Warum KI noch keine Geschäftsprozessdiagramme erstellen kann

Das Business Process Model and Notation (BPMN) hat sich zum Standard für die Dokumentation der Arbeitsabläufe in Unternehmen entwickelt. Die Erstellung und Pflege präziser Prozessdiagramme erfordert jedoch Fachwissen, über das viele Unternehmen nicht verfügen. Grosse Sprachmodelle (LLMs) könnten dies ändern. Die Idee: Man beschreibt einen Arbeitsablauf in einfacher Sprache und erhält ein korrektes BPMN-Diagramm. Die Technologie scheint bereit zu sein, aber aktuelle LLMs können keine zuverlässigen, standardkonformen Ergebnisse liefern. In einem Projekt der BFH Technik und Informatik wurde untersucht, warum das so ist.

Einleitung

Grosse Sprachmodelle wie ChatGPT und Claude können nun strukturierte Ergebnisse direkt aus der Alltagssprache generieren, nicht nur aus Text. Dies eröffnet eine offensichtliche Möglichkeit: die Automatisierung der Erstellung professioneller Prozessdiagramme, wodurch möglicherweise die Lücke zwischen Geschäftsexperten und technischen Modellierern geschlossen werden könnte (Li & Toxtli, 2024).

Der Bedarf ist klar. In der heutigen vernetzten Wirtschaft sind transparente und standardisierte Arbeitsabläufe unerlässlich. BPMN 2.0 bietet eine einheitliche Methode zur Darstellung von Geschäftsprozessen, die plattformübergreifend funktioniert. Es ermöglicht die Kommunikation zwischen Geschäfts- und IT-Abteilungen, unterstützt die Prozessanalyse und -automatisierung und treibt die kontinuierliche Verbesserung voran (Object Management Group, 2011).

Aber es gibt ein Problem. Trotz der theoretischen Versprechen zeigt die praktische Umsetzung erhebliche Hindernisse. Die traditionelle Einzelmodellierung führt selten zu validen BPMN-Ergebnissen, insbesondere bei komplexen Prozessen.

Warum haben LLMs Schwierigkeiten mit der BPMN-Generierung? Was sind die wichtigsten Herausforderungen, die bewältigt werden müssen, bevor wir uns auf die automatisierte Prozessmodellierung verlassen können?

Warum Prozessmodellierung nicht so einfach ist, wie es scheint

BPMN 2.0 hat sich zum internationalen Standard für die Geschäftsprozessmodellierung entwickelt. Seine grafische Notation schlägt eine Brücke zwischen den Geschäftsinteressenten, die Prozesse entwerfen, und den technischen Teams, die sie umsetzen, und unterstützt den gesamten Lebenszyklus von der Dokumentation über die Optimierung bis hin zur Automatisierung (Dumas et al., 2018).

Unternehmen aller Branchen verlassen sich auf BPMN. Gesundheitseinrichtungen dokumentieren die Patientenversorgung vom Eintritt bis zur Entlassung. Finanzdienstleister bilden Compliance-Workflows ab. Fertigungsunternehmen koordinieren Lieferketten. Öffentliche Verwaltungen standardisieren Bürgerdienste.

Dennoch haben die meisten Unternehmen Schwierigkeiten, eine genaue BPMN-Dokumentation zu erstellen. Das Problem: Die manuelle Modellierung erfordert fundierte Kenntnisse sowohl des Geschäftsbereichs als auch der Notation selbst.

Betrachten wir die Notaufnahme eines Krankenhauses. Ein klinischer Experte versteht sich auf Triage, Diagnostik, Behandlungsentscheidungen und Entlassungsprotokolle. Um dies jedoch in ein gültiges BPMN zu übersetzen, muss man Gateways, Ereignisse, Sequenzflüsse und Pools verstehen. Sollte eine Behandlungsentscheidung ein exklusives oder paralleles Gateway sein? Wann wird ein Unterprozess notwendig? Wie modelliert man Ausnahmen? Untersuchungen zeigen, dass Menschen, die mit BPMN arbeiten, aufgrund unzureichender Kenntnisse der Notationssemantik und der Geschäftsbereiche häufig Fehler einbauen (Haisjackl et al., 2018).

