Process Mining: Mehr als ein Buzzword?
Das Process Mining-Konzept sowie die entsprechenden Tools, wie z.B. Celonis, sind in Unternehmen immer noch häufig als Buzzwords verschrien. Der Einsatz solcher Tools sei mit hohen Kosten, aber fragwürdigem Mehrwert verbunden. Doch ist diese Ansicht tatsächlich gerechtfertigt?
Was ist Process Mining?
Grundsätzliches Ziel von Process Mining ist die Optimierung von End-to-End-Prozessen durch die Nutzung von Ereignisdaten, d.h. den in Informationssystemen von Unternehmen (CRM-, ERP-, SCM-Systemen) vorliegenden Daten (u.a. zu Vorgang, Zeitstempel, Status, usw.). Im Fokus steht hierbei die Analyse von operativen Prozessen, wie sie beispielsweise in Produktion, Logistik oder Finance vorliegen. Dies soll es Unternehmen ermöglichen, Einblicke in ihre Prozessabläufe zu gewinnen und Engpässe oder Abweichungen von Soll-Prozessen sowie manuelle Prozesse zu identifizieren. Die Herausforderung besteht darin, die richtigen Quellen einzubeziehen und eine hohe Datenqualität der Ereignisdaten zu gewährleisten.
Beispiel einer Prozessanalyse für Bestellvorgänge:
In der Praxis sind hauptsächlich drei Anwendungsfälle für Process Mining zu beobachten:
Der erste Anwendungsfall umfasst tiefgehende, einmalige Analysen eines Unternehmensprozesses. Dies können beispielsweise die Schritte vom Eingang bis zur Bezahlung einer Rechnung oder von der Anlage einer Bestellanforderung bis zur vollständigen Freigabe sein. Ziel ist es, Abläufe und Durchlaufzeiten zu optimieren.
Technisch betrachtet werden hierbei in einer Datenmenge vor allem die Schrittabfolgen und ihre häufigsten Ausprägungen sowie die zeitlichen Abstände zwischen den Prozessschritten analysiert. In einem Flussdiagramm können die tatsächlichen Prozessabläufe grafisch dargestellt und entweder Abweichungen zum vorgegebenen Soll-Prozess oder Optimierungspotenziale identifiziert werden. Unternehmen können hierdurch beispielsweise Mahngebühren vermeiden, Skonti maximieren sowie durch Erhöhung des Automatisierungsgrads ihrer Prozesse Kosten sparen und manuelle Fehler vermeiden.
- Anwendungsfall 2: Dauerhaftes Monitoring
Im zweiten Anwendungsfall werden Prozesse anhand ausgewählter Kennzahlen langfristig beobachtet bzw. überwacht. Beispiele hierfür sind die aktuelle Anzahl offener Rechnungen, Tage seit Eingang einer Rechnung oder Buchungen auf bestimmten Konten, wie z.B. Wareneingang/Rechnungseingang („WE/RE“), Verrechnungskonten. Dadurch können Muster festgestellt und klassifiziert, besondere Einzelfälle einfach identifiziert sowie Fehlentwicklungen erkannt und frühzeitig Gegenmaßnahmen ergriffen werden. Beobachtet wird der Prozess über Dashboards, welche nach einmaliger Einrichtung in regelmäßigen Intervallen automatisiert aus den Informationssystemen mit aktuellen Datenabzügen versorgt werden.
- Anwendungsfall 3: Verbindung von Analysen und Automatisierung
Den dritten Anwendungsfall bildet in fortgeschrittenen Implementationen darüber hinaus die Möglichkeit, Datenanalysen mit sogenannten Action Flows zu verbinden, d.h. Datenauffälligkeiten zu identifizieren und auf dieser Basis automatisierte Eingriffe in den Quellsystemen (z.B. SAP) zu veranlassen. In der Praxis können somit beispielsweise doppelte Ausgangszahlungen anhand festgelegter Kriterien leicht identifiziert und durch den Einsatz von robotergestützter Prozessautomatisierung (RPA), die Zahlsperren für mögliche Doppelzahlungen im Quellsystem setzt, effektiv verhindert werden.
Für wen ist Process Mining interessant?
Process Mining eignet sich somit vor allem für Unternehmen, deren zahlreiche operative Prozesse über einen geringen Automatisierungs- und einen hohen Komplexitätsgrad verfügen und die durch Analyse und Optimierung dieser Prozesse Kosten und Fehlerquellen reduzieren möchten.
Voraussetzungen
Die Eingangsfrage, ob Process Mining-Tools tatsächlich einen Mehrwert generieren, kann schließlich nur dann positiv beantwortet werden, wenn folgende Voraussetzungen geschaffen werden:
- Optimierungsstrategie/-zielbild: Klarheit über kritische Prozesse und wesentliche Ineffizienzen, um richtige Prioritäten für die Analyse durch Process Mining zu setzen und Kostenersparnisse zu realisieren.
- Datenstrategie und -qualität: Paralleler und inkonsistenter Einsatz von Informationssystemen kann durch durchdachte Datenstrategie verhindert und eine Prozessanalyse durch Process Mining somit erleichtert werden. Eine angemessene Datenqualität sichert die Güte der Ereignisdaten und somit die Qualität der Analyseergebnisse.
- Einbindung von Mitarbeitern in multidisziplinären Teams: Einbindung und Sensibilisierung von Mitarbeitern mit wesentlichen Prozesskenntnissen in multidisziplinären Teams aus IT-, Data- und Fachabteilung, die im Rahmen von Pilotprojekten klare Zuständigkeiten für Process Mining erhalten.
Die WTS Advisory begleitet Kunden bei der Prozessoptimierung durch Process Mining mit Hilfe unterschiedlicher Tools.
Autoren: Tim Seifert, Berlin, und Christiane Linder, Stuttgart
