@inproceedings{BraunAlkhouriPeukert2021,
  author    = {Simone Braun and Georges Alkhouri and Eric Peukert},
  title     = {KOBRA: Praxisf{\"a}hige lernbasierte Verfahren zur automatischen Konfiguration von Business-Regeln in Duplikaterkennungssystemen},
  series = {INFORMATIK 2020. Gesellschaft f{\"u}r Informatik},
  volume    = {P-307},
  editor    = {Ralf H. Reussner and Anne Koziolek and Robert Heinrich},
  address   = {Bonn},
  organization    = {Gesellschaft f{\"u}r Informatik},
  isbn      = {978-3-88579-701-2},
  issn      = {1617-5468 (Print)},
  doi       = {10.18420/inf2020\_37},
  pages     = {395 -- 409},
  year      = {2021},
  abstract  = {Duplikaterkennung, -suche und -konsolidierung f{\"u}r Kunden- und Gesch{\"a}ftspartnerdaten, sog. „Identity Resolution“, ist die Voraussetzung f{\"u}r erfolgreiches Customer Relationship Management und Customer Experience Management, aber auch f{\"u}r das Risikomanagement zur Minimierung von Betrugsrisiken und Einhaltung regulatorischer Vorschriften und viele weitere Anwendungsf{\"a}lle. Diese Systeme sind jedoch hochkomplex und m{\"u}ssen individuell an die kundenspezifischen Anforderungen angepasst werden. Der Einsatz lernbasierter Verfahren bietet gro{\"s}es Potenzial zur automatisierten Anpassung. In diesem Beitrag pr{\"a}sentieren wir f{\"u}r ein KMU praxisf{\"a}hige, lernbasierte Verfahren zur automatischen Konfiguration von Business-Regeln in Duplikaterkennungssystemen. Dabei wurden f{\"u}r Fachanwender M{\"o}glichkeiten entwickelt, um beispielgetrieben das Match-System an individuelle Business-Regeln (u.a. Umzugserkennung, Sperrlistenabgleich) anzupassen und zu konfigurieren. Die entwickelten Verfahren wurden evaluiert und in einer prototypischen L{\"o}sung integriert. Wir konnten zeigen, dass unser Machine-Learning-Verfahren, die von einem Domainexperten erstellten Business-Regeln f{\"u}r das Duplikaterkennungssystem „identity“ verbessern konnte. Zudem konnte der hierzu erforderliche Zeitaufwand verk{\"u}rzt werden.},
  language  = {de}
}