Process Mining

Das Wissen über betriebliche Prozesse ist eine Voraussetzung, um diese optimieren zu können. Doch oft sind Prozesse überhaupt nicht bis unzureichend dokumentiert oder zwischen dem alltäglich durchgeführten Prozess und der Aufzeichnung besteht eine Diskrepanz. Wie Process Mining helfen kann, die Prozesse im Unternehmen besser zu verstehen, zeigen wir in diesem Beitrag.

Was versteht man unter Process Mining?

Der Begriff Process Mining bezeichnet eine Technik, bei der anhand vorhandener Daten Geschäftsprozesse rekonstruiert und ausgewertet werden können. Grob gesagt, Process Mining nutzt bestehende Daten aus betrieblichen IT-Systemen, um Geschäftsprozesse zu rekonstruieren und zu analysieren. Bei dieser Methode wird sich auf in den Daten vorhandenes implizites Prozesswissen konzentriert, um Prozessschritte zu definieren, zusammenzufügen und zu visualisieren. Der aktuelle Prozess kann mit dem Zielprozess abgeglichen und anhand der Differenzen können Optimierungsschritte herausgearbeitet und eingeleitet werden.

Process Mining vs. Data Mining

Data Mining ist eine Analysetechnik, die ähnlich zu Process Mining bestehende große Datenmengen analysiert, um ein besseres Verständnis dieser zu ermöglichen. Beide Techniken bedienen sich verschiedener Algorithmen und statistischer Methoden, um versteckte Informationen aus Daten herauszuziehen und so für den Anwender eine klarere Entscheidungsbasis herzustellen.

Im Unterschied zu Process Mining konzentriert sich Data Mining bei der Analyse der Daten allerdings auf empirische Zusammenhänge, Querverbindungen und Trends. Es werden einzelne Kennzahlen (KPIs = Key Performance Indicators) und punktuelle Ergebnisse geliefert. Data Mining bezieht sich dabei auf statische Daten, die zum Zeitpunkt der Analyse zur Verfügung stehen. Process Mining hingegen analysiert, wie die Daten entstanden sind und kann somit auch Vorhersagen treffen und diese jederzeit anpassen. Process Mining kann Abweichungen in Echtzeit identifizieren.

Über die Ergebnisse von Data Mining hinaus macht Process Mining gesamte Unternehmensprozesse sichtbar. Die einzelnen identifizierten Schritte werden miteinander verbunden, Prozessdurchläufe analysiert und grafisch dargestellt. Dadurch wird der komplette Prozess end-to-end analysiert und man kann erkennen wann, wo und warum Probleme entstehen. Auf Basis dieser Erkenntnisse können Optimierungspotenziale abgeleitet werden.

Das Ziel von Process Mining

Das Ziel eines solchen Projektes ist es, einen Prozess end-to-end mit all seinen Schritten, Zusammenhängen und Abhängigkeiten zu erkennen, ihn mit dem gewünschten Prozess zu vergleichen und herauszuarbeiten, wie er eigentlich sein sollte oder wo er optimiert werden kann. Die allgemeinen Fragestellungen können sein: Wo gibt es Probleme im Ablauf? Wo kommt es zu Engpässen? Warum entstehen die Probleme?

Wem hilft Process Mining?

Grundsätzlich ist Process Mining vor allem für die Prozessverantwortlichen- und beteiligten sowie das Unternehmen selbst von Interesse. Es gibt mittlerweile viele Softwareanbieter, die Process Mining Tools anbieten. Diese können sehr einfach bedient werden und müssen nicht lange implementiert werden, sondern können auch als Art Abo-Produkt direkt Ergebnisse liefern und auswerten. In den meisten Fällen muss die Software auch gar nicht erst gekauft werden, sondern man kann die Beratung inklusive Process Mining Analyse und Ergebnisaufbereitung- und auswertung kaufen.

