Process Mining: Definition, Verfahren und Datenbasis
Process Mining rekonstruiert tatsächliche Prozessabläufe aus Ereignisprotokollen. Die notwendige Datenbasis enthält mindestens eine Fallkennung, eine Aktivität und einen Zeitstempel. Zusätzliche Merkmale wie Ressource, Kostenstelle, Artikel, Auftragsart oder Standort ermöglichen Ursachenanalysen und den Vergleich homogener Prozessgruppen.
| Verfahren | Fragestellung | Typisches Ergebnis |
|---|---|---|
| Process Discovery | Wie läuft der Prozess tatsächlich ab? | Aus dem Event Log erzeugtes Prozessmodell mit Varianten und Schleifen |
| Conformance Checking | Wo weicht der Ist-Prozess von einem Referenzmodell ab? | Abweichungen, ausgelassene oder zusätzliche Schritte |
| Enhancement | Welche Zeiten, Engpässe oder Merkmale erklären das Verhalten? | Angereichertes Modell und priorisierte Verbesserungsansätze |
Für Produktion und Intralogistik sind Auftrag, Transportauftrag, Handling Unit oder Materialbeleg mögliche Fallkennungen. Mehrere Systeme müssen über fachlich stabile Schlüssel und eine konsistente Zeitlogik verbunden werden. Fehlende Ereignisse, nachträglich überschriebene Zeitstempel und uneinheitliche Statusbezeichnungen werden vor der Interpretation geprüft.
Process Mining zeigt Muster und Korrelationen; eine Prozessursache wird erst durch den Abgleich mit Systemlogik, Fachwissen und realem Ablauf belastbar. Diese Verbindung untersuchen auch die Fachbeiträge Process Mining in der Intralogistik und Process Simulation as a Basis for Process Mining in Intralogistics mit Beteiligung von Dr.-Ing. Florian Bross.
Dies geschieht teilweise sogar über mehrere Systeme hinweg. Process Mining ist ein Schritt auf dem Weg zur digitalen Transformation eines Unternehmens.
Wie funktioniert Process Mining?
Beim Process Mining werden echte Prozesse verglichen mit den Ideal-Prozessen der Theorie oder Best-Practice-Lösungen. Das gibt Einsicht und Transparenz. Insbesondere in IT-Prozessen der indirekten Bereiche ist es viel schwerer zu erkennen, ob ein Prozess optimal abläuft, verglichen mit den physischen Prozessen in der Produktion. Diese IT-Prozesse sind weniger greifbar, weswegen Einsicht in den wirklichen Ablauf benötigt wird. Ohne Prozessmodell ist eine solche Analyse kaum vorstellbar. Das Prozessmodell entsteht aus der Auswertung aller vorhandenen Daten der IT-Systeme. In Protokolldateien und Datenbanken werden Daten über Geschäftsprozesse gespeichert. Die große Menge der Daten erfordert einen Ansatz ähnlich der Datenanalyse beim Data Mining. Der Ansatz ist zunächst der, die Daten aufzubereiten und in einem Prozessdiagramm zu visualisieren. Dies ermöglicht das Identifizieren z. B. von Zusatzarbeit und Schleichwegen. Die Abweichung von Prozessen z. B. in der Durchlaufzeit wird in der Praxis anhand von Kennzahlen, sogenannten KPI, erkannt. Process Mining geht einen Schritt weiter und analysiert den Prozess und erkennt den Grund für die Verzögerung und hilft so diesen abzustellen. Data Mining geht dadurch über die bloße Visualisierung von Engpässen hinaus.
Wie entstehen Abweichungen vom Ideal-Prozess?
Mittels Process Mining lassen sich Abweichungen vom Ideal-Prozess erkennen. Die Realität sieht oft anders aus wie die Ideal-Vorstellung. So verhält es sich auch mit Geschäftsprozessen z. B. im Einkauf oder Vertrieb. Diese sind in Wirklichkeit viel komplexer, unstrukturierter und verlaufen weniger eindeutig als in dokumentierten Prozessen beschrieben. Auch die Art und Weise wie Mitarbeiter denken, dass Prozesse ablaufen und wie sie in Wirklichkeit ablaufen unterscheidet sich in Realität maßgeblich. Fehlinformationen können in Organisationen ein kritisches Problem darstellen. Deswegen ist es sehr wichtig den Unterschied zwischen Realität und Ideal-Vorstellung zu verstehen. Wie also entsteht diese Abweichung von Realität und Ideal-Zustand:
Zusatzarbeit
Mitarbeiter verbringen viel Zeit mit Nacharbeit und zusätzlichen Schritten, die in den beschriebenen Prozessen nicht vorgehsehen sind.
Ausnahmen
Prozesse werden beschrieben wie sie ablaufen sollen. Ausnahmen werden ignoriert, auch wenn sie häufiger auftauchen.
Schleichwege
Prozesse werden abgekürzt oder komplett übersprungen.
