung des Anchoring-Elements

E t
(I l
t )
Extraneous (Irrelevantes)

0

wenn ausgelassenes Element in der Lösung doch vorkommt

1

wenn Element nicht in der Lösung aufgenommen wurde

0

wenn Element nicht in der Lösung aufgenommen wurde
g g

1

Omission (Auslassung)

wenn Element in der Lösung aufgenommen wurde

mente, die Funktionalität beschreiben, welche aber nicht explizit vom Aufgabentext
gefordert werden. Wenn ein im Wiederverwendungsmodell irrelevantes Element in
die Lösung übernommen wird, obwohl es nicht benötigt wird, dann findet ein Anchoring statt. Dies wird mit einem Punkt kodiert. Wenn solch ein irrelevantes Element nicht in der Finallösung vorkommt, der Designer also aktiv das entsprechende
Element aus dem wiederverwendeten Modell löscht, dann wird kein Punkt kodiert:
es hat kein Anchoring stattgefunden. Bezüglich der gleichen Gewichte für alle als
Anchor genutzten Modellierungselemente gilt analog die Erläuterung zu Omission
(siehe oben). Die Extraneous-Anchors sind primär irrelevante Aktivitäten und angeschlossene Sequenzflüsse, die entfernt werden müssen, damit das Prozessmodell
korrekt modifiziert wird.
Wie auf Basis der Kodierung das Anchoring-Maß für ein Lösungsmodell ermittelt wird
ist beispielhaft in Tabelle 5.2 dargestellt.
Für die Anwendung des Anchoring-Maßes ist zu beachten, dass es als vergleichbare
Größe nur dann herangezogen werden kann, wenn die mengenmäßige Verteilung von Anchors in den Wiederverwendungsmodellen gleich oder zumindest annähernd gleich ist.
Für die beiden Treatments feine und grobe Granularität sind ähnliche Verteilungen konstruierbar und damit lassen sich Aussagen mit Hilfe des Anchoring-Maßes treffen. Für
den Fall der maximalen Granularität ist die Menge an erforderlichen Einfügungsoperationen allerdings groß im Vergleich zu den Änderungsoperationen, die für die Anpassung der
fein- und grobgranularen Wiederverwendungsmodelle nötig sind, da alle Anforderungen
der Prozessmodellierungsaufgabe erst noch im Modell abgebildet werden müssen.
80

Für jeden Anchor im Wiederverwendungsmodell wird erhoben, ob er richtig angepasst wurde oder
nicht. Es lässt sich sowohl absolut die Summe korrekt vorgenommener Anpassungen, als auch die
relative Häufigkeit erheben (dafür ist die Anzahl korrekter Anpassungen durch die Gesamtanzahl
der vorliegenden Anchors zu teilen). Legende. A: Activity; SF: Sequenz flow; G: Gateway; DO: Data
object; Ass.: Asssociation. Aus Platzgründen sind die Anchor-Elemente teilweise mit „...“ abgekürzt.
Die vollständigen Benennungen befinden sich im Anhang.

162

Tabelle 5.2.: Beispielhafte Anwendung der Anchoring-Maße an zwei Lösungsmodellen von Untersuchungsteilnehmenden (oben: grobgranular mit OmissionAnchors; unten: feingranular mit Extraneous-Anchors)80
Anchoring-Variable

Anchoring-Maß bzgl. des Lösungsmodells
0 - wenn ausgelassenes Element in der Lösung doch vorkommt
1 - wenn Element nicht in der Lösung aufgenommen wurde

Omission
(Auslassung)

A: Receive customer data
SF: Receive … > Enter custo…
A: Check contract documents
A: Check customer Data
SF: Receive ... > Check custom…
SF: Check cu… > XOR-Gateway
G: XOR-Gateway
SF: XOR-Gateway > Error hand…
A: Error handling
A: …
A: …
Summe
Anchors gesamt
PCA

0
0
0
0
0
1
1
1
1
0
0
4
79
0,051
0 - wenn Element nicht in der Lösung aufgenommen wurde
1 - wenn Element in der Lösung aufgenommen wurde

Extraneous
(Irrelevantes)

A: Search customer data
Text: "only applicable …"
Ass.: DO:Trans... > Search cust…
DO: Transaction
Text:"from Grid operator & New..."
SF: Search cu... > Check custo...
A: …
A: …
Summe
Anchors gesamt
PCA

163

1
1
1
1
1
0
1
0
6
76
0,079

Eine vergleichende Betrachtung von vorgenommenen Änderungen in maximal-granularem Modell bzw. grob- und feingranularem Modell ist aufgrund dieser Mengenunterschiede kaum möglich. Es ist möglich den prozentualen Anteil von tatsächlich vorgenommenen
Änderungen an allen notwendigen Änderungen zu betrachten. Da aber davon ausgegangen werden kann, dass die vielen Änderungen in einer leeren Modellierungsfläche auch
kognitiv höhere Anstrengungen erfordern, als die Anpassungen in einem Wiederverwendungsmodell, das bereits über viele nicht zu ändernde Inhalte verfügt, mangelt es an der
mengenmäßigen Basis für einen aussagekräftigen Vergleich.
Overall Semantic Quality
Neben der Durchführung korrekter Anpassungen, die einen relativen Indikator für die
Adaptionsqualität eines wiederverwendeten Prozessmodells darstellt, ist auch die absolute Performanz des Modellierungsprozesses von Interesse. Die Performanz des Modellierungsprozesses wird hier mittels der Qualität des Endergebnisses, d.h. des erstellten
Prozessmodells, bestimmt. Neben der Beurteilung des Endresultats könnte auch der Modellierungsprozess an sich analysiert werden. D.h. es könnte näher beleuchtet werden, welche Bedingungen während der Modellierung herrschen (z.B. Ausgangsbedingungen und
Aufgabe, Merkmale des Modellierungseditors, das Modelllayout, die genutzte Hardware,
die direkte Arbeitsumgebung etc.) und welche Auswirkungen diese Bedingungen während
der Modellierungszeit auf den Modellierer bzw. das sich entwickelnde Modell haben (z.B.
mit welchen Transformationen wird begonnen, welche Transformationen kommen sehr
häufig vor, wie ändert sich die Gemütslage des Teilnehmers, wie groß ist die Häufigkeit
von Rückgängigmachungen etc.).
In der vorliegenden Untersuchung wurde der Fokus auf das Endresultat gelegt, da
die genaue Analyse von Phänomenen während der Modellierungszeit wesentlich mehr
Ressourcen für die Beobachtung (und Aufzeichnung) und Auswertung der Daten in Anspruch genommen hätte. Mit der Konzentration auf das Endergebnis sind aber Aussagen
bezüglich des vorangegangenen Prozesses nicht ausgeschlossen. Durch das Wissen um die
Zustände vor und nach der Modellierung ist eine Bestimmung des Weges, der zwischenzeitlich zurückgelegt wurde, d.h. welche relative Veränderung des Modells stattgefunden
hat, mit gewissen Einschränkungen möglich. Es ist möglich festzustellen, ob in einem
Modell wesentlich mehr Veränderungen stattgefunden haben als in einem anderen – relativ betrachtet zur Ausgangslage. Es ist dagegen nicht möglich, völlig auszuschließen,
dass die absolute Anzahl an Transformationsoperationen tatsächlich höher lag. Die tatsächlich vorgenommenen Änderungen, Löschungen und Rückgängigmachungen entzogen
sich der expliziten Beobachtung. Es bleibt daher bei einer Schätzung.
Bezugnehmend auf die in 2.2.3 diskutierten Qualitätsmerkmale von Prozessmodellen
wird nun die abhängige Variable für die Untersuchung festgelegt. Dabei wird der Fokus
auf die Größen Vollständigkeit und Validität gelegt. Vollständigkeit und Validität sind
zentrale Dimensionen der semantischen Qualität konzeptueller Modelle (Lindland u. a.
1994; Krogstie u. a. 2006). Eine Ausprägung der pragmatischen Qualität (Lindland u. a.

164

1994, S. 45) ist mit der Adaptionsqualität im vorigen Abschnitt erfolgt. Die syntaktische
Qualität steht nicht im Fokus, da durch die Verwendung eines einheitlichen Modellierungswerkzeugs automatische Korrekturmechanismen zur Verfügung stehen, welche die
meisten syntaktischen Fehler an ihrer Entstehung hindern. Vollständigkeit und Validität
werden wie folgt definiert. Vollständigkeit bedeutet, dass das Prozessmodell alle Aussagen aus der Aufgabendomäne enthält, die korrekt und relevant sind (Lindland u. a.
1994, S. 46). Falls das Prozessmodell Aussagen vermissen lässt, die in Bezug auf die
Aufgabendomäne korrekt und relevant wären, dann ist es nicht mehr vollständig bzw.
weist eine niedrige Vollständkeit auf. Bei mehr korrekten und relevanten Aussagen (bzgl.
der Aufgabendomäne) im Prozessmodell steigt die Vollständigkeit entsprechend. Validität bedeutet, dass die im Modell enthaltenen Aussagen bezüglich der Aufgabendomäne
korrekt und relevant sind. Ein valides Modell kann dennoch unvollständig sein, wenn eigentlich weitere relevante Aussagen im Prozessmodell benötigt würden. Umgekehrt kann
ein vollständiges Prozessmodell eine niedrige Validität aufweisen, wenn über die enthaltenen korrekten und relevanten Aussagen hinaus weitere Aussagen einbezogen sind, die
inkorrekt bzw. irrelevant sind (Lindland u. a. 1994, S. 46).
Es kann eine analoge Beziehung der Maße des Information Retrieval, Precision und
Recall, zu den Begriffen Validität und Vollständigkeit aufgestellt werden. Da die adaptive Wiederverwendung von Prozessmodellen im Kern als eine Aufgabe des Information
Retrieval betrachtet werden kann, lässt sich eine Korrespondenz zwischen der Validität
eines Modells und der Precision erstellen, d.h. die Elemente, welche in der Prozessmodelllösung enthalten sind, sind alle korrekt und relevant (aber nicht unbedingt vollständig,
wenn relevante Information nicht einbezogen worden sind). Ebenso gibt es eine Korrespondenz zwischen der Vollständigkeit und dem Maß des Recall, d.h. ein vollständiges
Prozessmodell enthält alle Elemente, welche in Bezug auf den Geschäftsprozess korrekt
und relevant sind. Entsprechend drückt Recall diese Eigenschaft aus, dadurch dass ein
hoher Recall möglichst viele Elemente im Ergebnis enthält, die korrekt und relevant in
Bezug auf die Suchanfrage (dies entspricht der Prozessmodellierungsaufgabe) sind.
Für die Overall Semantic Quality wäre ein kombiniertes Maß noch aussagekräftiger und
einfacher zu handhaben. Es gibt ein Maß für die Kombination von Precision und Recall,
das F-Maß. Das F-Maß kombiniert Genauigkeit (Precision) und Trefferquote (Recall)
mittels des gewichteten harmonischen Mittels:
𝐹 =2⋅

𝑃 𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛 ⋅ 𝑅𝑒𝑐𝑎𝑙𝑙
𝑃 𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛 + 𝑅𝑒𝑐𝑎𝑙𝑙

Aufgrund der umfangreichen Prozessmodellkonstruktionsaufgaben und damit auch
Wiederverwendungsmodelle, kann durch die reine Übernahme eines Wiederverwendungsmodells bereits ein hoher Recall-Wert erzielt werden, da der größere Teil im Wiederverwendungsmodell nicht angepasst werden muss, sondern bereits korrekt und relevant ist.
Dies gilt insbesondere im feingranularen Wiederverwendungsmodell, da hier die Anpassungen die Entfernung von zusätzlichen, nicht aufgabenrelevanten Prozessmodellelemen-

165

ten betreffen – in Bezug auf die Vollständigkeit ist das feingranulare Modell jedoch bereits
auf einem hohen Niveau. Um dieser hohen Einordnung des Recall, die durch das Untersuchungsdesign besteht, Rechnung zu tragen, soll die Präzision höher gewichtet werden.
Dies ermöglich es dann auch jene validitätsmindernden Anpassungsversäumnisse (d.h.
nicht gelöschte, aber überflüssige Prozessmodellelemente im feingranularen Prozessmodell) entprechend mit einem Qualitätsmaß zu reflektieren. Dazu kann das ebenfalls häufig
angewandte 𝐹0,5 -Maß herangezogen werden, welches die Präzision zweifach gewichtet:

𝐹0,5 =

(1 + 0, 52 ) ⋅ (𝑃 𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛 ⋅ 𝑅𝑒𝑐𝑎𝑙𝑙)
(0, 52 ⋅ 𝑃 𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛 + 𝑅𝑒𝑐𝑎𝑙𝑙)

Precision und Recall können nur eingeschränkt tiefergehende semantische Inhalte wie
z.B. Reihenfolgen von Prozessmodellelementen korrekt wiedergeben. Einige Aussagen im
Prozessmodell können als prinzipiell korrekt und relevant für einen lokalen Ausschnitt
betrachtet werden und sie würden im Sinne des Information Retrieval entsprechend berücksichtigt werden. Es ist aber möglich, dass größere Prozessmodellfragmente als Ganzes
zu einem falschen Zeitpunkt innerhalb des Prozessdurchlaufs durchgeführt werden. Die
Beeinträchtigung der semantischen Qualität würde durch Precision- und Recall-Maße in
solch einem Fall nicht direkt reflektiert werden. Aus der Perspektive des Information Retrieval, also inwieweit Modellierer in der Lage sind aus der Geschäftsprozessbeschreibung
heraus die relevanten Inhalte korrekt zu repräsentieren, erscheinen die Maße Precision,
Recall und das 𝐹0,5 -Maß adäquat für den Untersuchungskontext.

5.2.5. Kontrollierte Variablen
Die experimentelle Untersuchung legt den Fokus auf die Einflüsse spezifischer Faktoren
(IV1 und IV2 ) auf eine (bzw. mehrere) abhängige Variable(n). Die übrigen Parameter der experimentellen Aufgabe sind bei den Untersuchungsteilnehmenden auf gleichen
Ausprägungsniveaus zu halten, um eventuelle Einflüsse und Interaktionen dieser potenziellen Faktoren zu minimieren. Diese verbleibenden Faktoren aus Abbildung 5.1, die
auf Anchoringverhalten und Modellierungsperformanz einwirken können (Charakteristika der Teilnehmer: Anwendungsdomänen- und Modellierungswissen; und Charakteristika
der Modellierungsaufgabe: Edit distance und Aufgabenkomplexität) werden dementsprechend kontrolliert.
Kontrolltechnik
Da die Charakteristika der Teilnehmer, wie deren Modellierungs- und Anwendungsdomänenkenntnisse, aber auch individuelle Merkmale wie Frustrationsschwelle, Lerngeschwindigkeit usw., auf die abhängigen Variablen wirken können, müssen bestimmte Techniken
angewandet werden, um diese personengebundenen Störvariablen zu kontrollieren. Bei
der vorliegenden experimentellen Untersuchung kann die Technik der Randomisierung

166

angewandt werden. Hierbei werden durch die zufällige Zuweisung der Untersuchungsteilnehmer zu den Untersuchungsbedingungen die Experimental- und Kontrollgruppe auf
dem Wege des statistischen Fehlerausgleichs äquivalent gemacht (Bortz u. Döring 2003,
S. 525). Die Randomisierung kann hier erfolgen, da die Treatmentvariablen „Granularität“
und „Anwendungsdomäne“ vom Untersuchungsleiter gesetzt werden können.
Insbesondere für die personengebundenen Faktoren Modellierungskenntnisse und Anwendungsdomänenkenntnisse wird vermutet, dass sie einen Einfluss auf die abhängigen
Variablen haben. Durch die Auswahl von Teilnehmern mit bestimmten Prozessmodellierungskenntnissen soll dieser Faktor auf einem Niveau konstant gehalten werden, das dem
eines Mitarbeiters in einer Einstiegsposition in der Funktion eines Prozessmodellierers
ähnelt. Durch das Konstanthalten beeinflusst dieser Faktor die Unterschiedlichkeit von
Vergleichsgruppen nicht (Bortz u. Döring 2003, S. 527). Für den Faktor Anwendungsdomänenkenntnisse wird ebenfalls die Technik des Konstanthaltens angewandt, allerdings
mit der Abwandlung, dass einige wenige Teilnehmer pro Vergleichsgruppe über sehr viel
höheres Anwendungsdomänenwissen verfügen, als die restlichen Gruppenmitglieder. Über
die Kontrolltechnik der Matched Samples, kann aber auch hier der Einfluss des Faktors
stark reduziert werden. Siehe dazu den folgenden Abschnitt.
Charakteristika der Teilnehmer
Für die Untersuchung werden spezifische Charakteristika der Teilnehmenden weitgehend
kontrolliert, die einen potenziellen Einfluss auf das Anpassungsverhalten und damit die
Ergebnisse der wiederverwendungsorientierten Prozessmodellierung haben könnten (vgl.
Reijers u. Mendling 2011). Die Kontrolle betrifft die folgenden Merkmale: 1) Modellierungswissen, 2) Anwendungsdomänenwissen und 3) Kreis der Untersuchungsteilnehmenden.
Modellierungswissen Der Fokus wurde auf fortgeschrittene Anwender gelegt, die über
eine Grundausbildung in Modellierungssprachen der Softwaretechnik und der Geschäftsprozessmodellierung verfügen. Bezüglich der Modellierungskenntnisse handelte es sich
hierbei also nicht um Anfänger, sondern um Teilnehmer mit wesentlichen bis fortgeschrittenen Kenntnissen.
Die studentischen Teilnehmer und wissenschaftlichen Mitarbeiter der Technischen Universität Berlin hatten mindestens eine einsemestrige Vorlesung und Übung der „Grundlagen der Systemanalyse“ absolviert, in der verschiedene Modellierungsmethoden, wie
Geschäftsprozess- und Datenmodellierung für die betriebliche Gestaltung in diversen
Geschäftskontexten vorgestellt und trainiert wurden (darunter ereignisgesteuerte Prozessketten und BPMN). Sowohl die Studenten als auch die wissenschaftlichen Mitarbeiter haben demnach ähnliche Formen des Trainings bezüglich der Modellierung erfahren.
Die Teilnehmer der anderen universitären Institute sind an ähnlichen Fachgebieten der
Informatik und des Informationsmanagements angesiedelt und haben in ihren Studien

167

ebenfalls formale und praktische Grundlagen der Geschäftsprozessmodellierung kennengelernt und in Übungen erprobt.
Auch die kleine Gruppe der Untersuchungsteilnehmer mit tieferen Anwendungsdomänenkenntnissen und Berufserfahrung (siehe nächster Absatz) verfügt über einen ähnlichen
Kenntnisstand in der Prozessmodellierung, da diese Teilnehmer sowohl gleiche Studiengänge und damit ähnliche relevante Kurse belegt hatten wie die o.g. Teilnehmer, als auch
in ihren jetzigen Positionen direkt für Themen der Prozessmodellierung und -analyse verantwortlich sind.
Anwendungsdomänenwissen In einigen Forschungsarbeiten wurde angenommen, dass
tiefere Anwendungsdomänenkenntnisse (domain familiarity) die Performanz in Aufgaben des Modellverständnis und der -erstellung beeinflussen würden (Khatri u. a. 2006;
Allen u. Parsons 2010). In Khatri u. a. (2006) wurde die Frage untersucht, inwieweit
bessere Anwendungsdomänenkenntnisse in einer Problemlösungsaufgabe bezogen auf ein
konzeptuelles Schema zu besseren Ergebnissen führen, als wenn man über wenige Anwendungsdomänenkenntnisse verfügt. Für diese Frage konnte ein Effekt aufgezeigt werden,
der allerdings nur mittleren Ausmaßes war. In Allen u. Parsons (2010) wurde in Anknüpfung daran die Frage beleuchtet, ob bei der Wiederverwendung von Queries in der
Query-Formulierung höhere Anwendungsdomänenkenntnisse zu einem schwächeren Adjustment Bias führen (was meist eine höhere Qualität des Endmodells impliziert). Die
Ergebnisse der Untersuchung konnten diese Hypothese allerdings nicht stützen – Anwendungsdomänenkenntnisse hatten keinen signifikanten Einfluss auf den Adjustment Bias
im Vergleich zu Gruppen mit wenigen Kenntnissen. Auch in Wright u. Anderson (1989)
wurde festgestellt, dass die Vertrautheit mit Situationen (also höhere Anwendungsdomänenkenntnisse) nicht zu geringerem Anchoring führte. In dieser Untersuchung mussten
die Untersuchungssubjekte Eintrittswahrscheinlichkeiten für bestimmte Ereignisse schätzen. Trotz der geringen Hinweise auf einen Effekt der Anwendungsdomänenkenntnis auf
die Performanz im model reading und model writing, wird dieser Faktor über die Konstanthaltung kontrolliert.
Die Prozessmodellierungsaufgaben wurden aus Bereichen gewählt, die den meisten Studenten mit hoher Wahrscheinlichkeit als neu erscheinen durften. Zum einen handelte es
sich um den Stromlieferantenwechselprozess bei Energiedienstleistern und zum anderen
um den Managementprozess in Telekommunikationsunternehmen im Fall einer Verletzung der Service-Level-Vereinbarung. Die Terminologie ist nicht nicht so geartet, dass
die Teilnehmer die einzelnen Begriffe nicht verstehen würden. Der professionelle Kontext ist für diese Teilnehmer jedoch als fremd zu klassifizieren. Die Studenten und wissenschaftlichen Mitarbeiter waren bezüglich ihrer Domänenkenntnisse also als Anfänger
einzustufen. Das Niveau des Anwendungsdomänenwissens der Mehrheit der Untersuchungssubjekte ist als alltägliches Wissen bezogen auf den Kontext ohne professionelle,
geschäftsprozessbezogene und semantische Erfahrungen einzustufen.
Es soll allerdings nicht ganz auf die Betrachtung von vertieften Domänenkenntnissen

168

verzichtet werden. Deswegen werden in die Vergleichsgruppen zusätzlich zu den Teilnehmern mit konstant gehaltenen Domänenkenntnissen einige wenige (hier: drei pro Vergleichsgruppe) Teilnehmer mit einschlägiger Berufserfahrung in der jeweiligen Domäne
der Aufgabenstellung aufgenommen. Um Teilnehmer mit diesen Merkmalen aufzunehmen, wurden Subjekte mit natürlich vorliegenden Eigenschaften, d.h. Berufserfahrung
und aufgrund der Tätigkeit erworbene, aufgabenrelevante Domänenkenntnisse, herangezogen. Der Untersuchungsleiter konnte diesen Faktor Anwendungsdomänenkenntnis
demnach den Teilnehmern nicht frei zuordnen. Aufgrund dieser Nichtmanipulierbarkeit
ist dieser kleinere Teilnehmeranteil in der Vergleichsgruppenzusammensetzung daher mit
Blick auf den Faktor Anwendungsdomänenwissen als quasiexperimentell einzustufen. Obwohl der Fokus nicht auf dem Einfluss von Anwendungsdomänenkenntnissen liegt, kann
hier trotzdem im Falle von beobachteten Unterschieden in der Nachbetrachtung auf die
einzelnen Teilnehmerunterschiede analytisch eingegangen werden.
Es soll hier darauf hingewiesen werden, dass für die Schaffung von Anwendungsdomänenkenntnissen in Teilnehmern eine andere Technik als in den Arbeiten von Khatri
u. a. (2006) und Allen u. Parsons (2010) eingesetzt wurde. Während in der vorliegenden
Untersuchung die unterschiedliche Verteilung von Anwendungsdomänenkenntnissen auf
Basis der natürlichen Vorkommnisse genutzt wird, wurde bei Allen u. Parsons (2010)
eine Technik eingesetzt, die es den Untersuchungsleitern erlaubt sowohl die Teilnehmer
zufällig zu einem bestimmten Niveau an Anwendungsdomänenwissen zuzuordnen ohne
ein Domänentraining durchführen zu müssen, als auch die Zuordnung auf einer Zwischensubjektbasis vornehmen zu können. Dabei wurde beispielsweise ein Datenschema einer
Anwendungsdomäne herangezogen, die allen Untersuchungssubjekten mit hoher Wahrscheinlichkeit fremd erschien. Dieses Schema stellte die Dömane dar, für die so gut wie
keine Anwendungsdomänenkenntnisse vorlagen. Von diesem Schema wurden dann alle Tabellennamen und Attribute entfernt unter Beibehaltung der Struktur des Schemas.
Diese Struktur wurde dann mit Begriffen aus einer bekannten Anwendungsdomäne aufgefüllt und stellte somit die Domäne dar, für die sehr viele Anwendungsdomänenkenntnisse
vorlagen. Um die Möglichkeit zu reduzieren, dass die Teilnehmer die beiden Schemata
direkt als strukturell identisch wahrnehmen konnten, wurde das zweite Schema zusätzlich
gespiegelt. Somit konnten zwei strukturell identische Schemata konstruiert werden, die
sich lediglich in ihrer Semantik unterschieden.
Auf diese künstliche Konstruktion wurde hier verzichtet zugunsten von natürlich vorliegenden Domänenkenntnissen, die in einem langen Prozess unter real-betrieblichen Bedingungen erworben wurden. Es muss hier festgehalten werden, dass dieses quasiexperimentelle Design die Gefahr durch die Möglichkeit anderer Erklärungsalternativen zulässt,
welche in weiteren Faktoren der Teilnehmer begründet liegen kann. Dies kann letztlich
zu einer Schwächung der internen Validität führen. Dafür darf von realistischen Anwendungsdomänenkenntnissen bei den Teilnehmern ausgegangen werden, was wiederum die
externe Validität stärkt.

169

Kreis der Untersuchungsteilnehmenden Die Untersuchungsteilnehmenden des Experiments waren überwiegend Diplom- bzw. Masterstudenten und wissenschaftliche Mitarbeiter der Fachgebiete Informatik, Technische Informatik, Wirtschaftsmathematik und Wirtschaftsingenieurwesen im letzten Abschnitt ihres Studiums der Technischen Universität
Berlin, der Freien Universität Berlin, der Humboldt Universität zu Berlin, des KTH Royal
Institute of Technology, Schweden und des Hasso-Plattner-Instituts (HPI) Potsdam (dies
entspricht fünf europäischen Universitäten). Weiterhin wurden Teilnehmer aus zwei global tätigen Unternehmen der Energie- und Telekommunikationsbranche und lokal ansässigen Kommunikationsdienstleistungsfirmen ausgewählt (im Weiteren als Fachpersonen bezeichnet). Die Teilnehmer wurden zufällig aus der Fachgebietsdatenbank ausgewählt und
angeschrieben. Zusätzlich wurden Mitglieder des lokalen Prozessmanagement-Netzwerks
angeschrieben und das Teilnahmeangebot wurde über mehrere Email-Verteiler der übrigen Universitäten ausgesandt. Die Teilnehmer wurden per Zufall den drei TreatmentGruppen zugeteilt (Randomisierung): die Gruppe mit feingranularem Prozessmodell, die
Gruppe mit grobgranularem Prozessmodell und die Gruppe mit maximal-granularem
Prozessmodell (d.h. kein wiederverwendbares Modell bzw. leere Modellierungsfläche).
Die Größe von dreizehn Teilnehmern pro Vergleichsgruppe ist vergleichbar mit denen
anderer Untersuchungen im Bereich der konzeptuellen Modellierung. Beispielsweise betrugen die Vergleichsgruppengrößen bei Batra u. Wishart (2004) 13 bzw. 14 und bei
Parsons u. Saunders (2004) 11 bzw. 12 Personen. Aufgrund dieser Stichprobengröße ist
die Technik der Matched Samples eine adäquate Möglichkeit der Störvariablenkontrolle,
die verwendet werden sollte (Bortz u. Döring 2003).
Es wurde aus mehreren Gründen auf Studenten und wissenschaftliche Mitarbeiter
als Experimentteilnehmer zurückgegriffen. Das Konzept der Granularität ist eng mit
grundlegenden menschlichen psychologischen Aktivitäten verknüpft – Studenten sind als
menschliche Wesen in dieser Hinsicht direkt qualifiziert. Weiterhin konnte aufgrund der
Studienrichtungen von einer Neigung der Studenten zu zukünftigen Tätigkeiten im Feld
der Prozessgestaltung im Kontext softwareintensiver Systeme ausgegangen werden. Die
studentischen Teilnehmer können daher zumindest als Stellvertreter für Berufsanfänger
oder zumindest wenig erfahrene Mitarbeiter in diesem Tätigkeitsbereich angesehen werden. Ein weiterer Grund für die Teilnahme von Studenten liegt in ihrer Verfügbarkeit in
ausreichender Zahl (aufgrund der Nähe des Untersuchungsleitenden zur Universität), die
Stichprobenumfänge für Ergebnisse mit statistischer Aussagekraft erlaubt.
Charakteristika der Prozessmodellierungsaufgabe
Für die Untersuchung werden spezifische Charakteristika der Prozessmodellierungsaufgabe kontrolliert, um die möglichen Auswirkungen der unabhängigen Variablen weitestgehend isoliert von anderen Einflüssen betrachten zu können. Die Merkmale umfassen: 1)
die verwandte Prozessmodellierungssprache, 2) Edit Distance, 3) Aufgabenkomplexität
und 4) Modellierungswerkzeug.

