Prozessmanagement

Einstieg in Process Mining

13.09.2019
Von   IDG ExpertenNetzwerk


Benjamin Aunkofer ist Gründer von DATANOMIQ, einem Dienstleister für Data Science und Business Analytics, sowie Mitbegründer des Vereins für datengestützte Produktion und Logistik, Connected Industry e.V. Er ist Software-Entwickler (IHK) und Wirtschaftsingenieur (M. Sc.), steuert als Chief Data Scientist aktiv Data Science Teams und gilt als Spezialist für Big Data Analytics und Industrie 4.0.
Erfahren Sie, was Process Mining von Business Intelligence unterscheidet, welche Probleme es löst und wie Unternehmen den Einstieg finden können.

"Process Mining ist eine innovative Disziplin unter den Big-Data-Technologien und macht es möglich, Abläufe aus Daten heraus zu analysieren und abzubilden. So erhalten Unternehmen umfassende Einblicke in ihre Prozesse", sagt Gunther Rameseder von Celonis SE. In der Tat ist Process Mining bereits vielerorts im Einsatz, wird jedoch häufig hinsichtlich der Potenziale für das Prozess-Management unterschätzt. Richtig angewendet, schafft es eine hohe Prozesstransparenz.

Process Mining bildet die tatsächlichen Prozesse im Unternehmen ab und kann diesen Ist- mit einem Soll-Zustand vergleichen.
Process Mining bildet die tatsächlichen Prozesse im Unternehmen ab und kann diesen Ist- mit einem Soll-Zustand vergleichen.
Foto: NicoElNino - shutterstock.com

Was ist Process Mining?

Was Process Mining von klassischer BI abgrenzt, ist die Darstellung von Datenmithilfe von Prozessflussdiagrammen. Die rekonstruierten Prozessdaten werden in einem Process-Mining-Tool grafisch insbesondere über solche Diagramme dargestellt. Dabei modelliert Process Mining kein spezifisches Prozessmodell hinein, sondern arbeitet diese nur heraus. Wer also beispielweise seinen Kanban-Prozess nicht in der technisch-validierten Prozessdarstellung wiederfindet, der verfügt tatsächlich nicht über die Umsetzung dieses Konzepts der Prozessorganisation. In vielen Tools lässt sich jedoch der rekonstruierte Ist-Prozesse mit einem theoretischen Prozessmodell (insbesondere der Soll-Prozess) abgleichen.

Einige Anbieter für derartige Tools sind Celonis, Signavio, ProcessGold, PAF, Fluxicon und Lana Labs. Diese unterscheiden sich stark voneinander im Hinblick auf Funktionsumfang, Cloud-Verfügbarkeit und Enterprise-Fähigkeit. Sie legen teilweise auch deswegen unterschiedliche Schwerpunkte, weil sie aus unterschiedlichen Richtungen kommen. Während beispielsweise Fluxicon im Jahr 2009 mit einer Desktop-Anwendung als einer der Process-Mining-Pioniere gestartet ist, setzt Signavio auf eine vollständig Cloud-basierte Suite, die Process Mining mit der Prozessoptimierung und -automatisierung verbindet und so schnelle und zielgerichtete Aktionen ermöglichen soll.

Technologie oder Analysemethodik

Process Mining ist ein Schlagwort, das bestimmte BI-Tool-Anbieter für sich vereinnahmen möchten, dabei ist Process Mining eine Analysemethodik, bei der es um die Rekonstruktion von Prozessen aus den Log-Daten und anderen Datenspuren in IT-Systemen geht. "In unseren Augen ist es besonders wichtig zu verstehen, dass Process Mining kein automatisiertes Zauber-Tool ist, sondern ein Analyse-Werkzeug, das auf der Anwenderseite ein Stück Erfahrung und Expertise erfordert," sagt Anne Rozinat von Fluxicon.

Passend zum Thema: Die Zukunft der Industrie liegt im Internet der Dinge.

Auch wenn die Wortanlehnung offensichtlich ist, hat Process Mining kaum etwas mit Data Mining zutun. Letztere ist eine Methodensammlung für mathematische Algorithmen, die selbstständig Strukturen aus Daten herausarbeiten, die vorher nicht sichtbar waren. Interessant ist dabei jedoch, dass die mathematischen Data-Mining-Methoden nun auch in Process Mining Einzug halten -dazu aber später mehr. Gegenwärtig ist Process Mining ein Verfahren, das mindestens einen Data Engineer braucht, der Daten über SQL oder eine Programmiersprache wie Python in ein Protokoll zusammenführt.

