Organisationen stehen zunehmend vor der Aufgabe, komplexe Geschäftsprozesse schnell, konsistent und ressourcenschonend zu dokumentieren. Manuelle Modellierung ist aufwendig, fehleranfällig und stark vom Expertenwissen abhängig. Mit dem Aufkommen leistungsfähiger LLMs stellt sich die Frage, welches Modell und welche Prompt Strategie sich am besten eignen, um aus unstrukturierten Texten automatisiert BPMN 2.0 Prozessmodelle zu erzeugen. Da interne Daten vertraulich verarbeitet werden müssen, setzt die Arbeit auf lokal betriebene LLMs, die eine sichere Nutzung ermöglichen.

Dazu wurde ein sechsstufiger Workflow als Prototyp umgesetzt. Fünf reale Prozessbeschreibungen dienten als Input. Ein LLM extrahierte die logischen Schritte in ein JSON Format, ein Algorithmus wandelte diese deterministisch in eine vollständige BPMN 2.0 XML Struktur mit Layout und Validierungen um. Getestet wurden drei lokal betriebene LLMs in Kombination mit Zero Shot, Few Shot und Chain of Thought. Inputs wurden qualitativ und Prozessmodelloutputs quantitativ anhand eines gewichteten Kriterienkatalogs bewertet.

Gemma3 27B erwies sich als insgesamt stärkstes LLM und Few Shot als die robusteste Prompt Strategie. In Kombination von Gemma3 27B mit Zero Shot wurde die höchste Punktequote erreicht, dicht gefolgt von DeepSeek R1 70B mit Few Shot sowie Gemma3 27B mit Few Shot. Bewertet wurden 45 automatisch erzeugte Prozessmodelle. Zusätzlich wurde untersucht, ob die Qualität der Eingabetexte die Qualität der erzeugten Prozessmodelle beeinflusst. Dabei zeigte sich eine schwache positive Korrelation. Die Ergebnisse sind vielversprechend, erlauben aufgrund der kleinen Datenbasis jedoch vor allem Tendenzen statt belastbarer statistischer Aussagen. Zudem reagieren LLMs teilweise zufallsbedingt, identische Eingaben können unterschiedliche Prozessmodelle liefern. Der vollständige Prototyp wurde bereitgestellt, inklusive aller Prompts und Skripts. In der Praxis überzeugt er vor allem bei einfachen Prozessen, während für komplexere Abläufe Verbesserungen bei Stabilität, Vollständigkeit und Konsistenz sinnvoll sind. Eine fachliche Prüfung der Prozessmodelle bleibt in jedem Fall erforderlich.