170

Prozessmodellierungssprache Zu den Prozessmodellierungssprachen bzw. Notationen,
welche die Forderungen nach betrieblicher Verbreitung und Konstruktabdeckung erfüllen, zählen beispielsweise ereignisgesteuerte Prozessketten (und deren Varianten) und die
Business Process Modeling Notation (BPMN). In zur Mühlen u. Recker (2008); Recker
(2010b) wurde beschrieben, dass diese Sprachen für die Prozessmodellierung in betrieblichen Organisationen häufig eingesetzt werden. Die Untersuchung verwendet im Weiteren
die BPMN. In dieser Sprache ist das Wiederverwendungprozessmodell beschrieben und
in BPMN soll ebenfalls die Prozessmodelllösung über die Adaption entwickelt werden.
Durch die Wahl dieser gängigen Prozessmodellierungssprache kann die Gefährdung der
externen Validität aufgrund anders gearteter Effekte durch andere Prozessmodellierungssprachen zumindest teilweise entkräftet werden.
Edit distance Die „edit distance“ (dt. Abstand) (z.B. Ehrig u. a. 2007; Dijkman u. a.
2009, 2010) kann als Maß für die Anzahl an Operationen aufgefasst werden, die man
an einem wiederverwendeten Prozessmodell durchführen muss, um zur Prozessmodelllösung zu gelangen, welche die Anforderungen aus der Konstruktionsaufgabe widerspiegeln. Weitere Auffassungen dieses Editierungsabstands finden sich in Arbeiten zur
Prozessmodellähnlichkeit (vgl. dazu den entsprechenden Abschnitt 3.2.3). Die Abstände zwischen grobgranularem Wiederverwendungsmodell und Idealprozessmodellergebnis
einerseits und feingranularem Wiederverwendungsmodell und Idealprozessmodellergebnis andererseits werden kontrolliert, um den Faktor der Anpassungsoperationenanzahl
im Verlauf der Prozesmodelladaption in Bezug auf mögliche Auswirkungen auf Adaptionsperformanz und semantische Qualität weitgehend auszuschließen. Die graph edit distance aus Dijkman u. a. (2009) wird zugrunde gelegt und beträgt für alle vier Abstände
(2 Granularitätsstufen × 2 Anwendungsdomänen) zwischen 35 und 40 Operationen bzw.
Anpassungsschritte. In Abbildung 5.3 und 5.4 sind die Abstände einmal für das feingranulare und einmal für das grobgranulare Wiederverwendungsmodell illustriert (beides in der
Energiedomäne). Die gestrichelten Ellipsen stellen die zu entfernenden (bei ExtraneousAnchors) bzw. die einzufügenden (bei Omission-Anchors) Prozessmodellelemente dar.
Aufgabenkomplexität Die textuellen Repräsentationen der Geschäftsprozessbeschreibungen für die zwei Anwendungsdomänen Energie und Telekommunikation müssen bezüglich ihrer textbasierten und prozessbezogenen Komplexität kontrolliert werden, um
diesen Faktor als mögliche Ursache von Änderungen in der Adaptionsperformanz oder
semantischen Qualität der Modellierungsergebnisse weitgehend auschließen zu können.
In Abschnitt 3.2.3 wurden einschlägige Maße der Komplexitätsbeschreibung vorgestellt
und für den Untersuchungskontext ausgewählt. Tabelle 3.2 zeigt die nahezu gleichen
Komplexitätsausprägungen der beiden Geschäftsprozessbeschreibungen.
Unter Bezugnahme auf das Knowledge Need aus dem Qualitätsmodell für aktive Prozessmodelle (Krogstie u. a. (2006), vgl. Abschnitt 2.2.3), welches die Wissenslücke zwischen dem internen Wissen über die Domäne und dem benötigten Wissen zur korrekten Repräsentation der Domäne beschreibt, werden in der Geschäftsbeschreibung solche

171

Feingranulares Wiederverwendungsmodell (Anwendungsdomäne Energie)

Ideale Prozessmodelllösung (Anwendungsdomäne Energie)

Abbildung 5.3.: Graphdarstellung des Übergangs von feingranularem Wiederverwendungsmodell zur Ideallösung
„Deltas“ zusätzlich eingebaut. Dies geschieht, damit die Prozessmodellkonstruktion nicht
nur aus einem chronologischen 1-zu-1-Mapping des Geschäftsprozesstexts besteht, sondern eine gewisse Arbeit investiert werden muss, um eine Repräsentation der vollständigen Domäne, des Soll-Prozessmodells, zu erhalten. Die Deltas beziehen sich in beiden
Geschäftsprozessbeschreibungen (Energie und Telekommunikation) auf eine zusätzliche
Datenprüfung, die benötigt wird, und die Änderung der Reihenfolge einer bestimmten
Aktivität im Prozess (vgl. Anhang A)
Modellierungswerkzeug Die Aufgabenbearbeitung im Rahmen der Untersuchung erfolgte über ein Browser-basiertes Prozessmodellierungswerkzeug. Für diesen Zweck wur-

172

Grobgranulares Wiederverwendungsmodell (Anwendungsdomäne Energie)

Ideale Prozessmodelllösung (Anwendungsdomäne Energie)

Abbildung 5.4.: Graphdarstellung des Übergangs von grobgranularem Wiederverwendungsmodell zur Ideallösung
de der Signavio-Oryx Process Model Editor eingesetzt (Signavio GmbH 2009). Zusätzlich
wurde die Aufgabenbeschreibung der Prozessmodellkonstruktion über eine Webseite bereitgestellt. Alle Untersuchungsteilnehmer haben das gleiche Modellierungswerkzeug über
den Browser „Firefox“ genutzt.

5.2.6. Experimentdesign
Für das Design der experimentellen Untersuchung wurden methodische Vorgaben und
Richtlinien aus den Arbeiten von Wohlin u. a. (2000) und Bortz u. Döring (2003) befolgt.

173

Randomisierung Die Prozessmodellerstellungsaufgaben – entweder aus der Anwendungsdomäne Energie oder Telekommunikation – sind den Untersuchungssubjekten zufällig zugeordnet. Die Granularität des wiederzuverwendenen Prozessmodells ist den Untersuchungssubjekten ebenfalls per Zufall zugeordnet. Die Untersuchungssubjekte selbst
sind nicht rein zufällig ausgewählt. Sie verfügen über bestimmte Vorkenntnisse der Geschäftsprozesssmodellierung und entstammen Tätigkeitsbereichen des Hochschulbereichs
Wirtschaftsinformatik bzw. IT-nahen betrieblichen Organisationen.
Balancing Hinsichtlich der kognitiven Fähigkeiten der Partizipanten konnten keine kontrollierenden Maßnahmen ergriffen werden. Bei den Partizipanten handelt es sich um
Subjekte, die aus unterschiedlichen Beweggründen und mit unterschiedlichen Biografien
in die Bereiche gelangt sind, aus denen die Teilnehmer für das Experiment ausgewählt
wurden. Um etwaige Unterschiede aufgrund der Herkunft aus entweder einem eher akademischen Kontext oder einem eher betrieblichen Kontext auszubalancieren, wurde die
Technik des matched samples angewandt. Dabei wird darauf geachtet, dass es für Teilnehmer einer Untersuchungsgruppe mit spezifischen Merkmalen – im vorliegenden Fall
das Merkmal Tätigkeitsbereich – jeweils korrespondierende Teilnehmer in den anderen
Untersuchungsgruppen gibt, die ähnliche Merkmale aufweisen.
Designtyp Die Zieldefinition, die Hypothesen und die zu erhebenden Größen weisen auf
ein spezifisches experimentelles Design hin. Es werden zwei Faktoren betrachtet, wobei
der erste dreifach gestuft, der zweite zweifach gestuft ist. Der erste Faktor ist die Granularität des wiederzuverwendenen Prozessmodells (Faktor A mit den Stufen: A1 = Gfine , A2
= Gcoarse , A3 = Gmax ). Der zweite Faktor ist die Anwendungsdomäne der jeweiligen Prozesmodellierungsaufgabe (Faktor B mit den Stufen: B1 = En, B2 = Tel). Die abhängigen
Variablen werden mit einer Verhältnisskala (Adaptionsperformanz) bzw. mit dem 𝐹0,5 Maß (semantische Qualität) gemessen. Überprüft werden die Hypothesen, inwieweit die
Modellierungsperformanz von der Granularität des wiederverwendeten Prozessmodells
und der Anwendungsdomäne abhängt. Dementsprechend wird ein vollständiger, zweifaktorieller experimenteller Plan aufgestellt, aus dem 3 × 2 = 6 Faktorstufenkombinationen
resultieren. Die Variable Sij steht stellvertretend für die Teilnehmerzahl in einer jeweiligen Untersuchungsgruppe einer Faktorstufenkombination. Tabelle 5.3 zeigt das Schema
dieses zweifaktoriellen Plans in der Übersicht.
Auswertungsmethode Es werden mehr als eine, d.h. zwei abhängige Variablen betrachtet (PCA und OSQ). Die untersuchte Abhängigkeit steht potenziell in Beziehung zu den
zwei oben genannten unabhängigen Variablen (Prozessmodellgranularität und Anwendungsdomäne). Für die statistische Überprüfung der Resultate können ANOVAs (Analysis of Variance) herangezogen werden. Die multivariate (und mehrfaktorielle) Varianzanalyse bzw. MANOVA (engl. Multiple Analysis of Variance) sollte im Zusammenhang
diskutiert werden. Dieser Test kann einzelnen ANOVAs überlegen sein für den Fall, dass

174

Tabelle 5.3.: Untersuchungsschema des zweifaktoriellen Plans. Links: allgemeines Schema, rechts: Schema des vorliegenden Experiments.

B1

B2

A1

S11

S12

A2

S21

A3

S31

En

Tel

Gfine

13

13

S22

Gcoarse

13

13

S32

Gmax

13

13

die abhängigen Variablen korrelieren. Die ANOVA kann aber bereits ausreichen, um belastbare Aussagen zu treffen (Gerstman 2010). Das statistische Signifikanzniveau wurde
für alle Auswertungen auf 𝛼 = 0, 05 gesetzt. Nullhypothesen werden daher zurückgewiesen, wenn der statistische Signifikanzwert (P-Wert) das Signifikanzniveau unterschreitet. Die Gefährdung der Validität der Ergebnisse wird in Abschnitt 6.4 diskutiert. Die
Durchführung aller statistischen Tests wurde mit der Software „PASW Statistics 18“ 81
vorgenommen.

5.3. Experimentdurchführung
5.3.1. Vorbereitung
Allen Teilnehmern wurde mitgeteilt, dass es sich um eine experimentelle Untersuchung
handelt. Sie wurden jedoch nicht darüber informiert, welche konkreten Hypothesen formuliert wurden. Für die Durchführung der einzelnen Experimente wurden Termine mit
den Teilnehmern vereinbart.
Für den Prozessmodellierungsteil wurde eine Modellierungssoftware benötigt, mit der
sowohl die wiederzuverwendenen Prozessmodelle bereitgestellt als auch die Anpassungen an den Modellen vorgenommen werden konnten. Die Software sollte über das World
Wide Web nutzbar sein, so dass Teilnehmer auch von verschiedenen Rechnern auf sie
zugreifen können, solange eine Internetverbindung besteht. Die lokale Installation einer
Modellierungssoftware auf Teilnehmerrechnern konnte so vermieden werden. Die webba81

Die ursprüngliche Produktbezeichung „SPSS“ wurde nach der Akquisition der SPSS Inc. durch die
Firma IBM im Jahre 2009 in „PASW Statistics“ geändert. Für die Version 19 (Release 2010) wurde
das Produkt erneut umbenannt in „IBM SPSS Statistics“.

175

sierte Modellierungssoftware Signavio Process Editor (Signavio GmbH 2009) erfüllt diese
Bedingungen und stellt darüberhinaus mehrere Sprachen für die Geschäftsprozessmodellierung zur Verfügung.
Der Signavio Process Editor diente einerseits als Repository, mit dem den teilnehmenden Modellierern die Wiederverwendungsmodelle verfügbar gemacht wurden. Diese Wiederverwendungsmodelle wurden im Vorfeld des Experiments erstellt. Andererseits wurde
der Signavio Process Editor genutzt, um vorab die idealen Lösungsprozessmodelle als
Musterlösung für die Prozessmodellierungsaufgaben zu erstellen. In der später erfolgenden Bewertung dienen diese als Vergleichsgrundlage. Die Prozessmodellierungsaufgaben
wurden ebenfalls im Vorfeld vollständig erarbeitet und über eine Webseite verfügbar gemacht, so dass sich alle Inhalte – Aufgabe, Wiederverwendungsmodell und Modelleditor
– von den Teilnehmern im Browser betrachten bzw. bearbeiten ließen. Für die Webseiten
mit den Aufgabenstellungen wurde Google sites (Google Inc. 2010b) verwendet.

5.3.2. Experimenteller Ablauf
Ablauf der Experimenttermine Die einzelnen Experimente wurden im Zeitraum Dezember 2009 bis September 2010 durchgeführt. Die Zeittafel in Abbildung 5.5 zeigt an,
in welchen Perioden wieviele Experimente stattgefunden haben (vgl. Cruz-Lemus u. a.
2009).

Teilnehmer (n = 78)
14
12
10
8
6
4
2
0

Abbildung 5.5.: Chronologie der Experimentdurchführungen (Dezember 2009 bis Oktober 2010)
Die Teilnehmer wurden gebeten, entsprechend der zugeteilten textbasierten Prozessmo-

176

dellierungsaufgabe ein Geschäftsprozessmodell zu erstellen unter expliziter Zuhilfenahme
eines wiederverwendbaren Prozessmodells, welches als Lösungsschätzung zu verstehen
war. Das Wiederverwendungsmodell wurde vorab mit BPMN 2.0 erstellt und wurde den
Teilnehmern in der webbasierten Anwendungssoftware Signavio Process Editor (akademische Version) bereitgestellt. Die Prozessmodelllösung sollte mittels Anpassungen in
der gleichen Modellierungsumgebung innerhalb von 60 Minuten entwickelt werden. Damit jene Teilnehmer, die im Browser nicht ständig zwischen Aufgabenbeschreibung und
Modellierungseditor wechseln wollten, nicht dazu gezwungen waren, haben alle Teilnehmer die Aufgabenbeschreibungen zusätzlich in Textform auf zwei Seiten im DIN-A4Format erhalten. Außerdem wurde ein Stift bereitgestellt, um bei Bedarf Unterstreichungen bzw. Anmerkungen im Aufgabentext vornehmen zu können. Nach Ablauf der
60 Minuten musste die Bearbeitung beendet und das Lösungsprozessmodell gespeichert
werden. Diese gespeicherten Lösungsprozessmodelle stellen die hauptsächlichen im Experiment erhobenen Daten dar. Es wurden zwei Modellierungsaufgaben auf Basis von
real existierenden Prozessszenarien aus zwei unterschiedlichen betrieblichen Domänen
für die Untersuchung entwickelt – eine Aufgabe aus dem Energiesektor und eine Aufgabe
aus dem Telekommunikationssektor. Da lediglich die inhaltliche Verortung der Aufgaben
variiert werden sollte, wurden die verbleibenden Faktoren bezüglich der Aufgabenstellung vom Untersuchungsführenden kontrolliert, so dass die aufgabenbezogenen Untersuchungsbedingungen einen möglichst kleinen Einfluss auf das Untersuchungsergebnis
haben würden. Die Komplexität bzw. Schwierigkeit der zwei Modellierungsaufgaben aus
den zwei unterschiedlichen Domänen musste ebenfalls kontrolliert werden, um nur den
Effekt der Domänenänderung auf das Modellierungsergebnis untersuchen zu können (vgl.
Abschnitt 5.2.5 „Kontrollierte Variablen“).
Vorgehen bei der Aufgabenpräsentation Für beide Prozessmodellierungsaufgaben
wurden je zwei wiederverwendbare Prozessmodelle bereitgestellt, die einmal über Omission-Anchors (grobgranulares Wiederverwendungsmodell) und einmal über ExtraneousAnchors (feingranulares Wiederverwendungsmodell) verfügten. Diese wurden den jeweiligen Treatment-Gruppen als Modellierungshilfe zur Verfügung gestellt. Die Kontrollgruppe „erhält“ ein Wiederverwendungsmodell maximaler Granularität, d.h. sie erhält
nur die leere Modellierungsfläche. Die Teilnehmenden erhalten ein wiederverwendbares
Prozessmodell, dass jeweils in einer der drei möglichen Granularitäten ausgeprägt ist.
Im Falle des maximal granularen Wiederverwendungsmodells wird im Weiteren auch
von der Modellierungsaufgabe ohne wiederververwendbares Modell gesprochen. Dadurch
ergeben sich drei Gruppen. Da eine Gruppe im engeren Sinne kein Wiederverwendungsmodell erhält, also „from-scratch“ modelliert, liegen zwei Treatment-Gruppen (feine und
grobe Granularität) und eine Kontrollgruppe vor. Die Modellierungsaufgaben, die es zu
bearbeiten gilt, sind für zwei verschiedene Anwendungsdomänen konzipiert, wodurch sich
3×2 = 6 experimentelle Kombinationen ergeben82 . Um eine betriebliche Projektsituation
zu simulieren, wird den Teilnehmenden erklärt, dass sie annehmen sollen, das vorliegen82

Für nähere Erläuterungen zur unabhängigen Variable „Anwendungsdomäne“ vgl. Abschnitt 5.2.3.

177

de Wiederverwendungsmodell sei einem unternehmenseigenen Geschäftsprozessrepository entnommen. Dieses enthalte eine große Menge an aufbereiteten Prozessmodellen, die
von anderen Unternehmenseinheiten bereits erfolgreich in prozessorientierten Softwareentwicklungsprojekten eingesetzt wurden. Über eine nicht näher spezifizierte Suche wird
ein Prozessmodell identifiziert und selektiert (das den Teilnehmenden bereits vorliegt),
das gewisse Ähnlichkeiten mit der vorliegen Prozessdesignaufgabe aufweist. Dieses vorliegende Prozessmodell solle als Lösungsnäherung angesehen und entsprechend angepasst
werden, um innerhalb der Bearbeitungszeit alle Anforderungen aus der Prozessbeschreibung im Lösungsmodell zu repräsentieren.

5.4. Ergebnisanalyse
Insgesamt haben alle Teilnehmenden Anpassungen an den ihnen vorgegebenen Wiederverwendungsprozessmodellen vorgenommen. Es folgen die Beschreibung des relevanten
Datenmaterials einschließlich interessanter deskriptiver Maße wie Mittelwert, Varianz
u.w. und anschließend die Überprüfung der Hypothesen.

5.4.1. Deskriptive Statistik
In einem ersten Schritt der Datenanalyse werden deskriptive Statistiken herangezogen,
um einen ersten Überblick über das Datenmaterial zu gewinnen. Diese deskriptiven Statistiken können zudem anschaulich visualisiert werden. Auf Basis der gesamten Modellierungsergebnisse werden zunächst die Werte der abhängigen Variablen Adaptionsperformanz (PCA) und semantische Qualität (OSQ) dargestellt (siehe Tabelle 5.4).
Granularität vs. Adaptionsperformanz Abbildung 5.6 zeigt die Adaptionsperformanz
für die Treatments Gfine und Gcoarse bzgl. der Wiederverwendungsmodelle, wobei die
Teilnehmerpopulation in adaptionsperformanzbasierte Klassen eingeteilt wurde. Die erste Klasse beinhaltet alle Teilnehmer mit einer Adaptionsperformanz von 0-10%, die zweite
Klasse von 10-20% usw. In Abbildung 5.6 ist zu erkennen, dass bei der Wiederverwendung des grobgranularen Prozessmodells eine Konzentration der Adaptionsperformanz
um den Bereich 30-40% vorliegt. Bei der Wiederverwendung von feingranularen Prozessmodellen ist dagegen auffällig, dass Häufungen bei sehr niedriger bzw. bei sehr hoher
Adaptionsperformanz auftreten. Dies spricht auch für eine stärkere Varianz im Gegensatz
zum grobgranularen Fall.
Insgesamt haben 26 Teilnehmer ein feingranulares und 26 Teilnehmer ein grobgranulares Prozessmodell wiederverwendet. Der Mittelwert für den feingranularen Fall beträgt
0,2827 mit einer Standardabweichung von 0,3416. Für den grobgranularen Fall beträgt
der Mittelwert 0,4867 mit einer Standardabweichung von 0,2944. Diese deskriptive Statistik ist auch Tabelle 5.5 zu entnehmen.

178

Tabelle 5.4.: Daten aus den Modellierungsergebnissen
IV2:

Supplier switch

IV1:

Fine

Coarse

SLA violation
Maximal

Fine

Coarse

Maximal

DV1,2:

PCA

OSQ

PCA

OSQ

PCA

OSQ

PCA

OSQ

PCA

OSQ

PCA

OSQ

01
02
03
04
05
06
07
08
09
10
11
12
13

0,129
0,000
0,000
0,032
0,000
0,096
0,225
0,225
0,096
0,161
0,419
0,935
0,903

0,821
0,786
0,796
0,786
0,779
0,846
0,822
0,832
0,756
0,725
0,849
0,951
0,945

0,452
0,484
0,774
0,323
0,323
0,903
0,516
0,516
0,000
0,419
0,258
0,323
0,323

0,915
0,888
0,951
0,867
0,867
0,984
0,915
0,890
0,769
0,891
0,871
0,846
0,831

n.a.
n.a.
n.a.
n.a.
n.a.
n.a.
n.a.
n.a.
n.a.
n.a.
n.a.
n.a.
n.a.

0,741
0,705
0,392
0,608
0,737
0,787
0,534
0,838
0,898
0,841
0,808
0,769
0,736

0,130
1,000
0,130
0,130
0,043
0,000
0,957
0,913
0,087
0,130
0,174
0,304
0,130

0,812
0,998
0,835
0,751
0,727
0,803
0,935
0,967
0,708
0,747
0,848
0,712
0,743

1,000
0,960
0,680
0,240
0,960
0,200
0,200
0,120
0,400
0,400
1,000
0,680
0,200

1,000
0,995
0,924
0,801
0,995
0,813
0,817
0,785
0,900
0,863
0,938
0,812
0,904

n.a.
n.a.
n.a.
n.a.
n.a.
n.a.
n.a.
n.a.
n.a.
n.a.
n.a.
n.a.
n.a.

0,853
0,840
0,811
0,867
0,805
0,778
0,884
0,818
0,720
0,805
0,799
0,781
0,735

μ

0,248

0,823

0,432

0,883

n.a.

0,723

0,317

0,814

0,542

0,888

n.a.

0,807

,6 - ,7

,7 - ,8

,8 - ,9

,9 - 1

Teilnehmerzahl
erzahl

G_fine

G_coarse

10
9
8
7
6
5
4
3
2
1
0
0 - ,1

,1 - ,2

,2 - ,3

,3 - ,4

,4 - ,5

,5 - ,6

Adaptionsperformanzklassen (in %)

Abbildung 5.6.: Häufigkeitsverteilung der Adaptionsperformanz (in Klassen) für Gfine
und Gcoarse

179

Tabelle 5.5.: Deskriptive Statistik Granularität vs. Adaptionsperformanz
G_fine
G_coarse
Gültige Werte
(Listenweise)

N
26
26

Minimum
0,00
0,00

Maximum
1,00
1,00

Mittelwert
0,2827
0,4867

Standardabweichung
0,3416
0,2944

Varianz
0,117
0,087

26

Anwendungsdomäne vs. Adaptionsperformanz Abbildung 5.7 zeigt die Adaptionsperformanz für die Treatments En und Tel bzgl. der Wiederverwendungsmodelle, wobei die
Teilnehmerpopulation in adaptionsperformanzbasierte Klassen eingeteilt wurde (siehe
Absatz „Granularität vs. Adaptionsperformanz“). Es ist zu erkennen, dass für fast alle
Klassen Ausprägungen vorliegen. Anzumerken ist, dass sich für die Klasse 80-90% weder
für die Energie- noch für die Telekommunikationsdomäne Werte ergeben haben.

Teilnehmerzahl
erzahl

En

Tel

8
7
6
5
4
3
2
1
0
0 - ,1

,1 - ,2

,2 - ,3

,3 - ,4

,4 - ,5

,5 - ,6

,6 - ,7

,7 - ,8

,8 - ,9

,9 - 1

Adaptionsperformanzklassen (in %)

Abbildung 5.7.: Häufigkeitsverteilung der Adaptionsperformanz (in Klassen) für En und
Tel
Der Mittelwert für die Energiedomäne beträgt 0,3398 mit einer Standardabweichung
von 0,2878. Für die Telekommunikationsdomäne beträgt der Mittelwert 0,4295 mit einer Standardabweichung von 0,3714. Diese deskriptive Statistik ist auch Tabelle 5.6 zu
entnehmen.
Granularität vs. semantische Qualität Abbildung 5.8 zeigt die Wertausprägungen der
semantischen Qualität der Modellierungsergebnisse für die Treatments Gfine , Gcoarse und
Gmax (Treatment ohne Wiederverwendungsmodell) bzgl. der wiederverwendeten Prozessmodelle. Die Werte konzentrieren sich im Bereich ab 70% und höher. Die Werte für Gmax

180

Tabelle 5.6.: Deskriptive Statistik Anwendungsdomäne vs. Adaptionsperformanz
En
Tel
Gültige Werte
(Listenweise)

N
26
26

Minimum
0,00
0,00

Maximum
0,94
1,00

Mittelwert
0,3398
0,4295

Standardabweichung
0,2878
0,3714

Varianz
0,0830
0,1380

26

sind stärker verteilt und es finden sich vereinzelte Ergebnisse auch unterhalb von 70%.
Gcoarse weist besonders in den beiden höchsten Klassen viele Ausprägungen auf.
G_fine

G_coarse

G_max

14
Teilnehmerzahl

12
10
8
6
4
2
0
,3 - ,4

,4 - ,5

,5 - ,6

,6 - ,7

,7 - ,8

,8 - ,9

,9 - 1

Klassen der semantischen Qualität (als Verhältnis)

Abbildung 5.8.: Häufigkeitsverteilung der semantischen Qualität (in Klassen) für Gfine
und Gcoarse
Der Mittelwert für den feingranularen Fall beträgt 0,8185 mit einer Standardabweichung von 0,0822. Für den grobgranularen Fall beträgt der Mittelwert 0,8858 mit einer
Standardabweichung von 0,0663. Im Fall ohne Wiederverwendungsmodell beträgt der
Mittelwert 0,7650 mit einer Standardabweichung von 0,1104. Diese deskriptive Statistik
ist auch Tabelle 5.7 zu entnehmen.
Anwendungsdomäne vs. semantische Qualität Abbildung 5.9 zeigt die klassenbasierte Häufigkeitsverteilung der semantischen Qualität der Modellierungsergebnisse für die
Energiedomäne einerseits und die Telekommunikationsdomäne andererseits. Es ist eine
klare Konzentration der Werte im Wertebereich ab 70% zu verzeichnen. Die Ergebnisse,
die in den Aufgaben der Energiedomäne erstellt wurden, weisen vereinzelt Werte unterhalb der 70% auf.

