Unternehmen investieren viel Geld in innovative Architekturen, Data Lakes, Streaming Data und Predictive Analytics. Das ist sinnvoll und notwendig und doch liegen vielfach an anderer Stelle extrem wertvolle Daten einfach ungenutzt herum: Transaktions- oder Eventlogs, etwa aus dem ERP, der Produktionssteuerung oder dem Ticketsystem. Diese Daten sind ohnehin vorhanden und bilden mit vergleichsweise geringem Aufwand die Basis für einen weiteren Analytics-Trend: Process Mining. Gerrit Kohrs von der SDG Group erklärt, welche Potentiale diese Software bietet, wie einfach die ersten Schritte sind und warum Process Mining trotz voller IT-Roadmap ganz vorne auf Ihre #DataDriven-Agenda gehört.
04 Feb, 2020

Von IT-Trends, Buzzwords und ungenutzten Potentialen

„Sind die Google Analytics-Daten für das A/B-Testing schon angebunden?“ „Wird der Realtime-Twitter-Feed jetzt sauber in die Machine Learning Pipeline gepusht?“

Unternehmen haben in den letzten Jahren riesige Sprünge bei der Sammlung, Aufbereitung und Analyse von Daten gemacht. KI-Tools, Sentiment-Analyse, Predictive-Algorithmen und RPA sind in aller Munde. Für Menschen wie mich, die sich tagtäglich mit nichts anderem als Daten beschäftigen, ist das eine großartige Entwicklung. Sehen wir doch, dass die Bereitschaft wächst, neue Technologien und Architekturen einzusetzen und dass immer mehr Unternehmen datengetrieben Entscheidungen treffen.

Umso überraschender ist es, dass bei allen innovativen Architekturen, Data Lakes, Streaming Data und Predictive Analytics ein großer Topf an intern ohnehin verfügbaren Daten ungenutzt bleibt: Die ganz simplen Transaktions- oder Eventlogs aus dem ERP, der Maschinen-Steuerung oder dem Ticketsystem. Diese Daten sind für viele operative Systeme automatisch vorhanden und bilden mit vergleichsweise geringem Aufwand die Basis für einen weiteren Analytics-Trend: Process Mining.

Wertvolles Abfallprodukt

Um nicht falsch verstanden zu werden: Wir reden, allem Buzzword-Bashing zum Trotz, über sinnvolle und aufgrund der zunehmenden Datenmenge und -Komplexität notwendige Technologien und wer hier nicht rechtzeitig investiert, wird in den kommenden Jahren Wettbewerbsvorteile verlieren. Am Ende dieser teils enormen Anstrengungen steht in den allermeisten Unternehmen dennoch vielfach noch immer die Analyse von starren Kennzahlen. Wie der Wert einer Kennzahl zustande kommt, was sie im Kern bedeutet und wie man den ihr zugrundeliegenden Prozess optimiert, wird nur selten hinterfragt. Process Mining bietet ein immenses Potential, um die Qualität von Kennzahlen zu verbessern und somit die Steuerung von Unternehmen erfolgreicher zu gestalten. Durch Process Mining können wir auch die Ursache und nicht nur – wie so häufig – das Symptom angehen. Wir analysieren nun nicht mehr nur das Ergebnis in Form klassischer KPIs, sondern bereits den Prozess, der zu diesem Ergebnis geführt hat. Mit Hilfe von Prozessvisualisierungen und -Benchmarks, Laufzeitanalysen und Compliance-Checks können wir Entwicklungen bereits erkennen, bevor sie das Ergebnis beeinflussen.

Etliche unserer Kunden haben sofort Potential in den Standardprozessen gesehen, wie zum Beispiel im Vertrieb, im Einkauf oder bei der Rechnungsbearbeitung. Für einen raschen Einstieg in das Thema und schnelle erste Erfolge ist dies auch ein guter Startpunkt.

Planung und Realität

Richtig spannend wird es, wenn wir diese Standardprozesse gedanklich verlassen und etwas über den Tellerrand schauen.

