Künstliche Intelligenz eröffnet neue Möglichkeiten, Beratungsleistungen zu automatisieren und zu skalieren. Doch wie können automatisiert erzeugte Analyseergebnisse so aufbereitet werden, dass sie für Berater und Klienten verständlich, nachvollziehbar und vertrauenswürdig bleiben?

Die Arbeit entwickelt und evaluiert nach dem Design Science Research-Paradigma mit KBXAI-PA einen Wissensgraph-basierten Ansatz der erklärbaren Künstlichen Intelligenz für die Geschäftsprozessanalyse. Der Ansatz verbindet explizites Experten- und Domänenwissen mit deduktiven Analyseverfahren und interaktiven Lernmechanismen. Dadurch können Schwachstellen in Geschäftsprozessen identifiziert, geeignete Verbesserungsmaßnahmen abgeleitet und die zugrunde liegenden Entscheidungspfade transparent erklärt werden. Eine interaktive Erklärungsschnittstelle bereitet die Ergebnisse nutzerorientiert auf und ermöglicht einen bidirektionalen Erklärungsprozess durch menschliches Feedback.

Die Evaluation zeigt, dass wissensbasierte und datengetriebene Verfahren wie Process Mining komplementäre Stärken besitzen. Insbesondere bei der begründeten, domänenspezifischen Analyse von Verbesserungspotenzialen bietet KBXAI-PA einen Mehrwert.

Damit leistet die Arbeit einen Beitrag zur vertrauenswürdigen Virtualisierung der Unternehmensberatung. Sie eröffnet neue Möglichkeiten für skalierbare Beratungsangebote, Self-Service-Anwendungen und menschenzentrierte Formen der Zusammenarbeit zwischen KI, Beratern und Klienten.