Definition Was ist Process Mining?

Process Mining gehört zu den Data-Mining-Techniken und ermöglicht eine systematische, datengestützte Auswertung von Geschäftsprozessen. Digitale Spuren der Prozesse, wie sie die beteiligten IT-Systeme beispielsweise in Form von Log- und Event-Daten bereitstellen, werden vom Process Mining analysiert. Die Geschäftsprozesse lassen sich mithilfe des Process Minings rekonstruieren, überwachen, durchleuchten und optimieren.

Anbieter zum Thema

Fujitsu Technology Solutions GmbH

INFOMOTION GmbH

Fivetran Germany GmbH

Process Mining ist ein Begriff aus dem Umfeld der Geschäftsdatenanalyse und des Prozessmanagements. Es handelt sich um eine Data-Mining-Technik, die auf eine systematische, datengestützte Auswertung von Geschäftsprozessen ausgerichtet ist. Das Process Mining analysiert mithilfe verschiedener Technologien und Methoden die digitalen Spuren der Prozesse, die von den beteiligten IT-Systemen beispielsweise in Form von Event- oder Log-Daten bereitgestellt werden. Die Einzelaktivitäten werden auf Basis der Daten zu einem Gesamtprozess zusammengefügt und visualisiert.

Durch Process Mining ist es möglich, Geschäftsprozesse zu rekonstruieren, sie näher zu durchleuchten, zu überwachen und zu optimieren. Da sich das Process Mining auf Daten stützt, entsteht ein objektives Bild der untersuchten Geschäftsprozesse. Unterschiede zwischen geplanten Abläufen und den tatsächlich gelebten Prozessen werden sichtbar. Grundsätzlich wird mit Discovery, Conformance und Enhancement zwischen drei verschiedenen Typen des Process Minings unterschieden.

Begriffsklärung Data Mining und Process Mining

Das Process Mining lässt sich als eine Disziplin und Technik des Data Minings einordnen. Data Mining wendet computergestützte Methoden an, um große Datenbestände nach Zusammenhängen, Mustern oder Trends zu durchsuchen. Während das Data Mining nicht auf bestimmte Arten von Daten, Querverbindungen, Muster oder Trends eingeschränkt ist, konzentriert sich das Process Mining auf die Analyse von Datenbeständen wie Log- oder Event-Daten, mit denen sich Prozesse rekonstruieren, visualisieren und auswerten lassen. Data Mining und Process Mining nutzen beide unterschiedliche statistische Methoden und Algorithmen, um die gewünschten Informationen aus den vorliegenden Daten zu extrahieren. Process Mining macht Unternehmensprozesse sichtbar und ermöglicht Ende-zu-Ende-Analysen.

Die verschiedenen Typen des Process Minings

Ein Gremium, das sich intensiv mit dem Process Mining befasst, ist das Institute of Electrical and Electronics Engineers (IEEE). Die „IEEE-Task-Force Process Mining“ hat ein Manifest veröffentlicht, in dem drei verschiedene Typen des Process Minings unterschieden werden. Diese drei Typen sind:

• Discovery: Erkennen, Rekonstruieren und Visualisieren

• Conformance: beurteilen der Konformität

• Enhancement: Anpassen, Erweitern und Verbessern

Process Mining vom Typ Discovery beschäftigt sich mit dem Erkennen, Rekonstruieren und Visualisieren eines Prozessmodells aus der vorhandenen Datenbasis. Die Visualisierung eines Geschäftsprozesses kann beispielsweise in einem Direct Follower Graph erfolgen.

Conformance Process Mining prüft Prozesse anhand der vorliegenden Daten hinsichtlich der Konformität zu einem existierenden Prozessmodell. Abweichungen zwischen realen Prozessen und dem Modell können identifiziert werden (Soll-Ist-Vergleich).

Der Process-Mining-Typ Enhancement kommt zum Einsatz, um ein bestehendes Prozessmodell anhand der vorliegenden Datenbasis anzupassen, zu erweitern und zu verbessern. Im Gegensatz zum Conformance Process Mining steht nicht die Konformitätsprüfung zu einem bestehenden Prozessmodell, sondern die Optimierung des Prozessmodells im Mittelpunkt.

Funktionsweise des Process Minings

Ausgangspunkt des Process Minings ist eine Datenbasis, die durch die Abarbeitung der verschiedenen Prozessschritte entstanden ist. Jeder Prozessschritt und jede Prozessinstanz erzeugen Transaktionsdaten, die in Form von Log-Daten oder Event-Daten automatisch gespeichert werden. Diese Daten enthalten Attribute wie Zeitstempel, Orte oder Bearbeiter, die die einzelnen Schritte und Aktivitäten in den beteiligten Systemen näher kennzeichnen. Process Mining wertet mithilfe von Software und mathematischen und statistischen Verfahren die Datensätze und die zeitlichen Abfolgen der Aktivitäten aus. Dadurch lässt sich der Ablauf eines Gesamtprozesses rekonstruieren, auswerten und visualisieren.

Einsatzmöglichkeiten

Process Mining bietet vielfältige Einsatzmöglichkeiten. Grundsätzlich lässt sich Process Mining überall dort verwenden, wo Geschäftsprozesse IT-gestützt ablaufen und digitale Spuren in den beteiligten Systemen hinterlassen. Typische Anwendungen sind:

• Darstellung und Optimierung der Ticketbearbeitung im Support

• Darstellung und Optimierung medizinischer Behandlungspfade von Patienten

• Optimierung von Bestellabläufen

• Optimierung von Fertigungsprozessen

• Optimierung von Entwicklungsprozessen

• Konformitätsprüfung von Finanzprozessen und Finanztransaktionen

• Optimierung von Finanzströmen

Vorteile durch den Einsatz

Durch den Einsatz von Process Mining ergeben sich zahlreiche Vorteile. Die Analyse der Geschäftsprozesse auf Basis aktueller, objektiver Daten macht den Unterschied zwischen theoretischen Prozessmodellen und den tatsächlich gelebten Prozessen deutlich. Process Mining bildet die Prozessabläufe wirklichkeitsgetreu ab. Die Visualisierung der Prozesse ermöglicht ein einfacheres Verständnis der Abläufe in einem Unternehmen sowohl für Mitarbeiter als auch für Führungskräfte. Probleme lassen sich leichter kommunizieren, verstehen und beseitigen. Durch die Ende-zu-Ende-Betrachtung des Prozessablaufs ist schnell erkennbar, wie Veränderungen einzelner Prozessschritte den Gesamtprozess beeinflussen. Prozesse können mit Process Mining optimiert werden, um Aufwände zu minimieren oder Kosten einzusparen. Geschwindigkeit und Effizienz der Prozesse steigen und die Wettbewerbsfähigkeit des Unternehmens verbessert sich. Die softwaregestützte Arbeitsweise des Process Minings sorgt für einen hohen Automatisierungsgrad der Auswertungen und minimiert manuelle Analyseaufwände.

(ID:48156443)