Process Mining umfasst Verfahren, mit denen tatsächliche Prozessabläufe anhand digitaler Ereignisdaten untersucht werden. Aus Event Logs lassen sich etwa Prozessvarianten, Durchlaufzeiten und Abweichungen von vorgegebenen Abläufen analysieren.
Methodik und Funktionsweise
Die Daten werden aus Fachsystemen extrahiert und auf fachliche Fälle, Aktivitäten und Zeitpunkte abgebildet. Verfahren umfassen unter anderem Process Discovery, Conformance Checking und Performance Analysis. Objektzentrierte Ansätze berücksichtigen zusätzlich Beziehungen zwischen mehreren Geschäftsobjekten.
Abgrenzung und Grenzen
Process Mining ist nicht dasselbe wie die manuelle Erstellung eines Soll-Prozessmodells. Es zeigt datenbasiert beobachtete Ausführungen, aber nur soweit die zugrunde liegenden Systeme geeignete Ereignisse erfassen. Unsichtbare manuelle Tätigkeiten bleiben möglicherweise unberücksichtigt.
Praxisbeispiel
Bei der Rechnungsverarbeitung kann analysiert werden, welche Vorgänge mehrfach geprüft werden und bei welchen Varianten längere Liegezeiten auftreten.
Voraussetzungen und Hinweise
Die Ergebnisse benötigen fachliche Interpretation. Datenqualität, Datenschutz und die Abgrenzung technischer Ereignisse zu tatsächlichen Arbeitsschritten sind zentrale Voraussetzungen.
Von Ereignisdaten zu realen Prozessabläufen
Process Mining setzt an digitalen Spuren tatsächlicher Vorgänge an. Dafür werden Ereignisse mit fachlich geeigneten Fall- oder Objektkennungen, Aktivitäten und Zeitpunkten verbunden. Aus diesen Daten können Abläufe und Varianten sichtbar werden, die in einer offiziellen Prozessbeschreibung fehlen. Vor einer solchen Analyse müssen Datenfelder, Zeitzonen und die Bedeutung einzelner Statusänderungen geprüft werden. Ein technischer Speichervorgang stellt nicht immer eine eigenständige fachliche Aufgabe dar. Ebenso können manuelle Tätigkeiten fehlen, wenn sie in keinem verbundenen System dokumentiert werden. Die Datenaufbereitung ist deshalb eine wesentliche fachliche und technische Voraussetzung.
Process Discovery, Conformance und Performance Analysis
Process Discovery versucht, aus beobachteten Ereignissen ein geeignetes Ablaufmodell abzuleiten. Conformance Checking vergleicht tatsächliche Ausführungen mit einem Referenzmodell. Performance Analysis untersucht etwa Durchlaufzeiten, Wartephasen und Engpässe. Diese Verfahren beantworten unterschiedliche Fragen und sollten nicht miteinander verwechselt werden. Ein automatisch entdecktes Modell kann aufgrund vieler Ausnahmen unübersichtlich werden. Eine Abweichung vom Soll-Prozess kann berechtigt sein. Eine lange Wartezeit kann verschiedene Ursachen haben. Erst die fachliche Interpretation macht aus algorithmischen Ergebnissen Informationen, die für Maßnahmen geeignet sind.
Fallorientierte und objektzentrierte Methoden
Klassische Process-Mining-Analysen ordnen Ereignisse häufig einem Fall zu, etwa einem Kundenauftrag. In komplexen Unternehmensprozessen können jedoch mehrere Objektarten miteinander verbunden sein. Eine Lieferung kann mehrere Aufträge enthalten; eine Rechnung kann sich auf unterschiedliche Positionen beziehen. Object Centric Process Mining berücksichtigt solche Beziehungen explizit und kann mit OCEL 2.0 auf einem geeigneten Datenformat aufbauen. Welche Perspektive zweckmäßig ist, hängt von der konkreten Frage und der Datenstruktur ab. Eine komplexere Methode ist nicht automatisch besser, wenn sich der untersuchte Ablauf sinnvoll über eine einzelne Fallkennung beschreiben lässt.