  • Organisation: An welchen Stellen im Prozess entstehen Fehler, die durch Mitarbeiter-Qualifikation verhindert werden können? Wo gibt es Engpässe, auf die ich mit Anpassungen von Personalstärke oder Schichtmodell reagieren kann?
  • Online-Handel: Wie bewegen sich Kunden durch meinen Webshop? Wann kaufen sie, an welchem Punkt brechen sie ab? Welche meiner Maßnahmen beschleunigen den Check-Out und welche erhöhen den Bestellwert?
  • Produktion: Werden Stillstand- und Wartezeiten durch fehlendes Material, geänderte Stücklisten oder kurzfristige Umplanungen verursacht oder gibt es einen Engpass im vorangehenden Bearbeitungsschritt? Kann eine hohe Ausschussquote mit Prozessstörungen in Zusammenhang gebracht werden?
  • Kliniken: Wie müssen Patienten auf eine OP vorbereitet werden und welche logistischen Voraussetzungen müssen geschaffen sein, um einen reibungslosen OP-Ablauf zu garantieren?
  • Automatisierung: Welche häufig wiederkehrenden Tätigkeiten können wir so abstrahieren, dass ein System sie automatisch ausführen kann? Wo lohnt sich der Aufwand der Automatisierung?

Diese Fragen und viele mehr beantwortet Process Mining – mit Daten, die operative Systeme jeden Tag quasi als Abfallprodukt mitliefern.

Time-to-Insight? Wimpernschlag!

Mit den Standard-Konnektoren der bekannteren Tools am Markt oder einfach gut vorbereiteten Log-Files im CSV-Format können die meisten Process Mining Tools bereits in wenigen Minuten erste Visualisierungen aufbauen und meist dauert es im Anschluss ebenfalls nur einige Minuten, bis die Prozessbeteiligten die ersten Aha-Erlebnisse haben.

Warum ist das so? Selbst die einfachsten Software-Lösungen bieten mittlerweile vorgefertigte Reports, die mit allgemeinen Prozess-Kennzahlen den Blick auf das Wesentliche lenken. Allein der schnelle Überblick über die verschiedenen Varianten eines Prozesses, die grafische Darstellung von Langläufern, Wiederholungen, Umwegen und Wartezeiten gibt ein besseres Verständnis und zeigt, an welchen Stellen möglicherweise Prozessstörungen vorliegen.

Vier Schritte im Process Mining

Durch die Anreicherung der reinen Event-Logs mit weiteren Attributen wie Material, Maschine, Kunde, Werk, Auftragsvolumen, Kreditlimit etc. und die Verknüpfung mit anderen Kennzahlen aus der BI-Landschaft wird das Bild noch besser, die Zusammenhänge deutlicher: Welche Warengruppen brauchen besonders lange für die Auslieferung, bei welchen Lieferanten dauert die Wareneingangskontrolle länger als üblich und bei welchen Transaktionsarten müssen überdurchschnittlich viele Belege korrigiert werden? Welche Stillstandzeiten entstehen primär durch fehlendes Vormaterial oder unvollständige Produktionsaufträge und wo sind Rüst- oder Störzeiten oder fehlendes Personal die Ursache?

Integrationsförderung und Landschaftspflege

Process Mining an sich ist schon eine faszinierende Sache. Die daraus gewonnenen Erkenntnisse lassen sich in vielen Fällen direkt in Maßnahmen übersetzen, die Prozesse schlanker, schneller und sicherer machen. Noch viel größer wird der Nutzen, wenn wir diese Analysen mit bestehenden KPIs in Verbindung bringen, dem Anwender die Abhängigkeiten zwischen Prozess und Kennzahl zeigen und alles innerhalb einer Plattform bereitstellen. Auf diese Weise bauen wir genau die Brücke, die uns fehlt, um den in einem Dashboard angezeigten Wert einer Kennzahl mit Störungen im zugrundeliegenden operativen Prozess zu verknüpfen. Plötzlich betrachten wir beispielsweise nicht nur die 93,5% Liefertermintreue oder die 75% Maschinenauslastung. Durch den Durchgriff auf den Prozess können wir jetzt vielleicht sehen, dass fehlende Auftragsfreigaben der häufigste Grund für die Verspätung waren und dass Materialengpässe den Großteil der Stillstandzeiten in der Produktion verursachen. Sofort haben wir die größten Stellschrauben gefunden, mit denen wir diese Kennzahlen verbessern können. Und wir erkennen: Process Mining ist keine Insel-Lösung für ein paar wenige Mitarbeiter, sondern integrativer Bestandteil der BI-Landschaft.

Und dieses Predictive und so?

