Prompt Engineering im Geschäftsprozessmanagement (eBook)

Innovation mit KI als Schlüssel zur Effizienz

Thomas Keuthen (Autor)

eBook Download: PDF

2025 | 1. Auflage
292 Seiten
Springer Gabler (Verlag)
978-3-658-48676-1 (ISBN)

Infos

Bei der Optimierung von Geschäftsprozessen spielen Large Language Models (LLMs) wie ChatGPT eine zentrale Rolle. Ziel des Buches ist, eine Brücke zwischen klassischen Prozessmanagement-Methoden und den neuesten Entwicklungen im Bereich Künstlicher Intelligenz zu schlagen. Dabei werden nicht nur theoretische Grundlagen vermittelt, sondern auch praxisnahe Anwendungsfälle vorgestellt. Besonderes Augenmerk liegt auf Strategien zur effizienten Nutzung von LLMs, der Kostenkontrolle und der Vermeidung von Anbieterabhängigkeiten.

Von der Prozessidentifikation über die Modellierung bis hin zur kontinuierlichen Optimierung – LLMs eröffnen neue Möglichkeiten in der Dokumentenanalyse, Prozessgestaltung und -überwachung, im Kundenservice oder in ERP-Systemen. Fallstudien und klare Methoden helfen dabei, die richtige KI-Technologie auszuwählen und effizient in bestehende Systeme zu integrieren. Das Buch zeigt mit konkreten Beispielen anschaulich, wie Unternehmen LLMs erfolgreich einsetzen können und welche Herausforderungen bei der Implementierung bestehen. Es liefert verständliche und anwendungsorientierte Inhalte für alle, die Geschäftsprozesse zukunftsfähig gestalten möchten.