Prinzipieller Ablauf der Datenzusammenführung für Process Mining am Beispiel von Signavio Process Intelligence. Die oberen Datenquellen werden über Data Engineering zusammengeführt und in eine Process Mining Tool Engine überführt. Quelle: Signavio.com
Prinzipieller Ablauf der Datenzusammenführung für Process Mining am Beispiel von Signavio Process Intelligence. Die oberen Datenquellen werden über Data Engineering zusammengeführt und in eine Process Mining Tool Engine überführt. Quelle: Signavio.com
Foto: Signavio

Process Mining und Business Intelligence werden zusammenwachsen

Process Mining und Business Intelligence wurden bisher überwiegend getrennt voneinander besprochen und angewendet. Business Intelligence behandelt insbesondere die strukturierte Bereitstellung von zumindest tagesaktuellen Dashboards, die über die gegenwärtige Unternehmenssituation quantitative Auskunft geben. Business Intelligence ist klassischerweise rückblickend oder kann nahezu in Echtzeit über die gegenwärtige Situation berichten, so wie es auch bei Process Mining der Fall ist. Process Mining ist eine Teildisziplin der BI, die ihren Fokus nicht auf allgemeine KPIs, sondern auf prozessspezifische KPIs setzt.

"Heute ist Process Mining aus der Prozesswelt nicht mehr wegzudenken. In Zukunft werden wir eine viel stärkere Verzahnung und Integration mit ERP, BPM, RPA und weiteren Systemen sehen", kommentiert Rudolf Kuhn, Mitgründer der ProcessGold AG.Einige ERP-System-Anbieter reagieren bereits auf den Trend und arbeiten an hauseigenen Event-Logs, beziehungsweise Process-Mining-tauglichen Protokollen, um die Hürden für die Prozesskontrolle zu senken.

Die äußere Erscheinung der Business Intelligence ist dabei gekennzeichnet von Dashboards, die über BI-Tools Informationen mit Tabellen, Balkendiagrammen und Histogrammen darstellen. Sie zeigen Daten in absoluten und relativen Werten sowie ihre Verteilungen. Typische Anbieter von BI-Tools sind QlikTech, MicroStrategy, Tableau und Microsoft mit dem derzeit beliebten Tool Power BI.

Der Tool-Anbieter PAF (Process Analytics Factory) setzt mit seinem Produkt PAFnow ganz auf das Tool Power BI, welches um ein PAFnow-Plugin ergänzt zu einem leistungsstarken Process-Mining-Tool wird. Dieser Plugin-Ansatz hat den Vorteil, dass der Anwender das verbreitete BI-Tool Power BI, welches zudem eine riesiger User-Community hat, direkt auch für Process Mining einsetzen kann.

Lana Labs setzt für die Integration auf offene Schnittstellen, um die nahtlose Einbindung in individuelle IT-Landschaften zu ermöglichen. Die Software von Lana Labs erlaubt es, durch ihre vielseitigen Schnittstellen Process-Mining-Ergebnisse leicht in die im Unternehmen bestehenden BI-Dashboards (Qlik, PowerBI, Tableau, etc.) zu integrieren.

Zukünftig sollen BI-Systeme auch um vorhersagende Analysen ergänzt werden und so einen - wenn auch leicht verschwommenen - Blick in die nahe Zukunft ermöglichen. Dazu gehören beispielsweise Forecasting-Modelle für Umsätze, Gewährleistungs-Inanspruchnahmen oder Einkaufsbedarfe.

Mit KI Anomalien in Prozessen erkennen

Process Mining wird zukünftig auch um Methoden aus der Data Science ergänzt. Ziel ist es, mit Machine Learning beispielsweise Anomalien in Prozessketten zu erkennen, die für Prozessoptimierung oder auch für Betrugserkennung eine Rolle spielen können. Aus Process Mining wird so Process Analytics. Bisher haben nur die Marktführer der Process-Mining-Tools erste Funktionen des maschinellen Lernens integriert.

Celonis entwickelt seine Process-Mining-Technologie konsequent weiter und setzt verstärkt auf Machine Learning. Mit Process Mining in Kombination mit Machine Learning sollen noch umfassendere Analyseeinblicke generiert werden können. Prozessanalysen verfolgen nicht mehr alleine das Ziel, vergangene Abläufe zu analysieren, sondern sollen auch zukunftsgerichtete Prognosen ermöglichen. So kann die Celonis Action Engine so konfiguriert werden, dass bei Prognose einer Abweichung von einer bestimmten Soll-Durchlaufzeit automatisch eine Handlungsaufforderung verschickt wird.

Aber auch die anderen Tool-Anbieter arbeiten an der Integration von Machine Learning. Über ihre R-/Python-Integration ermöglicht Lana Labs Nutzern, neben eigenen Machine-Learning-Funktionen auf vielfältige KI-Algorithmen zuzugreifen und Process Mining um eigene Entwicklungen zu erweitern. Auch PAF geht laut CEO Tobias Rother in diese Richtung: "In PAFnow führen wir künstliche Intelligenz mit modernen Process-Mining-Methoden erfolgreich zusammen, um Prozesse automatisch zu analysieren, gezielte Einblicke zu erhalten, Geschäftsprozesse zu überprüfen und die Leistung von Prozessen, durch das Anstoßen konkreter Aktionen aus PAFnow heraus, nachhaltig zu verbessern."