Process Mining

Neben menschlichen Fehlern führen auch komplexe Abläufe und eine Vielzahl an unterschiedlichen Schnittstellen zu ineffizienten und langsamen Prozessabläufen in Unternehmen. Dies wirkt sich negativ auf die Kosten und auf die Leistung aus und mindert die Wettbewerbsfähigkeit. Process Mining bietet die Möglichkeit Unternehmensprozesse laufend zu optimieren und Abläufe transparenter zu gestalten.

Was ist Process Mining?

Process Mining ist eine Technik des Prozessmanagements und fördert die Transparenz von Unternehmen. Dafür werden in Echtzeit Informationen beziehungsweise digitale Spuren der durchgeführten Transaktionen in IT-Systemen analysiert, rekonstruiert und visualisiert. Durch die Visualisierung und Überwachung realer Geschäftsprozesse können Ineffizienzen aufgedeckt und mithilfe gezielter Maßnahmen optimiert werden.

Process-Mining-Typen

Die Task Force in Process Mining des Institute of Electrical und Electronic Engineers (IEEE) unterscheidet zwischen drei Process-Mining-Typen:

  • Discovery: Erkennung von Prozessen und Erstellung von Prozessmodellen, ohne vorher über diese zu verfügen
  • Conformance: Beurteilung der Konformität bestehender Prozessmodelle zu aktuellen Daten
  • Enhancement: Anpassung und Erweiterung von Prozessmodellen, um im Idealfall ein neueres und besseres Modell für den gewünschten Prozess zu schaffen

Warum ist Process Mining für Unternehmen wichtig?

Process Mining steigert die Transparenz in Unternehmen indem mithilfe von Algorithmen aktuelle Geschäftsprozesse rationalisiert und verbessert werden. Dies erhöht die Produktivität und deckt Chancen in Kerngeschäftsprozessen auf, die Auswirkungen auf das Unternehmen haben. Mithilfe des Process Mining können drei Haupttypen von Key Performance Indicators (KPIs) untersucht werden:

  • Zeit-KPIs: Dauer, um einen bestimmten Prozess abzuschließen
  • Kosten KPIs: Kosten, um einen bestimmten Prozess abzuschließen
  • Qualitäts-KPIs: Erfüllt das Ergebnis eines Prozesses etablierte Kriterien?
Unser Whitepaper zu den Anwendungsszenarien SAP Predictive Analytics

Predictive Analytics Anwendungsszenarien [Whitepaper]

Gestützt auf maschinellem Lernen und Prognosealgorithmen wird die Wahrscheinlichkeit zukünftiger Ergebnisse prognostiziert.

Verwendungsmöglichkeiten

Process Mining ermöglicht einen Überblick über den komplexen Ablauf von Prozessen und identifiziert die Ursachen von Ineffizienzen, die die unternehmerischen KIPs behindern. In Branchen mit umfangreichen Datenmengen wird Process Mining vermehrt eingesetzt. Im Folgenden sind ein paar Beispiele aufgelistet:

Finanzdienstleistungen

Vor dem Hintergrund der zunehmenden Digitalisierung von Unternehmen und der Steigung des Transaktionsvolumens, ist es bei manuellen Prozessen nicht möglich, alle ineffizienten Vorgänge zu ermitteln. Mithilfe von Process Mining können Unternehmen des Finanzdienstleistungssektors Probleme in schwer überschaubaren Prozessen kontinuierlich und umfassend erkennen.

Telekommunikation

Die steigende Zahl an Kundenerhöht das Risiko fehlgeschlagener Aktivierungen. Process Mining eignet sich hierbei für die Ermittlung kostenintensiver Probleme und Kundenausfälle in Order-to-Activation-Prozessen.

Gesundheitswesen

Process Mining hilft im Rahmen einer rasanten Zunahme an Patienten-Daten (z.B. individuelle Erfahrungsberichte oder gesundheitliche Maßnahmen), effiziente und qualitativ hochwertige End-to-End-Patientenwege zu erzielen.

Einzelhandel

Der Einzelhandel ist durch hohe Transaktionswerte gekennzeichnet. Demnach entstehen auf der Grundlage von komplexen E-Commerce-Flows Prozessprobleme, die zu Kundenausfälle und folglich hohen Kosten führen. Mit Process Mining soll sichergestellt werden, dass Kundenaufträge schnell und effizient abgeschlossen werden können.

Schritte des Process Mining

Das IEEE hat das L*-Lebenszyklusmodell entwickelt, welches als Referenzmodell für die Anwendung von Process-Mining-Techniken betrachtet wird und das Vorgehen in verschiedene Phasen unterteilt:

1. Planung und Einordnung

In der Planungsphase eines Process-Mining-Projektes wird der zu untersuchende Prozess und die damit verbundenen Ereignisse und Indikatoren bestimmt. Weiterhin werden die beteiligten Akteure und IT-Systeme ermittelt und die Datenbeschaffung thematisiert. Abschließend werden die Ziele des Proces- Mining-Projektes festgelegt.

2. Relevante Daten extrahieren

Anschließend werden die entscheidenden Daten aus den IT-Systemen extrahiert. Dies sind beispielsweise Log-Dateien oder Modelle.

3. Kontrollflussmodells erstellen

Auf der Basis der zuvor erhobenen Daten erfolgt eine Ableitung des Kontrollflussmodells, welches mit den Log-Dateien in Verbindung gesetzt wird.

