This doctoral thesis is concerned with the automated analysis of clinical workflows, based on routine data gained from existing clinical information systems. With a focus on the radiology workflow, process models and key performance indicators were derived from system log files, using the techniques of process mining, a speciality of data mining. The analysis and evaluation of established process mining approaches using real-life data from a clinical imaging department resulted in a detailed overview of existing strengths and weaknesses of this technology. Inspite of considerable shortcomings of some of the mining approaches in connection with complex clinical workflows, this work highlights also the effectiveness and the potential of process mining techniques in clinical settings. In addition to the automated extraction of clinical process knowledge, several process performance indicators were computed based on extracted clinical workflows. Thus, process mining has the potential to improve clinical processes and the understanding of correlations between diseases, the corresponding treatment process and process performance. Furthermore, the results of this analysis provide a basis for future research targeting on the development of improved process mining algorithms that are suitable not only for the analysis of complex clinical workflows, but also for other complex working environments.

Die vorliegende Arbeit beschäftigt sich mit der automatisierten Analyse klinischer Abläufe anhand von Daten, die aus klinischen EDV Systemen bereits heute gewonnen werden können. Mit dem Schwerpunkt radiologischer Kernprozesse wurde gezeigt, dass aus Logdateien der klinischen Routine reale Prozessmodelle ermittelt werden und wichtige Prozesskennzahlen exakt bestimmt werden können. Dazu wurden Techniken des sogenannten Prozess-Mining eingesetzt, einer Spezialdisziplin des Data Mining. Die durchgeführte Analyse gegenwärtiger Prozess-Mining-Ansätze und deren Evaluation anhand von Routinedaten der klinischen Bildgebung lieferte eine detaillierte Übersicht über Stärken und Schwächen bestehender Verfahren. Trotz der vorhandenen Unzulänglichkeiten einiger Ansätze beim Mining von klinischen Abläufen zeigt diese Arbeit die Effektivität und das Potential des Prozess-Minings im klinischen Kontext. Neben der automatisierten Extraktion von Prozesswissen über die klinischen Abläufe wurden in dieser Arbeit prozessuale Performancekennzahlen exakt auf Basis der realen Prozessverläufe berechnet. Somit unterstützt das Prozess-Mining die kontinuierliche Verbesserung klinischer Prozesse und hilft, die Beziehungen zwischen Krankheiten, Behandlungsprozessen, Abweichungen und den dazugehörigen Werten der Kennzahlen besser zu verstehen. Weitere Ergebnisse der Analysen und der Evaluation sind die konkreten Ansatzpunkte für zukünftige Weiterund Neuentwicklungen des Prozess-Minings, auch für die Analyse nicht-klinischer Abläufe.