Von der Analyse zur Verbesserung
Process Mining kann zeigen, bei welchen Varianten häufiger Rückfragen auftreten oder welche Fälle besonders lange liegen bleiben. Daraus ergeben sich Hypothesen, beispielsweise über unklare Eingaben oder Kapazitätsengpässe. Die Ursachen müssen mit Prozessverantwortlichen überprüft werden. Anschließend lassen sich Maßnahmen wie geänderte Schnittstellen, Schulungen oder Freigaberegeln gezielt testen. Datenschutz und mögliche Beschäftigtenbezüge sind bei der Datenverarbeitung zu berücksichtigen. Ein guter Analyseprozess definiert vorab, welche Frage beantwortet werden soll, und prüft nach einer Veränderung, ob sich die relevante Kennzahl tatsächlich verbessert hat.
Häufige Fragen
Braucht Process Mining immer künstliche Intelligenz?
Nein. Viele Verfahren beruhen auf formalisierten Algorithmen und Ereignisdaten. KI kann ergänzend für bestimmte Prognose- oder Analyseaufgaben eingesetzt werden.
Kann Process Mining alle Prozesse eines Unternehmens automatisch erkennen?
Nein. Es benötigt geeignete digitale Ereignisdaten und fachlich sinnvolle Zuordnungen. Nicht protokollierte Tätigkeiten bleiben möglicherweise unsichtbar.
Praktische Prüffragen
- Stellen Sie geeignete Ereignisdaten mit verlässlichen Fall- und Zeitangaben bereit; eine umfangreiche Datenmenge ersetzt keine korrekte Zuordnung.
- Unterscheiden Sie Process Discovery, Conformance Checking und Performance Analysis, da jedes Verfahren unterschiedliche Fragen an denselben Geschäftsprozess richtet.
- Prüfen Sie, welche manuellen Tätigkeiten nicht protokolliert werden und welche aufgezeichneten technischen Ereignisse keine eigenständigen fachlichen Schritte darstellen.
- Wählen Sie bei mehreren verknüpften Geschäftsobjekten gegebenenfalls einen objektzentrierten Ansatz, um künstliche Duplikate und verlorene Beziehungen zu vermeiden.
- Leiten Sie aus erkannten Auffälligkeiten überprüfbare Verbesserungshypothesen ab und bewerten Sie deren Auswirkungen nach organisatorischer Umsetzung erneut.
Von technischen Ereignissen zu fachlichen Abläufen
Process Mining arbeitet mit Ereignisdaten aus Fachanwendungen. Die zentrale Herausforderung besteht oft darin, diese Daten den richtigen Geschäftsobjekten und Aktivitäten zuzuordnen. Ein technisch protokollierter Speichervorgang ist nicht automatisch ein abgeschlossener Prozessschritt. Deshalb müssen Fallkennungen, Zeitbezüge und die Bedeutung von Statuswechseln fachlich geprüft werden. Erst danach lassen sich Prozessvarianten und Durchlaufzeiten sinnvoll vergleichen. Besonders bei komplexen Beschaffungs- oder Lieferprozessen können mehrere Geschäftsvorgänge ineinandergreifen. Ein objektzentrierter Ansatz kann solche Beziehungen besser abbilden als eine künstliche Reduktion auf nur einen Fall. Die Wahl des Verfahrens richtet sich nach der tatsächlichen Datenstruktur und Untersuchungsfrage.
Analyseergebnisse richtig in Maßnahmen übersetzen
Ein Process-Mining-Bericht kann zeigen, dass bestimmte Rechnungen besonders häufig Rückfragen oder zusätzliche Freigaben erfordern. Damit ist die Ursache noch nicht festgestellt. Prozessverantwortliche müssen prüfen, ob fehlende Stammdaten, berechtigte Sonderregeln oder organisatorische Engpässe den Verlauf erklären. Auf dieser Grundlage können konkrete Verbesserungshypothesen entwickelt werden. Vor der Umsetzung sollten geeignete Erfolgskennzahlen und Kontrollbedingungen festgelegt werden. Nach der Veränderung kann eine erneute Analyse zeigen, ob die angestrebte Wirkung eingetreten ist. Beschäftigtenbezogene Daten und vertrauliche Geschäftsinformationen benötigen dabei passende Schutzmaßnahmen. Process Mining liefert eine datenbasierte Sicht auf dokumentierte Abläufe, nicht automatisch eine vollständige Bewertung aller betrieblichen Ursachen.
Verwandte Wiki-Begriffe
Weiterführende Erklärungen: Event Log, Conformance Checking, Object Centric Process Mining.
Fachliche Quellen
ProcessMining.org – Methodenübersicht. Praxisbeispiele sind redaktionelle Szenarien ohne behaupteten Kundenbezug.