181

Tabelle 5.7.: Deskriptive Statistik Granularität vs. semantische Qualität
N
26
26
26

G_fine
G_coarse
G_max
Gültige Werte
(Listenweise)

Minimum
0,71
0,77
0,39

Maximum
1,00
1,00
0,90

Standardabweichung
0,0822
0,0663
0,1104

Varianz
0,0070
0,0040
0,0120

26

En

Teilnehmerzahl

Mittelwert
0,8185
0,8858
0,7650

Tel

18
16
14
12
10
8
6
4
2
0
,3 - ,4

,4 - ,5

,5 - ,6

,6 - ,7

,7 - ,8

,8 - ,9

,9 - 1

Klassen der semantischen Qualität (als Verhältnis)

Abbildung 5.9.: Häufigkeitsverteilung der semantischen Qualität (in Klassen) für En und
Tel
Der Mittelwert für die Energiedomäne beträgt 0,8096 mit einer Standardabweichung
von 0,1134. Für die Telekommunikationsdomäne beträgt der Mittelwert 0,8366 mit einer Standardabweichung von 0,0844. Diese deskriptive Statistik ist auch Tabelle 5.8 zu
entnehmen.
Tabelle 5.8.: Deskriptive Statistik Anwendungsdomäne vs. semantische Qualität
En
Tel
Gültige Werte
(Listenweise)

N
39
39

Minimum
0,39
0,71

Maximum
0,98
1,00

39

182

Mittelwert
0,8096
0,8366

Standardabweichung
0,1134
0,0844

Varianz
0,0130
0,0070

Haupteffekte und Interaktionen Die Untersuchung eines möglichen Haupteffekts A,
d.h. die Granularitäten der wiederverwendeten Prozessmodelle wirken unabhängig von
der Anwendungsdomäne unterschiedlich auf die abhängigen Variablen, kann durch Inspektion der Zeilenmittelwerte in Tabelle 5.9 erfolgen. Der Haupteffekt der Prozessmodellgranularität auf die Adaptionsperformanz beträgt von der Faktorstufe Gfine zu Gcoarse
∣0, 283 − 0, 487∣ = 0, 204. Er ist damit wesentlich größer als der Haupteffekt der Anwendungsdomäne (dies kann mittels Inspektion der Spaltenmittelwerte untersucht werden,
∣0, 340 − 0, 430∣ = 0, 09).
Tabelle 5.9.: Datenschema für die Varianzanalyse
B2
Tel

0,129

0,130

0,043

0,087

0,096

0,161

1,000

0,000

0,130

0,000

0,225

0,419

0,130

0,957

0,174

0,032

Fine

0,096

0,000
A1

B1
En
0,000

0,225

0,935

0,130

0,913

0,304

0,903

Ai

0,130

0,452

0,323

0,000

1,000

0,960

0,400

0,484
Coarse 0,774

0,903

0,419

0,960

0,200

0,400

0,516

0,258

0,680

0,200

1,000

0,323

A2

0,283

0,516

0,323

0,240

0,120

0,680
0,200

0,323
Bj

0,340

0,430

0,487

0,385

Tabelle 5.10.: Datenschema mit Zellenmittelwerten

B1

B2

En

Ai

Tel

A1

Fine

0,248

0,317

0,283

A2

Coarse

0,432

0,542

0,487

0,340

0,430

0,385

Bj

Um die Art des Zusammenwirkens der Faktoren G und AD sichtbar zu machen, kön-

183

nen die Mittelwerte der Faktorstufenkombinationen (vgl. Tabelle 5.10) oder auch Interaktionsdiagramme analysiert werden. Dazu werden die Werte der abhängigen Variablen
(hier: Adaptionsperformanz) auf der y-Achse und die Stufen der Faktoren (hier: Prozessmodellgranularität bzw. Anwendungsdomäne) auf der x-Achse abgetragen. Für jede
Stufe des jeweils anderen Faktors wird ein Linienzug angefertigt, der die Mittelwerte der
entsprechenden Faktorstufenkombinationen verbindet (Bortz u. Döring 2003, S. 534).
Man erhält zwei Interaktionsdiagramme (siehe Abbildung 5.10). In beiden Diagrammen
verlaufen die Interaktionsgraphen gleichsinnig aufsteigend und nahezu parallel, was auf
eine rein additive Wirkung der Treatmentkombinationen hinweist. Es kann daher von
einer ordinalen Interaktion ausgegangen werden. Es gibt keine Hinweise auf gegensinnige
Verläufe der Graphen. Eine besondere sich gegenseitig verstärkende bzw. abschwächende
Wirkung zwischen den Faktoren Prozessmodellgranularität und Anwendungsdomäne ist
daher nicht angezeigt.

En

Tel

G_fine

0,60

0,60

0,50

0,50

0,40

0,40

0,30

0,30

0,20

0,20

0,10

G_coarse

0,10

0,00

0,00
G_fine

G_coarse

En

Tel

Abbildung 5.10.: Abhängige Variable: PCA. Links: Interaktionsdiagramm für Faktor G.
Rechts: Interaktionsdiagramm für Faktor AD.

En

G_fine

Tel

0,95

0,90

0,85

0,85

0,80

0,80

0,75

0,75

0,70

0,70

0,65

G_max

0,95

0,90

G_coarse

0,65

0,60

0,60
G_fine

G_coarse

G_max

En

Tel

Abbildung 5.11.: Abhängige Variable: OSQ. Links: Interaktionsdiagramm für Faktor G.
Rechts: Interaktionsdiagramm für Faktor AD.

184

5.4.2. Test der Hypothesen
Effekte auf die Adaptionsperformanz Für die Hypothesen H1.-H3. soll analysiert werden, ob die Haupt- bzw. Interaktionseffekte bzgl. der Adaptionsperformanz signifikant
sind. Um eine Varianzanalyse vornehmen zu können muss das Vorliegen bestimmter
Voraussetzungen geprüft werden. Es wird daher zunächst geprüft, inwieweit Varianzhomogenität in den Stichprobenvariablen vorliegt. Die Varianzhomogenität kann mit dem
Levene-Test überprüft werden. Dieser Test prüft die Nullhypothese, dass die Fehlervarianz der abhängigen Variablen über die Gruppen hinweg gleich ist. Da die Irrtumswahrscheinlichkeit nicht gering genug ist – sie liegt über dem Signifikanzwert von 0,10
bei 0,143 – darf die Nullhypothese beibehalten und Varianzhomogenität angenommen
werden (vgl. Tabelle 5.11). Somit liegt die Voraussetzung für die Anwendung einer zweifaktoriellen ANOVA (engl. Analysis of Variance) vor. Sowohl der Levene-Test, als auch
die zweifaktorielle ANOVA wurden mit PASW Statistics 18 berechnet. Die Testresultate
der zweifaktoriellen ANOVA sind Tabelle 5.12 zu entnehmen.
Tabelle 5.11.: Levene-Test auf Gleichheit der Fehlervarianzen
Abhängige Variable: PCA
F
1,898

df1
3

df2
48

Sig.
0,143

Tabelle 5.12.: Tests der Zwischensubjekteffekte
Abhängige Variable: PCA
Quelle
Korrigiertes Modell
Konstanter Term
G
AD
G * AD
Fehler
Gesamt
Korrigierte Gesamtvariation
a

Quadratsumme vom
Typ III
a

,651
7,695
0,541
0,105
0,005
4,974
13,319
5,625

df
3
1
1
1
1
48
52
51

Mittel der Quadrate
0,217
7,695
0,541
0,105
0,005
0,104

F
2,094
74,257
5,223
1,01
0,05

Sig.
0,113
0
0,027
0,32
0,824

R-Quadrat = ,116 (korrigiertes R-Quadrat = ,060)

Der Haupteffekt G der Granularität der Wiederverwendungsmodelle ist klar signifikant bei einem Signifikanzwert von 0,027. Das heißt, dass die höhere Adaptionsperformanz bei Wiederverwendung von grobgranularen Prozessmodellen überzufällig zustande

185

gekommen ist und wahrscheinlich auf die Modellgranularität (bzw. andere Faktoren) zurückzuführen ist. Die Nullhypothese von H1. kann daher verworfen werden.
Der Haupteffekt AD der Anwendungsdomäne weist einen Signifikanzwert von 0,32 auf
und liegt damit über dem Signifikanzniveau von 0,05. Es darf daher davon ausgegangen
werden, dass der Unterschied in der Adaptionsperformanz zwischen Energie- und Telekommunikationsdomäne zufällig zustandegekommen ist und daher nicht signifikant ist.
Da die Nullhypothese von H2. einen signifikanten Unterschied angenommen hat, kann
auch sie verworfen werden.
Zu überprüfen bleibt, ob etwaige signifikante Interaktionseffekte aufgetreten sind, die
in der Interpretation des Haupteffekts G zu berücksichtigen wären. Die Analyse ergibt
einen Signifikanzwert von 0,824, was deutlich über dem Signifikanzniveau von 0,05 liegt.
Die geringen Unterschiede, die aufgetreten sind (vgl. die Differenzen der Zellenmittelwerte in Tabelle 5.10), sind also höchstwahrscheinlich dem Zufall zuzuschreiben und nicht
der kombinierten Wirkung von Modellgranularität und Anwendungsdomäne. Die Nullhypothese von H3., die solch einen signifikanten Interaktionseffekt annahm, kann dementsprechend ebenfalls abgelehnt werden. Da eine rein ordinale Interaktion (vgl. den gleichsinnigen Verlauf der Interaktionsdiagramme) vorliegt, kann der signifikante Haupteffekt
G als global, d.h. zumindest über die Faktorstufen der Energie- und Telekomunikationsdomäne hinweg, interpretiert werden. Es lässt sich also sagen, die Wiederverwendung
grobgranularer Prozessmodelle weist im Rahmen von Prozessmodellierungsaufgaben im
Durchschnitt eine höhere Adaptionsperfomanz auf, als die Wiederverwendung feingranularer Prozessmodelle.
Effekte auf die semantische Qualität Für die Hypothesen H4.-H6. soll analysiert werden, ob die Haupt- bzw. Interaktionseffekte bzgl. der semantischen Qualität signifikant
sind. In dieser Analyse ist die Hinzunahme der dritten Faktorstufe für den Faktor Prozessmodellgranularität – Gmax (kein Wiederverwendungsmodell) – zu berücksichtigen.
Der Levene-Test auf gleiche Fehlervarianzen kann hier nicht zugunsten der Varianzhomogenität bestätigt werden. Die ANOVA ist jedoch nicht besonders sensitiv gegenüber
Verletzungen der Annahme der Varianzgleichheit, wenn die Stichprobengruppengrößen
in etwa gleich groß sind und Standardabweichungen sich in ähnlichen Größenregionen befinden (Gerstman 2010). Da dies hier der Fall ist kann die Varianzanalyse daher ebenfalls
mit einer zweifaktoriellen ANOVA durchgeführt werden. Die Testresultate sind Tabelle
5.14 zu entnehmen.
Der Haupteffekt G bzgl. der Zielvariablen OSQ ist klar signifikant bei einem Signifikanzwert von 0. Das heißt, dass die Unterschiede in der semantischen Qualität bei
Wiederverwendung von verschieden granularen Prozessmodellen überzufällig zustande
gekommen sind und wahrscheinlich auf die Modellgranularität (bzw. andere Faktoren)
zurückzuführen ist. Die Nullhypothese von H4. kann daher verworfen werden. Da für
den Faktor G drei Stufen betrachtet wurden, stellt sich die Frage, von welchen paarweisen Unterschieden der gesamte signifikante Unterschied in der semantischen Qualität

186

Tabelle 5.13.: Levene-Test auf Gleichheit der Fehlervarianzen
Abhängige Variable: OSQ
F
3,025

df1
5

df2
72

Sig.
0,016

Tabelle 5.14.: Tests der Zwischensubjekteffekte
Abhängige Variable:OSQ
Quelle
Korrigiertes Modell
Konstanter Term
G
AD
G * AD
Fehler
Gesamt
Korrigierte Gesamtvariation
a

Quadratsumme vom
Typ III
a

,238
52,845
0,191
0,014
0,033
0,536
53,619
0,774

df
5
1
2
1
2
72
78
77

Mittel der Quadrate
0,048
52,845
0,095
0,014
0,017
0,007

F
6,395
7099,307
12,809
1,921
2,217

Sig.
0
0
0
0,17
0,116

R-Quadrat = ,308 (korrigiertes R-Quadrat = ,259)

herrührt. Es könnte nämlich sein, dass nur bestimmte Paare zu den Unterschieden beitragen. Diese Frage lässt sich mit Hilfe von Mehrfachvergleichen überprüfen. Entsprechend
geeignete statistische Post-hoc-Tests sind der Bonferroni-Test und der Scheffé-Test. Die
Testresultate sind in Tabelle 5.15 abgebildet. Hier zeigt sich, dass nicht alle Vergleiche
unter dem Signifikanzniveau von 0,05 bleiben (die signifikanten Vergleiche sind mit einem Stern gekennzeichnet). Dies bedeutet, dass insbesondere die Unterschiede zwischen
Gfine und Gmax nicht so groß sind wie erwartet. Ein Blick auf die Interaktionsdiagramme
in Abbildung 5.11 reflektiert dieses Testergebnis. Die Unterschiede in Bezug auf OSQ
zwischen Gcoarse und Gfine bzw. Gcoarse und Gmax sind klar zu erkennen. Dies zeigt sich
durch eine Spitze im Graphen bei Gcoarse . Die Unterschiede zwischen Gfine und Gmax sind
dagegen nicht eindeutig. Nur für den Graph der Energiedomäne ist ein erkennbarer Abfall
bei Gmax im Vergleich zu Gfine zu verzeichnen. Die Nullhypothese H4.1 kann demnach
verworfen werden, die Nullhypothese H4.2, welche zumindest ein gleiches (oder höheres)
Niveau der Qualitätsergebnisse bei Gmax und Gfine annahm, muss dagegen beibehalten
werden.
Der Haupteffekt AD der Anwendungsdomäne weist einen Signifikanzwert von 0,17 auf
und liegt damit über dem Signifikanzniveau von 0,05. Es darf daher davon ausgegangen

187

Tabelle 5.15.: Mehrfachvergleiche innerhalb des Faktors G
Abhängige Variable:OSQ
(I)G

95%-Konfidenzintervall

(J)G
Mittlere
Differenz (I-J)

Scheffé

G_fine
G_coarse
G_max

Bonferroni

G_fine
G_coarse
G_max

Standardfehler

-,0674*
0,0535
,0674*
,1208*
-0,0535
-,1208*
-,0674*
0,0535
,0674*
,1208*
-0,0535
-,1208*

0,02393
0,02393
0,02393
0,02393
0,02393
0,02393
0,02393
0,02393
0,02393
0,02393
0,02393
0,02393

G_coarse
G_max
G_fine
G_max
G_fine
G_coarse
G_coarse
G_max
G_fine
G_max
G_fine
G_coarse

Sig. Untergrenze
0,02
0,09
0,02
0,00
0,09
0,00
0,02
0,09
0,02
0,00
0,09
0,00

-0,1272
-0,0064
0,0076
0,061
-0,1133
-0,1807
-0,126
-0,0052
0,0087
0,0622
-0,1121
-0,1795

Obergrenze
-0,0076
0,1133
0,1272
0,1807
0,0064
-0,061
-0,0087
0,1121
0,126
0,1795
0,0052
-0,0622

Grundlage: beobachtete Mittelwerte.
Der Fehlerterm ist Mittel der Quadrate(Fehler) = ,007
* Die mittlere Differenz ist auf dem ,05-Niveau signifikant.

werden, dass der Unterschied in der semantischen Qualität zwischen Energie- und Telekommunikationsdomäne zufällig zustandegekommen ist und daher nicht signifikant ist.
Da die Nullhypothese von H5. einen signifikanten Unterschied angenommen hat, kann
auch sie verworfen werden.
Zu überprüfen bleibt, ob etwaige signifikante Interaktionseffekte bzgl. der semantischen
Qualität aufgetreten sind, die in der Interpretation des Haupteffekts G zu berücksichtigen
wären. Die Analyse ergibt einen Signifikanzwert von 0,116, was über dem Signifikanzniveau von 0,05 liegt (siehe Tabelle 5.14). Die geringen Unterschiede, die also aufgetreten
sind (vgl. die Differenzen der Zellenmittelwerte in Tabelle 5.10), sind höchstwahrscheinlich dem Zufall zuzuschreiben und nicht der kombinierten Wirkung von Modellgranularität und Anwendungsdomäne. Die Nullhypothese von H6., die solch einen signifikanten
Interaktionseffekt annahm, kann dementsprechend ebenfalls abgelehnt werden. In Tabelle
5.16 sind die Ergebnisse der Hypothesentests zusammengefasst.
Diskussion der multivariaten Analyse In den vorangegangenen Absätzen wurden zum
einen Effekte auf die abhängige Variable Adaptionsperformanz und zum anderen Effekte
auf die abhängige Variable semantische Qualität untersucht. Die vorgenommenen Ana-

188

Tabelle 5.16.: Zusammenfassung der Ergebnisse der Hypothesentests
Hypothese

Ergebnis

H1.

Bei Wiederverwendung grobgranularer Prozessmodelle ist die
Adaptionsperformanz höher als bei feingranularen (Haupteffekt G).

Unterstützt

H2.

Bei der Prozessmodellwiederverwendung weist die Adaptionsperformanz keine
Unterschiede auf in Bezug auf die Anwendungsdomäne, in der die Aufgabe
bearbeitet wurde (kein Haupteffekt AD).

Unterstützt

Hinsichtlich der Adaptionsperformanz ist kein Interaktionseffekt zwischen
Granularität und Anwendungsdomäne zu beobachten (kein Interaktionseffekt
G*AD)

Unterstützt

H3.

H4.

H4.1

H4.2

H5.

H6.

Bei Wiederverwendung grobgranularer Prozessmodelle ist die semantische
Qualität der Ergebnisse höher als bei feingranularen (Haupteffekt G).
Die semantische Qualität der Ergebnisse bei grobgranularer
Prozessmodellwiederverwendung ist höher, als im feingranularen Fall oder ohne
Prozessmodellwiederverwendung.
Die semantische Qualität der Ergebnisse bei feingranularer
Prozessmodellwiederverwendung ist höher, als ohne
Prozessmodellwiederverwendung.

Bei der Prozessmodellwiederverwendung weist die semantische Qualität der
Ergebnisse keine Unterschiede auf in Bezug auf die Anwendungsdomäne, in der
die Aufgabe bearbeitet wurde (kein Haupteffekt AD).
Hinsichtlich der semantischen Qualität der Ergebnisse ist kein Interaktionseffekt
zwischen Granularität und Anwendungsdomäne zu beobachten (kein
Interaktionseffekt G*AD)

189

Teilweise unterstützt

Unterstützt

Nicht unterstützt

Unterstützt

Unterstützt

lysen erfolgten mit einzelnen univariaten ANOVAs. Da aber zwei abhängige Variablen
im Experiment betrachtet und gemessen wurden, könnte prinzipiell auch eine MANOVA
(engl. Multivariate Analysis of Variance) durchgeführt werden, welche auch die Einflüsse
von unabhängigen Variablen auf eine Kombination von abhängigen Variablen berücksichtigen kann. Dadurch ließen sich zusätzliche Informationen gewinnen, insbesondere
wenn die abhängigen Variablen in einer theoretischen Beziehung stehen, um bspw. ein
schwierig fassbares, abstrakteres Konstrukt zu operationalisieren. Weiterhin besteht die
Gefahr bei der mehrfach angewendeten ANOVA, beoabachtbare Unterschiede zwischen
Treatmentgruppen auf die Manipulation der unabhängigen Variablen zurückzuführen,
wohingegen sie eigentlich zufällig entstanden sind, weil sich die die Wahrscheinlichkeit,
einen Typ 1 Fehler zu begehen, bei Mehrfachvergleichen immer erhöht (Arbeitskreis Statistik 2010). Um dieses Risiko abzuwenden wurde ebenfalls eine MANOVA durchgeführt.
Die Ergebnisse stehen im Einklang mit den zuvor erhaltenen.

190

6. Diskussion
Die in Abschnitt 4.5 hergeleiteten Hypothesen können mit Hilfe der in Kapitel 5 durchgeführten experimentellen Untersuchung und der dort erzielten Ergebnisse zum großen Teil
unterstützt werden. Die Hauptergebnisse sollen hier vor dem Hintergrund der im Theorieteil erörterten Untersuchungen und im Zusammenhang mit dem Untersuchungsablauf
diskutiert werden. Es folgen daher zunächst die 1) Ergebnisdiskussion, gefolgt von den
Implikationen für die 2) Wissenschaftsgemeinschaft, 3) die betriebliche Praxis und der
Abschnitt schließt ab mit 4) Erläuterungen zu möglichen Gefährdungen der Validität.

6.1. Ergebnisdiskussion
Die Ergebnisse werden im Folgenden nach den Hypothesen gegliedert vorgestellt und
diskutiert. Dabei werden nach Möglichkeit Untersuchungen anderer Forschungsvorhaben herangezogen, um eventuelle Übereinstimmungen oder Widersprüche zu erörtern.
Bemerkenswerte Beobachtungen aus der Untersuchungsdurchführung werden vor dem
Hintergrund der Ergebnisse ebenfalls beleuchtet.
Es wurde angenommen, dass es bei der Wiederverwendung von Prozessmodellen, die
unterschiedliche Granularitäten aufweisen – aber ansonsten mit einem ähnlichen Umfang
an Anpassungsoperationen in die Lösung überführt werden könnten – zu signifikanten
Unterschieden in der Adaptionsperformanz kommen würde (H1.). Diese Annahme des
Haupteffekts der Granularität hinsichtlich der Adaptionsperformanz hat sich für den
Anwendungsbereich der Untersuchung bestätigt. Die Modellierer, die ein grobgranulares Prozessmodell zur Wiederverwendung eingesetzt haben, konnten im Mittel deutlich
mehr korrekte Anpassungen am Prozessmodell vornehmen, als die Modellierergruppe mit
den feingranularen Prozessmodellen. Nach der CFT kann hier also von einem höheren
Cognitive-Fit zwischen grobgranularem Wiederverwendungsmodell und den mentalen Repräsentationen zur Lösungsbildung ausgegangen werden im Vergleich zum niedrigeren Fit
zwischen feingranularem Wiederverwendungsmodell und den mentalen Repräsentationen.
Dieses Ergebnis legt nahe, dass der Anker- und Anpassungseffekt, der die Modellierer dazu bewegt, vorhandene Prozessmodellelemente nicht anzupassen, obwohl sie angepasst
werden müssten, im feingranularen Fall stärker ausgeprägt ist, als im grobgranularen
Fall. Im Zusammenhang mit den Ankertypen, die mit den jeweiligen Granularitätsstufen
assoziiert wurden, kann dies so interpretiert werden, dass der Ankereffekt bezüglich der
Extraneous-Anchors schwerer ausfällt (d.h. im feingranularen Fall), als in Bezug auf die
Omission-Anchors (d.h. im grobgranularen Fall). Die kognitive Ladung im Sinne einer

191

Belastung, die den Modellierer daran hindert eine notwendige Anpassung vorzunehmen,
scheint sich daher nicht primär aus dem Umfang der erforderlichen Anpassungsoperationen zu bilden, sondern scheint sich stärker auf den Typ der Anpassung – Einfügen bzw.
Entfernen – und die Menge an vorliegender visueller Information, welche im feingranularen Fall größer ist, zu beziehen. Aufgrund dieses möglichen Unterschieds in der kognitiven
Ladung sind Modellierer, die mit eher gröber granularen Prozessmodellen konfrontiert
werden, evtl. stärker stimuliert, Modifikationen vorzunehmen. Die Basis für diese Stimulierung könnte evtl. in der höheren Motivation vermutet werden, die bei der Durchführung
von einfügenden oder verfeinernden Operationen entsteht und weniger bei löschenden
Anpassungen auftritt. Dass überhaupt Ankereffekte in beiden Wiederverwendungsfällen auftraten, steht im Einklang mit den Studienergebnissen von Parsons u. Saunders
(2004), die deutliche Ankereffekte bezüglich Extraneous- aber auch Omission-Anchors bei
der Wiederverwendung von ER-Modellen beobachten konnten. Die Unterscheidung von
Anchoring, welches sich auf das Wiederverwendungsmodell oder aber auf das allgemeine
Domänenwissen beziehen könnte (siehe auch Parsons u. Saunders 2004, S. 885), konnte in
dieser Untersuchung aufgrund des Designs nicht differenziert werden. Daher ist es möglich, dass nicht allein auf dem Wiederverwendungsprozessmodell und den Extraneousbzw. Omission-Anchors ein Anchoring stattfindet, sondern dass sich das Anchoring evtl.
auch über das Gedächtnis und dem darin eingebetten Domänenwissen vollzieht. Ein weiteres sehr interessantes Ergebnis stellt die Verteilung der Adaptionsperformanz in den
feingranularen Wiederverwendungsfällen dar. Obwohl die statistische Analyse keine besondere Verteilung nahegelegt hat, ist durch einfache Betrachtung der Häufigkeiten in
der Stichprobe eine Häufung bei der niedrigen Adaptionsperformanz und eine Häufung
bei der sehr hohen Adaptionsperformanz augenscheinlich. Bei den mittleren Performanzwerten sind dagegen nur wenige Fälle zu verzeichen. Es kann hier die Frage gestellt
werden, ob dies nicht nur zufällig entstanden ist, sondern vielleicht ebenfalls auf charakteristische kognitive Prozesse zurückzuführen ist. Unter Umständen haben einige Modellierer hier ein Muster der Anchorverteilung erkannt bzw. erwartet, auf das sie sich dann
kognitiv eingestellt haben. Diese kognitive Adaption konnte dann evtl. dazu führen, dass
Anpassungen entsprechend effizienter durchgeführt werden konnten. Hier weisen einige
Modellierer scheinbar individuelle Eigenschaften auf, evtl. Auffassungsgabe, Lerntempo
etc., die ihnen diese Reaktion ermöglicht, die andere Modellierergruppen nicht in dieser
Weise ausführen können. Die Erwartbarkeit solcher Anchorverteilungsmuster könnte in
Untersuchungsdesigns durch entsprechend verschiedene Verteilungen reduziert werden.
Eine alternative Erklärung wäre evtl. auch, dass die Konstruktionsaufgabe unter Wiederverwendung von einigen Modellierern – trotz genauer Erklärung – nicht ausreichend
verstanden wurde und deshalb notwendige Anpassungen versäumt wurden. Die hier diskutierten Ergebnisse liefern einige Charakterisierungen, die der Näherung der eingangs
formulierten Fragen F3., F4. und F5. dienen (siehe Abschnitt 1.1).
Es wurde ebenfalls angenommen, dass auch die semantische Qualität signifikante Unterschiede aufweisen wird, wenn Modellierergruppen Prozessmodelle unterschiedlicher
Granularität in der Aufgabenbearbeitung wiederverwenden (H4, H4.1, H4.2). Diese Annahme des Haupteffekts der Granularität hinsichtlich der semantischen Qualität hat sich

