Wechseln Sie die Software. Nicht Ihre Datenstrategie.
mpmX läuft nativ auf Ihrer Datenplattform, ob Snowflake, Databricks oder Qlik. Ihre Governance bleibt erhalten und KI-Agenten finden den Prozesskontext dort, wo Ihre Daten liegen. Und der Wechsel? Planbar, Schritt für Schritt, ohne Neuanfang.
Unternehmen, die mit mpmX arbeiten
Platform-native Process Intelligence
mpmX ist eine plattform-native Process-Intelligence-Lösung: Sie analysiert Geschäftsprozesse direkt auf der Datenplattform, die ein Unternehmen bereits betreibt, statt die Daten in die Cloud eines Process-Intelligence-Anbieters zu kopieren. mpmX liest das Event Log per Pushdown auf Snowflake oder Databricks und legt die Ergebnisse, etwa Varianten, Durchlaufzeiten und Konformanz, direkt daneben ab. Prozessmodell und semantische Schicht bilden dort den Context Layer für KI-Agenten. BI, Planung und KI arbeiten mit denselben Kennzahlendefinitionen, die Governance der Plattform gilt weiter. Ohne eigene Datenplattform läuft mpmX on-premises oder in der Cloud. Bestehende Case-Definitionen und KPI-Logik werden beim Wechsel übernommen.
Drei Gründe, warum Unternehmen ihren Process-Intelligence-Anbieter wechseln
Ihre Datenstrategie hat sich weiterentwickelt. Ihr Process-Intelligence-Setup nicht.
Zweite Datenwelt neben der eigenen
Die Datenstrategie setzt auf Snowflake, Databricks oder Qlik. Event Log und Prozessmodell liegen trotzdem beim Process-Intelligence-Anbieter, mit eigener Governance und eigener Rechnung.
Wenig Spielraum für die eigene KI
Sprachmodell, Client und Frontend gibt der Anbieter vor. Der Prozesskontext für KI-Agenten liegt in seiner Cloud, nicht auf der Plattform, auf der Ihre KI arbeitet.
Steigende Kosten, unklarer ROI
Neue Prozesse und Zusatzmodule haben jeweils ihren eigenen Preis. Ob sich eine Maßnahme ausgezahlt hat, zeigt das Dashboard nicht.
Was sich mit mpmX ändert
Ein Modell auf Ihrer Plattform
mpmX läuft nativ auf Snowflake, Databricks oder Qlik, alternativ on-premises oder in der Cloud. Das Event Log wird nicht repliziert, BI und Process Mining nutzen dasselbe Datenmodell, Berechtigungen übernimmt mpmX von Ihrer Plattform.
KI unter Ihrer Kontrolle
Prozessmodell und semantische Schicht liegen als Context Layer in Ihrer Datenbank, dort, wo auch Ihre KI arbeitet. Sprachmodell und Client wählen Sie selbst, und jede Antwort lässt sich auf eine nachvollziehbare Query zurückführen. KI-Agenten testen Sie in der Agent Workbench vorab gegen echte Prozessdaten.
Planbare
Kosten
Ein transparentes Lizenzmodell ohne separate Modulpreise. Weitere Use Cases kommen ohne höhere Lizenzgebühr hinzu, und auf Ihrer bestehenden Plattform entsteht keine zweite Infrastruktur-Rechnung.
Der Unterschied liegt in der Architektur
Die etablierten Anbieter haben starke Plattformen. Der Unterschied besteht darin, wo Prozessmodell und KI-Kontext liegen und wer sie kontrolliert.
