Im Rahmen dieser Abschlussarbeit soll die Effizienz des Dispatch-Prozesses analysiert werden. Der Dispatch-Prozess ist ein Teilprozess des Service24h, der die Fallaufnahme durch einen Telefonagenten, die Prüfung notwendiger Zahlungsgarantien sowie die Zuweisung an eine nahegelegene Werkstatt beinhaltet. Ziel der Abschlussarbeit ist es, mittels moderner Unsupervised-Learning-Ansätze (insbesondere Clustering und Dimensionalitätsreduktion) die Ursachen und Verantwortlichkeiten für überdurchschnittlich lange Bearbeitungszeiten zu identifizieren. Im Fokus stehen dabei insbesondere sogenannte "Langläufer", also Fälle, bei denen die Zeitspanne zwischen Fallaufnahme und Dispatch deutlich über dem Durchschnitt liegt.

Dazu soll die vorhandene Datenbasis strukturiert aufbereitet und hinsichtlich relevanter Merkmale optimiert werden. Verschiedene Algorithmen des Unsupervised Learnings werden getestet und die Ergebnisse anhand definierter Metriken sowie im Vergleich zu manuellen Analyseverfahren und bestehenden Modellen bewertet. Die Arbeit schließt die kontinuierliche Verbesserung der Feature-Engineering-Strategie ein. Außerdem werden die Resultate kritisch im Hinblick auf ihren praktischen Nutzen für die Serviceoptimierung betrachtet.