192

für den Anwendungsbereich der Untersuchung bestätigt. In Erweiterung des rein paarweisen Vergleichs von grobgranularem und feingranularem Treatment bei der Adaptionsperformanz wurde hier ein drittes Treatment – die Kontrollgruppe ohne Wiederverwendungsmodell – mit hinzugenommen. Dies ermöglichte zusätzlich den qualitätsbasierten
Vergleich mit Prozessmodelllösungen der Arbeitssituation, die gar kein Wiederverwendungsmodell bereitstellte. Sowohl die Modellierergruppen mit feingranularem Wiederverwendungsmodell, als auch die Gruppen ohne ein wiederverwendbares Prozessmodell
haben gegenüber dem grobgranularen Treatment eine signifikant niedrigere semantische
Qualität in ihren Lösungen erreicht. Dieser Trend ist über beide Anwendungsdomänen
(En und Tel) hinweg zu beobachten. Dieses Ergebnis stimmt mit der Intuition überein, dass wenn sich bereits Unterschiede in der Adaptionsperformanz gezeigt haben –
und diese Versäumnisse von notwendigen Anpassungen wirken sich konsequent qualitätsmindernd aus – es auch zu entsprechenden Fortpflanzungen dieser Unterschiede in die
semantische Qualität der Ergebnisse kommt. Nichtsdestotrotz bestand die Möglichkeit,
durch Modifikationen der Wiederverwendungsmodelle über die eingebetteten Anchors
hinaus – also falsche, zusätzliche Einfügungen, falsche Löschungen usw. – die Prozessmodellergebnisqualität zusätzlich zu schmälern. Bis auf einige wenige Ausnahmen konnten
jedoch keine zusätzlichen, unerwarteten Adaptionen in den Gruppen beobachtet werden, weswegen auch in Bezug auf die semantische Qualität das grobgranulare Treatment
ein besseres Ergebnis als das feingranulare Treament aufweist. Als interessant kann das
Ergebnis der Kontrollgruppe (kein Wiederverwendungsmodell) erachtet werden, welches
hinsichtlich der semantischen Qualität relativ nah an die Qualitätsergebnisse der feingranularen Gruppen herankommt. Dies ist auf die Verwendung des 𝐹0,5 -Maßes aus dem
Bereich des Information Retrieval als Maß für die semantische Qualität zurückzuführen,
welches die Präzision, also wie valide ein erstelltes Prozessmodellergebnis ist, stärker
gewichtet. Bei den Kontrollgruppen ist es zwar zu erheblichen Qualitätseinbrüchen in
der Dimension der Vollständigkeit gekommen. Für viele Modellierer reichte hier schlicht
der vorgegebene Zeitrahmen für die Anfertigung eines bezüglich der Anforderungen vollständigen Geschäftsprozessmodells nicht aus. Die Prozessmodelle, die aber erstellt wurden, enthielten in der Regel überwiegend korrekte und relevante Modellelemente, so dass
die Validität für sich genommen recht hoch war. Durch die Gewichtung des 𝐹0,5 -Maßes
werden für die Ergebnisse aus den Gruppen trotz recht unvollständiger Prozessmodelle
Qualitätswerte erzielt, die zum Teil an jene der feingranularen Gruppen heranreichen.
Bewertet man die Kontrollgruppen jedoch rein aus der an der Vollständigkeit orientierten Perspektive, so kann festgehalten werden, dass beide Wiederverwendungsansätze dem
From-scratch-Ansatz – im Anwendungsbereich dieser Untersuchung – klar überlegen sind.
In zukünftigen Studien darf überlegt werden, das 𝐹0,5 -Maß um weitere Qualitätsmaße zu
ergänzen, um ein umfassenderes Bild der Qualitätsunterschiede zu erhalten. Die hier vorliegenden Ergebnisse liefern einige Charakterisierungen, die der Näherung der eingangs
formulierten Frage F1. dienen (siehe Abschnitt 1.1).
Desweiteren wurde angenommen, dass sich durch die Replikation der Untersuchung
in einer weiteren Anwendungsdomäne in Bezug auf die Adaptionsperformanz keine signifikanten Unterschiede zeigen würden (H2.). Dieses Ausbleiben eines Haupteffekts der

193

Anwendungsdomäne konnte in der Untersuchung bestätigt werden und gibt damit Auskunft in Bezug auf die einleitend formulierte Forschungsfrage F6. (vgl. Abschnitt 1.1). Es
sind zwar leicht höhere Werte der Adaptionsperformanz für die Untersuchungsaufgabe
in der Telekommunikationsdomäne zu vermerken, diese sind jedoch nicht signifikant und
sind zufällig oder durch einen nicht weiter beachteten Faktor zustandegekommen. Zumindest für diese zwei untersuchten Anwendungsdomänen kann in diesem Kontext von
einem relativ robusten Effekt des granularitätsabhängigen Anchoring ausgegangen werden, der unbeeinflusst von Domänenänderungen ist. Erst weitere Replikationen können
hier mehr Aufschluss über die Robustheit des Effekts geben.
Analog wurde für die Ergebnisvariable der semantischen Qualität ebenfalls keine Beeinflussung durch eine Änderung der Anwendungsdomäne erwartet (H5.). Diese Annahme
konnte nur zum Teil bestätigt werden. Während für die Modellierergruppen mit Wiederverwendungsmodellen die semantische Qualität der Ergebnisse über die Anwendungsdomänen hinweg nahezu keine Unterschiede aufweist, ist in den From-scratch-Gruppen
ein Qualitätsvorteil in der Telekommunikationsgruppe gegenüber der Energiegruppe zu
vermerken (vgl. dazu das rechte Interaktionsdiagramm in Abbildung 5.11). Es sind aber
alternative Erklärungen denkbar, um diesen Unterschied in der semantischen Qualität zu
deuten. Leichte Komplexitätsdifferenzen, die beim Design der Prozessmodellkonstruktionsaufgaben entstanden sein könnten, haben evtl. dazu geführt, dass die in der Telekommunikationsdomäne angesiedelte Modellierungsaufgabe den Teilnehmern im Vergleich
zur Energieaufgabe etwas leichter fiel. Eine weitere Erklärung könnte dann doch auch
in einem Erfahrungsunterschied in der Prozessmodellierung (z.B. durch mehr Modellierungsübungen) zu suchen sein83 . Es kann auch eine Kombination aus beiden Faktoren zu
der beobachteten Wirkung geführt haben.
Die Möglichkeit der Interaktion der Faktoren Granularität und Anwendungsdomäne
wurde zur vollständigen Betrachtung aller potenziell wirkenden Effekte ebenfalls berücksichtigt, aber nicht erwartet (H3. und H6.). Signifikante Interaktionseffekte wurden in
der Untersuchung weder für die Adaptionsperformanz noch für die semantische Qualität
beobachtet, d.h. die Erwartung konnte in dieser Hinsicht bestätigt werden. Festzuhalten
bleibt, dass der Faktor Granularität des Wiederverwendungsmodells einen globalen Effekt
in Bezug auf Adaptionsperformanz und semantische Qualität hervorruft bzw. mindestens
mit den entsprechenden signifikanten Ausprägungsunterschieden korreliert.

6.2. Implikationen für die Wissenschaftsgemeinschaft
Die nähere Untersuchung des Adaptionsverhaltens von Modellierern vor dem Hintergrund
des kognitiven Ankereffekts im Rahmen der Prozessmodellwiederverwendung und die empirischen Ergebnisse stiften verschiedene Nutzen für die wissenschaftliche Gemeinschaft.
Zunächst wurde in dieser Arbeit eine Differenzierung der Auffassung der pragmati83

Vgl. dazu die Diskussion zur Rolle des Domänen- und Modellierungswissens in Abschnitt 3.2.2.

194

schen Qualität von wiederverwendeten Geschäftsprozessmodellen vorgenommen. Dies ermöglicht eine stärker ins Detail gehende Betrachtung der spezifischen Arbeitssituation,
in welcher externe Repräsentationen, insbesondere Prozessmodelle, systematisch und adaptiv wiederverwendet werden. Hierdurch kann eine abgestuftere Auffassung darüber
entwickelt werden, was es bedeutet, wenn sich bestimmte Prozessmodelle für bestimmte
Konstruktionsaufgaben besonders gut bzw. eher weniger eignen. Sie wurde zudem in den
Zusammenhang existierender Qualitätsframeworks (Lindland u. a. 1994; Krogstie u. a.
2006) gestellt. Dieser Ansatz geht über den oft vorgenommenen Schritt, Prozessmodelle
zu konstruieren und für die Wiederverwendung lediglich zu deklarieren, hinaus und unternimmt den Versuch, spezifische Bedingungen der wiederverwendeten Prozessmodelle
im Sinne externer Repräsentationen (insbesondere die Eigenschaft der Granularität) näher zu untersuchen. Forscher können diese differenzierte Auffassung als Ausgangspunkt
verwenden, um performanzbasierte und an der Pragmatik orientierte Untersuchungen im
Kontext der Wiederverwendung von Prozessmodellen durchzuführen.
Weiter wurde der Kontext der Geschäftsprozessmodellierung in Verbindung mit einer fundierten theoretischen Basis für Lösungsvorgehen der allgemeinen Problembearbeitung unter Nutzung extern repräsentierter Artefakte, der Cognitive-Fit-Theorie (Vessey u. Galletta 1991), in Verbindung gebracht und für die Prozessmodellwiederverwendung spezialisiert. Pragmatisch orientierte Forscher, die Untersuchungen in Bezug auf die
Wiederverwendbarkeit von Geschäftsprozessmodellen vornehmen oder dies beabsichtigen,
sollten diese kognitionsorientierte Perspektive, welche von der CFT explizit berücksichtigt wird, in ihren Forschungsdesigns in Erwägung ziehen. Da das Verständnis über die
Bildung von mentalen Repräsentationen von Geschäftsprozessen kritisch ist in Bezug auf
die erfolgreiche Konstruktion und Nutzung von externen Repräsentationen wie Prozessmodellen, würde die Nichteinbeziehung der grundlegenden Prozesse der Wahrnehmung
menschlicher Modellierer zu kurz greifen. Zukünftig ist eine weiter differenzierte Verwendung des Cognitive-Fit-Modells anzustreben, so dass die mentalen Prozesse der internen
Repräsentationsbildung für verschiedene Artefakte (z.B. Geschäftsprozesskontext und
Wiederverwendungsmodell, vgl. Abschnitt 3.2.1) berücksichtigt werden können.
Es wurde die prinzipielle Möglichkeit der Übertragung des Anker- und Anpassungseffekts aus der Kognitionspsychologie auf die Prozessmodellwiederverwendung demonstriert. Diese Arbeit ergänzt somit den Wissensstand über adaptives Verhalten und kognitive Heuristiken in der Modellwiederverwendung, welcher bisher für statische Modelle
aufgebaut wurde (Parsons u. Saunders 2004), um erste explorative Ergebnisse im Kontext der Prozessmodellwiederverwendung. Das Verständnis der mentalen Prozesse, die
während der Prozessmodellwiederverwendung ablaufen, befindet sich hier noch in einem
Anfangsstadium. Der Ankereffekt konnte im Rahmen dieser Arbeit aufgezeigt werden.
Dies bedeutet, dass ein besseres Verständnis des Adaptionsverhaltens wichtig ist in Bezug auf eine erfolgreichere Prozessmodellwiederverwendung, da die nicht angepassten
Modellelemente potenziell eine Störung der Kommunikation zwischen dem Konstrukteur
(bzw. Anpasser) und dem nächsten Konsumenten darstellen. Eventuell müssen bestimmte Gegenmaßnahmen getroffen werden, die einem zu starken Anchoring entgegenwirken,

195

z.B. Hinweis- bzw. Dokumentationsassistenten in einem Prozessmodellierungswerkzeug.
Zusätzlich konnte auch eine differenzierte Betrachtung des Ankereffekts in verschieden
granularen Wiederverwendungprozessmodellen vorgenommen werden. Die bessere Adaptionsperformanz im grobgranularen Fall legt nahe, dass wiederverwendende Modellierer
eher auf grobgranulare Prozessmodelle zurückgreifen sollten, als auf zu feingranulare,
viele Extraneous-Anchors enthaltende Prozessmodelle. Nichtsdestotrotz kam es vereinzelt zu hohen Performanzwerten auch bei feingranularen Wiederverwendungsmodellen.
Die Möglichkeit individueller und weiterer Faktoren müsste hier zukünftig überprüft werden. Wird jedoch von einer Modellierungssituation ausgegegangen, die in Organisationen
zunehmend kollaborativ und in Teams stattfindet, dann sind diese einzelnen positiven
Anpassungsfähigkeiten in Bezug auf feinganulare Wiederverwendungsmodelle vermutlich
zu vernachlässigen, da im Durchschnitt diese Anpassungsleistung nicht erbracht werden und dann zu Missverständnissen führen kann. Das unterschiedliche Auftreten des
Ankereffekts in Abhängigkeit von Eigenschaften des wiederverwendeten Prozessmodells
(z.B. Granularität) kann zudem in der Wissenschaftsgemeinschaft als Ausgangspunkt für
weitere, detailliertere Fragestellungen dienen.
Die Arbeit hat im Weiteren die Konzeptualisierung des Granularitätsbegriffs für
Prozessmodelle fortgeführt. Dazu wurde ein allgemeines, mengentheoretisch fundiertes
Granularitätskonzept (vgl. Yao 2004) herangezogen und die Übertragbarkeit auf Geschäftsprozessmodelle demonstriert. Diese Übertragung ermöglichte die Einführung eines
formalen Maßes zur Bestimmung der Granularität von Prozessmodellen. Im Zusammenhang mit dem Konzept des Anchoring (welches die oben genannten Ankereffekte herbeiführt) konnte eine Verbindung zwischen spezifischen Ankertypen und bestimmten Granularitätsniveaus – in Bezug auf die Lösung einer Prozessmodellkonstruktionsaufgabe –
aufgezeigt werden. Diese Beiträge ergänzen Arbeiten der Geschäftsprozessmodellabstraktion und können in eine fortzuführende Konzeptualisierung der Geschäftsprozessmodellgranularität eingehen.
Abschließend liefert die vorliegende Arbeit ein formal spezifiziertes Forschungsmodell,
ein detailliertes Untersuchungsdesign und zugehörige empirische Ergebnisse, welche die
aufgestellten Hypothesen zu einem großen Teil bestätigen. Das Forschungsmodell kann
von Forschern genutzt werden, um Replikationen beispielsweise in anderen Anwendungsdomänen durchzuführen, welche die bisherigen Ergebnisse auf den Prüfstand stellen können. Ebenso kann das Forschungsmodell für mögliche Variationen der Fragestellung entsprechend angepasst werden. Dem Untersuchungsdesign lag ein Laborexperiment zugrunde, welches gewisse Einschränkungen der Validität mit sich bringt (vgl. Abschnitt 6.4).
In zukünftigen Arbeiten können Versuche unternommen werden, die Arbeitssituation
der Prozessmodellwiederverwendung unter realbetrieblichen Bedingungen, z.B. Systementwicklungsprojekten, zu analysieren.

196

6.3. Implikationen für die betriebliche Praxis
Insgesamt muss für den betrieblichen Einsatz von wiederzuverwendenden Prozessmodellen bemerkt werden, dass es zu Ankereffekten im Zuge der Anpassung von Wiederverwendungsmodellen kommen kann. Dies bedeutet im Endergebnis, dass die durch adaptive Wiederverwendung konstruierten Prozessmodelle im Mittel nicht die Validität und
Vollständigkeit aufweisen, die eine ideale Repräsentation des jeweiligen Geschäftsprozesses erkennen ließe. Dies ist auf die Beibehaltung von irrelevanter Information bzw.
die unterlassene Anpassung von notwendigen Modellelementen zurückzuführen, welche
die semantische Qualität der Lösungsmodelle reduzieren. Bei der weiteren Nutzung dieser
konstruierten Prozessmodelle kann es daher zu unstimmigen Interpretationen der Inhalte
kommen, welche die effektive Kommunikation mittels der Geschäftsprozessmodelle potenziell stören. Dies ist für Entscheidungsträger, die gestalterisch auf die organisatorische
Praxis der Prozessmodellwiederverwendung einwirken können, eine wichtige Information. In Abhängigkeit davon wie kritisch die Störungen der betrieblichen Kommunikation
aufgrund von qualitativ geminderten Prozessmodellen zu bewerten sind, sollten Organisationen bzw. ihre Führung entsprechend steuernd eingreifen, was in besonders sensiblen
Arbeitskontexten gegebenenfalls eine starke Einschränkung der Wiederverwendungsansätze an sich bedeuten könnte.
Den Untersuchungsergebnissen nach treten die Ankereffekte bei verschieden granularen Wiederverwendungsprozessmodellen unterschiedlich stark auf. Die Ergebnisse der
Untersuchung legen deswegen nahe, dass bei Prozessmodellkonstruktionsaufgaben unter
Wiederverwendung, besonders feingranulare Modelle, welche auch über große Anteile an
Extraneous-Anchors, d.h. in Bezug auf die Aufgabe irrelevante Prozessmodellelemente,
verfügen, mit Vorsicht einzusetzen sind, da hier signifikante „Verwässerungen“ der Prozessmodellergebnisse stattfinden können. Für die betriebliche Praxis bedeutet dies, dass
die Aktivitäten und ausführenden Rollen innerhalb des Wiederverwendungsprozesses für
dieses Potenzial sensibiliert werden müssen. Konkrete Hinweise könnten z.B. den Prozessmodellierern für die Phase der Aufbereitung gegeben werden, bevor Prozessmodelle für
die Wiederverwendung in neuen Konstruktionsaufgaben freigegeben werden. Diese Hinweise könnten bestimmte Filterregeln umfassen, welche nur bestimmten Prozessmodellen nach Überprüfung von festgelegten Kriterien (z.B. unkritische Anwendungsdomänen,
potenzielle Adressatenkreise, Granularität usw.) die Aufnahme und Freigabe im Repository erlauben. Weitere Regeln können sich auf das explizite Vorgehen in der Phase der
Aufbereitung beziehen, die beispielweise die Entfernung von hochspezifischen Prozessmodellinhalten (und damit potenziellen Extraneous-Anchors in Bezug auf andere Kontexte)
verlangen.
Die beobachteten Ankereffekte können sogar auf eine noch früher gelagerte Phase des
Wiederverwendungsprozesses Implikationen haben: die der Konstruktion der Prozessmodelle an sich. Hier könnten Regeln aufgestellt werden, die bereits in der Phase der
Erstellung Überprüfungen verlangen, welche z.B. akzeptierte Granularitätsniveaus und
vereinbarte Vokabulare bezüglich der Prozessmodellbeschriftungen berücksichtigen. Dies

197

stellt eine schwierige Form der Governance dar, da die Einführung von Prüfmaßnahmen typischerweise den Arbeitsfluss der Prozessmodellkonstruktion stört und aus diesem
Grund die Ergonomie des Erstellungsprozesses vermindert wird.
Das Ergebnis der Untersuchung, dass bestimmte Granularitätniveaus von Wiederverwendungsmodellen eine verbesserte Anpassungsergonomie aufweisen, hat Bedeutung für
das Management von Prozessmodellrepositories und ihrer Funktionen. Da die Granularität eventuell einen kritischen Faktor für den Anpassungserfolg und damit die semantische
Qualität der Prozessmodelllösung darstellt (die Untersuchungsergebnisse legen dies zumindest nahe), kann diese Information in die Affinitätsgröße mit aufgenommen werden,
welche maßgeblich für das Matching einer Suchanfrage mit den verfügbaren Prozessmodellen im Repository ist. In die ähnlichkeitsbasierte Suche kann auf diesem Wege auch die
Größe der Anpassungsergonomie fließen. Auf diese Weise kann der Möglichkeit, dass hohe
wahrgenommene Ähnlichkeiten zwischen wiederverwendbaren Prozessmodellen und dem
Geschäftsprozesskontext nicht unbedingt mit dem erforderlichen Adaptionsaufwand korrelieren müssen, Rechnung getragen werden. Aufgrund der Sensivität von menschlichen
Modellierern gegenüber der Granularität von wiederverwendbaren Prozessmodellen in
Bezug auf adaptive Prozessmodellkonstruktionen, erscheinen darüber hinaus Repositorybzw. Editorfunktionen, welche die Steuerung des Granularitätsniveaus ermöglichen (vgl.
die vorgeschlagenen Funktionen des Zoom-in und Zoom-out in Smirnov u. a. (2010b)) als
sehr sinnvoll. Diese Steuerungsmöglichkeit erhöht die Flexibilität von Prozessmodellierern in ihrem Vorgehen der adaptiven Prozessmodellerstellung vermutlich zusätzlich und
Ankereffekte wären in dieser Arbeitssituation in geringerem Umfang zu erwarten.

6.4. Gefährdung der Validität
6.4.1. Diskussion der internen Validität
Die Untersuchungsergebnisse sind bezüglich ihrer internen Validität kritisch zu beurteilen
(Bortz u. Döring 2003, S. 504). Eine hohe interne Validität liegt dann vor, wenn die
Varianz der Modellierungsperformanz eindeutig auf die Manipulation der Granularität
zurückzuführen wäre. Campbell u. Stanley (1963) stellen potenzielle Gefährdungen der
internen Validität vor, wovon die hier relevanten im Kontext der Untersuchungsergebnisse
diskutiert werden.
Testübung Die Situation einer Testübung entsteht, wenn sich die Untersuchungsteilnehmer aufgrund der Testsituation anders verhalten, als wenn sie sich in ihrer normalen
Arbeitsumgebung befinden würden. Da die Teilnehmer eine konkrete Prozessmodellierungsaufgabe im Rahmen einer laborexperimentellen Untersuchung zu bewältigen hatten, konnte möglicherweise eine Testsituation entstehen, welche einen Einfluss auf das
Modellierungsverhalten und damit auf das Endresultat hatte. Insgesamt kann vermutet
werden, dass im laborexperimentellen Aufbau die Anzahl der Außeneinflüsse geringer

198

ist, als in einem realen betrieblichen Szenario. Zu diesen Einflüssen zählen beispielweise Bürogeräusche, Unterbrechungen und Gespräche mit Kollegen. Das Laborexperiment
mag daher die ruhigere Arbeitsatmosphäre und die potenziell bessere Umgebung für die
Konzentration darstellen. Es könnte daher angenommen werden, dass die Performanzeffekte in einer diffuseren Arbeitssituation, als der des Laborexperiments, möglicherweise
noch stärker ausfallen würden. Dies wäre im Einklang mit den Untersuchungsergebnissen. Um jedoch die Effekte eines völlig anders gerichteten Modellierungsverhaltens, aufgrund des Getestetwerdens, gänzlich auszuschließen, müsste das Modellierungsverhalten
von Prozessarbeitern in einer Feldstudie mittels nichtinvasiver Beobachtungsmethoden
untersucht werden.
Zeitbeschränkung In der Untersuchung erfolgte eine künstliche Manipulation der Arbeitssituation durch eine Zeitbeschränkung auf 60 min. Diese wurde für alle Untersuchungsgruppen eingehalten. Die Zeitbeschränkung könnte eine Gefahr für die interne
Validität bedeuten, wenn es innerhalb der Teilnehmer stark unterschiedliche zeitliche Verteilungen der Leistungsfähigkeit geben würde. D.h. dass einige Modellierer beispielsweise
in der ersten Stunde große Schwierigkeiten mit der Aufgabenbearbeitung haben könnten, um dann in der zweiten Stunde leistungsmäßig aufzuholen und alle erforderlichen
Anpassungen vorzunehmen – ingesamt wäre die Performanz dann gleich den „normalen“
Prozessmodellierern. Nur die Zeitbeschränkung würde die Performanzunterschiede erklären. Hinweise für solch extreme zeitlich versetzte Leistungspotenziale waren jedoch nicht
zu erkennen. Darüber hinaus ist angesichts der knappen Fristen in realen betrieblichen
Projektszenarien die Zeitbeschränkung als Proxy für Arbeiten unter Zeitdruck eine Möglichkeit der Manipulation in laborexperimentellen Untersuchungen. Weiterhin kann in
Projekten der Zeitdruck noch größer und die interpersonelle Konfusion noch stärker sein,
so dass die Modellierungsperformanz unter Wiederverwendung sogar noch schlechter ausfallen kann, als die hier vorgestellten Ergebnisse. Dies könnte z.B. auf weitere kognitive
Effekte zurückzuführen sein, die sich besonders bei Stress einstellen.
Selektionseffekte Die Gefährdung der internen Validität durch Selektionseffekte wird
durch Unterschiede in den Untersuchungsgruppen hervorgerufen, die bereits vor der Einführung der unabhängigen Variable bestehen. Übertragen auf die durchgeführte Untersuchung würde dies bedeuten, dass die ausgewählten Untersuchungsgruppen (Gfine , Gcoarse
und Gmax ) sich bereits vor der Untersuchung – z.B. im Merkmal Erkennungsfähigkeit
– unterschieden haben und (auch) deswegen die Modellierungsperformanzunterschiede
so ausgefallen sind. Es wurde im Vorfeld versucht, aus einem möglichst breiten Pool an
potenziellen Teilnehmern randomisiert Untersuchungssubjekte auszuwählen, um etwaige
Verzerrungen aufgrund der Selektion weitestgehend zu reduzieren. Bezüglich des Modellierungswissens konnte aufgrund der Ausbildungen und Erfahrungen von sehr ähnlichen
Kenntnisständen ausgegangen werden.