4. Integriertes Modell erstellen

Stehen ausreichende Daten zur Verfügung, so wird das Kontrollflussmodell um weitere Perspektiven ergänzt.

5. Operative Unterstützung

Aus den Schritten ergibt sich ein Modell, das zur Unterstützung operativer Prozesse eingesetzt werden kann.

Vorteile 

Senkung der Kosten

Mithilfe von Process Mining können bisher unentdeckte Schwachstellen, Engpässe und Automatisierungspotentiale aufgedeckt werden, um die gesamten Prozesskosten zu senken.

Erstellung eines „Shift Left“

Die Einsetzung eines „Shit Left“ bedeutet, dass Personen zur früheren Bearbeitung von Lösungsprozessen ausgewählt werden. Dies begünstigt die Kunden- und Mitarbeiterzufriedenheit und trägt zur Senkung der Gesamtkosten bei. Diese Shift-Left-Bereiche müssen jedoch zunächst mithilfe von Informationen ermittelt werden.

Erfüllung der SLA-Anforderungen

Durch die Nutzung der schnellsten Prozesswege werden die Service Level Agreements (SLA) durch Process Mining eingehalten. Auf diesem Wege können Unternehmen einem erhöhten Leistungsdruck bei begrenzten Ressourcen und hohen Produktionsanforderungen standhalten.

Reduzierung von Multi-Hops

Durch Multi-Hops entstehen Schwachstellen in Prozessen und führen zu einer Senkung der Produktivität. Process Mining trägt zur Erkennung und Minimierung von Produktivitätsverzögerungen bei.

Erhöhung der Transparenz

Bei einer Vielzahl an Daten trägt Process Mining dazu bei, die entscheidenden Daten zu ermitteln, diese zu verstehen und mithilfe von umsetzbaren Erkenntnissen die Effizienz im Unternehmen zu steigern.

Was ist der Unterschied zu Business Intelligence?

Der Unterscheid zwischen Process Mining und Business Intelligence (BI) besteht in der Ebene und Tiefe der Analyse. Das Process Mining geht davon aus, dass Prozesse nicht immer effizient ablaufen. Um dies zu erkennen ist jedoch eine tiefere Analyse notwendig. Mithilfe der tieferen Analyse wird die tatsächliche Funktion der Prozesse ermittelt.

Im Gegensatz zum Process Mining basiert das traditionelle BI auf Vorkenntnissen der Prozesse und ist auf eine wiederholte Berechnung aggregierter Metriken für die Berichterstellung ausgelegt. Zwar können mithilfe von BI mögliche Probleme in bekannten Bereichen ermittelt werden, Einblicke in unbekannte Bereiche werden hingegen nur wenig beleuchtet.

FAQ

Was ist Process Mining?

Process Mining ist eine Technik des Prozessmanagements und bietet die Möglichkeit, Unternehmensprozesse laufend zu optimieren und Abläufe transparenter zu gestalten. Durch die Visualisierung und Überwachung realer Geschäftsprozesse können Ineffizienzen aufgedeckt und mithilfe gezielter Maßnahmen optimiert werden.

Wo wird Process Mining eingesetzt?

Process Mining kann dort zum Einsatz kommen, wo Daten zu den Schritten entscheidender Geschäftsprozesse mithilfe von IT-Systemen ermitteln und gespeichert werden. Dies ist insbesondere in Brachen mit umfangreichen Datenmengen der Fall, wie beispielsweise in Brachen der Finanzdienstleistungen, der Telekomunikation oder des Gesundheitssystems.

Welche Vorteile hat Process Mining?

Mithilfe von Process Mining können Unternehmen durch die effizientere Gestaltung der Geschäftsprozesse ihre Kosten senken, die Kunden- und Mitarbeiterzufriedenheit verbessern und die Transparenz aktueller Geschäftsprozesse erhöhen.

Weiterführende Informationen

Swen Deobald

Swen Deobald

Mein Name ist Swen Deobald und ich bin begeisterter SAP Analytics Berater. Als Fachbereichsleiter von Compamind unterstütze ich Sie mit meinem Team bei allen Fragen rund um SAP Analytics, Business Warehouse, BusinessObjects und der SAP Analytics Cloud.

Sie haben Fragen? Kontaktieren Sie mich!


Das könnte Sie auch interessieren

SAP Predictive Analytics (SAP PA) ist eine Methode, um Prognosen zu erstellen, die mithilfe vorausschauender Analysemodelle die zukünftige Entscheidungsfindung im Unternehmen erleichtern und beschleunigen. Nun die vermeintlich schlechte Nachricht: SAP PA wird nicht weiterentwickelt – Maintenance und Support enden am 31. […]

weiterlesen

Entdecken Sie tiefe Einblicke in Ihre Daten - mit SAP Analysis for Microsoft Office. Diese Business Intelligence (BI)- und multidimensionale Datenanalysesoftware macht es einfach, Daten zu filtern, Trends und Ausreißer direkt in Excel zu identifizieren und Ergebnisse in Live-PowerPoint-Präsentationen auszutauschen […]

weiterlesen

Mit der Version 2.0 erfüllt SAP BW/4HANA weiterhin die Vision von SAP von einer modernen, gebündelten Data Warehousing-Lösung.

weiterlesen

Schreiben Sie einen Kommentar

Bitte füllen Sie alle mit * gekennzeichneten Felder aus. Ihre E-Mail Adresse wird nicht veröffentlicht.





Angebot anfordern
Expert Session
Preisliste anfordern