Definition
Oftmals sind Prozesse erst gar nicht klar definiert. Mitarbeiter führen Schritte oftmals unterschiedlich aus. Dadurch entsteht ein Unterschied. Dazu kommt, das jeder Mitarbeiter nur seine Prozessschritte sieht und die vor oder nachgelagerten Prozesse keine Einsicht hat.
Änderungen
Prozesse werden aufgrund von Reorganisation und Umstrukturierung häufig geändert und sind daher oftmals nicht aktuell.
Welche Daten werden für Process Mining benötigt?
Für die Analyse von Geschäftsprozessen mittels Process Mining werden mindestens die folgenden Daten benötigt:
- Vorgangsnummer (ID)
- Zeitstempel
- Statusänderung
- weitere Attribute (optional)
Mit diesen Daten kann mittels Process Mining Software wie z. B. von Celonis oder Signavio der tatsächliche Prozess dargestellt werden. In der Regel kristallisiert sich dadurch ein Hauptprozess, der sogenannte happy path, sowie weitere abweichende Prozesse heraus, wie sie in der Realität ablaufen. Process Mining liefert neben der Transparenz der Abläufe auch die visuelle Aufbereitung von Kennzahlen. Dadurch lässt sich die prozentuale Verteilung, Abweichungen und Ausreiser einzelner Prozesse ermitteln.
Die drei Grundtypen
Die Disziplin hat ein Gründungsdokument: das Process Mining Manifesto, 2012 von der IEEE Task Force on Process Mining unter Federführung von Wil van der Aalst veröffentlicht. Es unterscheidet drei Grundtypen, und die Unterscheidung ist keine akademische Feinheit — sie bestimmt, welche Daten ein Projekt überhaupt braucht.
- Discovery. Ein Verfahren nimmt einen Event Log und erzeugt daraus ein Modell, ohne jede Vorabinformation. Das ist die bekannteste Technik — und für viele Organisationen die überraschendste, weil sich reale Abläufe allein aus Beispielausführungen rekonstruieren lassen.
- Conformance. Ein vorhandenes Modell wird mit dem Event Log desselben Prozesses verglichen. Geprüft wird in beide Richtungen: ob die Wirklichkeit dem Modell entspricht und ob das Modell die Wirklichkeit trifft. Als Referenz taugen dabei nicht nur Ablaufmodelle, sondern auch Organisationsmodelle, Regeln, Richtlinien oder Gesetze.
- Enhancement. Ein vorhandenes Modell wird mit Informationen aus dem Event Log erweitert oder repariert. Über die Zeitstempel lassen sich so Engpässe, Servicegrade, Durchlaufzeiten und Häufigkeiten in das Modell hineinschreiben.
Der Unterschied zwischen den letzten beiden ist der, an dem Projekte scheitern: Conformance misst die Abweichung zwischen Modell und Wirklichkeit, Enhancement verändert das Modell. Wer Abweichungen sucht, aber das Modell nachzieht, hat am Ende keine Abweichungen mehr — und nichts gelernt.
Drei Missverständnisse, die das Manifesto ausräumt
Das Dokument benennt selbst, was Process Mining nicht ist:
- Nicht auf die Ablauferkennung beschränkt. Discovery ist nur eine der drei Grundformen, und der Blick reicht über den Kontrollfluss hinaus: Die organisatorische Sicht, die Fall- und die Zeitsicht spielen ebenso eine Rolle.
- Kein Sonderfall des Data Mining. Das Manifesto nennt Process Mining das „missing link" zwischen Data Mining und modellgetriebenem Geschäftsprozessmanagement. Die meisten Data-Mining-Verfahren sind nicht prozesszentriert; Prozessmodelle mit Nebenläufigkeit lassen sich mit Entscheidungsbäumen oder Assoziationsregeln nicht abbilden.
- Nicht auf die Nachschau beschränkt. Die Verfahren arbeiten auf historischen Daten, die Ergebnisse gelten aber für laufende Fälle — etwa als Vorhersage der Fertigstellung eines teilweise bearbeiteten Auftrags.
Wie die Daten aussehen müssen, damit überhaupt etwas davon möglich ist, behandelt der Event Log. Die Prüfung gegen ein Sollmodell trägt der Begriff Conformance Checking, die Auflösung der starren Fallsicht das Object-Centric Process Mining. Wie ein Projekt abläuft und was wir dabei übernehmen, beschreibt die Process-Mining-Beratung.
Quellen und fachliche Einordnung
van der Aalst, W. u. a. (2012): Process Mining Manifesto. IEEE Task Force on Process Mining. In: Daniel, F. u. a. (Hrsg.): BPM 2011 Workshops, LNBIP 99, S. 169–194, Springer. DOI 10.1007/978-3-642-28108-2_19. Ergänzend: van der Aalst, W.; Carmona, J. (Hrsg., 2022): Process Mining Handbook. LNBIP 448, Springer, Open Access unter CC BY 4.0.
Process Mining in der Praxis: Die passenden Planungs- und Beratungsansätze bündelt unsere Leistungsübersicht.