199

6.4.2. Diskussion der externen Validität
Die Untersuchungsergebnisse müssen auch hinsichtlich ihrer externen Validität kritisch
überprüft werden. Eine hohe Validität liegt dann vor, wenn sich die Ergebnisse auf die
Grundgesamtheit verallgemeinern lassen, für welche die Untersuchung konzipiert wurde
(Bortz u. Döring 2003, S. 504). Campbell u. Stanley (1963) stellen potenzielle Gefährdungen der externen Validität vor, wovon die hier relevanten im Kontext der Untersuchungsergebnisse diskutiert werden.
Stichprobenfehler Die Stichproben von 6 × 13 (= 78) Teilnehmern könnten in ihren
Merkmalen deutlich von den Grundgesamtheitsparametern abweichen und deshalb nicht
repräsentativ sein. Dieser Gefährdung wurde mit Maßnahmen einer weitgehenden Randomisierung nach den Möglichkeiten der verfügbaren Ressourcen begegnet.
Experimentelle Reaktivität Die Bedingungen des Laborexperiments könnten eine spezifische Reaktion bei den Teilnehmenden hervorrufen, die das Modellierungsverhalten
und -resultat auf eine Weise beeinflusst, die unter normalen Arbeitsbedingungen so nicht
stattfinden würde. Prinzipiell wäre es denkbar, dass eine Untersuchungsgruppe von der
unterschiedlichen Behandlung mit grob- und feingranularen Wiederverwendungsmodellen
erführe und beispielsweise aus Frustration eine schlechter als mögliche Modellierungsperformanz leistet. Die Teilnehmenden wurden über die unterschiedliche Manipulation der
Gruppenartefakte im Unklaren gelassen, so dass die Möglichkeit einer wahrgenommenen
Benachteilung im Vergleich zu anderen Teilnehmenden weitestgehend reduziert werden
konnte.
Eine negative Reaktion auf ein experimentelles Treatment könnte auch durch die Einfachheit des Treatments hervorgerufen werden, so dass die ernsthafte Auseinandersetzung
mit der Aufgabe ausbleiben würde. Da die experimentellen Aufgaben jedoch realen betrieblichen Anforderungen entnommen wurden und von entsprechender Komplexität sind
(vgl. 5.2.5), war diese Einfachheit nicht gegeben. Dafür bestand die Gefahr des Ausschlags
in die entgegengesetzte Richtung: die Aufgabe ist zu komplex. Diese zu hohe Komplexität
wiederum könnte ebenfalls zu Frustrationen führen aufgrund der Wahrnehmung einer in
der gegebenen Zeit nicht lösbaren Aufgabe. Die Beobachtung der Untersuchungsteilnehmenden zeigte jedoch keine offensichtlichen Anzeichen von Frustration bzw. Unlust, sich
kontinuierlich mit der Aufgabe auseinanderzusetzen. Nichtdestotrotz bleibt die Generalisierbarkeit aufgrund des experimentellen Aufbaus eingeschränkt. Die Untersuchungsergebnisse sind als erste explorative Hinweise zu werten, die durch weitere Replikationen
dieses Experimentdesigns und neue, verfeinerte Tests zu einer vollständigeren Erkenntnissammlung erweitert werden können.
Hawthorne-Effekt Der „Hawthorne-Effekt“ (Draper 2010) bezeichnet das Phänomen,
dass, wenn Untersuchungsteilnehmenden bewusst ist, dass sie Teil einer Untersuchung

200

sind, sie ihr Verhalten ändern. Dies äußert sich häufig in einer besonderen Zuwendung der
Teilnehmenden zur Aufgabe und ihrer Bearbeitung, was zu einer besseren Performanz,
als unter normalen betrieblichen Umständen, führen kann. Andererseits könnten im experimentellen Aufbau gerade jene Impulse fehlen, die in real-betrieblichen Umgebungen
eben diese Performanzniveaus erst ermöglichen. Darunter fallen z.B. Gruppendruck und
-dynamik, Inspiration aus Gesprächen, andere externe Stimuli etc. Dies würde bedeuten, dass die Ergebnisse aus dem Experiment bezüglich der Performanz regelmäßig unter
natürlichen Ergebnissen bleiben könnten (vgl. dazu Testübung in Abschnitt 6.4.1).
Spezifität der Partitionierung der Wiederverwendungsmodelle Die Wiederverwendungsmodelle der experimentellen Untersuchung weisen jeweils Granularitäten auf, die
auf spezifischen Partitionierungen beruhen, die von den Experimentleitern vorgenommen
wurden. Dies führt zu wenigen (zwei) Faktorstufen des Faktors Granularität, die zudem
an konkrete Partitionierungen gekoppelt sind. Die Partitionierungen ergaben sich aus den
Vorgaben bzw. Richtlinien der Praxisfälle eines Unternehmens und eines Industriestandards, können aber in Bezug auf die möglichen Ausprägungen der Modellgranularitäten
als willkürlich festgelegt angesehen werden. Um ein geschlosseneres Bild von den qualitativen Effekten variierter Granularität bzw. Partitionierung auf die Modellierungsperformanz zu erhalten, müssten weitere Faktorstufen für den Faktor Granularität eingeführt
werden. Anhand der Ergebnisse ließen sich dann die hier aufgestellten Hypothesen nochmals überprüfen. Da die theoretisch Zahl von möglichen Partitionierungen eines Modells
sehr groß sein kann, sollte sich die Betrachtung von unterschiedlich granularen Wiederverwendungsmodellen an praktisch vorgenommenen Partitionierungen und Granularitätsniveaus orientieren, um die Untersuchungen übersichtlich und arbeitsrelevant zu
halten. Existierende Methoden der Transformation von Prozessmodellen in hierarchische
Strukturen können herangezogen werden, um wohldefinierte Partitionierungen von Prozessmodellen vorzunehmen und damit unterschiedlich granulare Modelle zu konstruieren
(z.B. Vanhatalo u. a. 2008).
Beschränkung auf BPMN Die Untersuchung konzentriert sich auf die Verwendung
einer spezifischen Notation, namentlich auf die der BPMN. Dass BPMN für die Untersuchung von Prozessmodellierung hinsichtlich Repräsentativität und Verbreitung eine geeignete Notation darstellt, wurde in Abschnitt 5.2.5 begründet. Trotzdem muss
die Möglichkeit eingeräumt werden, dass sich in wiederverwendungsorientierten Prozessdesignaufgaben unter Einsatz anderer Prozessnotationen als der BPMN gegensätzliche
Resultate ergeben bzw. von den Ergebnissen der vorliegenden Untersuchung abweichen
könnten. Diese Möglichkeiten müssten in weiterführenden Untersuchungen exploriert werden, um die hier aufgezeigten Tendenzen zu validieren.
Laborsituation Die Arbeitssituation, die für die Bearbeitung der Modellierungsaufgabe hergestellt wurde, konnte aufgrund des Laborcharakters nicht alle Bedingungen einer
realen Arbeitsumgebung nachbilden. Insbesondere sind hier mögliche Einfluss nehmende

201

Faktoren wie kollaboratives Arbeiten, Zugriff auf mehrere Formate (ansonsten strukturell gleicher Daten), Multitasking während der Modellierung, zusätzliche Informationsaufnahme während des Modellierungsprozesses u.a. zu nennen. Da diese Faktoren, wie
z.B. Multitasking, zum Teil erheblichen Einfluss auf die Konzentration und damit letztlich auf die Qualität der zu erstellenden Modelle haben können, sind die vorliegenden
Ergebnisse diesbezüglich mit großer Vorsicht zu interpretieren bzw. auf reale betriebliche
Arbeitssituationen zu übertragen.

202

7. Zusammenfassung und Ausblick
Nachdem im vorangegangenen Kapitel die Ergebnisse der experimentellen Untersuchung
einer kritischen Diskussion in Bezug auf theoretische und hypothesenbezogene Aspekte
unterzogen wurden, erfolgt abschließend eine Zusammenfassung der Arbeit und ihrer Resultate mit einem daran anschließenden Ausblick auf zukünftige Fragen und forschungsmethodische Erweiterungsmöglichkeiten.

7.1. Zusammenfassung
Die vorliegende Arbeit motiviert sich aus dem Kontext der potenziellen Wiederverwendung von Geschäftsprozessmodellen im Rahmen von Ansätzen der Informationssystementwicklung in betrieblichen Organisationen. Den oft geäußerten pauschalen Vorteilen
hinsichtlich der Effektivität und Effizienz, welche sich vermeintlich durch die Prozessmodellwiederverwendung in Systemgestaltungsvorhaben ergeben, wird eine kritische Perspektive entgegengesetzt. Dieser Perspektive liegt die Feststellung zugrunde, dass über
das Anpassungsverhalten menschlicher Modellierer bezüglich der wiederverwendeten Prozessmodelle – typischerweise müssen Prozessmodelle in neuartigen Problemstellungen
der Geschäftsprozessmodellierung modifiziert werden – nur ein relativ geringes Verständnis besteht. Hinsichtlich der Anpassungsleistung, die von Prozessmodellnutzern erbracht
werden muss, um aus den wiederverwendeten Modellen qualitative Prozessmodelle zu
erstellen, werden die kognitiven Kapazitäten, die für diese Leistung erforderlich wären,
häufig zu optimistisch eingeschätzt. Wahrnehmungsbasierte Grenzen bzw. kognitive Bias
menschlicher Prozessmodellierer, insbesondere der Anker- und Anpassungseffekt, welche
in wiederverwendungsbasierten Systementwicklungskontexten beobachtet wurden, legen
die Vermutung nahe, dass diese Effekte auch im Zusammenhang mit der Prozessmodellwiederverwendung in Erscheinung treten könnten. Zusätzlich treten betriebliche Erfahrungen hinzu, nach denen verschiedene Niveaus der Granularität verfügbarer Wiederverwendungsmodelle zu unterschiedlichen Anpassungsleistungen führen, was auf interessante Unterschiede in der kognitiven Ergonomie dieser wiederverwendeten Prozessmodelle
schließen lassen könnte. Diese Verständnislücken verlangen daher nach einer systematischen Untersuchung, welche diese Phänomene über eine differenzierte Betrachtung näher
charakterisieren kann. Diese Arbeit unternimmt diesen Versuch.
Im ersten Kapitel wird dazu zunächst die grundlegende Motivation dargelegt mit einer anschließenden Aufstellung der adressierten Forschungsfragen. Diese beziehen sich im
Kern auf die Frage nach den Auswirkungen von variierter Granularität in wiederverwen-

203

deten Prozessmodellen (für die Prozessmodellkonstruktion) auf die Anpassungsleistung
und Prozessmodelllösungsqualität unter besonderer Berücksichtigung des kognitiven Ankereffekts. Die zugrunde gelegte Forschungsmethodik des Information Systems Research
Framework (Hevner u. a. 2004) wird erläutert und auf den Untersuchungskontext bezogen
und die Kernbeiträge der Arbeit werden kompakt dargestellt.
Das zweite Kapitel liefert die grundlegende Einordnung der Prozessmodellwiederverwendung in allgemeine Gestaltungsansätze von IT-gestützen, betrieblichen Organisationen und nimmt eine terminologische Vorstrukturierung vor. Der Ansatz des Geschäftsprozessmanagements wird hervorgehoben als Ansatz mit einer explizit geschäftsprozessorientierten Perspektive, welcher Geschäftsprozessmodelle als zentrale Artefakte in den Phasen des Entwurfs, der Implementierung und der Ausführung benötigt. Die Definition des
Geschäftsprozessmodells erfolgt über die Explikation des allgemeinen Modellbegriffs und
anschließenden Übertragung auf die Repräsentation von Geschäftsprozessphänomenen.
Weiter werden zur konkreten Verortung in betrieblichen Kontexten beispielhaft prozessmodellbasierte Systementwicklungsansätze aufgeführt und Auffassungen der Qualität von
Geschäftsprozessmodellen differenziert aufgezeigt. In diesem Zusammenhang wird eine
spezifische Facette der pragmatischen Qualität, welche sich explizit auf die Wiederverwendung bzw. die Nutzerfreundlichkeit der Wiederverwendung bezieht, genannt Adaptionsqualität, erörtert. Eine konkrete Eingrenzung des Untersuchungsschwerpunkts wird
schließlich vorgenommen, indem die Prozessmodellwiederverwendung in das Spektrum
von allgemein verfügbaren Ansätzen der Artefaktwiederverwendung in der Informationssystementwicklung eingeordnet wird. Abschließend erfolgt eine zusätzliche Abrenzung
der rein modellbezogenen Prozessmodellwiederverwendung, um Ansätze, die sich auf die
Wiederverwendung von Konstrukten in Prozessmodellierungssprachen bzw. auf andere
extern repräsentierte Assistenzartefakte beziehen, aus dem Untersuchungsbereich auszuschließen.
Kapitel 3 nimmt eine weitere Strukturierung der Arbeitssituation der Geschäftsprozessmodellwiederverwendung vor. Dazu wird der Wiederverwendungsprozess mit seinen
Phasen der Konstruktion, Aufbereitung, Verteilung und eigentlichen Wiederverwendung
expliziert. Der Untersuchungsfokus wird hierbei weiter eingegrenzt auf die Aktivitäten
des Vergleichs und der Adaption eines zuvor aufgefundenen Prozessmodells. Weiter werden Rollen definiert, die von Mitarbeitern in der Organisation eingenommen werden,
und welche den Wiederverwendungsprozess (bw. einzelne Aktivitäten darin) ausführen.
Ebenso wird das Repository als Speicherort und Editierwerkzeug in seinem möglichen
Funktionsumfang beschrieben. Die Wiederverwendung von Prozessmodellen unter Beteiligung verschiedener Rollen und unterschiedlicher Organisationszugehörigkeit kann in
verschiedene Szenarien klassifiziert werden, wobei das Szenario der sekundären adaptiven
Prozessmodellwiederverwendung für die Untersuchung fokussiert wird. Im zweiten Teil
von Kapitel 3 wird eine kognitionstheoretische Einordnung der Geschäftsprozessmodellwiederverwendung vorgenommen, welche sich maßgeblich an der Cognitive-Fit-Theorie
(CFT) (Vessey u. Galletta 1991; Zhang u. Norman 1994) orientiert. Die Spezialisierung eines CFT-basierten Modells für die Prozessmodellwiederverwendung ermöglicht die struk-

204

turierte Betrachtung der einzelnen, am adaptiven Wiederverwendungsprozess beteiligten
Entitäten, wobei der Hauptfokus auf die Konstrukte der externen Aufgabenbeschreibung bestehend aus Geschäftsprozessbeschreibung und Wiederverwendungsmodell und
der mentalen Repräsentation für die Prozessmodellkonstruktion bzw. -adaption gelegt
wird. Neben anderen vorgestellten Faktoren im Rahmen der Prozessmodellwiederverwendung wird auf die Eigenschaften, welche sich aus dem Untersuchungsinteresse ableiten,
besonders eingegangen: die Granularität des Wiederverwendungsprozessmodells und der
Anker- und Anpassungseffekt, welcher potenziell Einfluss auf die Bildung der geeigneten
mentalen Repräsentationen zur Lösung des Prozessmodellierungsproblems nimmt.
In Kapitel 4 werden die zuvor charakterisierten Konstrukte der Prozessmodellgranularität und des Ankereffekts im Kontext der konkreten adaptiven Prozessmodellwiederverwendung betrachtet. Dazu werden zunächst die adaptive Prozessmodellwiederverwendung allgemein aus einer Perspektive des Information Retrieval charakterisiert und
die Möglichkeiten der Anpassungen, die auf dem Wege zur Prozessmodelllösungsbildung
durchgeführt werden können, aufgezeigt. Mit Größen des Information Retrieval, die sich
auf die Korrektheit und Relevanz von Elementen des Prozessmodellergebnisses im Verhältnis zu den Anforderungen der Geschäftsprozessmodellierungsaufgabe beziehen, werden potenzielle Anpasungsszenarien skizziert. Im Weiteren wird der Ankereffekt auf den
Kontext der Prozessmodellwiederverwendung übertragen. Hierbei werden unterschiedliche Effekte, die bei der Prozessmodellwiederverwendung im Gegensatz zur Wiederverwendung von anderen Modellen auftreten können, diskutiert. Für die weitere Charakterisierung des Ankereffekts werden spezielle Ankertypen, die für den Untersuchungskontext
als relevant eingestuft werden, klassifiziert. Diese Ankertypen werden mit der Eigenschaft
der Granularität von Prozessmodellen in Beziehung gesetzt. Diese Perspektive geht der
Argumentation folgend von typischen Verteilungen von spezifischen Ankertypen in jeweils
eher grobgranularen bzw. eher feingranularen Prozessmodellen aus. Der bis hier intuitiv
genutzte Granularitätsbegriff wird mit existierenden Konzepten zu einer Prozessmodellgranularitätsauffassung formalisiert und es wird ein zugehöriges Maß vorgeschlagen, mit
welchen granulare Prozessmodelle quantitativ bestimmt werden können. Unter Bezugnahme auf die erfolgten Konstruktcharakterisierungen werden spezifische Hypothesen
gebildet, die im Kern eine signifikante Wirkung ausgehend von Prozessmodellgranularitätsunterschieden, in Verbindung mit einem Ankereffekt, auf Adaptionsperformanz und
semantische Qualität erwarten.
Kapitel 5 stellt das abgeleitete Forschungsmodell mit den operationalen Hypothesen
vor und strukturiert das empirische Vorgehen nach den Richtlinien experimenteller Forschung in der Softwaresystementwicklung und der konzeptuellen Modellierung. Dazu werden die betrachtete unabhängige Variable Prozessmodellgranularität bzw. Anchoringtyp
und die zusätzliche unabhängige Variable der Anwendungsdomäne (auch im Sinne einer
Replikation zu verstehen) dargestellt. Ebenso erfolgt die Operationalisierung der abhängigen Variablen der Adaptionsperformanz und semantischen Qualität und der Kontrollvariablen. Das Experimentdesign entspricht einem zweifaktoriellen Experiment mit 3 × 2
Faktorstufenkonstellationen. Die Vorbereitungsmaßnahmen für die experimentelle Un-

205

tersuchung und der eigentliche experimentelle Ablauf werden im Einzelnen geschildert.
Im Rahmen der Ergebnisanalyse werden mittels deskriptiver Statistiken die Resultate
der Untersuchung dargestellt und auf auffällige Muster geprüft. Hierbei zeichnet sich bereits eine Bestätigung der Hypothesen mit einzelnen Ausnahmen ab. Unter Einsatz der
gebotenen statistischen Testverfahren werden abschließend die Untersuchungsergebnisse
auf ihre statistische Signifikanz überprüft. Die aufgestellten Hypothesen werden hiernach
zum großen Teil bestätigt.
Kapitel 6 widmet sich der kritischen Diskussion der Untersuchungsergebnisse. Dabei kann der beobachtete Unterschied in der Adaptionsperformanz und semantischen
Qualität mit einem Cognitive-Fit in Beziehung gesetzt werden, welcher zwischen dem
Wiederverwendungsmodell grober Granularität und den mentalen Repräsentationen des
Modellierers in höherem Ausmaß bestand, als im Falle des feingranularen Wiederverwendungsmodells. Dies hängt höchstwahrscheinlich auch mit der höheren kognitiven Ladung
zusammen, die Modellierern im Wege der Wahrnehmung der feingranularen Prozessmodelle auferlegt wird. Ebenso können die Ergebnisse mit einem stärkeren Ankereffekt in
der Wiederverwendung des feingranularen Prozessmodells assoziiert werden. Dieser Effekt hat sich als robust gegenüber Änderungen in der Anwendungsdomäne gezeigt. Aus
den diskutierten Ergebnissen werden im Weiteren Implikationen für die wissenschaftliche
Gemeinschaft und für die betriebliche Praxis abgeleitet. Das sechste Kapitel schließt mit
der Diskussion von potenziellen Gefährdungen der internen und externen Validität der
Untersuchungsergebnisse.
In Kapitel 7 efolgt die hier aufgeführte Zusammenfassung der vorliegenden gesamten
Arbeit und beendet diese mit einem Ausblick auf zukünftige Fragen, welche sich aus
der Ergebnisdiskussion ergeben haben und schlägt forschungsmethodische Erweiterungsmöglichkeiten vor, auf die aufgrund des gebotenen Untersuchungsfokus verzichtet worden
ist.

7.2. Ausblick
Auf Basis der Untersuchungsergebnisse ergeben sich weitere Möglichkeiten, im Kontext
der Geschäftsprozessmodellierung tiefergehende Fragen zu stellen und alternative Untersuchungsansätze zur Klärung dieser Fragen anzuwenden. Einige dieser Möglichkeiten,
die dem Autor im Verlauf der Untersuchungsanstrengungen aufgefallen sind, sollen hier
aufgeführt werden und mögen zukünftigen Forschern als mögliche Einstiegspunkte in
Forschungsvorhaben bzw. als Inspiration für denkbare methodische Erweiterungen bzw.
Modifikationen bestehender Untersuchungen dienen.
Die Art und Weise wie sich der Aufgabenbereich, d.h. der zu modellierende Geschäftsprozess, in der Untersuchung dem Prozessmodellierer präsentiert, erfolgt auf dem
Wege einer textbasierten Geschäftsprozessbeschreibung, die als Stellvertreter für eine in
den betrieblichen Alltag eingebettete Arbeitssituation fungiert. Um näher an die Kom-

206

plexität und Mehrdimensionalität dieser Arbeitssituation unter realbetrieblichen Umständen heranzureichen, kann die Beschreibung des Geschäftsprozesses in zukünftigen
Untersuchungsdesigns auf verschiedene Medien – nicht ausschließlich Text – verteilt werden. Beispielsweise wären hier andere visuelle Prozessrepräsentationen oder auch Interviews mit Geschäftsprozessverständigen denkbar, die sich verbal mitteilen. Zu beachten
sei hierbei die ebenfalls steigende Komplexität des erforderlichen Untersuchungsdesigns,
um die höhere Anzahl an Faktoren berücksichtigen zu können.
In Folgeuntersuchungen könnten ebenfalls feinere Abstufungen der Granularität betrachtet werden, um ein vollständigeres Bild der Auswirkungen von veränderter Granularität auf die Modellierungs- und Anpassungsleistung zu erhalten. In diesem Kontext
wäre auch die Variation von verschiedenen Partionierungen von Wiederverwendungsmodellen eine interessante Treatment-Alternative, d.h. die Grobheit bzw. Feinheit von
Prozessmodellfragmenten wird über das Prozessmodell stärker variiert.
Die kognitive Ladung, die bei Prozessmodellierern in Anbetracht der Prozesmodellkonstruktionsaufgabe und der externen Repräsentationen, insbesondere des Wiederverwendungsmodells, mental entsteht, wurde in dieser Arbeit nicht näher quantifiziert, außer
dass Ableitungen aus den notwendigen Vergleichs- und Anpassungsoperationen vorgenommen und mit möglichem kognitiven Aufwand asssoziiert wurden. Zukünftige Arbeiten können diese Quantifizierung der kognitiven Ladung vornehmen, um Hinweise darauf
zu erhalten, in welcher Beziehung die verschiedenen Granularitäten der Wiederverwendungsmodelle (innerhalb von bestimmten Prozessmodellkonstruktionsaufgaben) zu Größen der kognitiven Ladung stehen. In Paas u. a. (2010) wird beispielsweise ein Ansatz für
die quantitative Bestimmung von kognitiver Ladung vorgeschlagen, der auf den Kontext
der Prozessmodellwiederverwendung übertragen werden könnte.
Im Zuge der Anpassungen der Wiederverwendungsmodelle wurden vereinzelt Operationen durchgeführt, die sich nicht auf die Ankeranpassung bezogen, sondern eine
anderweitige Anpassung des Prozessmodells vornahmen. Beispielsweise wurden in einigen wenigen Fällen irrelevante Funktionalitäten eingebracht und teilweise auch relevante
Prozessmodellelemente fälschlicherweise gelöscht. Diese falschen, jedoch nicht ankerbezogenen Anpassungen wurden in dieser Untersuchung nicht näher analysiert. Diese unerwarteten Operationen könnten aber interessante zusätzliche Informationen über das
Adaptionsverhalten von Prozessmodellierern liefern. Weiterhin ist es eine interessante
Frage, welche Operationstypen zu einer höheren Ergonomie bei der Modellanpassung
führen können. In der vorliegenden Untersuchungen wurden die Basisoperationen (Elemente einfügen, löschen usw.) untersucht, die in Prozessmodelleditoren typischerweise
verfügbar sind. Mächtigere Naivgationen über Granularitätsniveaus hinweg stellen eine
interessante Möglichkeit dar, Anpassungsverhalten und -fähigkeiten noch detaillierter zu
untersuchen (vgl. Process Quick View in Smirnov u. a. 2010b).
Die durchgeführte Untersuchung hat sich auf die Auswertung der Ausgangsvariablen
Adaptionsperformanz und semantische Qualität der Prozessmodelllösungen konzentriert.
Was das tatsächliche Verhalten der konkreten Anpassungsmaßnahmen der Prozessmodel-

207

lierer betrifft, kann auf diese Weise nur indirekt über die Modellierungsendergebnisse darauf geschlossen werden. Um ein differenzierteres Bild des Modelliererverhaltens während
der Prozessmodelladaption zu erhalten, müssten die Modellierungs- bzw. Adaptionsaktivitäten über den Zeitraum der Aufgabenbearbeitung erfasst werden. Über Mechanismen
des Logging können diese Daten erhoben werden. Diese Daten wären eine äußerst interessante Grundlage, um etwaige Muster in den Anpassungsstrategien verschiedener
Prozessmodellwiederverwender aufzudecken.
In der Untersuchung wurden die Ankertypen (d.h. Omission- und Extraneous-Anchors)
jeweils in dem einen und dem anderen Wiederverwendungsmodell platziert (nahezu ausschließlich). Interessant wäre demnach die Frage, wie sich die Adaptionsperformanz verhält, wenn verschiedene Anchors gemischt in einem Wiederverwendungsmodell vorhanden wären. Ob sich die verschiedenen Anchortypen auf eine bestimmte Weise gegenseitig
beeinflussen oder ob evtl. die Anpassung nur bestimmter Ankertypen stark überwiegen
würde, muss in weiteren Untersuchungen überprüft werden.
Desweiteren ist die wahrgenommene Ähnlichkeit zwischen einem Prozessmodell (im
Sinne einer Lösungsnäherung) und einem Prozessdesignkontext ein interessantes Forschungsgebiet und es ist nicht davon auszugehen, dass die Wahrnehmung dieser Ähnlichkeiten zwischen verschiedenen Prozessmodellierern sehr konsistent repräsentiert ist.
Hier sind existierende Arbeiten fortzuführen, die geeignete Maße der Prozessmodellähnlichkeit untersuchen (Dijkman u. a. 2009, 2010). In diesem Zusammenhang ist es eine
legitime Frage, inwieweit die wahrgenommene Prozessmodellähnlichkeit mit dem tatsächlich notwendigen Anpassungsaufwand, der bei der wirklichen Anpassung des Wiederverwendungsmodells hin zur Prozesmodelllösung entsteht, negativ korreliert – d.h.
ob eine höhere Ähnlichkeit tatsächlich einen geringeren Anpassungsaufwand bedeuten
würde – oder nicht.

208

Anhang

A. Modellierungsaufgaben
A.1. Prozessbeschreibung für „Supplier switch“
Process description
Context and task: In the course of the deregulation of European energy markets
customers of electric utility (i.e. power) have the opportunity to switch to a different
power supplier because the new supplier may better meet customers’ requirements (e.g.
lower rates, better services, etc.). This supplier switch process is therefore initiated by
the customer himself. This process involves the interaction between process stakeholders
for the case of a new supplier being assigned to a customer’s power gauge 84 . From the
supplier’s perspective who is contacted by a new customer who is willing to terminate
the contract with the old supplier the process is called ‘Winning customers’(because a
new customer is acquired).
You are asked to model the process ‘Winning customers’in BPMN (the model will be
used as the main specification in subsequent implementation activities). You are provided with a reference business process model as an assistant artifact that you should
reuse and adapt as needed. Your process model should focus on the Customer Service
department of the new power supplier. Activities taking place at the customer and at the
grid operator 85 should also be detailed for clarity. The old supplier (the 4th stakeholder)
does not have to include procedural details other than basic message-based interactions
with the grid operator and the – about-to-be-lost – customer.
Process goal: A customer who uses a specific power gauge wishes to switch to a
different power supplier. The goal of the process then is to assign a new power supplier
to a customer’s power gauge.
Process: The process is initiated by a switch-over request. In doing so, the customer
transmits his data to the customer service department of the company. Customer service
is a shared service center between the departments Sales and Distribution. The customer
84
85

The power gauge is the measuring point at home from which the customer sources the power from.
The grid operator is the organization that manages distribution of power over a network.

210

data is received by customer service and based on this data a customer data object is entered into the CRM system. This object consists of data elements such as the customer’s
name and address and the assigned power gauge. The generated customer object is then
used, in combination with other customer data to prepare the contract documents for
the power supplier switch (including data such as bank connection, information on the
selected rate, requested date of switch-over). In the following an automated check of the
contract documents is carried out within the CIS (customer information system) in order
to confirm their successful generation. In case of a negative response, i.e. the contract
documents are not (or incorrectly) generated, the causing issues are being analyzed and
resolved. Subsequently the contract documents are generated once again.
In case of a positive response a confirmation document is sent out to the customer
stating that the switch-over to the new supplier can be executed. The customer then has
the chance to check the contract details and based on this check may decide to either
withdraw from the switch contract or confirm it. Depending on the customer’s acceptance/rejection the process flow at customer service either ends (in case of withdrawal) or
continues (in case of a confirmation). An additional constraint is that the customer can
only withdraw from the offered contract within 7 days - after the 7th day the contract
will be regarded as accepted and the process continues. The confirmation message by the
customer is therefore not absolutely necessary (as it will count as accepted after 7 days
in any way) but it can speed up the switch process.
After the customer has confirmed the planned switch, a request to the grid operator
is automatically sent out by the CIS. It puts the question whether the customer may
be supplied by the selected supplier in the future. The switch-over request is checked by
the grid operator for supplier concurrence 86 , and the grid operator transmits a response
comment. In the case of supplier concurrence the grid operator would inform all suppliers
involved and demand the resolution of the conflict. The grid operator communicates with
the old supplier and carries out the termination of the sales agreement between the customer and the old supplier, i.e. the customer service (of the ‘new’supplier) does not have
to interact with the old supplier regarding termination.
If there are not any objections by the grid operator (i.e. no supplier concurrence),
customer service creates a CIS contract. On the switch-date, but no later than 10 days
after power supply has begun, the grid operator transmits the power meter data to the
customer service and the old supplier via messages containing a services consumption
report. At the same time, the grid operator computes the final billing based on the meter
data and sends it to the old supplier. Likewise the old supplier creates and sends the final
billing to the customer. For the customer as well as the grid operator the process ends
then. After receiving the meter data customer service imports the meter data to systems
86

Supplier concurrence is the situation when multiple suppliers are assigned during the same period to
the same power gauge.

211

that require the information. The process of "winningä new customer ends here.
Requested changes for the to-be process: The process to be modeled should be
extended in an early phase of the process by a customer data check. After customer data
has been entered it should then be compared with the internal customer data base and
checked for completeness and plausibility. In case of any errors these should be corrected
on the basis of a simple error list. The comparison of data is done to prevent individual
customer data being stored multiple times. In case the customer does not exist in the
customer data base, a new customer object is being created which will remain the data
object of interest during the rest of the process flow.
A second change concerns the customer confirmation which currently happens before
the supplier concurrence check. The to-be process model should be altered in the way that
the customer’s confirmation is requested after supplier concurrence has been checked, as
only then it is safe to inform the customer of a possible execution of the requested switch.