Inhalt

Vorwort 5
Inhaltsverzeichnis 9
Der Autor 14
Abbildungsverzeichnis 16
Tabellenverzeichnis 17
1: Einleitung 18
1.1 Geschäftsprozessmanagement in der digitalen Transformation 19
1.2 Bedeutung von Large Language Models und Prompt Engineering 21
1.3 Ziele des Buches 23
1.4 Aufbau des Buches 24
Literatur 26
2: Grundlagen 27
2.1 Geschäftsprozessmanagement 27
2.1.1 Definitionen und Konzepte 27
2.1.2 Ziele 30
2.1.3 Artefakte und Akteure im Geschäftsprozesslebenszyklus 31
2.1.3.1 Prozessidentifikation 32
2.1.3.2 Prozessmodellierung 34
2.1.3.3 Prozessanalyse 34
2.1.3.4 Prozessgestaltung 36
2.1.3.5 Prozessimplementierung 37
2.1.3.6 Prozessüberwachung und -kontrolle 38
2.1.3.7 Prozessoptimierung 39
2.1.4 Business Process Model and Notation (BPMN) 40
2.2 Large Language Models 45
2.2.1 Einführung Künstliche Intelligenz 45
2.2.2 Zentrale Begriffe und Technologien 48
2.2.3 Large Language Models 50
2.2.4 Textverständnis 53
2.2.5 Tokenization 55
2.2.6 Transformer-Modell 57
2.2.7 Training 63
2.2.8 Python Skript 68
2.3 Prompt Engineering 70
2.3.1 Der Prompt 70
2.3.2 Grundprinzipien 75
2.3.3 Grundtechniken 78
2.3.4 Meta-Optimierung 82
2.3.5 Zentrale Herausforderungen und Lösungen 85
Literatur 90
3: LLMs im GPM 93
3.1 Dokumente analysieren 93
3.1.1 Texttypen 93
3.1.2 Strukturierungsgrad 96
3.1.3 Zielgruppe 97
3.1.4 Mehrsprachigkeit 99
3.1.5 Sprachstile 102
3.2 Prozessidentifikation 104
3.2.1 Prozessstrategie entwickeln 104
3.2.2 Prozessgovernance vorbereiten 106
3.2.3 Prozesslandkarte erstellen 108
3.3 Prozessmodellierung 112
3.3.1 Prozessschritte identifizieren 112
3.3.2 BPMN-Kollaborationsdiagramme modellieren 118
3.3.3 Organigramm modellieren 124
3.3.4 IT-Architektur modellieren 127
3.4 Analyse bestehender Geschäftsprozesse 129
3.4.1 Prozessqualität bestimmen 129
3.4.2 Prozesskennzahlen ermitteln 132
3.5 Prozessgestaltung 135
3.5.1 Maßnahmen definieren 135
3.5.2 Maßnahmen priorisieren 137
3.5.3 Prozess-Roadmap gestalten 141
3.6 Implementierung neuer Prozessmodelle 143
3.6.1 Maßnahmen umsetzen 143
3.6.2 Maßnahmen kommunizieren 147
3.7 Überwachung und kontinuierliche Verbesserung 151
3.7.1 Compliance prüfen 151
3.7.2 Prozessgovernance prüfen 153
3.7.3 Wirtschaftlichkeit prüfen 156
3.8 Optimierung von Prozessen 159
3.8.1 Prozesse automatisieren 159
3.8.2 Kontinuierlich verbessern (CPI) 161
3.8.3 Radikal verbessern (BPR) 163
Literatur 165
4: Prompt Engineering im GPM 167
4.1 Schritt-für-Schritt Prompt-Erstellung 167
4.1.1 Problemidentifikation 167
4.1.2 Zielsetzung 169
4.1.3 Kontext bereitstellen 171
4.1.4 Prompt-Formulierung 172
4.1.5 Testen und Validieren 173
4.1.6 Iteration und Optimierung 175
4.2 Prompt-Optimierung 179
4.2.1 Grundregeln 179
4.2.2 Top-Down 181
4.2.3 Grammatik 183
4.3 Der Prozessanalyst als Prompt Engineer 185
4.3.1 Hard- und Soft-Skills 185
4.3.2 Informationsverarbeitungskompetenzen 188
4.3.3 Sprachkompetenzen für Arbeitsanweisungen 190
4.4 Praktische Beispiele 198
4.4.1 Prozessmodellierung in Hochschulen 198
4.4.2 Prozessmodellierung in SAP-Projekten 201
Literatur 203
5: Technische Integration 204
5.1 GPM-Tools mit LLMs erweitern 204
5.1.1 Sprachmodelle im Vergleich 204
5.1.2 Sprachmodelle im GPM-Lifecycle 210
5.1.3 Auswahl geeigneter LLMs 213
5.1.4 Technische Integration 216
5.1.5 No-Code Workflow-Management-Systeme 218
5.2 Datenintegration und -management 220
5.2.1 Datenakquise 220
5.2.2 Datenaufbereitung 221
5.2.3 Datenverwaltung 222
5.2.4 Sicherheits- und Datenschutzaspekte 224
5.3 LLM-basierte Prozessmanagement-Systeme entwickeln 228
5.3.1 Typische Ausgangssituation 228
5.3.2 Implementierungsschritte 229
5.3.3 Potenziale 232
5.4 LLM-basiertes Process Mining 235
5.4.1 Einführung in Process Mining 235
5.4.2 Process Discovery 237
5.4.3 Process Conformance Checking 238
5.4.4 Process Enhancement 240
5.5 Empfehlungen für die Praxis 241
Literatur 243
6: LLM-Prozessstrategie 245
6.1 Strategische Bedeutung von LLMs im GPM 245
6.1.1 Technologische Einordnung 245
6.1.2 Auswirkungen auf Geschäftsprozesse 247
6.1.3 Chancen und Herausforderungen 248
6.1.4 Stakeholder-Management 251
6.1.5 Best Practices aus der Praxis 254
6.1.5.1 SAP-System-Architektur 254
6.1.5.2 Unternehmensspezifische Prompt-Bibliothek 255
6.1.5.3 Gamifizierte Trainingseinheiten zur erfolgreichen Einführung von LLMs 256
6.2 Phasen LLM-gestützter Prozessstrategien 259
6.2.1 Strategische Analyse 259
6.2.2 Strategieentwicklung 260
6.2.3 Strategieimplementierung 262
6.2.4 Integration in bestehende Organisationsstrategien 263
Literatur 264
7: Ausblick 265
7.1 Zukünftige Weiterentwicklungstrends 265
7.1.1 Verbesserung der Modellgenauigkeit 265
7.1.2 Edge AI 267
7.1.3 Erweiterung der Anwendungsbereiche 269
7.1.4 Ethik und Datenschutz 270
7.1.5 Benutzerfreundlichkeit und Zugänglichkeit 272
7.2 Strategische Empfehlungen für Unternehmen 273
7.2.1 Investitionen in Technologie 273
7.2.2 Outsourcing-Strategien 275
7.2.3 Zusammenarbeit mit Experten und Forschungseinrichtungen 276
Literatur 278
8: Fallstudien aus der Praxis 279
8.1 LLM-gestützte Prozessmodellierung 279
8.1.1 Forschungsprojekt 279
8.1.2 Herausforderung 280
8.1.3 Lösungsansätze 281
8.1.4 Ergebnisse 283
8.2 LLM-gestützte Kundenservice-Prozesse 284
8.2.1 Unternehmen 284
8.2.2 Herausforderung 285
8.2.3 Lösungsansätze 286
8.2.4 Ergebnisse 287
8.3 LLM-gestützte ERP-Systeme 288
8.3.1 Unternehmen 288
8.3.2 Herausforderung 289
8.3.3 Lösungsansätze 290
8.3.4 Ergebnisse 291

Produkt-Details

• Erscheint lt. Verlag: 28.7.2025
• Sprache: deutsch
• Themenwelt: Mathematik / Informatik ► Informatik ► Datenbanken
• Themenwelt: Wirtschaft ► Allgemeines / Lexika
• Themenwelt: Wirtschaft ► Betriebswirtschaft / Management ► Wirtschaftsinformatik
• ISBN-10: 3-658-48676-7 / 3658486767
• ISBN-13: 978-3-658-48676-1 / 9783658486761