Process Mining

Systematische und datengestützte Auswertung von Geschäftsprozessen

Process Mining gehört zu den Data Mining Techniken und nutzt Transaktionsdaten, welche von IT-Systemen im Unternehmen erzeugt werden. Bei den Daten handelt es sich um Log- und Event-Daten, beispielsweise aus operativen Systemen.

Process Mining strebt danach, die Lücke zwischen BPM (Business Process Management) und BI (Business Intelligence) zu schließen.

Beim Process Mining werden die Datensätze mithilfe von Software und mathematischen und statischen Verfahren ausgewertet. Auch Methoden der Künstlichen Intelligenz (KI) spielen in diesem Bereich mitlerweile eine entscheidene Rolle.

Ziel ist es, Geschäftsprozessmodelle auf Basis von Daten automatisch abzuleiten. Durch das Modell lassen sich Geschäftsprozesse überwachen, rekonstruieren, durchleuchten und vor allem optimieren.

Voraussetzung ist jedoch, dass die Daten zuvor entsprechend aufgearbeitet werden. Ansonsten sind die erzeugten Modelle unbrauchbar.

Was sind Logdateien?

Logdateien protokollieren Ereignisse auf Computersystemen oder Netzwerken, beispielsweise Systemzugänge, Systeminteraktionen, Prozess- und Datenveränderungen etc.. Dadurch werden die vielen verschiedenen Vorgänge innerhalb von IT-Systemen nachvollziehbar dokumentiert. Die erzeugten Daten enthalten Attribute wie Zeitstempel, Orte oder Bearbeiter und liegen zumeist in chronologischer Reihenfolge vor. Zum Einsatz kommen Logdateien beispielsweise, um nachzuvollziehen, was den Absturz eines Systems verursacht hat. Logdateien werden vom System automatisch angelegt, gefüllt und gespeichert.

Welche Informationen sollten Logdateien für das Process Mining enthalten?

• Jedem Eintrag einer Logdatei müssen Prozessaktivitäten zugeordnet werden.
• Die Einträge müssen zeitlich geordnet sein, um die Ausführungsreihenfolge der Aktivitäten darstellen zu können.
• Es sollte ersichtlich sein, welchem Fall (bspw. Kundenbestellung) eine Aktivität zugeordnet ist.
• Es sollten nur prozessrelevante Daten im Event-Log-Format enthalten sein.

Einsatzmöglichkeiten

• Darstellung und Optimierung der Ticketbearbeitung im Support
• Darstellung und Optimierung medizinischer Behandlungspfade von Patienten
• Optimierung von Bestellabläufen
• Optimierung von Fertigungsprozessen
• Optimierung von Entwicklungsprozessen
• Konformitätsprüfung von Finanzprozessen und Finanztransaktionen
• Optimierung von Finanzströmen

Vorteile durch Process Mining

• Abbildung von wirklichkeitsgetreuen Geschäftsprozessmodellen anhand aktueller und objektiver Daten.
• Vergleichbarkeit des tatsächlichen und des theoretischen Prozesses wird möglich.
• Ein hoher Automatisierungsgrad minimiert den manuellen Analyseaufwand.
• Die Visualisierung von Prozessen erleichtert das Prozessverständnis der Mitarbeiter.
• Führungskräfte können durch fortlaufendes Monitoring bessere Entscheidungen treffen.
• Durch Ende zu Ende Betrachtung des Prozesses kann der Einfluss von Veränderungen einzelner Prozessschritte auf den Gesamtprozess beurteilt werden. Dazu können Prozessveränderungsszenarien in der Process Mining Software durchgeführt werden.
• Durch Process Mining lassen sich Prozesse rekonstruieren, visualisieren und auswerten.
• Durch Process Mining können Prozesse optimiert, Aufwände reduziert und somit die Effizienz des Prozesses gesteigert werden. Dies führt zu geringen Kosten und somit zu einer verbesserten Wettbewerbsfähigkeit.
• Process Mining unterstützt Unternehmen in der Vorbereitungsphase für RPA.
• Mittels KI und Machine Learning kann eine Root Cause Analysis (Analyse der Grundursache) automatisch erfolgen. Dabei werden verborgene Zusammenhänge zwischen den beeinflussenden Attributen und den Problemen/Störungen automatisch aufgedeckt. Es werden Antworten geliefert auf beispielsweise folgende Fragen: Warum sind manche Prozessdurchläufe langsamer als andere? Warum bleiben manche Prozessdurchläufe in der Nacharbeit stecken? Warum haben manche Prozessdurchläufe mehr Wartezeit?
• Hilft Prozesschritte zu Identifizieren, welche sich für Automationen eigenen.