212

A.2. Prozessbeschreibung für „SLA violation“
Process description
Context and Task: As the liberalization of telecommunication markets progresses,
companies are required to react rapidly, i.e. near real-time, to customer demands in order
to retain their client base. The case examined here is when the conditions of a provided
service (this could be e.g. a DSL subscription service, a mobile phone service, etc.) exceed
- or fall below, respectively - the parameters specified in the Service Level Agreement
(SLA) (i.e. the contractual agreement between customer and telco company is violated).
The customer detects this SLA violation and reports it to the telco company. The reported problem may be corrected by the company, but it will lead to a billing rebate given
to the customer.
You are asked to model this process ‘Execution of SLA violation’in BPMN (the model
will be used as the main specification in subsequent implementation activities). You are
provided with a reference business process model as an assistant artifact that you should
reuse and adapt as needed. Your process model should encompass the stakeholders ‘Customer’, the ‘Customer Service’of the telco company as well as the company’s ‘Service
Management’and ‘Resource Provisioning’departments.
Process goal: The process is seen from the perspective of the telco company’s (TELECO) departments that interact with a customer. A customer will detect deviances
from the agreed service quality parameters and report this to TELECO. The goal of the
process is then to record, analyze and fix the problem, inform the customer about it and
let the billing department know about a given rebate.
Process: At the beginning the customer perceives that her subscribed service has
degraded. A list with all the problem parameters is then sent to the Customer Service
department of TELECO. At the customer service an employee enters - based on the received data - a problem report into system T. Then the problem report is compared to the
customer SLA to identify what the extent and the details of the service degradation are.
Based on this, the necessary counter measures are determined including their respective
priorities. An electronic service then determines the significance of the customer based
on information that has been collected during the history of the contractual relationship.
In case the customer is premium, the process will link to an extra problem fix process
(this process will not be detailed here). In case the customer is of certain significance
which would affect the counter measures previously decided upon, the process goes back
to re-prioritize these measures - otherwise the process continues. Taking together the
information (i.e. contract commitment data + prioritized actions) a detailed problem report is created. The detailed problem report is then sent to Service Management. Service

213

Management deals on a first level with violations of quality in services that are provided
to customers.
After receiving the detailed problem report, Service management investigates whether
the problem is analyzable at the level of their department or whether the problem may
be located at Resource Provisioning. In case Service Management assesses the problem to
be not analyzable by themselves, the detailed problem report is sent out to Resource Provisioning. If Service Management is sure they can analyze it, they perform the analysis
and based on the outcome they create a trouble report that indicates the type of problem.
After Resource Provisioning receives the detailed problem report, it is checked whether there are any possible problems. If no problems are detected a notification about
the normal service execution is created. If a problem is detected this will be analyzed by
Resource Provisioning and a trouble report is created. Either trouble report or the ’normal execution’ notification will be included in a status report and sent back to Service
Management.
Service Management then prepares the final status report based on the received information. Subsequently it has to be determined what counter measures should be taken
depending on the information in the final status report. Three alternative process paths
may be taken: i) for the case that no problem was detected at all; ii) for the case that
minor corrective actions are required; and iii) for the case that automatic resource restoration from Resource Provisioning is required. In i) the actual service performance is
sent back to the Customer Service. In ii) Service Management will undertake corrective
actions by themselves. Subsequently the problem resolution report is created and then
sent out to Customer Service. After sending, this process path of Service Management
ends. If iii) is the case, Service Management must create a request for automatic resource
restoration. This message is then sent to Resource Provisioning. Resource Provisioning
has been on-hold and waiting for a restoration request - but this must happen within 2
days after the status report was sent out, otherwise Resource Provisioning terminates the
process. After the restoration request is received, all possible errors are tracked. Based
on the tracked errors, all necessary corrective actions are undertaken by Resource Provisioning. Then a trouble-shooting report is created. This report is sent out to Service
Management; then the process ends.
The trouble-shooting report is received by Service Management and this information
goes then into the creation of the problem resolution report just as described for ii). Customer Service either receives the actual service performance (if there was no problem)
or the problem resolution report. Then, two concurrent activities are triggered, i.e. i)
a report is created for the customer which details the current service performance and
the resolution of the problem, and ii) an SLA violation rebate is reported to Billing &

214

Collections who will adjust the billing. The report for the customer is sent out to her.
After all three activities are completed the process ends within Customer Service. After
the customer then receives the report about service performance and problem resolution
from Customer Service, the process flow at the customer also ends.
Requested changes for the to-be-process: The process to be modeled should be
extended in an early phase of the process by a plausibility check of the entered problem
report: the entered report is therefore checked for completeness and validity. In case of
any errors the problem report must be entered again. Otherwise the process continues
as-is.
A second requirement concerns the determination of customer significance which
currently happens after Customer Service determines and prioritizes the first counter
measures. The to-be process model should be altered in the way that customer significance is determined before customer SLA and problem report are compared. ‘Premium’customers are then branched out to a different process for special handling; the others
stay in the path of the as-is process.

215

B. Wiederverwendungsmodelle
Insgesamt wurden vier verschiedene Wiederverwendungsmodelle als Treamtments erstellt: zwei in der Anwendungsdomäne Energie und zwei in der Anwendungsdomäne
Telekommunikation (jeweils grob- und feingranular). Sie sind in den Abbildungen B.1,
B.2, B.3 und B.4 dargestellt.

216

es
n requ
ratio
t

217

Receive supplier
concurrence check
result

Supplier concurrence check result
Check for supplier
concurrence

Supplier
concurrence
Resolve situation

Check offered
switch contract

At switch date (max . 10 d after)

Check supplier
concurrence check
result

Create and
send switch offer

Customer service

h
Wit

dr

al
aw

Wait for withdrawal

Wait for confirmation

Wait for 7 d

Confirm
switch contract

Withdraw from
switch contract

1 of 1

Receive
meter data

Send meter
data &
compute final
billing

Meter data

No supplier
concurrence

Switch offer

Abbildung B.1.: Wiederverwendungsmodell Energie+grobgranular

Contract
preparation,
check and send
out

al

Oliver Holschke

Request switchover

Check entered
data (errors in
data?, is it a new
customer?)

Reject

Receive and enter
customer
data
Import
meter data

Meter data

ReuseModel_wcrc

regi st

Customer

Gr id

Grid operator

io n

Old supplier

irm at

Accept

Co nf

Meter data,
Final billing

Wi thd raw

09.07.2010

Oliver Holschke

Error
list

Data complete
and plausible?

Yes

Enter customer
data object

Search
customer data

Check
customer data

No

Check
customer's first
registration

Request switchover

Trans
action

Yes
No

Error handling

Customer data

Grid registration request

Grid
registration
request

Prepare
contract
documents

Termination
of sales
agreement

Send documents

Check for
supplier
concurrence

Supplier
concurrence?

to 'Resolve situation'

At switch date (max . 10 d after)

from 'Resolve situation'

Check outcome of
supplier
concurrence check

Create CIS
contract

Send switch
offer

aw al

Check offered
switch
contract

Wi th dr

Send contract
copies to
federal board
of regulation

Contract
copies

Reject

Supplier concurrence check result

Wait for withdrawal

Wait for confirmation

Wait for 7 d

Confirm switch
contract

Withdraw from
switch contract

Meter data

Send meter
data

1 of 1

Abbildung B.2.: Wiederverwendungsmodell Energie+feingranular

Termination of sales agreement

New
customer?

Create
customer

negative

positive

to regulation
board

Meter data

from Grid
operator and
New supplier

Switch offer

Compute
final billing

File meter
statistics to
regulation
board

Import meter
data

Create
internal
statistics
report

Check
whether
new custo
mer

new

Create invoice

New
customer?

Activate
customer for
billing

Run post
connection
gauge
analysis

old

only applicable in
case of "Losing
Customers"
process

Invoice

ReuseModel_wcf

Customer service

Customer

Grid operator

Old supplier

ment
inatio
n of sa
les ag
ree
Term

io n
irm at
Co nf

218
Accept

at ion

Meter data

Withdr awal

Final
billing

Co nf irm
Final billing

09.07.2010

Oliver Holschke

Service
degradation
perceived

List of problem
parameters

Send list of
problem
parameters

Problem
report

ReuseModel_slavc

Enter problem, check
plausibility and determine
customer significance

Problem
report

Go to problem fix process
for premium customers

Premium
customer?

Detailed
problem
report

Investigate whether
problem is analyzable
at this level

Check for possible
problems

Analyzable
here?

Detailed
problem report

If problem detected,
analyze problems in details
+ create trouble report;
otherwise send "normal
service ex ecution"

Perform problem
analysis + create
trouble report

trouble
report

note normal
service
ex ecution

Trouble
report

Create status report

Status
report

Final status
report

Final status report
+ determine
counter measures

Send out
actual service
performance

What problem
was detected?
Create request
for automatic
resource
restoration

Minor corrective
actions required

Actual service
performance

Wait 2 days

Undertake
corrective
actions

Request

Error- tracking &
correct problem &
create
troubleshooting report

trouble shooting
report

1 of 1

Abbildung B.3.: Wiederverwendungsmodell Telko+grobgranular

Compare SLA & problem
+ determine counter
measures

NO

Customer service (TELECO)

Customer

Service management (TELECO)

Resource provisioning (TELECO)

NONE
Resource
restoration
required

219

YES

Trouble
shooting
report

Create
problem resol
ution report

Problem
resolution
report

Report SLA violation rebate to
Billling & Colections for billing
adjustment

Create report for customer
about performance and
problem resolution

Customer
problem
resolution
report

09.07.2010

Service
degradation
perceived

Send list of
problem
parameters

List of problem
parameters

Determine
significance of
the customer
(based on
customer data in
the problem
report)
Premium
customer?

NO

Problem
report

Determine
counter
measures
inclu.
priorities

Detailed
problem report

Go to problem fix process
for premium customers

Compare
customer
SLA and
problem
report

Detailed
problem
report

YES
Analyzable
here?

Perform
problem
analysis

Send a copy
to Strategic
Planning

Check for
possible
problems

Create trouble
report
indicating the
type of problem

Trouble
report

NO

Analyze in
detail problem
causes

Problem
detected?

Trouble
report

Notify
customer of
identified
troubles

Create
trouble report

Create
notification of
normal service
ex ecution

Trouble
report

Create status
report

Status
report

Prepare final
status report

Determine
counter
measures based
on the final
status report

to Strategic
Planning

Send update
to Strategic
Planning

Final status
report

Send out
actual
service perfo
rmance

What problem
was detected?
Create
request for
automatic
resource
restoration

Minor corrective
actions required

Actual
service perf
ormance

Wait 2 days

Undertake
corrective
actions

Track errors

Request

Undertake
corrective
actions

Notify Service
Quality
Management to
update statistics

Generate
updates for
Resource
Inventory
Management

Create
troubleshooti
ng report

to Service
Quality
Management

Abbildung B.4.: Wiederverwendungsmodell Telko+feingranular

Detailed
problem
report

Investigate whether
problem is
analyzable at this
level

Product
offering price

Detailed
problem
report

Product
offering
price

Create detailed
problem report incl.
contract
commitment data
+ prioritized actions

NO

Enter
problem rep
ort

Problem
report

YES

Customer service (TELECO)

ReuseModel_slavf

NONE
Resource
restoration
required

Customer

Service management (TELECO)

Resource provisioning (TELECO)

220

YES

Update data
for Service
Quality
Mgmt.
(statistics)

Run complete
system test

Create
problem
resolution
report

Problem
resolution
report

Report SLA violation
rebate to Billling &
Colections for billing
adjustment

Update customer
information for
retention & loyalty
purposes

Create report for
customer about
performance and
problem resolution

Customer
problem
resolution
report

C. Lösungsbeispiele
Im Folgenden sind beispielhaft Prozessmodellergebnisse aus den sechs Treatment-Gruppen
(3 Granularitätsausprägungen × 2 Anwendungsdomänen) dargestellt.

221

Enter customer
data

no errors

222

Compare data
with ex isting
customer data

customer
object in db

Resolve
problems

Create
customer object

no customer
object in db

Contract
preparation

Check for supplier
concurrence

Supp lier conc
urren ce check
resul t

Send respnse
comment

Send out
request
Create contract

h
Wit

dr

al
aw

Send switch
offer

no success

Check offered
switch contract

At switch date (max . 10 d after)

Resolve conflict

Check supplier
concurrence check
result

No supplier
concurrence

Receive supplier
concurrence check
result

success

Wait for withdrawal

Wait for confirmation

Wait for 7 d

Send meter
data

Compute final
billing

Confirm
switch contract

Withdraw from
switch contract

1 of 1

Abbildung C.1.: Beispielergebnis En+grob, Teilnehmer C_SWI_06

Correct data

errors

Check
customer data
for errors

al

Oliver Holschke

Request switchover

Receive customer
data

Reject

Solution Markus Albrecht

Customer Service

Customer

Grid operator

io n

Old supplier

t
requ es
at ion
Gr id re
gi str

er
o ff
ch
Sw
it

irm at

Accept

Co nf
data
Meter

Wi thd raw

Send findal
billing

Receive
meter data

Import
meter data

07.01.2011

Customer
Data

Customer
Data

Request
switch- over

Switch- over request

Enter
customer data
object

Check
customer data

Yes

No

Error
list

Error handling
(Customer
Data)

Data complete
and plausible?

Check
customer's
first registrati
on

Yes
No

Create
customer

Supplier
concurrence?

At switch date (max . 10 d after)

it
Sw

ch

re

qu

es

t

Send
switch offer

Wi th dr

aw al

Check
offered switc
h contract

Wait for withdrawal

Wait for confirmation

Wait for 7 d

al

Confirm switch
contract

Withdraw from
switch contract

Request
switching

Meter data

Send meter
data

Abbildung C.2.: Beispielergebnis En+fein, Teilnehmer F_SWI_11

Check for
supplier
concurrence

positive
to 'Resolve situation'

Check outcome of
supplier
concurrence check

from 'Resolve situation'

Supplier concurrence check response

Check supplier
concurrence
Contract documents complete
and plausible?

Yes

Error handling
(Contract
Docuents)

Customer Information System

Contract
documents

Check
contract docu
ments

Supplier concurrence check request

Switchover
Request

Customer
Data

Prepare
contract
documents

New
customer?

CRM System

No

Customer database

Switch offer

Customer
Data

Meter data

CRM System

Reject

Compute
final billing

File meter
statistics to
regulation
board

Import
meter data

Final billing

Activate
customer
for billing

Run post
connection
gauge
analysis

Create
invoice

New
customer?

Signavio GmbH

Create
internal
statistics
report

Check
whether
new
customer

new
old

Customer
Data

Invoice

PhilippGelpke_ReuseModel_wcf (Copy)

Customer service

Customer

Grid operator

223

Old supplier

io n

Accept

dr aw
With

Meter data

rm at
Final
billing

fi
Con

224

Grid operator

Customer Service Department

Customer

Receiving
customer
request

Customer Data

Customer Data

Sedding
switch over
request

anatol_solution

Old supplier

Custome
r data
objec

Enter data in
CRM system

Internal
customer
data

err

or
correct

Error list
Complete
customer data

Create
customer in
customer data
base
Prepare
contract
documents

Contract

Automated
check of
contract
documents

Analyse and
t
ac
resolve issues
n tr
t co
rr ec
in co
corrrect contract

Receive switch
request

Send out
switch
request

Switch
request

Switch
request

Check fpr
concurrence

Inform old and
new supplier

Termination of
sales
agreement
between
customer and
old supplier

Response
comment

Send out
confirmation

corrrect contract

Contract

Confirm
ation

Abbildung C.3.: Beispielergebnis En+keine Wiederverwendung, Teilnehmer M_SWI_06

Custome
r data
objec

Check
customer data
with internal
customer data

Check
contract
details

corrrect contract

7 days

Confirmation

Withdrawl

Oliver Holschke

Service
degradation
perceived

List of problem
parameters

Send list of
problem
parameters

Problem
report

ReuseModel_stefan

Enter problem,
determine customer
significance

Problem
report

Go to problem fix process
for premium customers

Premium
customer?

Detailed
problem
report

Compare SLA & problem

Analyzable
here?

Detailed
problem report

Check for possible
problems

Investigate whether
problem is analyzable
at this level

YES

analyse
problem

create
normal
service
ex ectuion
note

determin
customer
significance

create trouble
report

Perform problem
analysis + create
trouble report

determine
counter
measures

trouble
report

note normal
service
ex ecution

Trouble
report

history of
contractual
relationship

Create status report

custostomer is of certein siginificance

Status
report

contract
commitmen
t data +
prioritized
actions

Final status
report

Final status report
+ determine
counter measures

create
detailed
problem
report

Send out
actual service
performance

What problem
was detected?
Create request
for automatic
resource
restoration

Minor corrective
actions required

Actual service
performance

Wait 2 days

Request

Error- tracking &
correct problem &
create
troubleshooting report

Undertake
corrective
actions

trouble shooting
report

1 of 1

Abbildung C.4.: Beispielergebnis Tel+grob, Teilnehmer C_SLA_09

check
plausibility

NO

Customer service (TELECO)

Customer

Service management (TELECO)

Resource provisioning (TELECO)

NONE
Resource
restoration
required

225

YES

Trouble
shooting
report

Create
problem resol
ution report

Problem
resolution
report

Report SLA violation rebate to
Billling & Colections for billing
adjustment

Create report for customer
about performance and
problem resolution

Customer
problem
resolution
report

10.06.2010

226

Service
degradation
perceived

check validity

Send list of
problem
parameters

Enter problem
report

not valid

List of problem
parameters

Determine
significance of the
customer (based on
customer data in
the problem report)
Premium
customer?

NO

Problem
report

Compare
customer SLA
and problem
report

Detailed
problem
report

Investigate whether
problem is analyzable
at this level

Product
offering price

Product
offering
price

Create detailed
problem report incl.
contract commitment
data + prioritized
actions

Perform
problem
analysis

Strategic Planing

Analyzable
here?

YES

Detailed
problem
report

Send a copy
to Strategic
Planning

Check for
possible
problems

Create trouble
report indicating
the type of
problem

Trouble
report

NO

Analyze in
detail problem
causes

Problem
detected?

Notify
customer of
identified
troubles

Trouble
report

normal
report

Create
trouble report

Create
notification of
normal service
ex ecution

Service Quality Managem ent

Trouble
report

trouble
report

Create status
report

Status
report

Prepare final
status report

Send update
to Strategic
Planning

Determine counter
measures based
on the final status
report

Final status
report

Send out
actual service
performance

What problem
was detected?
Create request
for automatic
resource
restoration

Minor corrective
actions required

Actual service
performance

Wait 2 days

Undertake
corrective
actions

Track errors

Request

Undertake
corrective
actions

Notify Service
Quality
Management to
update statistics

Generate
updates for
Resource
Inventory
Management

Create
troubleshooti
ng report

Update data
for Service
Quality Mgmt.
(statistics)

Abbildung C.5.: Beispielergebnis Tel+fein, Teilnehmer F_SLA_05

Determine
counter
measures
inclu. priorities

Detailed
problem report

Go to problem fix process
for premium customers

Detailed
problem report

NO

Problem
report

YES

Customer service (TELECO)

Customer

Service management (TELECO)

Resource provisioning (TELECO)

NONE
Resource
restoration
required

ReuseModel_new

valid

YES

report

Run complete
system test

Create
problem resol
ution report

Problem
resolution
report

Report SLA violation
rebate to Billling &
Colections for billing
adjustment

Update customer
information for retention &
loyalty purposes

Create report for
customer about
performance and problem
resolution

Customer
problem
resolution
report

check possible
problems

investigate if
the problem is
analyzable by
themselves

detailed
problem
report

enter problem
report

list with
problem
parameters

perceives
service has
degraded

plausibility
check

analyze problem

create
notification

trouble report

include prior
document in
status report

compare
problem report
to customer
SLA

prepare final
status report

status report

ex tra problem
fix process for
premiums

create trouble
report

trouble report

create trouble
report

determine
customer
significance

history of contractual relationship

notification

perform
analysis

receive report

track all
possible errors

request
document

determine
counter
measures

send actual
service
performance

1 of 1

undertake all
necessary
corrective
actions

report SLA
violation rebate

create troubleshooting report

create
customer
report

create detailed
problem report

create
problem resolu
tion report

troubleshooting
report

problem
resolution
report

receive report

undertake
corrective
actions

service
performance

create request
for automatic
ressource
restoration

identify ex tent
and details of
service
degradation

determine
counter
measures incl.
priorities

report

Abbildung C.6.: Beispielergebnis Tel+keine Wiederverwendung, Teilnehmer M_SLA_04

Tobias Fickinger

Customer Service

Customer

ProcessModel

Service Management
Resource Provisioning

227

Literaturverzeichnis
van der Aalst 1998
Aalst, Wil van d.: The application of Petri nets to workflow management. In:
Journal of Circuits Systems and Computers 8 (1998), S. 21–66
van der Aalst u. van Hee 2004
Aalst, Wil van d. ; Hee, Kees van: Workflow management: models, methods and
systems. MIT Press, 2004
Aguilar-Savén 2004
Aguilar-Savén, Ruth S.: Business process modelling: Reviewand framework. In:
International Journal of Production Economics 90 (2004), S. 129–149
Alexander 1964
Alexander, Christopher: Notes on the Synthesis of Form. Harvard University
Press, Cambridge, MA, 1964
Allen u. Parsons 2010
Allen, Gove ; Parsons, Jeffrey: Is Query Reuse Potentially Harmful? Anchoring
and Adjustment in Adapting Existing Database Queries. In: Information Systems
Research 21 (2010), Nr. 1, S. 56–77
Allweyer 1998
Allweyer, Thomas: Adaptive Geschäftsprozesse. Dr. Th. Gabler Verlag, 1998
Alter 2008
Alter, Steven: Defining information systems as work systems: implications for the
IS field. In: European Journal of Information Systems 17 (2008), S. 448–469
APQC 2010
APQC: Process Classification Framework. Version: 2010. http://www.apqc.org/
process-classification-framework, Abruf: 18.10.2010
Arbeitskreis Statistik 2010
Arbeitskreis Statistik:
Statistik Wiki - MANOVA.
Website.
http:
//www2.hu-berlin.de/psychologie/ingpsycscw/MethWiki/pmwiki.php?n=
Guidelines.MANOVA. Version: 2010
Atkinson u. Kühne 2003
Atkinson, Colin ; Kühne, Thomas: Model-driven development: A metamodeling
foundation. In: IEEE Software 20 (2003), Nr. 5, S. 36–41

228

Augier u. March 2008
Augier, Mie ; March, James G.: A retrospective look at A Behavioral Theory of
the Firm. In: Journal of Economic Behavior & Organization 66 (2008), S. 1–6
Austin 1962
Austin, John L.: How to Do Things with Words. Harvard University Press, Cambridge, Massachusetts, 1962
Awad 2007
Awad, Ahmed: BPMN-Q: A language to query business processes. In: Proceedings
of EMISA 2007, St. Goar, Germany. Gesellschaft für Informatik (GI), 2007 (Lecture
Notes in Informatics), S. 115–128
Baddeley 1992
Baddeley, Alan: Working Memory. In: Science 255 (1992), Nr. 5044, S. 556–559
Baeza-Yates u. Ribeiro-Neto 1999
Baeza-Yates, Ricardo ; Ribeiro-Neto, Berthier: Modern information retrieval.
Addison-Wesley, 1999
Baldwin u. Clark 2000
Baldwin, Carliss Y. ; Clark, Kim B.: Design rules: The power of modularity.
Bd. 1. The MIT Press, 2000
Bandara u. a. 2005
Bandara, Wasana ; Gable, Guy G. ; Rosemann, Michael: Factors and measures
of business process modelling: model building through a multiple case study. In:
European Journal of Information Systems 14 (2005), S. 347–360
Bashein u. Markus 2000
Bashein, Barbara J. ; Markus, M. L.: Data Warehouses: More Than Just Mining / Morristown, NJ: Financial Executives Research Foundation, Inc. 2000. –
Forschungsbericht
Batra u. Wishart 2004
Batra, Dinesh ; Wishart, Nicole A.: Comparing a rule-based approach with a
pattern-based approach at different levels of complexity of conceptual data modelling
tasks. In: Int. J. Hum.-Comput. Stud. 61 (2004), Nr. 4, S. 397–419
Bauer u. Johnson-Laird 1993
Bauer, Malcolm I. ; Johnson-Laird, Philip N.: How diagrams can improve reasoning. In: Psychological Science 4 (1993), S. 372–378
Beach u. Mitchell 1987
Beach, Lee R. ; Mitchell, Terence R.: Image Theory: Principles, Goals, and Plans
in Decision Making. In: Acta Psychologica 66 (1987), S. 201–220

229

Becker u. a. 2000
Becker, Jörg ; Rosemann, Michael ; Uthmann, Christoph von: Guidelines of
Business Process Modeling. In: Aalst, Wil M. P. d. (Hrsg.) ; Desel, Jörg (Hrsg.)
; Oberweis, Andreas (Hrsg.): Business Process Management Bd. 1806, Springer,
2000 (Lecture Notes in Computer Science), S. 30–49
Becker u. a. 2004
Becker, Jörg ; Delfmann, Patrick ; Knackstedt, Ralf: Konstruktion von Referenzmodellierungssprachen - Ein Ordnungsrahmen zur Spezifikation von Adaptionsmechanismen für Informationsmodelle. In: Wirtschaftsinformatik 46 (2004), Nr. 4,
S. 251–264
Becker u. Kahn 2005
Kapitel Der Prozess im Fokus. In: Becker, Jörg ; Kahn, Dieter: Prozessmanagement: Ein Leitfaden zur prozessorientierten Organisationsgestaltung. 5. SpringerVerlag, 2005
Bernstein u. Dayal 1994
Bernstein, Philip A. ; Dayal, Umeshwar: An overview of repository technology.
In: Proceedings of VLDB 1994, Santiago de Chile, Chile, 1994, S. 707–713
Bittner u. Smith 2001
Bittner, Thomas ; Smith, Barry: A Unified Theory of Granularity, Vagueness,
and Approximation. In: Proceedings of COSIT Workshop on Spatial Vagueness,
Uncertainty, and Granularity, 2001
Boehm 1999
Boehm, Barry: Managing software productivity and reuse. In: Computer 32 (1999),
Nr. 9, S. 111–113
Boland 2002
Boland, Richard J.: Design in the Punctuation of Management Action. In: Boland,
R. (Hrsg.) ; Frontiers of Management Workshop, Weatherhead School of Management (Veranst.): Managing as Designing: Creating a Vocabulary for Management
Education and Research Frontiers of Management Workshop, Weatherhead School
of Management, 2002
Bortz u. Döring 2003
Bortz, Jürgen ; Döring, Nicola: Forschungsmethoden und Evaluation. 3. SpringerVerlag Berlin Heidelberg New York, 2003
vom Brocke 2003
Brocke, Jan vom ; Becker, Jörg (Hrsg.) ; Grob, Heinz L. (Hrsg.) ; Klein, Stefan (Hrsg.) ; Kuchen, Herbert (Hrsg.) ; Müller-Funk, Ulrich (Hrsg.) ; Vossen,
Gottfried (Hrsg.): Advances in Information Systems and Management Science. Bd. 4:
Referenzmodellierung - Gestaltung und Verteilung von Konstruktionsprozessen. Logos Verlag Berlin, 2003

