Process Mining

Generelle Zusammenfassung zur Verfahrensweise

Process Mining ist ein Verfahren der Datenanalyse mit dem Ziel der Visualisierung und Analyse von Prozessflüssen. Es ist eine Datenanalyse im Sinne der Gewinnung von Informationen aus Daten heraus, nicht jedoch Data Mining im Sinne des unüberwachten maschinellen Lernens. Konkret formuliert, ist Process Mining eine Methode, um Prozesse datenbasiert zu rekonstruieren und zu analysieren. Im Mittelpunkt stehen dabei Zeitstempel (TimeStamps), die auf eine Aktivität (Event) in einem IT-System hinweisen und sich über Vorgangnummern (CaseID) verknüpfen lassen.

Process Mining als Analyseverfahren ist zweiteilig: Als erstes muss über eine Datenabfrage-Sprache (i.d.R. SQL) oder über eine Programmiersprache (z. B. R oder Python) ein Skript (Programmier-Code) entwickelt werden, das auf die Daten eines IT-Systems (meistens Datenbank-Tabellen eines ERP-Systems, manchmal auch LogFiles z. B. von Webservern) zugreift und die darin enthaltenden (und oftmals verteilten) Datenspuren in ein Protokoll (ein sogenanntes EventLog) überführt.

Ist das EventLog erstellt, wird dieses in ein Process Mining Tool geladen, dass das EventLog visuell als Flow-Chart darstellt, Filter- und Analysemöglichkeiten anbietet. Auch Alertings, Dashboards mit Diagrammen oder Implementierungen von Machine Learning Algorithmen (z. B. zur Fraud-Detection) können zum Funktionsumfang dieser Tools gehören. Die angebotenen Tools unterscheiden sich von Anbieter zu Anbieter teilweise erheblich.

Process Mining ist eine Analyse-Methodik

Process Mining ist ein Schlagwort, das bestimmte BI-Tool-Anbieter für sich vereinnahmen möchten, dabei ist Process Mining eine Analysemethodik, bei der es um die Rekonstruktion von Prozessen aus den Log-Daten und anderen Datenspuren in IT-Systemen geht.

Auch wenn die Wortanlehnung offensichtlich ist, hat Process Mining kaum etwas mit Data Mining zutun. Letztere ist eine Methodensammlung für mathematische Algorithmen, die selbstständig Strukturen aus Daten herausarbeiten, die vorher nicht sichtbar waren. Interessant ist dabei jedoch, dass die mathematischen Data-Mining-Methoden nun auch in Process Mining Einzug halten (siehe weiter unten in "Ausblick").

Welche Prozesse und IT-Systeme können analysiert werden?

Alle operativen Prozesse können analysiert werden, wenn sie über IT-Systeme erfasst worden sind.

Beispiele für Prozesse, die mit Process Mining analysiert werden:

- Gewährleistungsabwicklung (Handel/Hersteller) - Freigabe- / Genemigungsprozesse (z. B. Kreditgenehmigung bei Banken) - Vertragsänderungen (z. B. Kundenübergabe zwischen Energie- oder Telekommunikationsanbietern) - Einkaufsprozesse - Vertriebsprozesse - Personalgewinnungsprozesse - Fertigungsprozesse - Lager- und Logistik-Prozesse (Materialflüsse)

Entsprechend werden alle IT-Systeme analysiert, u. a. ERP-, CRM-, PLM-, DMS- und ITS-Systeme.

Für den Einstieg in Porcess Mining werden häufig Procure-to-Pay- und Order-to-Cash-Prozesse analysiert, auch weil einige Anbieter von Process Mining Tools die nötigen Skripte (ggf. als automatisierte Connectoren) der EventLog-Generierung aus gängigen ERP-Systemen für diese Prozesse bereits mitliefern.

Für welche Unternehmen ist Process Mining relevant?

Ab wann genau Process Mining für ein Unternehmen sinnvoll ist, lässt sich nicht pauschal als beantwortende Regel ableiten. Die Anfänge setzen hier tendenziell größere Unternehmen und mittlerweile (Jahr 2020) sind auch viele mittelständische Unternehmen dabei, Process Mining für sich zu entdecken und im Unternehmen einzusetzen.

Auch kleinere Unternehmen sowie sogar Start-Ups können mit Process Mining wirtschaftliche Effekte erzielen, verfügen oder verwalten sie komplexe Prozesse auf operativer Ebene.

Tool-Anbieter für Process Mining

Für die Analyse im Rahmen von Process Mining gibt es verschiedene Tool-Anbieter. Ohne Gewähr auf Vollständigkeit, ohne Reihenfolge und ohne Bewertung gibt es u.a.:

- Celonis: https://www.celonis.com

- Fluxicon: https://www.fluxicon.com

- Lana Labs: https://www.lanalabs.com

- PAF: https://pafnow.com/

- Signavio: https://signavio.com

Die Tools bzw. deren Anbieter setzen dabei auf teilweise unterschiedliche Schwerpunkte und zeichnen sich in ihrer Funktionalität und der Integration zu anderen IT-Systemen mit verschiedenen Stärken und Schwächen aus.

