Process Mining: Ineffizienzen in Prozessen aufdecken

3 Min. Lesezeit

Die meisten Unternehmen kennen ihre Prozesse nur so gut, wie die letzte PowerPoint-Präsentation sie darstellt. Process Mining analysiert die tatsächlichen Abläufe aus den IT-Systemdaten und deckt Ineffizienzen auf, die in keinem Workshop sichtbar werden. Celonis, der Marktführer aus München, wurde 2022 mit 13 Milliarden Dollar bewertet. Der Gesamtmarkt wächst laut Gartner mit über 30 Prozent jährlich. Der Grund: Unternehmen müssen effizienter werden, und die Daten dafür liegen bereits in ihren Systemen.

Was Process Mining sichtbar macht

Jede Aktion in einem ERP-System, CRM oder Ticketsystem hinterlässt einen digitalen Fußabdruck: einen Event Log. Process Mining liest diese Logs und rekonstruiert daraus den tatsächlichen Prozessablauf. Nicht den dokumentierten Soll-Prozess, sondern den realen Ist-Prozess. Die Ergebnisse sind oft ernüchternd: Was als linearer Ablauf geplant war, enthält in der Realität Rückschleifen, Umwege und Wartezeiten, die in keinem Organigramm auftauchen.

Typische Erkenntnisse: 20 bis 40 Prozent aller Prozessinstanzen weichen vom definierten Soll ab. Rechnungen laufen durch sieben statt drei Freigabeschritte. Bestellungen werden dreimal manuell nachbearbeitet. Support-Tickets eskalieren über Umwege, die niemand designed hat. Process Mining macht diese verborgenen Ineffizienzen sichtbar und quantifizierbar.

Von der Analyse zur Automatisierung

Process Mining ist der Einstieg. Die Weiterentwicklung heißt Process Intelligence: nicht nur analysieren, sondern in Echtzeit steuern. Celonis nennt das „Execution Management“. Wenn eine Rechnung länger als üblich im Freigabeprozess hängt, triggert das System automatisch eine Eskalation. Wenn ein Lieferant wiederholt zu spät liefert, warnt das System den Einkauf proaktiv.

Task Mining ergänzt die Systemebene um die Desktop-Ebene. Während Process Mining zeigt, was in SAP oder Salesforce passiert, erfasst Task Mining, was Mitarbeitende dazwischen tun: Excel-Tabellen kopieren, E-Mails weiterleiten, Daten manuell übertragen. Das deckt Automatisierungspotenzial auf, das Process Mining allein nicht sieht.

In Kombination mit RPA (Robotic Process Automation) entsteht ein geschlossener Kreislauf: Process Mining identifiziert Ineffizienzen, Task Mining zeigt die manuellen Schritte, RPA automatisiert die repetitiven Aufgaben. Siemens hat mit diesem Ansatz die Durchlaufzeiten im Order-to-Cash-Prozess um 25 Prozent reduziert.

Anbieter und Einstieg

Celonis (München): Marktführer, 2022 mit 13 Milliarden Dollar bewertet. Stärkste Abdeckung bei SAP-Prozessen. Enterprise-fokussiert, Einstieg typischerweise ab 100.000 Euro/Jahr. Kunden: Siemens, Uber, ABB, Deutsche Telekom.

SAP Signavio: 2021 von SAP übernommen. Nahtlose Integration in SAP-Landschaften. Für Unternehmen mit SAP-Backbone die natürliche Wahl. Preise über SAP-Lizenzmodelle.

UiPath Process Mining + Task Mining: Kombiniert Process Mining mit der führenden RPA-Plattform. Vorteil: Der Weg von der Analyse zur Automatisierung ist am kürzesten. Einstieg ab ca. 50.000 Euro/Jahr.

Open Source: ProM, PM4Py, bupaR (R-Paket). Für Unternehmen mit Data-Science-Kompetenz, die erst evaluieren wollen. Kein Lizenzkosten-Risiko, aber Implementierungsaufwand.

„Unternehmen optimieren Prozesse, die sie nie vollständig verstanden haben. Process Mining ändert das.“
MBF Media Redaktion

Drei Einstiegsprojekte für den Mittelstand

1. Purchase-to-Pay: Vom Bestelleingang bis zur Zahlung. Typische Findings: unnötige Freigabeschleifen, verspätete Zahlungen trotz Skonto-Option, Maverick Buying (Bestellungen außerhalb des Systems).

2. Order-to-Cash: Von der Kundenbestellung bis zum Zahlungseingang. Typische Findings: Durchlaufzeiten die doppelt so lang sind wie geplant, manuelle Nachbearbeitungen, fehlende Automatisierung bei Standardaufträgen.

3. Incident Management: Von der Ticket-Eröffnung bis zur Lösung. Typische Findings: Tickets die zwischen Teams hin- und hergeschoben werden, Eskalationen die zu spät greifen, SLA-Verletzungen die erst im Reporting sichtbar werden.

Fazit: Die Daten für bessere Prozesse liegen bereits im System

Process Mining braucht keine neuen Datenquellen. Es nutzt die Event Logs, die ERP-Systeme, CRM-Plattformen und Ticketsysteme bereits erzeugen. Der Aufwand liegt nicht in der Datenerhebung, sondern in der Bereitschaft, sich die Realität anzuschauen. 20 bis 40 Prozent Prozessabweichung klingt viel. Aber genau darin liegt das Optimierungspotenzial, das Mittelständler brauchen, um mit weniger Ressourcen mehr zu leisten.

Häufige Fragen

Lesetipps der Redaktion

• RegTech: Wie Technologie regulatorische Compliance automatisiert
• Data Literacy: Warum datengetriebene Kompetenz zur Pflicht wird

Mehr aus dem MBF Media Netzwerk

• → AI-native Consulting: Warum die IT-Beratung keine Junior-Pyramide braucht (cloudmagazin)
• → KI ist kein Tech-Problem: Warum 27 Prozent der CEOs an der eigenen Kultur scheitern (Digital Chiefs)

Quelle Titelbild: Pexels / Lukas