230

Bröder u. Schiffer 2003
Bröder, Arndt ; Schiffer, Stefanie: Take The Best Versus Simultaneous Feature
Matching: Probabilistic Inferences From Memory and Effects of Representation Format. In: Journal of Experimental Psychology: General 132 (2003), Nr. 2, S. 277–293
Bunge 1977
Bunge, Mario: Treatise on Basic Philosophy.. Bd. 3. Ontology I. The Furniture of
theWorld. D. Reidel Publishing, New York, 1977
Burkhardt u. a. 2002
Burkhardt, Jean-Marie ; Détienne, Francoise ; Wiedenbeck, Susan: Objectoriented program comprehension: Effect of expertise, task and phase. In: Empirical
Software Engrg. 7 (2002), Nr. 2, S. 115–156
Burton-Jones u. Weber 1999
Burton-Jones, Andrew ; Weber, Ron: Understanding relationships with attributes in entity-relationship diagrams. In: De, P. (Hrsg.) ; DeGross, J. (Hrsg.) ;
Association for Information Systems (Veranst.): Proc. 20th Internat. Conf. Inform.
Systems. Atlanta, GA, 1999, S. 214–228
Cabeza u. Nyberg 2000
Cabeza, Roberto ; Nyberg, Lars: Imaging Cognition II: An Empirical Review of
275 PET and fMRI Studies. In: Journal of Cognitive Neuroscience 12 (2000), Nr. 1,
S. 1–47
Campbell 1988
Campbell, Donald J.: Task Complexity: A Review and Analysis. In: Academy of
Management Review 13 (1988), Nr. 1, S. 40–52
Campbell u. Stanley 1963
Campbell, Donald T. ; Stanley, Julian C.: Experimental and quasi-experimental
designs for research. Rand Mc-Nally, Chicago, 1963
Cardoso u. a. 2006
Cardoso, Jorge ; Mendling, Jan ; Neumann, Gustaf ; Reijers, Hajo A.: A
Discourse on Complexity of Process Models. In: Eder, Johann (Hrsg.) ; Dustdar,
Schahram (Hrsg.): Business Process Management Workshops, 2006, S. 117–128
Choi u. a. 2007
Choi, Injun ; Kim, Kwangmyeong ; Jang, Mookyung: An xml-based process repository and process query language for integrated process management. In: Knowledge
and Process Management 14 (2007), Nr. 4, S. 303–316
Coad u. a. 1995
Coad, Peter D. ; North, David ; Mayfield, Mark: Object Models: Strategies,
Patterns, and Applications. Prentice Hall, Upper Saddle River, NJ, 1995

231

Cohen u. a. 1977
Cohen, Jonathan D. ; Perlstein, William M. ; Braver, Todd S. ; Nystrom, L. E.
; Noll, D. C. ; Jonides, J. ; Smith, E. E.: Temporal dynamics of brain activation
during a working memory task. In: Nature 386 (1977), S. 604–608
Cowan 2000
Cowan, Nelson: The magical number 4 in short-term memory: A reconsideration of
mental storage capacity. In: Behavioral and Brain Sciences 24 (2000), S. 87–185
Croft 1987
Croft, W. B.: Approaches to intelligent information retrieval. In: Information
Processing and Management 25 (1987), Nr. 4, S. 249–254
Cruz-Lemus u. a. 2009
Cruz-Lemus, José A. ; Genero, Marcela ; Manso, M. E. ; Morasca, Sandro ;
Piattini, Mario: Assessing the understandability of UML statechart diagrams with
composite states—A family of empirical studies. In: Empir Software Eng 14 (2009),
Nr. 6, S. 685–719
Curtis u. a. 1992
Curtis, Bill ; Kellner, Marc I. ; Over, Jim: Process modeling. In: Commun.
ACM 35 (1992), Nr. 9, S. 75–90
Cyert u. March 1963
Cyert, Richard M. ; March, James G.: A Behavioral Theory of the Firm. Prentice
Hall, Endlewood Cliffs, NJ, 1963
Davenport 1993
Davenport, Thomas H.: Process innovation: reengineering work through information technology. Harvard Business School Press, 1993
Davenport 1995
Kapitel Business Process Reengineering: Where It’s Been, Where It’s Going.
In: Davenport, Thomas H.: Business Process Change: Concepts, Methods and Technoiogies. Idea Publishing, Harrisburg, PA, USA, 1995, S. 1–13
Davies u. a. 2006
Davies, Islay ; Green, Peter ; Rosemann, Michael ; Indulska, Marta ; Gallo, Stan: How do practitioners use conceptual modeling in practice? In: Data &
Knowledge Engineering 58 (2006), S. 358–380
Davis 2000
Kapitel Information systems conceptual foundations: looking backward and forward.
In: Davis, Gordon B.: Organizational and Social Perspectives on Information Technology. Kluwer Academic Publishers, Boston, 2000, S. 61–82

232

Delfmann 2006
Delfmann, Patrick ; Becker, Jörg (Hrsg.) ; Grob, Heinz L. (Hrsg.) ; Klein,
Stefan (Hrsg.) ; Kuchen, Herbert (Hrsg.) ; Müller-Funk, Ulrich (Hrsg.) ; Vossen, Gottfried (Hrsg.): Advances in Information Systems and Management Science.
Bd. 25: Adaptive Referenzmodellierung. Logos Verlag Berlin, 2006
Denning 1997
Denning, Peter J.: A New Social Contract for Research. In: Communications of
the ACM 40 (1997), Nr. 2, S. 132–134
Dennis u. Carte 1998
Dennis, Alan R. ; Carte, Traci A.: Using geographical information systems for
decision making: Extending cognitive fit theory to map-based presentations. In:
Information Systems Research 9 (1998), Nr. 2, S. 194–203
Dietz 1999
Dietz, Jan L.: DEMO : towards a discipline of Organisation Engineering. In:
European Journal of Operations Research 128 (1999), Nr. 2, S. 351–363
Dijkman u. a. 2010
Dijkman, Remco ; Dumas, Marlon ; Dongen, Boudewijn van ; Käärik, Reina ;
Mendling, Jan: Similarity of business process models: Metrics and evaluation. In:
Information Systems 36 (2010), Nr. 2, S. 498–516
Dijkman u. a. 2009
Dijkman, Remco ; Dumas, Marlon ; Garcia-Banuelos, Luciano: Graph Matching Algorithms for Business Process Model Similarity Search. In: Dayal, Umeshwar (Hrsg.) ; Koehler, Jana (Hrsg.) ; Reijers, Hajo (Hrsg.): Business Process
Management (BPM’09) Bd. 5701/2009, 2009 (Lecutre Notes of Computer Science),
S. 48–63
Dixon 2000
Dixon, Nancy M.: Common knowledge: how companies thrive by sharing what they
know. Harvard Business School Press, 2000
van Dongen u. a. 2008
Dongen, Boudewijn F. ; Dijkman, Remco M. ; Mendling, Jan: Measuring Similarity between Business Process Models. In: CAiSE, 2008, S. 450–464
Draper 2010
Draper, Stephen W.: The Hawthorne, Pygmalion, Placebo and other effects of expectation: some notes. Version: 2010. http://www.psy.gla.ac.uk/~steve/hawth.
html, Abruf: 14. November 2010. Electronic Document
Dumas u. a. 2005
Kapitel Introduction. In: Dumas, Marlon ; Hofstede, Arthur ter ; Aalst, Wil
van d.: Process Aware Information Systems: Bridging People and Software Through
Process Technology. Wiley, Chichester, 2005, S. 3–20.

233

Earl 1994
Earl, Michael J.: The New and Old of Business Process Redesign. In: Journal of
Strategic Information Systems 3 (1994), Nr. 1, S. 5–22
Ehrig u. a. 2007
Ehrig, Marc ; Koschmider, Agnes ; Oberweis, Andreas: Measuring Similarity
between Semantic Business Process Models. In: Roddick, John F. (Hrsg.) ; Hinze,
Annika (Hrsg.): Fourth Asia-Pacific Conference on Conceptual Modelling (APCCM
2007), Ballarat, Victoria, Australia Bd. 67, Australian Computer Society, Inc., January 2007
Elhadad u. a. 2008
Elhadad, Michael ; Balaban, Mira ; Sturm, Arnon: Effective Business Process
Outsourcing: The Prosero Approach. In: International Journal of Interoperability in
Business Information Systems (IBIS) 3 (2008), Nr. 1
Fettke 2006
Fettke, Peter ; Loos, Peter (Hrsg.): Referenzmodellevaluation. Logos Verlag Berlin,
2006
Fettke u. Loos 2002
Fettke, Peter ; Loos, Peter: Methoden zur Wiederverwendung von Referenzmodellen - Übersicht und Taxonomie. In: Becker, Jörg (Hrsg.) ; Knackstedt, Ralf
(Hrsg.): Referenzmodellierung 2002 - Methoden - Modelle - Erfahrungen. Tagungsband zur 6. Fachtagung Referenzmodellierung 2002 (RefMod 2002) im Rahmen der
MKWI 2002 in Nürnberg, 2002, S. 9–33
Fettke u. Loos 2003
Fettke, Peter ; Loos, Peter: Classification of reference models: a methodology
and its application. In: Information Systems and E-Business Management 1 (2003),
January, Nr. 1, S. 35–53
Fettke u. Loos 2004
Fettke, Peter ; Loos, Peter: Referenzmodellierungsforschung - Langfassung eines
Aufsatzes / Johannes Gutenberg Universität Mainz. 2004. – Paper
Fettke u. Loos 2005
Fettke, Peter ; Loos, Peter: Der Beitrag der Referenzmodellierung zum Business
Engineering. In: HMD – Praxis der Wirtschaftsinformatik 241 (2005), S. 22
Fettke u. Loos 2007a
Fettke, Peter (Hrsg.) ; Loos, Peter (Hrsg.): Reference Modeling for Business
Systems Analysis. Idea Group Publishing, 2007
Fettke u. Loos 2007b
Kapitel Perspectives on Reference Modeling. In: Fettke, Peter ; Loos, Peter: Reference Modeling for Business Systems Analysis. Idea Group Publishing, 2007, S.
1–21

234

Fiedler 1988
Fiedler, Klaus: The dependence of the conjunction fallacy on subtle linguistic
factors. In: Psychological Research 50 (1988), S. 123–129
Fodor 1983
Fodor, Jerry A.: Modularity of Mind: An Essay on Faculty Psychology. MIT Press,
Cambridge, Mass, 1983
Fowler 1997
Fowler, Martin: Analysis Patterns: Reusable Object Models. Addison-Wesley, Reading, MA, 1997. – Siehe auch http://martinfowler.com/
Frank 2007
Kapitel Evaluation of Reference Models. In: Frank, Ulrich: Reference Modeling for
Business Systems Analysis. Idea Group, 2007, S. 118–140
Frederiks u. van der Weide 2006
Frederiks, Paul J. M. ; Weide, Theo P. d.: Information modeling: The process
and the required competencies of its participants. In: Data & Knowledge Engineering
58 (2006), S. 4–20
Garcia-Retamero u. a. 2007
Garcia-Retamero, Rocio ; Wallin, Annika ; Dieckmann, Anja: Does causal
knowledge help us be faster and more frugal in our decisions? In: Memory & Cognition 35 (2007), Nr. 6, S. 1399–1409
Gemino u. Wand 2004
Gemino, Andrew ; Wand, Yair: A framework for empirical evaluation of conceptual
modeling techniques. In: Requirements Engineering 9 (2004), S. 248–260
Gerstman 2010
Gerstman, Bud: StatPrimer (Version 6.4). Version: 2010. http://www.sjsu.edu/
faculty/gerstman/StatPrimer/, Abruf: 12. November 2010. Electronic Document
Gigerenzer 1997
Gigerenzer, Gerd: Bounded rationality: Models of fast and frugal inference. In:
Swiss Journal of Economics and Statistics 133 (1997), S. 201–218
Gigerenzer u. a. 1999
Gigerenzer, Gerd (Hrsg.) ; Todd, Peter M. (Hrsg.) ; ABC Research Group
(Hrsg.): Simple heuristics that make us smart. Oxford University Press, New York,
1999
Gobet u. a. 2001
Gobet, Fernand ; Lane, Peter C. ; Croker, Steve ; Cheng, P. C. H. ; Jones, G.
; Oliver, I. ; Pine, J. M.: Chunking mechanisms in human learning. In: Trends in
Cognitive Sciences 5 (2001), Nr. 6, S. 236–243. – ISSN 1364–6613

235

Goodhue 1995
Goodhue, Dale L.: Understanding user evaluations of information systems. In:
Management Science 41 (1995), Nr. 12, S. 1827–1844
Goodhue u. Thompson 1995
Goodhue, Dale L. ; Thompson, Ronald L.: Task-technology fit and individual
performance. In: MIS Quarterly 19 (1995), Nr. 2, S. 213–236
Google Inc. 2010a
Google Inc.: Google. http://www.google.com. Version: 2010
Google Inc. 2010b
Google Inc.: Google sites.
31.10.2010

Version: 2010. http://sites.google.com, Abruf:

Gray u. Durcikova 2006
Gray, Peter H. ; Durcikova, Alexandra: The Role of Knowledge Repositories in
Technical Support Environments: Speed Versus Learning in User Performance. In:
Journal of Management Information Systems 22 (2006), Nr. 3, S. 159–190
Green u. Petre 1996
Green, Thomas R. G. ; Petre, Marian: Usability Analysis of Visual Programming
Environments: a ‘cognitive dimensions’ framework. In: Journal of Visual Languages
and Computing 7 (1996), Nr. 2, S. 131–174
Gregor 2006
Gregor, Shirley: The Nature of Information Systems. In: MIS Quarterly 30 (2006),
September, Nr. 3, S. 611–642
Grätzer 1998
Grätzer, George: General Lattice Theory. 2. Birkhauser, 1998
Gruhn u. Laue 2006
Gruhn, Volker ; Laue, Ralf: Complexity metrics for business process models. In:
9th international conference on Business Information Systems Bd. 85, 2006, S. 1–12
Gschwind u. a. 2008
Gschwind, Thomas ; Koehler, Jana ; Wong, Janette: Applying Patterns during
Business Process Modeling. In: Dumas, M. (Hrsg.) ; Reichert, M. (Hrsg.) ; Shan,
M.-C. (Hrsg.): BPM 2008 Bd. 5240/2008, Springer-Verlag Berlin Heidelberg, 2008
(Lecture Notes in Computer Science), S. 4–19
Gutzwiller 1994
Gutzwiller, Thomas A.: Das CC RIM-Referenzmodell für den Entwurf von betrieblichen, transaktionsorientierten Informationssystemen. Heidelberg : Physica-Verlag,
1994

236

Habermas 1995
Habermas, Jürgen: Theorie des kommunikativen Handelns. Suhrkamp Verlag, 1995
Hammer 1990
Hammer, Michael: Reengineering work: Don’t automate, obliterate. In: Harvard
Business Review 68 (1990), Nr. 4, S. 104–112
Heilmann u. a. 1996
Kapitel Die Integration der Aufbauorganisation in Workflow-Management-Systemen.
In: Heilmann, Heidi ; Heinrich, Lutz J. ; Roithmayr, Friedrich: Information
Engineering. 1996, S. 147–165
Henderson u. Venkatraman 1993
Henderson, John C. ; Venkatraman, N.: Strategic Alignment: Leveraging Information Technology for Transforming Organizations. In: IBM Systems Journal 32
(1993), Nr. 1, S. 472–484
Hess u. Biggam 2004
Hess, Karin ; Biggam, Sue: A Discussion of Ïncreasing Text Complexity"/ National
Center for the Improvement of Educational Assessment, produced in partnership
with the New Hampshie, Rhode Island, and Vermon Departments of Education.
Version: 2004. http://www.nciea.org/publications/TextComplexity_KH05.pdf.
2004. – Forschungsbericht
Hevner u. a. 2004
Hevner, Alan R. ; March, Salvatore T. ; Park, Jinsoo ; Ram, Sudha: Design
Science in Information System Research. In: MIS Quarterly (2004)
Hochstein u. a. 2004
Hochstein, Axel ; Zarnekow, Rüdiger ; Brenner, Walter: ITIL als CommonPractice-Referenzmodell für das IT-Service-Management: Formale Beurteilung und
Implikationen für die Praxis. In: Wirtschaftsinformatik 46 (2004), Nr. 5, S. 382–389.
Hollingsworth 1995
Hollingsworth, David: The Workflow Reference Model / Workflow Management
Coalition. 1995 (Document Number TC00-1003). – Forschungsbericht
Holten u. Melchert 2002
Kapitel Das Supply Chain Operations Reference (SCOR)-Modell. In: Holten, Roland ; Melchert, Florian: Wissensmanagement mit Referenzmodellen. Konzepte für
die Anwendungssystem- und Organisationsgestaltung,. Physica, Heidelberg, 2002, S.
207–226
Hornung u. a. 2008
Hornung, Thomas ; Koschmider, Agnes ; Lausen, Georg: Recommendation
Based Process Modeling Support: Method and User Experience. In: ER, 2008

237

Huber u. a. 2007
Huber, Mark W. ; Piercy, Craig A. ; McKeown, Patrick G.: Information Systems:
Creating Business Value. John Wiley & Sons, Hoboken, NJ, 2007
IBM Software Group 2008
IBM Software Group: IBM Business Process Management Suite V6.1.2.
Version: August 2008. http://publib.boulder.ibm.com/infocenter/ieduasst/
v1r1m0/index.jsp?topic=/com.ibm.iea.wpi_v6/wpswid/6.1.2/Overview/
WPIv612_BPMOverview/player.html, Abruf: 26.10.2010. – Key Roles in BPM
Ingwersen 1996
Ingwersen, Peter: Cognitive Perspectives of Information Retrieval Interaction:
Elements of a Cognitive IR Theory. In: Journal of Documentation 52 (1996), Nr. 1,
S. 3–50
Jacoby u. a. 1989
Jacoby, Larry L. ; Woloshyn, Vera ; Kelley, Colleen: Becoming famous without
being recognized: Unconscious influences of memory produced by divided attention.
In: Journal of Experimental Psychology: General 118 (1989), S. 115–125.
Johannesson 1995
Johannesson, Paul: Representation and communication - a speech act based approach to information systems design. In: Information Systems 20 (1995), Nr. 4, S.
291–303
Johnson-Laird u. a. 1972
Johnson-Laird, Philiip N. ; Legrenzi, Paolo ; Sonino-Legrenzi, Maria: Reasoning and a sense of reality. In: British Journal of Psychology 63 (1972), S. 395–400
Kahneman u. Tversky 1979
Kahneman, Daniel ; Tversky, Amos: Prospect theory: An analysis of decision
under risk. In: Econometrica 47 (1979), Nr. 2, S. 263–291
Kettinger u. a. 1997
Kettinger, William J. ; Teng, James T. ; Guha, Subashish: Business Process
Change: A Study of Methodologies, Techniques, and Tools. In: MIS Quarterly 21
(1997), Nr. 1, S. 55–98
Khatri u. a. 2006
Khatri, Vijay ; Vessey, Iris ; Ramesh, V. ; Clay, Paul ; Park, Sung-Jin: Understanding Conceptual Schemas: Exploring the Role of Application and IS Domain
Knowledge. In: Information Systems Research 17 (2006), March, Nr. 1, S. 81–99
Kühne 2006
Kühne, Thomas: Matters of (Meta-) Modeling. In: Journal on Software and Systems
Modeling, 5 (2006), Nr. 4, S. 369–385

238

Kindler 2009
Kindler, Ekkart: Model-Based Software Engineering and Process-Aware Information Systems. In: Jensen, Kurt (Hrsg.) ; Aalst, Wil M. d. (Hrsg.): Transactions
on Petri Nets and Other Models of Concurrency II Bd. 5460/2009, Springer, 2009
(Lecture Notes in Computer Science), S. 27–45
Klauer u. a. 2000
Klauer, Karl-Christoph ; Musch, Jochen ; Naumer, Birgit: On belief bias in
syllogistic reasoning. In: Psychological Review 107 (2000), S. 852–884
Koedinger u. Anderson 1990
Koedinger, Kenneth R. ; Anderson, John R.: Abstract planning and perceptual
chunks: elements of expertise in geometry . In: Cognitive Science 14 (1990), S.
511–550
Koehler u. a. 2006
Koehler, Jana ; Hauser, Rainer ; Ksenia Ryndina, Jochen K. ; Vanhatalo,
Jussi ; Wahler, Michael: The Role of Visual Modeling and Model Transformations in Business-driven Development. In: Bruni, Roberto (Hrsg.) ; Varró, Dániel
(Hrsg.): Graph Transformation and Visual Modeling Techniques, Electronic Notes in
Theoretical Computer Science, April 2006, S. 1–12
Koperski 2010
Koperski, Jeffrey:
Models.
Version: Oktober 2010

Website.

http://www.iep.utm.edu/models/.

Koschmider u. a. 2009a
Koschmider, Agnes ; Song, Minseok ; Reijers, Hajo A.: Advanced Social Features in a Recommendation System for Process Modeling. In: Business Information
Systems 2009, 2009
Koschmider u. a. 2009b
Koschmider, Agnes ; Song, Minseok ; Reijers, Hajo A.: Social Software for
Modeling Business Processes. In: Business Process Management 2008 Wprkshops,
2009
Kosslyn 1994
Kosslyn, Stephen M.: Image and brain: The resolution of the imagery debate. Cambridge, MA : MIT Press, 1994
Krallmann u. a. 2007
Krallmann, Hermann (Hrsg.) ; Schönherr, Marten (Hrsg.) ; Trier, Matthias
(Hrsg.): Systemanalyse im Unternehmen. Bd. 5. Oldenbourg, 2007
Krogstie u. a. 1995
Krogstie, John ; Lindland, Odd I. ; Sindre, Guttorm: Defining quality aspects

239

for conceptual models. In: Proceedings of the 3rd IFIP international working conference on information system concepts: Towards a consolidation of views, Marburg,
Germany, 1995, S. 216–231
Krogstie u. a. 2006
Krogstie, John ; Sindre, Guttorm ; Jørgensen, Håvard D.: Process models
representing knowledge for action: a revised quality framework. In: European Journal
of Information Systems 15 (2006), S. 91–102
Küster u. a. 2008
Küster, Jochen M. ; Gerth, Christian ; Förster, Alexander ; Engels, Gregor: A
Tool for Process Merging in Business-Driven Development. In: CAiSE Forum, 2008,
S. 89–92
Küster u. a. 2006
Küster, Jochen M. ; Koehler, Jana ; Ryndina, Ksenia: Improving Business
Process Models with Reference Models in Business-Driven Development. In: Eder,
Johann (Hrsg.) ; Dustdar, Schahram (Hrsg.): Business Process Management Workshops, BPM 2006 International Workshops, BPD, BPI, ENEI, GPWW, DPM, semantics4ws, Springer, September 2006, S. 35–44
Lane u. a. 2000
Lane, Peter C. R. ; Cheng, Peter C.-H. ; Gobet, Fernand: CHREST: investigating how humans learn to solve problems using diagrams. In: Artificial Intelligence
Simulation Behavior Quarterly 103 (2000), S. 24–30
Langlois 2002
Langlois, Richard N.: Modularity in Technology and Organization. In: Journal of
Economic Behavior and Organization 49 (2002), Nr. 1, S. 19–37
Larkey 1998
Larkey, Leah S.: Automatic essay grading using text categorization techniques.
In: Proceedings of the 21st annual international ACM SIGIR conference on Research
and development in information retrieval, ACM New York, NY, USA, 1998, S. 90–95
Larkin u. Simon 1987
Larkin, Jill H. ; Simon, Herbert A.: Why a diagram is (sometimes) worth ten
thousand words. In: Cognitive Science 11 (1987), S. mo
Laub u. a. 2006
Laub, Julian ; Macke, Jakob ; Müller, Klaus-Robert ; Wichmann, Felix A.: Inducing Metric Violations in Human Similarity Judgements. In: Schölkopf, Bernhard
(Hrsg.) ; Platt, John (Hrsg.) ; Hofmann, Thomas (Hrsg.): Neural Information
Processing Systems (NIPS’06), Vancouver, BC, Canada, 4-9 December 2006 Bd. 19,
MIT Press, Cambridge, MA, 2006 (Advances in Neural Information Processing Systems), S. 777–784

240

Lea 1994
Lea, Doug: Christopher Alexander: An introduction for OO designers. In: Software
Engineering Notes 19 (1994), Nr. 1, S. 39–46
Lewandowsky u. a. 2009
Lewandowsky, Stephan ; Oberauer, Klaus ; Brown, Gordon D.: No temporal
decay in verbal short-term memory. In: Trends in Cognitive Sciences 13 (2009),
March, Nr. 3, S. 120–126
Lindland u. a. 1994
Lindland, Odd I. ; Sindre, Guttorm ; Sølvberg, Arne: Understanding quality in
conceptual modeling. In: IEEE Software 11 (1994), March, Nr. 2, S. 42–49
Lindsay u. a. 2003
Lindsay, Ann ; Downs, Denise ; Lunn, Ken: Business processes—attempts to find
a definition. In: Information and Software Technology 45 (2003), Nr. 15, S. 1015–1019
Maes u. Poels 2007
Maes, Ann ; Poels, Geert: Evaluating quality of conceptual modelling scripts based
on user perceptions. In: Data & Knowledge Engineering 63 (2007), S. 701–724
Maes u. a. 2000
Maes, Rik ; Rijsenbrij, Daan ; Truijens, Onno ; Goedvolk, Hans: Redefining
business – IT alignment through a unified framework / Universiteit van Amsterdam,
Department of Information Management. 2000. – Working Paper
Majchrzak u. a. 2000
Majchrzak, Ann ; Rice, Ronald E. ; Malhotra, Arvind ; King, N. ; Ba, S.:
Technology adaptation: The case of a computer-supported inter-organizational virtual team. In: MIS Quarterly 24 (2000), Nr. 4, S. 569–600
Markus 1994
Markus, M. L.: Electronic mail as the medium of managerial choice. In: Organization Science 5 (1994), November, Nr. 4, S. 502–527
Markus 2001
Markus, M. L.: Toward a Theory of Knowledge Reuse: Types of Knowledge Reuse
Situations and Factors in Reuse Success. In: Journal of Management Information
Systems 18 (2001), Nr. 1, S. 57–93
Mayer 1975
Mayer, Richard E.: Different problem-solving competencies established in learning
computer programming with and without meaningful models. In: J. Ed. Psych. 67
(1975), Nr. 6, S. 725–734
Mayer 1989
Mayer, Richard E.: Models for Understanding. In: Review of Educational Research
59 (1989), Nr. 1, S. 43–64

241

Mayer 2001
Mayer, Richard E.: Multimedia Learning. Cambridge University Press, Cambridge,
MA, 2001
McMaster u. Shea 1992
McMaster, Robert B. ; Shea, K. S.: Generalization in digital cartography. Association of American Geographers, Washington, D.C., 1992 (Resource publications in
geography)
Melao u. Pidd 2000
Melao, Nuno ; Pidd, Michael: A conceptual framework for understanding business
processes and business process modelling. In: Information Systems Journal 10 (2000),
Nr. 2, S. 105–129
Mendling 2007
Mendling, Jan: Detection and Prediction of Errors in EPC Business Process Models, Vienna University of Economics and Business Administration, Doctoral Thesis,
2007
Mendling 2008
Mendling, Jan: Lecture Notes in Business Information Processing.. Bd. 6: Metrics
for Process Models: Empirical Foundations of Verification, Error Prediction, and
Guidelines for Correctness. Springer, 2008, 2008
Mendling u. a. 2010a
Mendling, Jan ; Reijers, Hajo A. ; Aalst, Wil van d.: Seven process modeling guidelines (7PMG). In: Information and Software Technology 52 (2010), Nr. 2, S. 127–
136. http://dx.doi.org/http://dx.doi.org/10.1016/j.infsof.2009.08.004. –
DOI http://dx.doi.org/10.1016/j.infsof.2009.08.004. – ISSN 0950–5849
Mendling u. a. 2010b
Mendling, Jan ; Reijers, Hajo A. ; Recker, Jan: Activity labeling in process
modeling: Empirical insights and recommendations. In: Information Systems 35
(2010), Nr. 4, S. 467–482
Mendling u. a. 2008
Mendling, Jan ; Verbeek, H. ; Dongen, Boudewijn ; Aalst, Wil van d. ; Neumann, Gustaf: Detection and prediction of errors in EPCs of the SAP reference
model. In: Data and Knowledge Engineering 64 (2008), Nr. 1, S. 312–329
Merriam-Webster Online Dictionary 2010
Merriam-Webster Online Dictionary: „granularity“. Version: 2010. http:
//www.merriam-webster.com/dictionary/granularity, Abruf: 8. Mai 2010
Mervis u. Rosch 1981
Mervis, Carolyn B. ; Rosch, Eleanor: Categorization of Natural Objects. In: Ann.
Rev. of Psychology, 32 (1981), S. 89–115