 | Celonis | |
|---|---|---|
Integration | Auf Ihrer Plattform. Läuft auf Snowflake, Databricks, BigQuery oder Qlik, ohne Kopie der Daten. Das gilt auch für Non-SAP-Quellen. | Event Log und Prozessmodell werden zusätzlich in der Celonis-Cloud gespeichert. |
Deployment | Frei wählbar. On-premises, hybrid oder in der Cloud. | Cloud-only. Der Legacy On-Premise Extractor wird Ende 2026 eingestellt. |
KI-Integration | Context Layer auf Ihrer Plattform. Semantische Schicht und Prozessmodell liegen in Ihrer Datenbank, im selben Governance- und Compute-Raum wie die KI-Dienste der Plattform (z. B. Snowflake Cortex). BI, Process Intelligence und KI nutzen dieselben Kennzahlendefinitionen. Ihr LLM, Ihre Wahl, mit nachvollziehbaren Queries. | KI-Agenten laufen im Celonis-Ökosystem. Der Kontext liegt im Celonis Context Model auf Basis des Process Intelligence Graph, zugänglich über MCP Server und APIs, mit eigener Governance-Schicht. |
Time to value | Rund 8 Wochen. Erste Ergebnisse rund 8 Wochen nach Projektstart. | Mehrmonatiges Implementierungsprojekt. |
Kostenstruktur | Ein transparenter Preis. Keine versteckten Modulkosten. | Preis auf Anfrage, oft über 1 Mio. USD p.a., Zusatzkosten je Modul. |
Migration | Mit Parity-Check. Strukturierter Migrationspfad, abgeglichen mit den bisherigen Zahlen vor der Abschaltung. | – |
| SAP Signavio | |
|---|---|---|
Integration | Auf Ihrer Plattform. Läuft auf Snowflake, Databricks, BigQuery oder Qlik, ohne Kopie der Daten. Das gilt auch für Non-SAP-Quellen. | Daten auf SAP BTP, stark SAP-zentriert. Non-SAP-Quellen sind schwächer angebunden. |
Deployment | Frei wählbar. On-premises, hybrid oder in der Cloud. | Cloud/SaaS auf SAP BTP, kein On-Premise. |
KI-Integration | Context Layer auf Ihrer Plattform. Semantische Schicht und Prozessmodell liegen in Ihrer Datenbank, im selben Governance- und Compute-Raum wie die KI-Dienste der Plattform (z. B. Snowflake Cortex). BI, Process Intelligence und KI nutzen dieselben Kennzahlendefinitionen. Ihr LLM, Ihre Wahl, mit nachvollziehbaren Queries. | KI-Agenten wie Dashboard Analyzer und AI Agent Mining sind an SAP BTP gebunden. Der Kontext liegt im SAP-Ökosystem, SAP-Daten werden über Datasphere repliziert. |
Time-to-Value | Rund 8 Wochen. Ergebnisse rund 8 Wochen nach Projektstart. | Hoher Modellierungsaufwand vor dem ersten Ergebnis. |
Preisstruktur | Ein transparenter Preis. Keine versteckten Modulkosten. | Suite pricing within the SAP contract; individual modules are hard to separate. |
Migration | Mit Parity-Check. Strukturierter Migrationspfad, abgeglichen mit den bisherigen Zahlen vor der Abschaltung. | – |
| IBM | |
|---|---|---|
Integration | Auf Ihrer Plattform. Läuft auf Snowflake, Databricks, BigQuery oder Qlik, ohne Kopie der Daten. Das gilt auch für Non-SAP-Quellen. | Eigene Umgebung neben der Datenplattform, mit hohem Infrastruktur-Aufwand. |
Deployment | Frei wählbar. On-premises, hybrid oder in der Cloud. | SaaS oder on-premises über Cloud Paks auf Red Hat OpenShift. |
KI-Integration | Context Layer auf Ihrer Plattform. Semantische Schicht und Prozessmodell liegen in Ihrer Datenbank, im selben Governance- und Compute-Raum wie die KI-Dienste der Plattform (z. B. Snowflake Cortex). BI, Process Intelligence und KI nutzen dieselben Kennzahlendefinitionen. Ihr LLM, Ihre Wahl, mit nachvollziehbaren Queries. | watsonx und Partnerschaft mit Anthropic (Claude), aber im IBM-Ökosystem. Der Kontext liegt in watsonx, nicht auf der Datenplattform des Kunden. |
Time-to-Value | Rund 8 Wochen. Erste Ergebnisse rund 8 Wochen nach Projektstart. | Steile Lernkurve, schwieriges Onboarding (Gartner). |
Kostenstruktur | Ein transparenter Preis. Keine versteckten Modulkosten. | watsonx ab 1.050 USD/Monat, On-Premise-Lizenzmetriken komplex. |
Migration | Mit Parity-Check. Strukturierter Migrationspfad, abgeglichen mit den bisherigen Zahlen vor der Abschaltung. | – |
| QPR | |
|---|---|---|
Integration | Auf Ihrer Plattform. Läuft auf Snowflake, Databricks, BigQuery oder Qlik, ohne Kopie der Daten. Das gilt auch für Non-SAP-Quellen. | Snowflake-nativ, ältere On-Premise/SaaS-Engine separat gepflegt. |
Deployment | Frei wählbar. On-premises, hybrid oder in der Cloud. | SaaS, on-premises oder als Snowflake Native App. |
KI-Integration | Context Layer auf Ihrer Plattform. Semantische Schicht und Prozessmodell liegen in Ihrer Datenbank, im selben Governance- und Compute-Raum wie die KI-Dienste der Plattform (z. B. Snowflake Cortex). BI, Process Intelligence und KI nutzen dieselben Kennzahlendefinitionen. Ihr LLM, Ihre Wahl, mit nachvollziehbaren Queries. | AI Findings und Ursachenanalyse, aber keine Orchestrierung von KI-Agenten oder Sprachmodellen. Der Kontext liegt auf Snowflake, ohne Context Layer für KI-Agenten. |
Time-to-Value | Rund 8 Wochen. Erste Ergebnisse rund 8 Wochen nach Projektstart. | Moderat, das proprietäre Frontend bremst Power-User. |
Kostenstruktur | Ein transparenter Preis. Keine versteckten Modulkosten. | Subscription, laut Anbieter günstiger als Enterprise-Tools. Kleiner Anbieter (rund 10 Mio. EUR Umsatz). |
Migration | Mit Parity-Check. Strukturierter Migrationspfad, abgeglichen mit den bisherigen Zahlen vor der Abschaltung. | – |
Stand: Oktober 2026. Angaben zu anderen Anbietern basieren auf öffentlich verfügbaren Informationen, unter anderem Websites und Produktdokumentation der Anbieter, Anbieter-Events sowie Nutzerbewertungen. Genannte Produktnamen sind Marken der jeweiligen Inhaber.
