Process Mining ist eine Technologie zur Prozessmodellierung, -analyse und -optimierung. Durch die ganzheitliche Visualisierung und Auswertung von Geschäftsprozessen werden wichtige Daten nicht mehr übersehen, sondern können zur Prozessoptimierung verwendet werden. Dies verhilft Unternehmen zur Steigerung ihrer Produktivität sowie Wirtschaftlichkeit.

Trotz weit entwickelter und nutzerfreundlicher Process-Mining-Tools ist die Implementierung und Verwendung des Process Minings keineswegs einfach. Auf dieser Seite klären wir über die Voraussetzungen und Herausforderungen für Process Mining auf. Die Informationen auf dieser Seite gelten für sämtliche Methoden des Process Minings – also sowohl für das herkömmliche Process Mining als auch für das Object Centric Process Mining (OCPM).

Digitalisierter Prozessablauf als wichtigste Voraussetzung

Da Process-Mining-Tools mit digitalen Daten arbeiten, sind digitalisierte Prozessabläufe für die Anwendbarkeit essenziell. Digitalisiert sind die Unternehmensprozesse, sofern über Softwareanwendungen (z. B. SAP) Prozessdaten vom Beginn bis zum Ende digital gesammelt und darin alle Prozessschritte erfasst werden.

Wenn Unternehmen zum Teil analoge Geschäftsprozesse haben, besteht trotzdem die Möglichkeit zum Process Mining. In diesem Fall werden die analogen Prozesse aus dem Process Mining ausgeschlossen und die Anwendung beschränkt sich allein auf die digitalen Geschäftsprozesse.

Digitalisierte Prozesse sind das grundlegende Kriterium für die Anwendbarkeit der Process-Mining-Technologie. Bei Vorliegen solcher Prozesse müssen zur effizienten und fehlerfreien Anwendung von Process Mining folgende weitere Voraussetzungen erfüllt werden:

  • Vorliegen einer Process-Mining-Software
  • Implementierung der Software im Unternehmen
  • Anpassung der Software an die jeweiligen Geschäftsprozesse
  • Verbindung der Software mit relevanten Systemen
  • Schulung der Anwender und IT-Fachkräfte im Unternehmen

Wir stellen zusammenfassend fest, dass die Kernvoraussetzung zuallererst darin besteht, dass die Prozesse digital (durch die Verwendung von IT-Systemen) ablaufen. Diese IT-Systeme werden dann mit einer individuell ans Unternehmen angepassten Process-Mining-Software verbunden, um so die Prozesse zu rekonstruieren.

Eindeutige Identifizierung und Abgrenzung der Prozesse

Damit Prozesse im Process Mining korrekt rekonstruiert und qualitative Daten dazu abgebildet werden können, bedarf es einer eindeutigen Identifizierung und Abgrenzung der Prozesse. Diese Voraussetzung wird durch folgende drei Aspekte erfüllt:

  • Zuteilung eines Identifikationskriteriums (z. B. Werkstück-Nummer im Produktionsprozess; Bestellnummer im Bestellprozess)
  • Setzen eines Zeitstempels zur richtigen chronologischen Abbildung der einzelnen Schritte im Geschäftsprozess
  • Abgrenzung des Prozesses durch dessen klare Benennung (z. B. Anlegen einer Bestellung; Versendung der Bestellung)

Aus diesen drei Attributen zu den einzelnen Aktivitäten eines Prozesses können die sogenannten Event Logs erstellt werden, die dann vom Process-Mining-Tool erfasst werden. Die Event Logs sind systematische Tabellen, die die besagten drei Pflicht-Attribute zu Prozessaktivitäten und weitere optionale Kategorien enthalten.

Sobald Geschäftsprozesse eindeutig abgrenzbar von nicht zugehörigen Aktivitäten im Unternehmen sind, besteht keine Gefahr mehr, dass falsche Daten gesammelt werden. Diese würden die Prozessanalyse beeinträchtigen oder sogar komplett unmöglich machen.

Durch den klar definierten Beginn und das eindeutig bestimmte Ende von Geschäftsprozessen wird eine vollumfassende Prozessanalyse möglich, indem Durchlaufzeiten von Prozessen berechnet werden können. Die gesammelten Datenmengen fördern die präzise Analyse des Ist-Zustands und tragen zur Ableitung einer größeren Menge an Optimierungspotenzialen bei.

