Process Mining hat seinen Ursprung im Data Mining, also der Analyse großer Datenbestände mit dem Ziel, neue Querverbindungen, Muster und Trends zu erkennen. Damit lassen sich beispielsweise Angebote personalisierter gestalten oder Warenkorbanalysen erstellen. Beim Process Mining wird dieses Verfahren auf einen kompletten Prozess übertragen. Die darin auftretenden Ereignisse, so genannte Events, werden hinsichtlich ihrer chronologischen Reihenfolge miteinander verknüpft und in Ereignisprotokollen (Event Logs) gespeichert. Auf dieser Basis lässt sich der Prozess visualisieren und analysieren. Auch theoretische Prozessvarianten können dargestellt werden, um den jeweils optimalen Ablauf zu ermitteln.
ERP-System als Datenquelle
Die wichtigste Datenquelle für Process-Mining-Anwendungen ist das ERP-System. Darin laufen die Daten und Applikationen eines Unternehmens, wie etwa aus Einkauf, Produktion und Vertrieb, zusammen. Soll beispielsweise die Auftragsabwicklung per Process Mining analysiert werden, werden dafür die Ereignisdaten zu den einzelnen Events mit den Transaktionsdaten aus dem ERP-System miteinander verknüpft – von der Angebotserstellung über den Versand bis hin zur Verbuchung der Rechnung. Dadurch lassen sich mehr Erkenntnisse gewinnen als mit den reinen Ereignisdaten. Beispielsweise wird ersichtlich, wie lange einzelne Prozesse – etwa die Lieferung – gedauert haben. Kommt es in diesem Bereich zu Verzögerungen, lassen sich z.B. auch die kostenseitigen Auswirkungen darstellen, indem zusätzlich von der Störung betroffene Transaktionsdaten mit ins Kalkül gezogen werden. Aber auch in anderen Bereichen sind Analysen mithilfe von Process Mining möglich – etwa die Beleuchtung von Abläufen im HR-Management, wie die laufenden Bewerbungsverfahren, oder die im CRM-System erfassten Reaktionszeiten im Kundenservice. Letztlich kann die Technologie auch zu mehr Mitarbeiterzufriedenheit und -motivation beitragen: Zum einen, weil dadurch in der administrativen Prozesssteuerung der Automatisierungsgrad steigt und gleichzeitig die Fehleranfälligkeit sinkt, so dass den Mitarbeitern mehr Zeit für die eigentlich wichtigen Fachaufgaben bleibt. Zum anderen weil sich durch die anschauliche Darstellung von Arbeitsabläufen durch deren Visualisierung und Schematisierung der Informationsgehalt für die Verantwortlichen erhöht.
Datenqualität oft ein Problem
Voraussetzung für den Process Mining-Einsatz sind zum einen digitalisierte Prozesse, um überhaupt Daten zu gewinnen. Zum anderen muss die Datenqualität im ERP-System hinsichtlich Aktualiät, Vollständigkeit und Eindeutigkeit stimmen. Zudem müssen sie verständlich bzw. interpretierbar sein. Die Qualität der Daten ist jedoch oftmals ein Problem. Angesichts der wachsenden Informationsmengen fehlt oft die Zeit, um die Daten professionell zu pflegen und sauber zu strukturieren. Häufig gibt es in Unternehmen keine Verantwortlichkeiten. In der Folge ergeben sich Dubletten und ‚Karteileichen‘.
Mit KI gelöst
Durch die Integration von künstlicher Intelligenz und Process Mining wird die Qualität der Analysen zusätzlich gesteigert. Die Software ist dadurch in der Lage, aus großen Datenmengen Prognosen abzuleiten (Predictive Analytics). Beispielsweise wird ersichtlich, wann der Bedarf nach einem bestimmten Produkt steigen wird und wie stark. Auch Ursachen für Prozessschleifen oder Fehler lassen sich durch den KI-Einsatz ermitteln, wie etwa die Ursachen für wiederkehrende Verzögerungen.