Herausforderungen beim Process Mining

Datenverfügbarkeit und -qualität

Für Process Mining wird eine hochgradige Erfassung von Prozessaktivitäten und Vorgangsnummern in einer ausreichenden Quantität und Qualität benötigt. Bisher scheiterten diese Vorhaben insbesondere an der häufig mangelhaften Datenverfügbarkeit und Datenqualität in vielen IT-Systemen, vor allem bei mittelständischen Unternehmen. Auch die Eigenständigkeit der Process Mining Tools (Integration in die BI, Anbindung an die IT, Lizenzkosten) und das Fehlen von geschulten Mitarbeiter-Kapazitäten für die Analyse sorgen bei mangelhafter Vorbereitung für Frustration und Zweifel am langfristigen Erfolg.

Stärke in der Revision von Prozessen

Als Methode schwächelt Process Mining bei der Aufdeckung von Möglichkeiten der Reduzierung von Prozesskosten, obwohl dies keinesfalls ausgeschlossen ist und häufig der alleinige Grund für den Einsatz von Porcess Mining darstellt. Es mag einige gute Beispiele für die Prozesskostenreduzierung geben, jedoch haben insbesondere Mittelständische Unternehmen Schwierigkeiten darin, mit Process Mining direkt Kosten zu senken. Dieser Aspekt lässt insbesondere kostenfokussierte Unternehmer an Process Mining zweifeln, insbesondere wenn die Durchführung der Analyse mit hohen Lizenz- und Berater-Kosten verbunden ist.

Unabhängigkeit von Tool-Anbietern

Unternehmen, die den Einstieg in die datengetriebene Prozessanalyse finden möchten, können über eigene Data Engineers die Datenbereitstellung auch selbst in die Hand nehmen oder unabhängige Dienstleister hierfür beauftragen. So kann die Unabhängigkeit der grundsätzlichen Datenbereitstellung und der qualitativen Datenaufbereitung bis zum EventLog in eigenen Händen bleiben und die Analyse-Tools werden leichter austauschbar.

Unternehmen, die recht individuelle Prozesse haben oder ein weniger verbreitetes ERP-System verwenden, bleibt ohnehin nichts anderes übrig, als auf Data Engineers zu setzen. Werden bei der Erstellung des Event-Logs einige Aspekte der Datenformate sowie der Bereitstellung dieser Daten beachtet, kann es universell verwendet werden. Die technische Organisation bleibt somit offen für jedes Process-Mining-Tool und macht sich von bestimmten Anbietern unabhängig.

Ausblick: Process Mining in der Zukunft

Process Mining und BI

Bis 2020 wurde Process Mining recht losgelöst von anderen Themen des Prozessmanagements betrachtet, woran die Tool-Anbieter nicht ganz unschuldig sind. Process Mining wird sich zukünftig mehr von der Stabstelle mit Initiativ-Engagement hin zur Integration in den Fachbereichen entwickeln und Teil des täglichen Workflows werden. Auch Tool-seitig werden aktuelle Anbieter für Process Mining Software einem verstärkten Wettbewerb stellen müssen. Process Mining wird toolseitig vermutlich ein enger Teil der Unternehmens-BI und somit ein Teil einer gesamtheitlichen Business Intelligence werden.

Process Mining und Data Science

Für zukünftige Tools und Anwendungen von Process Mining wird nicht nur mit der BI, sondern auch zunehmend mit der Data Science verschmelzen. Um sich von etablierten BI-Anbietern abzusetzen, implementieren und bewerben einige Anbieter für Process Mining Software bereits Machine Learning oder Deep Learning Algorithmen, die selbstständig Prozessmuster auf Anomalien hin untersuchen, die ein Mensch (vermutlich) nicht erkennen würde.

Process Mining und Internet of Things

Während Process Mining mit ERP-Daten bereits recht verbreitet ist, wurden andere IT-Systeme bisher seltener analysiert. Mit der höheren Datenverfügbarkeit, die dank Industrie 4.0 und mit ihr verbundene Konzepte wie M2M, CPS und IoT, ganz neue Dimensionen erlangt, wird Process Mining auch Teil der Smart Factory und somit der verstärkte Einsatz in der Produktion und Logistik absehbar.

Process Mining für jedes Unternehmen

Während größere Industrieunternehmen, Großhändler, Banken und Versicherungen längst über Process Mining Piloten hinaus und zum produktiven Einsatz übergegangen sind (jedoch von einer optimalen Nutzung überwiegend auch heute noch lange entfernt sind), wird Process Mining zunehmend auch für mittelständische Unternehmen interessant – und das für alle geschäftskritischen Prozesse.