Das Process Mining

Was ist Process Mining?

Process Mining ist eine Methode, die Geschäftsprozesse anhand realer Systemdaten sichtbar macht. Jede Aktion in einem ERP-, CRM- oder ITSM-System hinterlässt einen Eintrag: Eine Bestellung wird angelegt, freigegeben, geändert, eine Rechnung wird gebucht. Process Mining wertet diese Einträge aus und setzt daraus den tatsächlichen Prozess zusammen.

Die Methode steht an der Schnittstelle von Data Mining und Geschäftsprozessmanagement. Sie geht wesentlich auf den niederländischen Informatiker Wil van der Aalst zurück. 2011 veröffentlichte die IEEE Task Force on Process Mining das Process Mining Manifesto, das Begriffe und Leitlinien der Disziplin festlegte.

Der entscheidende Unterschied zur klassischen Prozessanalyse: Process Mining zeigt nicht, wie ein Prozess laufen soll, sondern wie er wirklich läuft, mit allen Schleifen, Wartezeiten und Sonderwegen.

Wie funktioniert Process Mining?

Ausgangspunkt ist das Ereignisprotokoll (Event Log). Für jedes Ereignis braucht es mindestens drei Angaben: eine Fall-ID, die zusammengehörige Schritte verbindet, den Namen der Aktivität und einen Zeitstempel. Zusatzattribute wie Benutzer, Abteilung oder Betrag erweitern die Analyse.

Der Ablauf eines Process-Mining-Projekts folgt meist vier Schritten:

1. Daten extrahieren aus einem oder mehreren Quellsystemen.
2. Daten aufbereiten: Fälle zuordnen, Aktivitäten benennen, Lücken und Dubletten bereinigen.
3. Prozess visualisieren: Algorithmen erzeugen ein Prozessmodell mit allen Varianten, Häufigkeiten und Durchlaufzeiten.
4. Analysieren und handeln: Engpässe, Abweichungen und Ursachen identifizieren und Maßnahmen ableiten.

Process Mining in Zahlen

Welche Arten von Process Mining gibt es?

• Prozessentdeckung (Discovery): Aus dem Ereignisprotokoll entsteht ein Prozessmodell, ohne dass ein Modell vorgegeben ist. Das ist die am häufigsten genutzte Form.
• Konformitätsprüfung (Conformance Checking): Der reale Ablauf wird mit dem Soll-Prozess verglichen. Abweichungen wie übersprungene Freigaben oder nachträgliche Änderungen werden sichtbar.
• Prozessverbesserung (Enhancement): Das bestehende Modell wird um weitere Informationen ergänzt, etwa Durchlaufzeiten oder Ressourcen, um Engpässe gezielt zu beheben.

Process Mining, Task Mining, Process Intelligence: Was ist der Unterschied?

Process Mining zeigt den Ablauf zwischen Systemschritten. Was zwischen zwei Einträgen am Bildschirm passiert, bleibt unsichtbar. Hier ergänzt Task Mining die Analyse. Unter Process Intelligence fassen viele Anbieter heute die Kombination aus Process Mining, Geschäftskontext und Handlungsempfehlungen zusammen.

Wofür wird Process Mining eingesetzt?

• Einkauf und Buchhaltung (Purchase-to-Pay): Freigabeschleifen, Bestelländerungen nach Rechnungseingang, verpasste Skonti.
• Vertrieb und Auftragsabwicklung (Order-to-Cash): Lieferverzögerungen, manuelle Preisänderungen, lange Durchlaufzeiten.
• IT-Service: Ticket-Pingpong zwischen Teams, Eskalationen, Lösungszeiten im ITSM.
• Systemmigrationen: Vor einem Brownfield- oder Greenfield-Projekt den Ist-Zustand verstehen, danach prüfen, ob der neue Prozess gelebt wird.
• Automatisierung: Wiederkehrende, regelbasierte Schritte finden, die sich für Prozessautomatisierung eignen.

Was verrät Process Mining über die Nutzung von Software?

Viele Abweichungen, die Process Mining aufdeckt, sind keine reinen Prozessfehler. Sie zeigen, dass Anwender die Software anders nutzen als vorgesehen. Typische Muster sind:

• Nachträgliche Korrekturen: Felder werden nach dem Speichern immer wieder geändert, weil Pflichtangaben unklar sind.
• Umgehungen: Freigaben laufen per E-Mail statt im System, der Schritt fehlt im Protokoll.
• Starke Unterschiede zwischen Standorten oder Teams: Ein Team arbeitet sauber im Standardprozess, ein anderes produziert viele Varianten.
• Wiederkehrende Abbrüche an derselben Stelle, oft direkt nach dem Go-live.

Solche Muster sind ein Fall für Change Management und Anwenderbegleitung. Eine weitere Prozessregel hilft wenig, wenn die Ursache fehlendes Wissen im Moment der Nutzung ist. Process Mining liefert damit eine objektive Grundlage, um die digitale Adoption zu messen und gezielt zu verbessern.

Wo liegen die Grenzen?

• Datenqualität: Unvollständige oder uneinheitliche Protokolle verzerren das Prozessbild.
• Blinde Flecken: Arbeit außerhalb der Systeme (E-Mail, Telefon, Excel) erscheint nicht im Protokoll.
• Datenschutz und Mitbestimmung: Sobald Daten Rückschlüsse auf einzelne Beschäftigte zulassen, sind DSGVO und in Deutschland der Betriebsrat einzubeziehen. Pseudonymisierung ist üblich.
• Kein Selbstläufer: Process Mining zeigt das Problem, löst es aber nicht. Ohne Maßnahmen und Begleitung der Anwender bleibt es bei der Diagnose.

Fazit

Process Mining macht aus Systemdaten ein objektives Bild der realen Prozesse. Es deckt Engpässe, Abweichungen und Automatisierungspotenziale auf und schafft eine Faktenbasis für Verbesserungen. Wer die Ergebnisse auch als Signal für die Nutzung der Software liest, kann Prozessqualität und Anwenderakzeptanz gemeinsam verbessern.

Häufige Fragen