Vertraulicher Umgang mit Personendaten in IT-Systemen

Ein rechtlicher Knackpunkt beim Thema Process Mining ist der Datenschutz. Ohne die Zustimmung der Personen dürfen beim Process Mining keine Daten zu personenspezifischen Leistungen erhoben werden. Falls Personen und deren Leistungen in Prozesse involviert sind, muss daher deren Rolle anonymisiert werden.

Mögliche Daten, die erhoben werden, sind persönliche Daten von Personen, Daten zu deren Aktivitäten und Daten zu deren Interaktionen im Zuge von Geschäftsprozessen. Die Personalvertretung ist darüber in Kenntnis zu setzen, welche personenbezogenen Daten im Process Mining eingeholt werden. Dabei sollten folgende Lösungen forciert werden:

  • Die Analyse der personenbezogenen Datenmengen muss allein auf die entsprechenden Prozesse begrenzt werden.
  • Zudem ist eine anonyme Zuteilung der Daten anzustreben; eine Methode der Anonymisierung bestünde beispielsweise darin, anstelle der Mitarbeiternamen Rollen oder Berechtigungen zu benennen. Dann würden Daten zu Rollen bzw. Berechtigungen erhoben und analysiert werden.
  • Außerdem sollten einzig und allein die personenbezogenen Daten erhoben werden, die für die Prozesse wirklich relevant sind.

Generell darf nicht außer Acht gelassen werden, dass Process Mining als Bestandteil der Digitalisierung und Methode zur Prozessoptimierung mit Veränderungen für die Belegschaft einhergeht. Nicht nur unter dem Blickpunkt des Datenschutzes, sondern ebenso in Anbetracht des Eingriffs in bisher gewohnte Arbeitsabläufe, kann Process Mining von einem Teil der Mitarbeiter kritisch beäugt werden.

Die Veränderungen im Unternehmen, die durch das Process Mining  anfallen, sollten frühzeitig kommuniziert werden. Durch ein offenes Change Management, im Zuge dessen die Mitarbeiter über bevorstehende Änderungen informiert und an diese langsam herangeführt werden, werden personell die richtigen Voraussetzungen zur Nutzung von Process Mining geschaffen.

Die Stärkung der Mitarbeiter darin, sich – auf Basis der Datenanalyse aus der Process-Mining-Software – den Prozessen und deren Optimierung analytisch anzunähern, ist ein wichtiger Erfolgsfaktor. Ferner ist es förderlich, wenn Mitarbeiter einen direkten Zugang zu den Daten haben. Dies steigert die Transparenz. Idealerweise erhalten Mitarbeiter mehr Befugnisse, um Probleme selbstständig zu lösen, indem sie auf das neu erlangte Prozesswissen aus dem Process Mining zugreifen können.

Kompetenzen der Anwender: Mittels Process Mining Soll-Prozess erreichen

Um mithilfe von Process Mining die Ist-Prozesse zu optimieren und die angestrebten Soll-Prozesse zu erreichen, sind bestimmte Kompetenzen der Anwender erforderlich. Auf drei wesentliche Kompetenzen gehen wir im Folgenden detailliert ein. Wichtig ist für Prozessanalysen und Prozessverbesserungen, diese Kompetenzen zu einem funktionierenden Ganzen zu verknüpfen, um so eine ganzheitliche Optimierung von Geschäftsprozessen vornehmen zu können.

Analytische Kompetenzen

Für eine qualitative Analyse sind Kenntnisse in der Visualisierung und Auswertung der generierten Daten notwendig. Zudem ist ein breites Wissen in Bezug auf statistische Modelle vorteilhaft.

Technologische Kompetenzen

Des Weiteren setzt die erfolgreiche Anwendung von Process Mining technologische Kompetenzen voraus. Hierzu gehören Fähigkeiten wie etwa die Modellierung und Bereitstellung von Daten sowie das Verständnis von Datenflüssen innerhalb der gesamten IT-Landschaft – dies schließt die Fähigkeit ein, mit dem neuen Process-Mining-Tool umgehen zu können.

Die technologischen Kompetenzen sind oftmals der Knackpunkt, an dem die Implementierung von Process Mining in Unternehmen scheitert. Um dieses Problem zu umgehen, schulen wir von mpmX die Mitarbeiter umfassend. Hierzu gehören Schulungen in der Datenanalyse mithilfe unserer Software und in der Ableitung zu richtigen Maßnahmen zur Prozessverbesserung.

Organisatorische Kompetenzen

Nicht zuletzt ist es elementar, die analytischen sowie technologischen Kompetenzen mit den inhaltlichen und organisatorischen Aspekten des Unternehmens zusammenzuführen. Nur durch eine Datenanalyse und eine Prozessoptimierung, die individuell am Unternehmen ausgerichtet ist, kann eine Verbesserung von Prozessen erreicht werden.

