/

Process Mining

Definition:

Process Mining

Inhalt

Process Mining ist eine Variante des Data Minings und bezieht sich auf (digitale) Geschäftsprozesse in Unternehmen. Prozesse und Systeme erzeugen große Datenmengen sowie Datenzusammenhänge, die im Process Mining analysiert und ggf. optimiert werden. Aus den Ergebnissen entstehen je nach Anwendung optimierte Arbeitsabläufe, bessere Prozessabläufe oder aktuelle Erkenntnisse über den Zustand des Prozessmodells. Wie auch Data Mining ist Process Mining eine direkte Antwort auf die Chancen und Herausforderungen von Big Data

Definition: Was ist Process Mining?

Process Mining kann als Business Intelligence auf Prozessebene bezeichnet werden, das über Data Mining-Techniken, unterschiedliche statistische Methoden und Algorithmen umgesetzt wird. Alle Geschäftsprozesse eines datengetriebenen Unternehmens hinterlassen digitale Spuren und Daten, die in verschiedenen (IT)-Systemen gespeichert sind. Etwa über Logs oder Eventdaten lässt sich jeder Prozess in all seinen Schritten digital rekonstruieren. Process Mining:

  • rekonstruiert den gesamten Prozess anhand von Daten
  • visualisiert den Prozess in seiner Gesamtheit
  • vergleicht den Prozess mit internen und externen Benchmarks
  • analysiert Engpässe oder Schwachstellen
  • liefert Impulse für die Optimierung

Genau wie beim Data Mining geht es im Process Mining vor allem darum, verborgene Zusammenhänge zu erkennen und den vorhandenen Datenpool für effektivere Datenanalysen und Entscheidungen zu nutzen.

Welche Process Mining-Typen gibt es?

Die Non-Profit-Organisation IEEE Task Force on Process Mining hat drei grundlegende Typen des Process Mining identifiziert, die aufeinander aufbauen oder je nach Mining-Ziel als einzelne Schritte im operativen Geschäft eingesetzt werden:

  1. Discovery Process Mining– Prozessmodelle anhand einer Datenbasis erkennen, rekonstruieren und visualisieren.
  2. Conformance Process Mining– Konformität von Prozessen in Bezug auf ein Prozessmodell überprüfen.
  3. Enhancement Process Mining – Modelle anpassen, optimieren und erweitern.

Diese Unterscheidung verdeutlicht, dass Process Mining nicht nur auf die Verbesserung von Systemen abzielt, sondern für das operative Prozessmanagement, Monitoring, Controlling und die Ad-hoc-Analyse geeignet ist.

Wie funktioniert Process Mining?

Jeder Prozessschritt generiert Daten, die sich über Log-Dateien und Ereignisprotokolle abrufen lassen. Die darin enthaltenen Attribute ordnen den Prozess eindeutig in die Arbeitsabläufe ein, zeigen den Verlauf des Ereignisses selbst und bieten die Grundlage, um Abweichungen oder Potenziale für eine Optimierung zu erkennen. Ereignisdaten werden aus verschiedenen Quellen, wie zum Beispiel ERP– oder CRM-Software, gesammelt und analysiert, um ein detailliertes Modell der Geschäftsabläufe zu erstellen.

Process Mining-Software übernimmt mittels verschiedener Technologien und Methoden Auswertung, Abgleich sowie Analyse von Datensätzen und stellt die gewonnenen Erkenntnisse über Dashboards oder Reportings zur Verfügung. Die Visualisierung der Prozesse ist eine wichtige Voraussetzung, um Schwachstellen zu erkennen und Optimierungspotenziale aufzudecken.

Vorteile von Process Mining

Alle systematischen Analysen haben denselben grundsätzlichen Vorteil: Sie bilden den Ist-Zustand objektiv und umfassend ab und ermöglichen dadurch die Erreichung eines Soll-Zustands. Ausgehend von dieser Erkenntnis lassen sich weitere Vorteile entschlüsseln:

  • Kostenreduktion und bessere Ressourcenallokation
  • Mehr Flexibilität und Offenheit für Veränderungen
  • Höherer Innovationsgrad
  • Bessere Kommunikation zwischen Entscheidungstragenden, Fachbereichen und Mitarbeitenden
  • Schnelle und gezielte Problembeseitigung wird möglich
  • Stabilere Systeme
  • Mehr Transparenz bezüglich Geschäftsabläufen
  • Verbesserung von Controlling und Compliance
  • Kontinuierliche Prozessoptimierung sorgt für Zeitersparnisse und führt somit zu mehr Effizienz im Betrieb

Im Process Mining werden Diskrepanzen zwischen tatsächlichen Prozessabläufen und dem angestrebten Prozessmodell sichtbar. Da jedes Unternehmen auf Prozessen beruht, liefern die Ergebnisse der Prozessanalyse gleichzeitig eine 360-Grad-Perspektive in Bezug auf das Unternehmen als Ganzes. Zudem lässt sich bei einer systemischen Betrachtung erkennen, welchen Einfluss eine einzelne Prozessinstanz (oder ihre Änderung) auf das gesamte System hat.

Auf Basis dieser Informationen können Management, Teams und Entscheider:innen klar umrissene Schritte ableiten, die den Ablauf verbessern. Ob es sich dabei um eine grundsätzliche Neuordnung der Prozessabläufe oder lediglich um einzelne Schritte oder Korrekturen handelt, ist dem Unternehmen überlassen. Als Datenanalyse ist das Process Mining immer ergebnisoffen – und damit gleichzeitig als Technik in jeder Organisation anwendbar.

Process Mining Tools

Die Verarbeitung und (Echtzeit-)Analyse von Daten als Operationsmodell macht den Einsatz entsprechender Software, Technologien und Lösungen zum selbstverständlichen Bestandteil des Process Minings. Voll integrierte Business Intelligence Suites und -Plattformen bringen diese Fähigkeiten analog zu ihren Data Mining-Tools mit. Manche Softwares arbeiten darüber hinaus mit RPA– und Machine Learning-Technologien.

Ein exemplarisches Tool ist der Microsoft Process Advisor, welcher zur Microsoft Power Platform gehört und Unternehmen bei der Analyse sowie Verbesserung ihrer Prozessen unterstützt.

Beispiele und Einsatzbereiche von Process Mining

Jeder Prozess, der digitale Grundelemente enthält und sich digital rekonstruieren lässt, ist für das Process Mining geeignet. Das ist mittlerweile in allen Abteilungen jeder Branche der Fall. Besonders weit verbreitet ist der Ansatz beispielsweise bei:

  • Support: Ticketbearbeitung, Fehlerbehebung
  • Logistik: Beschaffung, Lagerhaltung, Bestellung, Versand
  • Produktion: Fertigung, Entwicklung
  • Compliance: Konformitätsprüfungen, Betrugsermittlungen
  • Finanzen: Transaktionen, Allokationen, Finanzplanung
  • Medizin: Behandlungswege, Krankengeschichte, Patienteninformationen

Sie haben weitere Fragen?

Sprechen Sie jetzt mit unserem Cloud Analytics Experten und wir zeigen Ihnen, wie Sie Ihr Unternehmen auf die nächste Stufe bringen können.

Dürsin Kurt
CEO Cloud Analytics