Sobald also Daten vorhanden sind und ein Interesse oder eine Notwendigkeit für eine Prozessoptimierung besteht, kann z.B. eine einzelne Abteilung oder ein Fachbereich eine Process Mining Analyse starten, um die eigenen Prozesse aufzudecken.

Process Mining Typen

Die Analyse durch Process Mining startet immer mit Eventlogs (Sammlung von Ereignissen ggf. aus verschiedenen Datenquellen). Diese bilden eine zeitliche Abfolge der einzelnen Prozessschritte ab und sind einer bestimmten Aktivität zuzuordnen. Darüber hinaus können in den Eventlogs weitere Daten enthalten sein (z.B. über Ressourcen). Abhängig von den genutzten Daten können verschiedene Arten der Analyse unterschieden werden.

Discovery (Erkennung)

Bei der Erkennungsmethode werden Eventlogs ohne weitere Informationen verarbeitet und anhand dieser wird ein Modell erstellt.

Conformance (Übereinstimmung)

Bei dieser Methode wird ein bestehendes Prozessmodell (z.B. Organigramm, Bewerbungsprozess) mit den zugehörigen Eventlogs verglichen. Dadurch kann das Modell mit der Realität abgeglichen werden und Abweichungen können identifiziert werden.

Enhancement (Erweiterung)

Bei der Erweiterungsmethode soll ein bestehendes Prozessmodell anhand der Eventlogs erweitert und verbessert werden. Die Methode zielt also darauf ab, über die Übereinstimmungsmethode hinaus das Modell auch noch zu verändern, um ein neues verbessertes Modell zu erhalten.

Die Rolle der Datenqualität

Die Qualität der Daten spielt eine erhebliche Rolle, wenn ein Process Mining Projekt angedacht ist. Es ist wichtig, sich bereits vorab Gedanken über die Daten zu machen und sie inklusive sämtlicher Kontextinformationen zu verstehen. Es müssen die relevanten Daten für das Process Mining ausgewählt und vorbereitet werden. Dafür kann es durchaus notwendig sein, Daten aus mehreren Quellen zu verknüpfen und die Zusammenhänge zu verstehen. Nur so ist es möglich, am Ende die richtigen Schlüsse aus dem Modell zu ziehen und faktenbasierte Entscheidungen, Schlussfolgerungen oder Empfehlungen darlegen zu können.

Kriterien für die Qualität

1. Belastbarkeit: Es sollte sichergestellt sein, dass die Ereignisse auch tatsächlich stattgefunden haben.
2. Vollständigkeit: Alle Ereignisse sollten vorhanden sein.
3. Semantik: Alle Ereignisse sollten eindeutig definiert sein.
4. Sicherheit: Hier spielt der Datenschutz eine große Rolle, der bei der Aufzeichnung hoffentlich berücksichtigt wurde.

Im besten Fall weisen die Eventlogs, die für das Process Mining verwendet werden sollen, alle oben genannten Kriterien auf. Je weniger der Kriterien erfüllt werden, desto problematischer kann eine Analyse dieser Eventlogs sein, da die Ergebnisse aufgrund fehlender Datenqualität nicht mehr belastbar sind und im schlechtesten Fall zu falschen Schlussfolgerungen führen können.

Phasen der Process Minings

In der ersten Phase muss das Projekt geplant werden. Danach müssen bestehende Modelle und die entsprechenden Daten herausgesucht werden, um anhand dieser Fragestellungen definieren zu können. In der dritten Phase wird ein Modell erstellt und mit den Eventlogs aus den Daten in Verbindung gebracht. In dieser Phase kann es zu einer Neuerstellung oder einer Anpassung des Modells kommen. Die Eventlogs können nochmal überarbeitet und z.B. Ausreißer ausgeschlossen oder fehlende Prozessschritte eingefügt werden. In der nächsten Phase kann das Modell um weitere Faktoren, wie z.B. Zeitdaten und Ressourceninformationen erweitert werden. Letztendlich kann dieses Modell zur Unterstützung bei Vorhersagen von Ereignissen, der Planung von Interventionen oder Empfehlungen dienen.