Wir haben gesehen, dass die Analyse operativer Prozesse ein wichtiges Instrument sein kann, wenn wir effizienter arbeiten und Fehler und manuelle Korrekturen vermeiden wollen. Welcher Zusammenhang besteht nun zwischen Process Mining, Machine Learning / AI und Predictive Analytics?

Genaugenommen gibt es zwei entgegengesetzte Wege, wie sich diese Trend-Disziplinen beeinflussen. Die eine Richtung ist recht naheliegend: So kann ein prädiktives Modell auf Basis von Process Mining-Daten dabei helfen, problematische Transaktionen oder Konstellationen im Prozess bereits im Vorweg zu erkennen. Welches die Konstellationen sind, die in einem bestimmten (Teil-)Prozess häufig Störungen verursachen, können wir aus einer Process Mining Applikation bereits herauslesen. Liegen hinreichend viele Trainingsdaten vor, können wir mittels Mustererkennung bzw. geeigneten Vorhersagemodellen prognostizieren, welche neuen Vorgänge vermutlich problematisch sein werden. So können wir den Prozessverantwortlichen Hinweise geben, auf welche Vorgänge sie ein besonderes Augenmerk haben sollten.

Der andere Weg ist nicht auf den ersten Blick ersichtlich, aber deswegen nicht weniger interessant: Der Aufbau von Machine Learning-Algorithmen oder das Entwickeln genauer Vorhersagemodelle ist in vielen Fällen ein enorm zeitintensives und kostspieliges Unterfangen. Die Architektur ist in der Regel nicht mehr trivial, von Self-Service sind wir an dieser Stelle ganz weit weg und für die mächtigeren Tools am Markt werden stattliche Preise aufgerufen. Umso wichtiger ist es, solch einen Aufwand sehr zielgerichtet zu betreiben und den größtmöglichen Nutzen aus diesen Technologien zu ziehen. Die Erkenntnisse aus der Prozessanalyse zeigen uns dafür die vielversprechendsten Handlungsfelder und durch die monetäre Bewertung von Prozessstörungen auch gleich das Optimierungspotential. So lässt es sich vermeiden, eine siebenstellige Summe für eine Risiko-Vorhersage auszugeben, wenn sich dieses Risiko im operativen Prozess so gut wie nie niederschlägt. Hingegen zeigt die Process Mining-Applikation vielleicht, dass sich eine Predictive Maintenance-Lösung durchaus lohnen könnte, weil Maschinenstillstände häufig zu mit Konventionalstrafen belegten Lieferschwierigkeiten führen.

Die Kombination von Process Mining mit anderen innovativen Technologien ist also sicher nicht der allererste Schritt, auf dem Weg zu einer digitalen Organisation aber ein sinnvoller Zweiter.

Aller Anfang ist…? Leicht!

Mit Process Mining zu starten ist im Grunde keine große Sache. Die benötigten Daten haben die meisten Unternehmen bereits in ihren operativen Systemen vorliegen. Die wichtigsten Experten, nämlich die Prozessverantwortlichen, sind bereits vor Ort. Schon die einfachsten Process Mining-Lösungen geben einen guten Überblick über die Prozess-Gesundheit und einige sind schon so aufgebaut, dass sie sich nahtlos in eine bestehende Plattform einfügen. Für viele Standard-Geschäftsprozesse haben die Tool-Anbieter sogar bereits Content und fertige Datenmodelle vorbereitet und so lassen sich aussagekräftige Analysen in vier einfachen Schritten realisieren:

  1. Datenextrakt des Event-Logs aus Quellsystem
  2. Anreicherung mit Zusatzinformationen aus ERP oder BI-Applikationen
  3. Datenimport in das Process Mining-Tool
  4. Anpassung eines Standard-Templates auf den konkreten Fall

Gerade im Verhältnis zum Implementierungsaufwand ist das Potential dieser Technologie sehr groß. Noch nie wurden Zusammenhänge zwischen einzelnen Aktivitäten operativer Prozesse und deren Umgebungsparametern so transparent. Noch nie waren Prozesse so verständlich. Eine der größten Schwierigkeiten zu Beginn ist es, sich für den ersten Prozess zu entscheiden, der unter die Lupe genommen werden soll. Aber machen Sie es sich damit nicht allzu schwer – es wird so oder so nicht der einzige Prozess bleiben!