Process Mining für einen besseren Kundenservice – Die AOK optimiert ihren Kundenservice mit mpmX

Ausgangssituation

‍Die AOK Landesgesellschaften befinden sich inmitten einer rasanten Veränderung in unserer Lebenswelt. Unternehmen sehen sich mit steigenden Anforderungen konfrontiert, während ihre finanziellen Spielräume immer begrenzter werden. Es ist daher unerlässlich, dass Unternehmen ihre Prozesse kontinuierlich weiterentwickeln und konsequent auf digitale und effiziente Weise gestalten. Gleichzeitig steht das Gesundheitswesen vor einem massiven technologischen und strukturellen Wandel, von dem sowohl Patienten als auch Gesundheitsdienstleister profitieren können. Diese Situation bietet den Kostenträgern, wie der AOK, eine einmalige Chance, diesen Wandel proaktiv zu gestalten und somit zum Wohle ihrer Versicherten beizutragen. Der Fokus soll hierbei auf Prozesse aus dem Kundenservice gelegt werden.

Projektziele‍

Wie lassen sich die Anliegen von gesetzlich Versicherten in Deutschland schneller, zielgerichteter und effizienter bearbeiten? Diese Frage bewegt die AOK seit längerem. Die Allgemeine Ortskrankenkasse (AOK) hat deshalb Process Mining zur datengetriebenen Prozessoptimierung eingeführt. Um sich stärker digital auszurichten und Kunden bestmöglichen Service zu bieten, wurden folgende Ziele gesetzt:

• Analyse der Ist-Prozesse
• Messung und Visualisierung von Leistungskennzahlen und Prozesskennzahlen
• Identifizierung von Automatisierungspotenzial
• Identifizierung von Bottlenecks‍

Warum mpmX‍

Die AOK Landesgesellschaften entschieden sich ganz bewusst für das Process-Mining-Werkzeug mpmX – nicht nur wegen der enormen Flexibilität der Toolnutzung und der Ausgestaltungsmöglichkeiten für den Endnutzer. Auch die Möglichkeit, neben einer SaaS-Lösung eine voll funktionale On-Premise-Variante oder einen hybriden Betrieb wählen zu können, hat überzeugt, da insbesondere im Kontext neuer Technologien sehr genau auf den Umgang mit sensiblen Daten von Kunden und Partnern zu achten ist. Ein weiterer Vorteil von mpmX sind die Machine-Learning-Algorithmen, die dabei helfen, Prozessketten in kürzester Zeit zu optimieren sowie Vorhersagen zu treffen und zusätzliche Potenziale für Digitalisierung und Automatisierung, wie z.B. Robotic Process Automation (RPA), zu identifizieren.