Diese Dokumentationslücke blockiert die digitale Transformation. Unternehmen können Prozesse, die sie nicht ordnungsgemäss dokumentiert haben, nicht optimieren oder automatisieren. Oft fehlt es ihnen jedoch an Personal, das sowohl die Geschäftsdomäne als auch die BPMN-Modellierung versteht, und die Einstellung solcher Experten ist teuer und zeitaufwändig.

Warum LLMs BPMN nicht zuverlässig generieren können

BPMN-Diagramme sind nicht nur visuelle Darstellungen, sondern formal strukturierte XML-Dokumente, die strengen syntaktischen und semantischen Regeln folgen müssen. Ein typisches Geschäftsprozessmodell enthält Dutzende oder Hunderte miteinander verbundener Elemente: Aufgaben, Gateways, Ereignisse, Sequenzflüsse, Pools, Swimlanes und Artefakte. Jedes Element hat spezifische Attribute und muss gültige Beziehungen zu anderen Elementen aufrechterhalten.

Die Regeln sind unerbittlich. Ein Sequenzfluss muss genau zwei Flussknoten verbinden. Gateways benötigen je nach Typ geeignete eingehende und ausgehende Verbindungen. Randereignisse müssen ordnungsgemäss an Aktivitäten angehängt werden. Selbst geringfügige Verstösse machen die gesamte XML-Datei ungültig und für BPMN-Tools nicht importierbar.

Diese strukturelle Starrheit steht in starkem Kontrast zur natürlichen Sprache. Geringfügige grammatikalische Fehler verhindern selten das Verständnis. Bei der BPMN-Generierung gibt es keine Toleranz für Annäherungen, die Ausgabe funktioniert entweder oder sie funktioniert nicht.

Komplexe Prozesse überschreiten Kontextgrenzen

Selbst modernste LLMs arbeiten innerhalb begrenzter Kontextfenster. Bei der Verarbeitung grosser oder detaillierter Prozessbeschreibungen verlieren Modelle wichtige Informationen über frühere Elemente, während sie spätere Teile generieren. Dies wird besonders problematisch bei komplexen Workflows mit mehreren parallelen Verzweigungen, Ausnahmebehandlungsroutinen oder Unterprozesshierarchien. Das Modell muss alle zuvor generierten Elemente im Blick behalten, um eine ordnungsgemässe Konnektivität zu gewährleisten und doppelte Identifikatoren zu vermeiden.

BPMN zu kennen ist nicht dasselbe wie es zu erstellen

LLMs können anhand von BPMN-Spezifikationen, Tutorials und Beispieldiagrammen trainiert werden. Sie verfügen über theoretisches Wissen zu BPMN-Konzepten und können verschiedene Elemente und deren Verwendung genau beschreiben. Theoretisches Wissen lässt sich jedoch nicht in praktische Generierungsfähigkeiten umsetzen.

Die Erstellung gültiger BPMN-XML-Dateien erfordert präzise Koordinatenberechnungen für die Positionierung von Elementen, korrekte Namespace-Deklarationen, eine ordnungsgemässe ID-Verwaltung über Hunderte von Elementen hinweg und die Einhaltung von Layout-Konventionen. LLMs verfügen nicht über die iterativen Verfeinerungsschleifen, die menschliche Modellierer verwenden. Ein menschlicher Experte erstellt schrittweise ein Diagramm und passt Positionen und Verbindungen auf der Grundlage visueller Rückmeldungen an. Ein LLM muss eine vollständige XML-Struktur in einem einzigen Durchlauf generieren, ohne die Möglichkeit, das Ergebnis zu „sehen” und zu korrigieren.

Jeder Durchlauf erzeugt ein anderes Diagramm

Noch grundlegender ist, dass LLMs generative Modelle sind, die bei jeder Ausführung unterschiedliche Ergebnisse liefern. Wenn dasselbe LLM zweimal aufgefordert wird, ein BPMN-Diagramm aus identischen Eingaben zu generieren, erhält man zwei unterschiedliche Ergebnisse. Dieses nicht deterministische Verhalten ist der Funktionsweise von LLM-Modellen inhärent.

Für die Prozessmodellierung stellt dies ein ernstes Problem dar. Unternehmen benötigen eine stabile, reproduzierbare Prozessdokumentation. Ein heute dokumentierter Beschaffungsworkflow muss auch morgen noch konsistent sein. LLMs generieren jedoch bei jedem Durchlauf unterschiedliche Element-IDs, unterschiedliche Layouts und möglicherweise unterschiedliche Interpretationen derselben Prozessbeschreibung. Dies macht die Versionskontrolle nahezu unmöglich und untergräbt den grundlegenden Zweck der Prozessdokumentation: die Schaffung einer stabilen Referenz, auf die sich das Unternehmen verlassen, die es analysieren und im Laufe der Zeit verbessern kann.