242

zur Mühlen 1999
Mühlen, Michael zur: Evaluation of Workflow Management Systems Using Meta
Models. In: Proceedings of the 32nd Hawaii International Conference on System
Sciences (HICSS), IEEE, 1999
zur Mühlen 2004
Mühlen, Michael zur: Workflow-based Process Controlling. Foundation, Design,
and Implementation of Workflow-driven Process Information Systems. Bd. 6. Logos,
Berlin, 2004
zur Mühlen u. Recker 2008
Mühlen, Michael zur ; Recker, Jan: How much language is enough? Theoretical
and practical use of the business process modeling notation. In: Advanced Information Systems Engineering (CAISE ’08), Springer, 2008, S. 465–479
Microsoft Corporation 2010
http://www.bing.com
Miller 1956
Miller, George A.: The magical number seven, plus or minus two: Some limits on
our capacity for processing information. In: Psychological Review 63 (1956), S. 81–97
Miller u. Mukerji 2001
Miller, Joaquin ; Mukerji, Jishnu: Model Driven Architecture (MDA) / Object Management Group, Architecture Board ORMSC. 2001 (Document number
ormsc/2001-07-01). – Public document
Missier u. a. 2007
Missier, Fabio D. ; Ferrante, Donatella ; Costantini, Erica: Focusing effects in
predecisional information acquisition. In: Acta Psychologica 125 (2007), S. 155–174
Mitra 2005
Mitra, Tilak: Business-driven development. developerWorks Article. http://
www.ibm.com/developerworks/webservices/library/ws-bdd. Version: December
2005. – Abruf: 19. Dezember 2010
Molzberger 1985
Molzberger, Peter: Systemanalyse als therapeutischer Prozess / Universität der
Bundeswehr München, Fakultät für Informatik. Neubiberg, August 1985 (8513). –
Bericht
Moody 2009
Moody, Daniel L.: The “Physics” of Notations: Toward a Scientific Basis for Constructing Visual Notations in Software Engineering. In: IEEE Transactions on Software Engineering 35 (2009), Nr. 6, S. 756–779

243

Moody u. a. 2002
Moody, Daniel L. ; Sindre, Guttorm ; Brasethvik, Terje ; Sølvberg, Arne: Evaluating the Quality of Process Models: Empirical Testing of a Quality Framework.
In: Conceptual Modeling - ER 2002: 21st International Conference on Conceptual Modeling Tampere, Finland, October 7-11, 2002. Proceedings, Springer Berlin /
Heidelberg, 2002 (Lecture Notes in Computer Science), S. 380–396
Mucksch 2006
Kapitel Das Data Warehouse als Datenbasis analytischer Informationssysteme.
In: Mucksch, Harry: Analytische Informationssysteme. Springer Berlin Heidelberg,
2006, S. 129–142
Neumann u. a. 2003
Kapitel Continuous Process Management. In: Neumann, Stefan ; Probst, Christian ; Wernsmann, Clemens: Process Management: A Guide for the Design of
Business Processes. Springer, Berlin, 2003, S. 233–250
Newell u. Simon 1972
Newell, Allen ; Simon, Herbert A.: Human Problem Solving. Prentice-Hall, Englewood Cliffs, N.J., 1972
Nonaka u. Takeuchi 1995
Nonaka, Ikujiro ; Takeuchi, Hirotaka: The Knowledge-Creating Company: How
Japanese Companies Create the Dynamics of Innovation. Oxford University Press,
New York, 1995
Nordsieck 1934
Nordsieck, Fritz: Grundlagen der Organisationslehre. C.E. Poeschel Verlag, Stuttgart, 1934
Nunamaker u. a. 1990
Nunamaker, Jay F. ; Chen, Minder ; Purdin, Titus D. M.: Systems Development
in Information Systems Research. In: Journal of Management Information Systems
7 (1990), Nr. 3, S. 89–106
OASIS Universal Business Language (UBL) TC 2006
OASIS Universal Business Language (UBL) TC: Universal Business Language v2.0. Version: 2006. http://docs.oasis-open.org/ubl/os-UBL-2.0/UBL-2.0.
html, Abruf: 12. Oktober 2010. Website
OMG 2002
OMG: MOF 2.0 Query / Views / Transformations RFP / Object Management
Group. Version: April 2002. http://www.omg.org/cgi-bin/doc?ad/2002-4-10.
Needham, MA, USA, April 2002 (ad/2002-04-10). – OMG Document
OMG 2003
OMG: MDA Guide Version 1.0.1 / Object Management Group. 2003. – Forschungsbericht

244

OMG 2006
OMG: Meta Object Facility (MOF) Core Specification, 2.0 edition / Object Management Group. 2006. – Forschungsbericht
OMG 2008
OMG: Business Process Definition MetaModel, Volume II: Process Definitions, Version 1.0. Version: 2008. http://www.omg.org/spec/BPDM/1.0/volume2/PDF/, Abruf: 8. November 2010
Orlikowski u. Iacono 2001
Orlikowski, Wanda J. ; Iacono, C. S.: Research Commentary: Desperately Seeking the ’IT’ in IT Research - A Call to Theorizing the IT Artifact. In: Information
Systems Research 12 (2001), June, Nr. 2, S. 121–134
Paas u. a. 2010
Paas, Fred ; Gog, Tamara van ; Sweller, John: Cognitive Load Theory: New
Conceptualizations, Specifications, and Integrated Research Perspectives. In: Educational Psychology Review 22 (2010), Nr. 2, S. 115–121. http://dx.doi.org/10.
1007/s10648-010-9133-8. – DOI 10.1007/s10648–010–9133–8
Pant u. Juric 2008
Pant, Kapil ; Juric, Matjaz B.: Business Process Driven SOA using BPMN and
BPEL. PACKT Publishing, 2008
Parnas 1972
Parnas, David L.: On the Criteria for Decomposing Systems into Modules. In:
Communications of the ACM 15 (1972), Nr. 12, S. 1053–1058
Parsons u. Saunders 2004
Parsons, Jeffrey ; Saunders, Chad: Cognitive Heuristics in Software Engineering:
Applying and Extending Anchoring and Adjustment to Artifact Reuse. In: IEEE
Trans. Software Eng. 30 (2004), Nr. 12, S. 873–888
Plous 1993
Plous, Scott: The Psychology of Judgement and Decision Making. McGraw Hill,
1993
Polyvyanyy u. a. 2009
Polyvyanyy, Artem ; Smirnov, Sergey ; Weske, Mathias: The Triconnected Abstraction of Process Models. In: Dayal, Umeshwar (Hrsg.) ; Koehler, Jana (Hrsg.)
; Reijers, Hajo (Hrsg.): Business Process Management (BPM) Bd. 5701/2009,
Springer-Verlag Berlin Heidelberg, 2009 (Lecture Notes in Computer Science), S.
229–244
Porter 1985
Porter, Michael E.: Competitive Advantage: Creating and Sustaining Superior Performance. The Free Press, New York, 1985

245

Poulton 1954
Poulton, E. C.: Eye-hand span in simple serial tasks. In: Journal of Experimental
Psychology 47 (1954), S. 403–410
Prabhu 1987
Prabhu, N.: Second Language Pedagogy. Oxford University Press, Oxford, 1987
Prieto-Díaz 1993
Prieto-Díaz, Ruben: Status report: Software reusability. In: lEEE Software 10
(1993), Nr. 3, S. 61–66
Purao u. a. 2001
Purao, Sandeep ; Bush, Ashley ; Rossi, Matti: Problem and design spaces during
object-oriented design: An exploratory study. In: Proc. of the 34th Annual Hawaii
Internat. Conf System Sci., Maui, 2001
Purao u. a. 2003
Purao, Sandeep ; Storey, Veda C. ; Han, Taedong: Improving analysis pattern
reuse in conceptual design: Augmenting automated processes with supervised learning. In: Information Systems Research 14 (2003), Nr. 3, S. 269–290
Qu u. a. 2008
Qu, Chen ; Zhou, Liming ; Luo, Yue jia: Electrophysiological correlates of adjustment process in anchoring effects. In: Neuroscience Letters 445 (2008), S. 199–203
Recker 2007
Recker, Jan: A socio-pragmatic constructionist framework for understanding quality in process modelling. In: Australasian Journal of Information Systems 14 (2007),
Nr. 2, S. 43–63
Recker 2010a
Recker, Jan: Continued use of process modeling grammars: the impact of individual
difference factors. In: European Journal of Information Systems 19 (2010), Nr. 1, S.
76–92
Recker 2010b
Recker, Jan: Opportunities and constraints: the current struggle with BPMN.
In: Business Process Management Journal 16 (2010), Nr. 1, S. 181–201. – ISSN
1463–7154
Recker u. a. 2010
Recker, Jan ; Rosemann, Michael ; Indulska, Marta ; Green, Peter: Business Process Modeling – A Comparative Analysis. In: Journal of the Association of
Information Systems 10 (2010), Nr. 4, S. 333–363
Recker u. a. 2007
Recker, Jan ; Rosemann, Michael ; Krogstie, John: Ontology- versus pattern-

246

based evaluation of process modeling languages: A comparison. In: Communications
of the Association for Information Systems 20 (2007), Nr. 48, S. 774–799
Reijers u. Mendling 2008
Reijers, Hajo ; Mendling, Jan: Modularity in Process Models: Review and Effects. In: Dumas, Marlon (Hrsg.) ; Reichert, Manfred (Hrsg.) ; Shan, M.-C.
(Hrsg.): Business Process Management Bd. 5240/2008, Springer Berlin Heidelberg,
2008 (Lecture Notes in Computer Science), S. 20–35
Reijers u. Mendling 2011
Reijers, Hajo A. ; Mendling, Jan: A Study into the Factors that Influence the
Understandability of Business Process Models. In: IEEE Transactions on Systems,
Man, and Cybernetics (2011). – Accepted paper
Reinhartz-Berger u. a. 2005
Reinhartz-Berger, Iris ; Soffer, Pnina ; Sturm, Arnon: A Domain Engineering
Approach to Specifying and Applying Reference Models. In: Desel, Jörg (Hrsg.)
; Frank, Ulrich (Hrsg.): Proceedings of the Workshop on Enterprise Modelling and
Information Systems Architectures, 2005, S. 50–63
van Rijsbergen 2004
Rijsbergen, Cornelis J.: The geometry of information retrieval. Cambridge University Press, Cambridge, UK, 2004
Robinson 2001
Robinson, Peter: Task complexity, task difficulty, and task production: exploring
interactions in a componential framework. In: Applied Linguistics 22 (2001), Nr. 1,
S. 27–57
Rolland u. Prakash 1993
Rolland, Colette ; Prakash, Naveen: Reusable process chunks. In: Database
and Expert Systems Applications Bd. 720/1993, Springer Berlin / Heidelberg, 1993
(Lecture Notes in Computer Science), S. 655–666
Rosa u. a. 2010
Rosa, Marcello L. ; Reijers, Hajo A. ; Aalst, Wil M. d. ; Dijkman, Remco M. ;
Mendling, Jan ; Dumas, Marlon ; García-Bañuelos, Luciano: APROMORE: An
Advanced Process Model Repository. In: Expert Systems with Applications (2010).
– Preprint submitted
Rosemann u. a. 2006
Rosemann, Michael ; Recker, Jan ; Indulska, Marta ; Green, P.: A Study of the
Evolution of the Representational Capabilities of Process Modeling Grammars. In:
Dubois, E. (Hrsg.) ; Pohl, K. (Hrsg.): Advanced Information Systems Engineering
(CAiSE ’06), Springer, 2006, S. 447–461

247

Rousu u. Aarts 1996
Rousu, Juho ; Aarts, Robert J.: Adaptation cost as a criterion for solution evaluation. In: Advances in Case-Based Reasoning, Springer Verlag Berlin, Heidelberg,
1996 (Lecture Notes in Computer Science), S. 354–361
Scaife u. Rogers 1996
Scaife, Mike ; Rogers, Yvonne: External cognition : how do graphical representations work? In: International Journal Human-Computer Studies 45 (1996), S.
185–213
Schaffhauser 2010
Schaffhauser, Dian: BPM Roles and Responsibilities. Version: Oktober 2010.
http://www.bpmenterprise.com/content/c060626a.asp, Abruf: 26.10.2010
Schilling 2000
Schilling, Melissa A.: Towards a general modular systems theory and its application to inter-firm product modularity. In: Academy of Management Review 25 (2000),
S. 312–334
Schlagheck 2000
Schlagheck, Bernhard: Objektorientierte Referenzmodelle für das Prozess- und
Projektcontrolling : Grundlagen, Konstruktion, Anwendungsmöglichkeiten. - XXIII,
253 S. . -. Gabler Edition Wissenschaft : Informationsmanagement und Controlling.
Wiesbaden : Dt. Univ.-Verl.; Wiesbaden : Gabler , 2000, 2000
Schrepfer 2010
Schrepfer, Matthias: Modeling Guidelines for Business Process Models, HumboldtUniversität zu Berlin, Masterarbeit, 2010
Schütte 1998a
Schütte, Reinhard: Grundsätze ordnungsmäßiger Modellierung - Über Konstruktivisten, Handels-H’s und Referenzmodelle. Arbeitspapier, 1998. – Institut für Wirtschaftsinformatik
Schütte 1998b
Schütte, Reinhard: Grundsätze ordnungsmäßiger Referenzmodellierung – Konstruktion konfigurations- und anpassungsorientierter Modelle. Dr. Th. Gabler Verlag,
1998
Searle 1969
Searle, John: Speech Acts: An Essay in the Philosophy of Language. Cambridge
University Press, Cambridge, Massachusetts, 1969
Shaft u. Vessey 2006
Shaft, Teresa M. ; Vessey, Iris: The Role of Cognitive Fit in the Relationship
between Software Comprehension and Modification. In: MIS Quarterly 30 (2006),
Nr. 1, S. 29–55

248

Shannon u. Weaver 1963
Shannon, Claude E. ; Weaver, Warren: The Mathematical Theory of Communication. University of Illinois Press, 1963
Siau u. Rossi 2007
Siau, Keng ; Rossi, Matti: Evaluation techniques for systems analysis and design modelling methods – a review and comparative analysis. In: Information Systems Journal (2007), Dezember. http://dx.doi.org/10.1111/j.1365-2575.2007.
00255.x. – DOI 10.1111/j.1365–2575.2007.00255.x. – Wiley Online Library
Siau u. Rossi 2010
Siau, Keng ; Rossi, Matti: Evaluation techniques for systems analysis and design modelling methods – a review and comparative analysis. Online in advance of print. http://onlinelibrary.wiley.com/doi/10.1111/j.1365-2575.2007.
00255.x/full. Version: August 2010
Signavio GmbH 2009
Signavio GmbH: Signavio. Version: 2009. http://academic.signavio.com, Abruf:
17.3.2010
Silver 2007
Silver, Bruce:
BPMN and the Business Process Expert, Part 6: Choreography and Multi-Pool Processes.
http://www.sdn.sap.com/irj/scn/go/
portal/prtroot/docs/library/uuid/90f6b04c-fb9b-2a10-ba80-a7924bc7b954.
Version: Dezember 2007
Simon 1996
Simon, Herbert A.: The sciences of the artificial. MIT press, 1996
Simon u. Hayes 1976
Simon, Herbert A. ; Hayes, John R.: The understanding process: Problem isomorphs. In: Cognitive Psychology 8 (1976), S. 165–190
Smelcer u. Carmel 1997
Smelcer, John B. ; Carmel, Erran: The effectiveness of different representations
for managerial problem solving: Comparing maps and tables. In: Decision Sciences
28 (1997), Nr. 2, S. 391–420
Smirnov u. a. 2010a
Smirnov, Sergey ; Dijkman, Remco ; Mendling, Jan ; Weske, Mathias:
Meronymy-Based Aggregation of Activities in Business Process Models. In: Parsons, Jeffrey (Hrsg.) ; Saeki, Motoshi (Hrsg.) ; Shoval, Peretz (Hrsg.) ; Woo, Carson (Hrsg.) ; Wand, Yair (Hrsg.): Conceptual Modeling – ER 2010 Bd. 6412/2010,
Springer Berlin Heidelberg New York, 2010 (Lecture Notes in Computer Science), S.
1–14

249

Smirnov u. a. 2010b
Smirnov, Sergey ; Reijers, Hajo A. ; Nugteren, Thijs ; Weske, Mathias: Business Process Model Abstraction: Theory and Practice / Hasso-Plattner-Institut. 2010
(Nr. 35). – Technischer Bericht
Soffer u. a. 2007
Soffer, Pnina ; Reinhartz-Berger, Iris ; Sturm, Arnon: Facilitating Reuse
by Specialization of Reference Models for Business Process Design. In: Proceedings of the 8th Workshop on Business Process Modeling, Development, and Support
(BPMDS’07) in conjunction with the 19th International Conference on Advanced
Information Systems Engineering (CAiSE’07), 2007
Stachowiak 1973
Stachowiak, Herbert: Allgemeine Modelltheorie. Springer-Verlag Wien, 1973
Statistisches Bundesamt Deutschland 2008
Statistisches Bundesamt Deutschland:
Klassifikation der Wirtschaftszweige (WZ 2008) / Statistisches Bundesamt Deutschland.
Version: 2008.
http://www.destatis.de/jetspeed/portal/cms/Sites/destatis/Internet/DE/
Content/Klassifikationen/GueterWirtschaftklassifikationen/Content75/
KlassifikationWZ08,templateId=renderPrint.psml. 2008 (Ausgabe 2008). –
Forschungsbericht
Steinmüller 1993
Steinmüller, Wilhelm: Informationstechnologie und Gesellschaft: Einführung in
die Angewandte Informatik. Wissenschaftliche Buchgesellschaft, Darmstadt, 1993
Stemler 2001
Stemler, Steve: An overview of content analysis. In: Practical Assessment, Research
& Evaluation 7 (2001), Nr. 17, S. 1–11
Stenning u. Oberlander 1995
Stenning, Keith ; Oberlander, Jon: A cognitive theory of graphical and linguistic
reasoning : logic and implementation. In: Cognitive Science 19 (1995), S. 97–140
Sturm u. Reinhartz-Berger 2004
Sturm, Arnon ; Reinhartz-Berger, Iris: Applying the Application-based Domain
Modeling Approach to UML Structural Views. In: 23rd International Conference on
Conceptual Modeling (ER’2004) Bd. LNCS 3288, 2004, S. 766–779
Sutcliffe 2002
Sutcliffe, Alistair: The Domain Theory: Patterns for Knowledge and Software
Reuse. Lawrence Erlbaum Associates, 2002
Sweller 1988
Sweller, John: Cognitive Load During Problem Solving: Effects on Learning. In:
Cognitive Science 12 (1988), S. 257–285

250

Sweller 1994
Sweller, John: Cognitive Load Theory, Learning Difficulty, and Instructional Design. In: Learning and Instruction 4 (1994), S. 295–312
Thomas 2006
Thomas, Oliver ; Loos, Peter (Hrsg.): Management von Referenzmodellen - Entwurf
und Realisierung eines Informationssystems zur Entwicklung und Anwendung von
Referenzmodellen. Logos Verlag Berlin, 2006 (Wirtschaftsinformatik - Theorie und
Anwendung)
TM Forum 2005
TM Forum: enhanced Telecom Operations Map (eTOM) - The Business Process
Framework. Release 6.0. TM Forum, November 2005
TM Forum 2008
TM Forum: Business Process Framework (eTOM) - GB921 Addendum F: Process
Flow Examples. July 2008
Tomaz u. a. 2009
Tomaz, Luiz F. C. ; Rodrigues, José A. ; Xexeo, Geraldo B. ; Souza, J. M.:
Collaborative process modeling and reuse evaluation. In: Collaborative Computing:
Networking, Applications and Worksharing, 2009, IEEE, 2009, S. 1–9
Tversky u. Kahneman 1974
Tversky, Amos ; Kahneman, Daniel: Judgment under uncertainty: Heuristics and
biases. In: Science 185 (1974), Nr. 4157, S. 1124–1131
Umapathy u. Purao 2008
Umapathy, Karthikeyan ; Purao, Sandeep: Representing and Accessing Design
Knowledge for Service Integration. In: Proceedings of the 2008 IEEE International
Conference on Services Computing Bd. 1, IEEE Computer Society, Washington, DC,
USA, 2008, S. 67–74
Umapathy u. a. 2008
Umapathy, Karthikeyan ; Purao, Sandeep ; Barton, Russell R.: Designing enterprise integration solutions: effectively. In: European Journal of Information Systems
00 (2008), S. 1–14
Vakkari 1999
Vakkari, Pertti: Task complexity, problem structure and information actions Integrating studies on information seeking and retrieval. In: Information Processing and
Management 35 (1999), S. 819–837
Vanderfeesten u. a. 2008
Vanderfeesten, Irene ; Reijers, Hajo A. ; Mendling, Jan ; Aalst, Wil van d. ;
Cardoso, J.: On a Quest for Good Process Models: The Cross-Connectivity Metric.
In: Advanced Information Systems Engineering Bd. 5074„ 2008 (Lecture Notes in
Computer Science,), S. 480–494

251

Vanhatalo u. a. 2008
Vanhatalo, Jussi ; Völzer, Hagen ; Koehler, Jana: The Refined Process Structure Tree. In: Dumas, M. (Hrsg.) ; Reichert, M. (Hrsg.) ; Shan, M.-C. (Hrsg.):
Business Process Management Bd. 5240, Springer Berlin Heidelberg, 2008 (Lecture
Notes in Compute Science), S. 100–115
Venkatesh 2000
Venkatesh, Viswanath: Determinants of Perceived Ease of Use: Integrating Control, Intrinsic Motivation, and Emotion into the Technology Acceptance Model. In:
Information Systems Research 11 (2000), Nr. 4, S. 342–365
Venkatesh u. Morris 2000
Venkatesh, Viswanath ; Morris, Michael G.: Why Don’t Men Ever Stop to Ask
for Directions? Gender, Social Influence, and Their Role in Technology Acceptance
and Usage Behavior. In: MIS Quarterly 24 (2000), Nr. 1, S. 115–139
Verner 2001
Verner, Miroslav: The Pyramids: The Mystery, Culture, and Science of Egypt’s
Great Monuments. Grove Press, 2001. – ins Englische übersetzt von Steven Rendall
Vessey 1991
Vessey, Iris: Cognitive fit: A theory-based analysis of the graphs versus tables
literature. In: Decision Sciences 22 (1991), Nr. 2, S. 219–240
Vessey u. Galletta 1991
Vessey, Iris ; Galletta, Dennis: Cognitive Fit: An Empirical Study of Information
Acquisition. In: Information Systems Research 2 (1991), Nr. 1, S. 63–84
Wager u. Smith 2003
Wager, Tor D. ; Smith, Edward E.: Neuroimaging studies of working memory: A
meta-analysis. In: Cognitive, Affective, & Behavioral Neuroscience 3 (2003), Nr. 4,
S. 255–274
Walls u. a. 1992
Walls, Joseph G. ; Widmeyer, George R. ; El Sawy, Omar A.: Building an Information System Design Theory for Vigilant EIS. In: Information Systems Research
3 (1992), Nr. 1, S. 36–59
Wand u. Weber 1989
Kapitel An Ontological Evaluation of Systems Analysis and Design Methods.
In: Wand, Yair ; Weber, Ron: Information Systems Concepts: An In-Depth Analysis. North-Holland, 1989, S. 79–107
Wand u. Weber 1995
Wand, Yair ; Weber, Ron: On the Deep Structure of Information Systems. In:
Information Systems Journal 5 (1995), Nr. 3, S. 203–223

252

Wand u. Weber 2002
Wand, Yair ; Weber, Ron: Research Commentary: Information Systems and Conceptual Modeling - A Research Agenda. In: Information Systems Research 13 (2002),
Nr. 4, S. 363–376
Weber u. Reichert 2008
Weber, Barbara ; Reichert, Manfred: Refactoring process models in large process
repositories. In: Bellahsène, Zohra (Hrsg.) ; Léonard, Michel (Hrsg.) ; Springer
(Veranst.): Advanced Information Systems Engineering Bd. 5074/2008 Springer, 2008
(Lecture Notes in Computer Science), S. 124–139
Weber u. a. 2008
Weber, Barbara ; Reichert, Manfred ; Rinderle-Ma, Stefanie: Change patterns
and change support features – Enhancing flexibility in process-aware information
systems. In: Data & Knowledge Engineering 66 (2008), S. 438–466
Weber u. a. 2007
Weber, Barbara ; Rinderle, Stefanie ; Reichert, Manfred: Change Patterns and
Change Support Features in Process-Aware Information Systems. In: Krogstie, J.
(Hrsg.) ; Opdahl, A.L. (Hrsg.) ; Sindre, G. (Hrsg.): Advanced Information Systems
Engineering Bd. 4495/2007, Springer Berlin / Heidelberg, June 2007 (Lecture Notes
in Computer Science), S. 574–588
WFMC 1994
WFMC: The Workflow Reference Model / Workflow Management Coalition. Brüssel, Belgien, 1994 (TC00-1003). – Document
Wiktionary 2010
Wiktionary: „granular“. Version: 2010.
granular, Abruf: 9. Mai 2010

http://en.wiktionary.org/wiki/

Wohed 2000
Wohed, Petia: Conceptual patterns for reuse in information systems analysis. In:
Proc. 72th Internat. Conf. Adv. Inform. Systems, Stockholm, Sweden, 2000, S. 157–
175
Wohlin u. a. 2000
Wohlin, Claes ; Runeson, Per ; Höst, Martin ; Ohlsson, Magnus C. ; Regnell,
Björn ; Wesslén, Anders: Experimentation in software engineering: an introduction. Kluwer Academic Publishers, Norwell, MA, Dordrecht, Netherlands, 2000 (The
Kluwer international series in software engineering)
Workflow Patterns Initiative 2010
Workflow Patterns Initiative: Workflow Patterns. Version: 2010. http://
www.workflowpatterns.com/, Abruf: 20. Oktober 2010

253

Wright u. Anderson 1989
Wright, William F. ; Anderson, Urton: Effects of situation familiarity and financial incentives on use of the anchoring and adjustment heuristic for probability
assessment. In: Organ. Behav. Human Decision Processes 44 (1989), Nr. 1, S. 68–82
Wyssusek 2004
Wyssusek, Boris: Methodologische Aspekte der Organisationsmodellierung in der
Wirtschaftsinformatik - Ein soziopragmatisch-konstruktivistischer Ansatz, Technische Universität Berlin, Diss., 2004
Xu u. Ramesh 2009
Xu, Peng ; Ramesh, Balasubramaniam: Impact of Knowledge Support on the Performance of Software Process Tailoring. In: Journal of Management Information
Systems 25 (2009), Nr. 3, S. 277–314
Yan u. a. 2011
Yan, Zhiqiang ; Dijkman, Remco ; Grefen, Paul: Business Process Model Repositories - Framework and Survey. In: Information and Software Technology In press
(2011)
Yang 1997
Yang, Shu C.: Information seeking as problem-solving using a qualitative approach
to unfover the novice learners’ information-seeking process in a perseus hypertext
system. In: Library and Information Science Research, 19 (1997), Nr. 1, S. 71–92
Yao 2003
Yao, Yiyu: Probabilistic approaches to rough sets. In: Expert Systems 20 (2003), S.
287–297
Yao 2004
Yao, Yiyu: A partition model of granular computing. In: Transactions on Rough
Sets Bd. 1, Springer, 2004 (Lecture Notes in Computer Science), S. 232–253
Zadeh 1997
Zadeh, Lotfi A.: Towards a theory of fuzzy information granulation and its centrality
in human reasoning and fuzzy logic. In: Fuzzy Sets and Systems 19 (1997), S. 111–127
Zhang u. Norman 1994
Zhang, Jiajie ; Norman, Donald A.: Representations in distributed cognitive tasks.
In: Cognitive Science 18 (1994), S. 87–122
Zigurs u. Buckland 1998
Zigurs, Ilze ; Buckland, Bonnie K.: A theory of task/technology fit and group
support systems effectiveness. In: MIS Quarterly 22 (1998), Nr. 3, S. 313–334
Zmud u. Cox 1979
Zmud, Robert W. ; Cox, James F.: The implementation process: a change approach.
In: MIS Quarterly 3 (1979), Nr. 2, S. 35–43

254