Wer eine Analyse durchführt und ohne einen Zusammenhang zum Unternehmen Änderungsmaßnahmen an den Prozessen beschließt, riskiert einen Misserfolg. In allen Organisationen gibt es eine Vielzahl an Systemkomponenten, die ständigen Wechselwirkungen unterliegen. Die potenziellen Wechselwirkungen durch Änderungen an Prozessen gilt es zu beachten.

Beispiel für die Implementierung und Anwendung von Process Mining

Nachdem eine Process-Mining-Software ausgewählt wurde, wird diese vom Dienstleister gemäß den Vereinbarungen mit dem Unternehmen in die Business-Prozesse eingegliedert. Sämtliche Abläufe innerhalb eines Unternehmens, die mittels Process Mining modelliert und analysiert werden sollen, werden in der Software erfasst.

Um vorab zu prüfen, ob Process Mining in Bezug auf die individuellen Prozesse im eigenen Unternehmen sinnvoll ist, ist die Durchführung von Pilotprojekten hilfreich. In den Pilotprojekten werden die Anwendbarkeit und die Mehrwerte von Process Mining einer Bewertung unterzogen. Sofern die Bewertung positiv ausfällt, werden die Abläufe im Process-Mining-Tool erfasst und die Implementierung des Process Minings beginnt.

Im Zuge der Erfassung der Abläufe werden die Prozesse klar benannt, damit alle Prozessdaten gesammelt werden können. Für die Anbindung der Software an die Systeme im Unternehmen und die Bestimmung sowie Generierung der relevanten Prozessdaten ist ein Zeitfenster von rund 2 Wochen zu veranschlagen. In diesem Zeitraum oder schon davor können die Mitarbeiter sowie IT-Fachkräfte in der Anwendung der Software geschult und auf die Änderungen im Unternehmen vorbereitet werden.

FAQ: Fragen und Antworten zum Thema „Process Mining und dessen Voraussetzungen“

Was ist der Unterschied zwischen OCPM und klassischem Process Mining?

Das OCPM ermöglicht die prozessübergreifende Modellierung von Geschäftsprozessen. So wird beispielsweise auch das Potenzial zur Optimierung an den Schnittstellen mehrerer Prozesse aufgedeckt. Das klassische Process Mining hingegen dient nur der Analyse und Optimierung einzelner Prozesse mit einem klar definierten Anfang sowie Ende.

Kann ich OCPM nutzen, wenn ich schon Process Mining im Einsatz habe?

Ja. Gern unterstützen wir dabei, das herkömmliche Process Mining auf ein System mit OCPM zu erweitern. Durch den Einsatz eines entsprechenden Tools wird der Umstieg von herkömmlichem Process Mining auf das fortschrittlichere und umfassendere OCPM möglich.

Was ist der Unterschied zwischen Business Intelligence und Process Mining?

Business Intelligence dient dazu, die Performance des gesamten Unternehmens zu messen. Hierzu werden ähnlich dem Process Mining automatisiert Datensätze eingeholt. Allerdings geht Business Intelligence davon aus, dass an den Geschäftsprozessen selbst nichts zu optimieren ist.

Letztlich bietet sich die Nutzung beider Lösungen an: Process Mining zur Visualisierung und Analyse von Prozessdaten, Business Intelligence zur Optimierung der Performance des Unternehmens auf Basis verschiedener KPIs, die teilweise durch die Prozesse beeinflusst werden.

Kann ich mpmX nutzen, wenn ich ein anderes BI-Tool im Einsatz habe?

Ja, die Nutzung unserer BI-Tools ist auch dann möglich, wenn bereits ein anderes BI-Tool (z. B. Qlik; Power BI; Tableau) im Einsatz ist. Für bessere Synergieeffekte zwischen den Tools und eine reibungslose Automatisierung bietet es sich allerdings an, die Tools eines Anbieters zu verwenden.

Was ist der Unterschied zwischen Data Mining und Process Mining?

Im Vergleich zu Data Mining hat Process Mining mehrere Vorteile. Diese bestehen darin, dass nicht nur statische Daten zur Analyse herangezogen werden, sondern auch analysiert wird, wie die Daten im Zuge der Prozesse entstanden sind. Abweichungen vom Soll-Prozess können mittels Process Mining im Gegensatz zu Data Mining in Echtzeit festgestellt werden.