Musterbeispiel für ineffektive Prozesse ist das RKI: regelmäßig veröffentlicht es die begehrten Tagesfallzahlen mit Verspätung. Abhilfe schaffen kann hier Process Mining, das den Unterschied zwischen dem Idealzustand eines Prozesses und seiner tatsächlichen Ausführung erkennt. Process Mining ist damit ein wichtiges Glied in der Kette der Prozessoptimierung, meint der Business-Transformation-Spezialist Signavio.
Jede geschäftliche Tätigkeit wie eine Rechnungsstellung oder ein Genehmigungsprozess hinterlässt digitale Spuren. Sie sind etwa in Log-Dateien, Ablaufprotokollen oder in den Datenbanken der Unternehmens-IT enthalten.
Process Mining nutzt diese digitalen Spuren oder Ereignisprotokolle, um ein Bild davon zu zeichnen, was in einem Unternehmen wirklich passiert und wie ein Prozess tatsächlich im IT-System abläuft. Eine Organisation kann damit auch erkennen, ob ein Kerngeschäftsprozess wie definiert funktioniert – und zwar nicht auf Basis fehleranfälliger menschlicher Einschätzungen, sondern auf der Grundlage von Daten, die in den IT-Systemen vorhanden sind. Was Menschen als gelegentliche Vorkommnisse wahrnehmen könnten, kann Process Mining zum Beispiel als häufige Ereignisse klassifizieren, die gravierende Auswirkungen auf Compliance und Effizienz haben.
Ein zentraler Vorteil smarter Process-Mining-Tools liegt darin, dass Geschäftsprozesse mit Auffälligkeiten in den KPIs (Key Performance Indicators) auch über unterschiedliche IT-Systeme hinweg analysiert werden. Das heißt, es werden Datenspuren aus verschiedenen IT-Systemen zusammengeführt, um den Verlauf von Geschäftsprozessen auszuwerten. Anhand transaktionaler Daten nimmt Process Mining also einzelne Prozesse genau unter die Lupe, etwa mit einer Untersuchung der Durchlaufzeiten und Performancewerte oder hinsichtlich der Einhaltung von Vorgaben. Unternehmen können damit Schwachstellen in den Geschäftsabläufen und die Gründe dafür ermitteln.
Process Mining allein löst noch keine Geschäftsprobleme, aber es befähigt Unternehmen dazu, von einer validen Wissensbasis aus zu handeln. Process Mining ist die leistungsfähigste Technologie, um Daten in Echtzeit-Erkenntnisse umzuwandeln. Diese Erkenntnisse wiederum sind eine optimale und fundierte Basis für die Entscheidungsfindung bei Prozessfragen. Mit Process Mining können Unternehmen nicht nur herausfinden, was in ihren Prozessen tatsächlich passiert oder eben nicht passiert, sondern auch erkennen, an welcher Stelle Änderungen die größte Wirkung entfalten und wirklichen Mehrwert bieten.
Process Mining unterstützt Unternehmen durch Echtzeit-Einblicke in die Betriebsabläufe, die sie für Prozessoptimierungen nutzen können. Es ist damit ein wichtiges Puzzlestück in der Prozessoptimierung. Allerdings darf nicht vergessen werden, dass es dabei auch um Themen wie Modellierung, Simulation, Validierung oder Überwachung gehen muss. Die kontinuierliche Verbesserung von Geschäftsprozessen erfordert also immer einen ganzheitlichen Ansatz.
"Nur wer weiß, wie die eigenen Prozesse wirklich verlaufen, kann erkennen, welche Workflows nicht optimal funktionieren. Auf dieser Basis kann ein Unternehmen dann Engpässe beseitigen, Prozesse verbessern oder gezielt neu entwerfen. Das adäquate Tool, um Abläufe detailliert zu analysieren und selbst versteckte Prozesse zu visualisieren, ist Process Mining", erklärt Gerrit de Veer, Senior Vice President MEE bei Signavio. "Die Stärken des Process Mining liegen in der hohen Geschwindigkeit, analytischen Leistungsfähigkeit und faktenbasierten Präzision. Nutzer können damit Quellen der Ineffizienz im Geschäftsbetrieb unmittelbar aufdecken."
Gerrit de Veer ist SVP MEE bei Signavio.
News
Weitere News-
Neues TDWI Poster "Process Mining - Datenanalyse in Prozessen zur digitalen Prozessoptimierung"
-
Prognosen 2022: So verschafft smarte Datennutzung Unternehmen Wettbewerbsvorteile
-
Flughafen München: Weniger Lärm und Schadstoffe dank Data Analytics
-
Digitalisierung: Sieben von zehn Deutschen halten Politik für ahnungslos
-
CoPlanner erweitert seine Geschäftsführung
-
Die Kaufprioritäten der Analytics- und BI-Käufer sollten datengetrieben sein
BI & Big Data Events
Aktuelle Beiträge
-
Künstliche Intelligenz braucht ethische Leitplanken
-
Alternative Data: Warum lohnt sich der Blick über den Daten-Tellerrand?
-
Data Science-Projekte: Drei Hindernisse auf dem Weg zum Erfolg
-
"Es fällt vielen Branchen schwer, die Potenziale der Digitalisierung zu erkennen."
-
Die IBM KI-Leiter: Mit KI ganz nach oben
-
Von einfachen Data Catalogs zu intelligenten Systemen
Mergers & acquisitions