Process Mining: Prozessvisualisierung ist nur der erste Schritt

Neben etablierten Geschäftsprozessen existieren häufig unsichtbare Prozesse. Prozessinformationen finden sich in verschiedensten Datenquellen, verteilt z.B. auf Datenbanken von ERP Systemen, Applikationslogs oder Webservices, deren Aufrufe über enstprechende strukturierte Schnittstellen ermittelt werden können. Process Mining schafft die Möglichkeit, zeitliche oder organisatorische Verkettungen als Prozesse zu identifizieren, diese zu visualisieren und zügig in verständlicher Form zu analysieren. Die Uses Cases hierfür sind eben so vielfältig wie die verfügbaren Daten – von Bewegungen in Logistikzentren, über Aufgabenverteilungen, bis hin zu Krankheitsverläufen von Patienten.

Prozessvisualisierung bietet einen Einstiegspunkt in die Prozessanalyse, doch Process Mining umfasst noch mehr. Im Bereich des Conformance Checking werden die in der Praxis gelebten Prozesse mit erwarteten oder Soll-Prozessmodellen verglichen, um Prozessabweichungen, Fehler oder Short Cuts zu identifizieren. Zudem können Sonderfälle automatisiert durch eine Anomalieerkennung identifziert werden: Bei welchen Fällen lohnt sich eine genauere Betrachtung besonders? Ziel ist dabei immer ein Verständnis sowie die Optimierung der Prozesse anhand der gewonnenen Erkenntnisse. Vielleicht hilft Ihnen auch eine Prognose von Durchlaufzeiten oder zukünftiger Auslastung von Mitarbeitertasks, um Bottlenecks frühzeitig zu identifizieren? All dies ist möglich, wenn Sie sich für eine datenbasierte Analyse Ihrer Prozesse entscheiden.

Geschäftsprozesse zu automatisieren ist erfolgsentscheidend, die real gelebten Prozesse zu kennen unerlässlich. Beide Faktoren adressiert Process Mining in erstaunlich guter Qualität. Kunden stellen sich jedoch immer wieder dieselben Fragen: Wo beginnen, welche Werkzeuge sind notwendig und wo erzielen sich schnell Resultate? Unsere Erfahrung sagt: Bereits in wenigen Schritten werden überraschende Ergebnisse zutage gefördert. Nach dem Aha-Effekt ist Process Mining schnell automatisiert.

Schritt 1:  Potenziale erkennen
Process Mining schafft die Möglichkeit, zeitliche oder organisatorische Verkettungen als Prozesse zu identifizieren, diese zu visualisieren und zügig in verständlicher Form zu analysieren. So werden der Standardprozess sowie die Abweichungen sichtbar. Fehlbedienungen, Shortcuts, intransparente Prozessschritte und vor allem Fehler bieten Chancen zur Prozessverbesserung und Kostenreduktion.

Schritt 2: Involvierte Systeme verstehen
Process Mining basiert auf Event-Daten. Identifizieren Sie die involvierten IT Systeme und welche Daten diese speichern. Sie werden überrascht sein, welche Daten sich nicht nur in der Datenbank sondern auch in Logs oder Dateiablagen finden. Diese müssen nicht Live aus dem Produktivsystem gelesen werden. Historische Daten aus dem Archivsystem oder ein gezielter Export genügt völlig für erste Erkenntnisse und den Aha-Effekt.

Schritt 3: Prozesse identifizieren
Process Mining setzt Event Logs, bestehend aus Case Id, Aktivität und Timestamp, voraus. Dafür müssen Prozessinstanzen anhand zusammenhängender Merkmale in Beziehung gebracht werden. Dies ist die Datenbasis für weitere Analysen und wird in der Regel als große Tabelle strukturierter Daten dargestellt – Potenziale zur Anwendung von künstliche Intelligenz sind ein zusätzliches Resultat dieser Phase.

Schritt 4: Prozesse explorieren
Jetzt zeigen sich Ergebnisse! Die strukturierten Prozessdaten aus der Aufbereitung werden visualisiert. Die grafische Darstellung als Prozessmodell liefert die gemeinsame Basis, um auf Augenhöhe mit den Domänenexperten zu kommunizieren. Diese geben Tipps für Verbesserungen, beseitigen mögliche Fehler und werden sicherlich überrascht von einigen Details.

Schritt 5: Erkenntnissgewinnung automatisieren
Process Mining geht noch deutlich weiter. Wahrscheinlich möchten Sie den obigen Aufwand nicht endlos manuell durchführen. Eine Möglichkeit ist die Anomalieerkennung. Als ein Standardverfahren aus dem maschinellen Lernen lässt sie sich problemlos automatisieren. Jede Prozessinstanz wird automatisiert mit einem sogenannten Anomaliescore bewertet, der besagt: Welche Prozessinstanzen sind auffällig? Wo lohnt sich ein Blick ins Detail?

Sie wollen noch mehr? Kein Problem: Die Datenbasis ist geschaffen, Prognosen von Prozessdurchlaufzeiten oder der automatischen Identifikation von Bottlenecks steht nichts mehr im Weg.

Neben dem gewonnenen Prozesswissen und der Identifikation von Optimierungspotenzial, schafft Process Mining die Grundlage für eine vollständige Modellierung im Rahmen von BPM und eine automatisierte Unterstützung der Geschäftsprozesse. Während Prozessmodelle aus Interviews mit den Fachbereichen häufig einen Bias beinhalten, deckt Process Mining die real gelebten Prozesse auf. Durch Kennzahlen, wie Häufigkeit, Durchlaufzeiten und Prozessvarianten, kann das Potenzial für Prozessautomatisierung erkannt und bewertet werden. Nutzen Sie dieses Wissen und die gewonnenen Prozessmodelle, um Ihre Prozesse zu optimieren – vielleicht identifizieren Sie sogar Routineaufgaben, die automatisiert werden können. Wenn die verwendeten Systeme keine passenden Schnittstellen bieten, kann  Robotic Process Automation (RPA) eingesetzt werden, um einen höheren Automatisierungsgrad zu erreichen. Abweichungen vom Standardprozess werden in dem Prozessmodell klar definiert und abgebildet. Nutzen Sie hierfür die gewonnenen Erkenntnisse über Prozessanomalien und Prozessvarianten. Anschließend sind Prozessausreißer nicht mehr möglich oder werden explizit im Prozessmodell dargestellt. Um Process Mining und Prozessautomatisierung zu verbinden, arbeiten wir eng mit unserem Kompetenzbereich BPM zusammen.

Wie geht es weiter?

Fühlen Sie sich fit für eigene Versuche oder möchten Sie einen Kickstart? Wir versprechen, Ihnen im Rahmen eines Proof-Of-Concepts mindestens eine automatisierte Anomalie-Erkennung zu liefern. Sprechen Sie uns an!

Für eigene Versuche bietet sich der Besuch unseres Seminars Process Mining für Prozessverantwortliche an.