Vergleich für Ihre Umgebung
Jede Ausgangslage ist anders. Im technischen Vergleich gleichen wir Ihre Datenquellen, Use Cases und Ihr bisheriges Setup mit mpmX ab, konkret und ohne Verpflichtung.
So läuft der Wechsel
Ein Anbieterwechsel ist kein Neustart. Case-Definitionen und KPI-Logik bleiben erhalten, und migriert wird nur, was Ihr Team tatsächlich nutzt.
Review Workshop
Wir erfassen Use Cases, Dashboards und Datenquellen und klären gemeinsam, was Ihr Team tatsächlich nutzt und was migriert wird.
Migrationsplan
Aus der Bestandsaufnahme entsteht eine Roadmap mit Etappen, Zeitplan und Teamaufstellung, abgestimmt mit allen Beteiligten.
Angebot und Umsetzung
Sie erhalten ein verbindliches Angebot. Danach migrieren wir in Etappen: Die bestehende Logik wird KI-gestützt auf Ihre Plattform übertragen, und Ihr bisheriges System läuft parallel, bis die Kennzahlen übereinstimmen.
Parallel testen statt entscheiden
Vergleichen Sie mpmX im echten Betrieb, mit Ihren Daten und parallel zu Ihrem bisherigen System, bevor Sie über die Migration entscheiden. Ohne Lock-in.
Migrationsplan herunterladen
Der vollständige Leitfaden mit allen Schritten, der Ressourcenplanung für Personal und Projektumfang sowie den technischen Voraussetzungen für den Wechsel.
Von führenden Unternehmen empfohlen. Von Analysten ausgezeichnet.
Gartner® Magic Quadrant™ for Process Mining Platforms
Platform Native Solution for Zero Data Copy
4,7
Object-Centric Process Mining (OCPM)
Conformance Checking Contest Award
FAQ
Antworten auf die Fragen, die vor einem Anbieterwechsel typischerweise aufkommen.
Nein. mpmX verarbeitet das Event Log per Pushdown direkt auf Snowflake oder Databricks, ohne Replikation, und legt die Ergebnisse daneben ab. Dafür nutzt mpmX Compute und Speicher der Plattform und übernimmt deren Berechtigungen, eine zweite Governance-Schicht entsteht nicht.
Ja. Sprachmodell und Client sind bei mpmX frei wählbar, cloud-basiert oder lokal. Prozessmodell und semantische Schicht bleiben als Context Layer in der Datenbank des Kunden, und jede Antwort lässt sich auf eine nachvollziehbare Query zurückführen.
Ja. Case-Definitionen, Aktivitätskataloge, KPI-Logik und Mapping-Tabellen bleiben erhalten, weil mpmX auf demselben Case-, Aktivitäts- und Event-Modell arbeitet. Die Transformationslogik wird in SQL oder dbt auf der Datenplattform neu abgebildet. Dashboards und Analysen entstehen neu auf Basis von mpmX Templates.
3 bis 6 Monate für die vollständige Umsetzung, je nach Anzahl und Komplexität der Use Cases. Davor liegen Review Workshop, Migrationsplan und Angebot mit zusammen etwa 6 bis 10 Wochen. Die ersten Use Cases sind rund 8 Wochen nach Start der Umsetzung produktiv.
Ja. Die Migration erfolgt in Etappen statt auf einen Schlag, und das bisherige System bleibt in Betrieb, bis die Kennzahlen in mpmX mit den bisherigen Werten übereinstimmen. Erst nach diesem Parity-Check wird das alte System abgeschaltet.
Ja, für die Kernfunktionen des Process Mining: Process Discovery, Conformance Checking, Ursachenanalyse und Object-Centric Process Mining (OCPM). OCPM ist bei mpmX Standard und kein Zusatzmodul. Welche plattformspezifischen Funktionen ein Redesign brauchen, klärt der Review Workshop vor jeder Entscheidung.
Aus zwei Komponenten: einmaligen Migrationsleistungen und einer jährlichen Plattform-Lizenz. Die Lizenz kennt keine separaten Modulpreise, weitere Use Cases kommen ohne höhere Lizenzgebühr hinzu. Das konkrete Angebot entsteht erst nach Review Workshop und Migrationsplan.
Lassen Sie uns Ihre Situation einordnen
In 30 Minuten klären wir, wo Ihre Daten liegen, welche Use Cases Ihr Team tatsächlich nutzt und was ein Wechsel für Ihre Datenplattform bedeutet. Unverbindlich und ohne Vorbereitung.
Mit wem sprechen Sie?
Jan Birkholz, Process-Intelligence-Experte