Menschliche Modellierer erzielen konsistente Ergebnisse, da sie auf der Grundlage eines stabilen mentalen Modells arbeiten und bewusst Kontinuität wahren. LLMs generieren aus Wahrscheinlichkeitsverteilungen, wodurch Konsistenz über verschiedene Ausführungen hinweg grundsätzlich schwer zu erreichen ist.

Professionelle Diagramme benötigen ein professionelles Layout

Über die strukturelle Gültigkeit hinaus müssen professionelle BPMN-Diagramme visuelle Standards für die Lesbarkeit erfüllen. Standards wie eCH-0158 (eCH, 2020) legen Konventionen für Elementabstände, Flussrichtung, Ausrichtung und Platzierung von Anmerkungen fest.

Beispiele für konforme und nicht-konforme BPMN-Modellierung nach eCH-0158 Standard (Quelle: eCH-0158).

LLM-generierte Diagramme führen häufig zu Layoutproblemen: überlappende Formen, die Beschriftungen verdecken, sich kreuzende Sequenzflüsse, die Verwirrung stiften, inkonsistente Abstände und falsch ausgerichtete Elemente, die gegen professionelle Standards verstossen. Diese visuellen Mängel beeinträchtigen zwar nicht die technische Gültigkeit, mindern jedoch die praktische Verwendbarkeit erheblich.

Der Weg nach vorn

Die Automatisierung der Erstellung von Geschäftsprozessdiagrammen könnte die Prozessdokumentation demokratisieren und die digitale Transformation beschleunigen. Aktuelle LLMs stehen jedoch vor grundlegenden Herausforderungen, die sie daran hindern, zuverlässig gültige, standardkonforme BPMN-Ausgaben zu produzieren.

Die Komplexität der strukturellen Anforderungen von BPMN, die Einschränkungen von Kontextfenstern für grosse Prozesse, die Kluft zwischen theoretischem Wissen und praktischer Generierungsfähigkeit, der inhärente Nichtdeterminismus generativer Modelle und die Schwierigkeit der automatisierten Layoutgestaltung tragen alle zur Unzuverlässigkeit von Ein-Modell-Ansätzen bei. Verwandte Arbeiten bestätigen diese Einschränkungen für mehrere Diagrammtypen und Anwendungskontexte und kommen übereinstimmend zu dem Ergebnis, dass eine menschliche Validierung weiterhin notwendig ist, um die Qualität der Ergebnisse sicherzustellen.

Um diese Herausforderungen zu bewältigen, muss über einfache Prompting-Strategien hinausgegangen werden und es sind architektonische Innovationen erforderlich, die Komplexität zerlegen, Einschränkungen durchsetzen, Reproduzierbarkeit gewährleisten und Ergebnisse systematisch validieren können. Die Entwicklung solcher Ansätze stellt eine wichtige Richtung für die zukünftige Forschung zur KI-gestützten Prozessmodellierung dar.

Referenzen

Dumas, M., La Rosa, M., Mendling, J. & Reijers, H. A. (2018). Fundamentals of business process management (2. Auflage). Springer. https://doi.org/10.1007/978-3-662-56509-4

eCH. (2020). Standard für Geschäftsprozessmodellierung eCH-0158 (Version 1.2). E-Government Schweiz. https://www.ech.ch/de/ech/ech-0158/1.2

Haisjackl, C., Soffer, P., Lim, S. Y., & Weber, B. (2018). Wie überprüfen Menschen BPMN-Modelle: Eine explorative Studie. Software and Systems Modeling, 17(2), 655-673. https://doi.org/10.1007/s10270-016-0563-8

Li, W., & Toxtli, C. (2024). Automatisierung automatisieren: Verwendung von LLMs zur Generierung von BPMN-Workflows für die robotergestützte Prozessautomatisierung. In World Congress in Computer Science, Computer Engineering, and Applied Computing (CSCE 2024) (S. 221-229). Springer. https://doi.org/10.1007/978-3-031-86623-4_18

Object Management Group. (2011). Business Process Model and Notation (BPMN) Version 2.0. https://www.omg.org/spec/BPMN/2.0/