Process Mining: So entdecken Sie, wie Ihre Prozesse wirklich ablaufen

Process Mining ist eine Technik, die Event-Log-Daten aus Ihren IT-Systemen nutzt, um automatisch zu rekonstruieren, zu visualisieren und zu analysieren, wie ein Geschäftsprozess tatsächlich abläuft, nicht wie Sie glauben, dass er abläuft. Wenn Sie schon einmal einen Prozess in einem Workshop dokumentiert und danach festgestellt haben, dass der tatsächliche Arbeitsablauf mit dem Diagramm nichts gemein hat, ist Process Mining das Werkzeug, das diese Lücke schließt.

Was ist Process Mining?

Process Mining ist eine datengetriebene Disziplin, die Belege über das tatsächliche Prozessverhalten aus den digitalen Spuren gewinnt, die IT-Systeme wie ERP, CRM, Helpdesk oder Auftragsverwaltungsplattformen hinterlassen. Jedes Mal, wenn ein Mitarbeiter eine Bestellung anlegt, ein Ticket löst oder einen Deal durch die Pipeline bewegt, schreibt das System einen mit Zeitstempel versehenen Datensatz. Process Mining sammelt diese Datensätze, verknüpft sie fallweise zu Sequenzen und erzeugt ein visuelles Modell jedes Pfades, den der Prozess tatsächlich genommen hat.

Das Ergebnis ist kein Diagramm, das jemand in einem Workshop gezeichnet hat. Es ist eine aus Millionen echter Transaktionen berechnete Karte, die jede Schleife, Abkürzung und Umleitung zeigt, die in der Praxis vorkommt. Varianten sind die unterschiedlichen Pfade, die Fälle durch den Prozess nehmen. Konformität misst, wie genau diese Varianten mit Ihrem beabsichtigten Design übereinstimmen. Engpässe zeigen sich als Knoten oder Übergänge, an denen sich wartende Fälle stauen.

Drei Begriffe tauchen in Process Mining ständig auf:

• Event Log: der strukturierte, aus einem System extrahierte Datensatz mit einer Zeile pro Aktivität und Fall.
• Fall (Case): eine einzelne Instanz eines Prozesses, etwa eine Rechnung, ein Service-Ticket oder eine Kundenbestellung.
• Trace: die geordnete Abfolge von Aktivitäten für einen einzelnen Fall von Anfang bis Ende.

Wichtigste Fakten

• Gartner nannte Process Mining einen seiner wichtigsten strategischen Technologietrends und erwartet, dass der Markt bis 2027 auf 5,3 Milliarden US-Dollar wächst, bei einer jährlichen Wachstumsrate von über 40 %.
• Laut einer Studie von Celonis laufen über 80 % der Geschäftstransaktionen durch SAP oder vergleichbare ERP-Systeme, was bedeutet, dass die meisten großen Organisationen bereits über die Rohdaten verfügen, die sie zum Einstieg benötigen.
• Eine Forrester-Umfrage aus 2023 ergab, dass Organisationen, die Process Mining einsetzen, im ersten Jahr eine durchschnittliche Reduzierung der Prozesszykluszeit um 15 % verzeichneten.

Process Mining versus manuelle Prozessabbildung

Die meisten Prozessverbesserungsinitiativen beginnen auf dieselbe Weise: eine Gruppe von Fachexperten zusammenbringen, einen Workshop durchführen und ein Diagramm zeichnen, wie der Prozess funktionieren sollte. Geschäftsprozessabbildung und BPMN sind die beiden gängigsten Ansätze für diese manuelle Arbeit. Beide sind wertvoll, um ein beabsichtigtes Design zu kommunizieren und neue Mitarbeiter zu schulen. Doch sie haben eine strukturelle Grenze: Sie erfassen, was die Teilnehmer glauben, dass geschieht, gefiltert durch Erinnerung und organisatorische Befindlichkeiten.

Process Mining verfolgt den umgekehrten Ansatz. Statt Menschen zu befragen, liest es das System aus.

Die beiden Ansätze funktionieren gut zusammen. Nutzen Sie die manuelle Abbildung, um das beabsichtigte Prozessdesign festzulegen, und dann Process Mining, um zu messen, wie weit die Realität von diesem Design abgewichen ist. Falls Sie noch kein beabsichtigtes Design dokumentiert haben, lesen Sie zunächst den Leitfaden zur Geschäftsprozessabbildung.

Die 3 Arten von Process Mining

Discovery ist häufig der Einstiegspunkt für Organisationen, weil ihnen kein verlässliches Referenzmodell zum Abgleich vorliegt. Conformance Checking wird für regulierte Branchen entscheidend, in denen Prüfer einen Nachweis benötigen, dass Kontrollen eingehalten wurden. Enhancement ist der Bereich, in dem der Großteil der laufenden Verbesserungsarbeit stattfindet, sobald die Prozesskarte stabil ist.

So funktioniert Process Mining

Schritt 1: Den Prozess und das Quellsystem identifizieren

Wählen Sie einen einzelnen durchgängigen Prozess mit einem klaren Start- und Endereignis, etwa „Bestellanforderung bis Zahlung" oder „Ticket eröffnet bis Ticket geschlossen". Ermitteln Sie, welches System die Datensätze für diesen Prozess enthält. In den meisten Organisationen ist das ein ERP-System wie SAP oder Oracle, ein CRM wie Salesforce oder ein ITSM-Tool wie ServiceNow.

Schritt 2: Das Event Log extrahieren

Exportieren oder befragen Sie das System, um eine strukturierte Tabelle mit mindestens drei Spalten zu erzeugen: eine Fall-ID (der eindeutige Bezeichner für jede Prozessinstanz), einen Aktivitätsnamen (was geschah) und einen Zeitstempel (wann es geschah). Die meisten Analysen enthalten zusätzlich eine Ressourcen-Spalte (wer oder was die Aktivität ausgeführt hat). Je reichhaltiger das Log, desto mehr kann die Analyse erklären.

Schritt 3: Das Log in ein Process-Mining-Tool laden

Importieren Sie das Event Log in ein Tool wie Celonis, ProM, Minit oder UiPath Process Mining. Das Tool gruppiert Zeilen nach Fall-ID, sortiert Aktivitäten innerhalb jedes Falls nach Zeitstempel und erstellt für jeden Fall einen Trace. Anschließend wendet es einen Discovery-Algorithmus an, um zu berechnen, welche Aktivitätsabfolgen am häufigsten auftreten, und erzeugt daraus einen Prozessgraphen.

Schritt 4: Varianten, Konformität und Engpässe analysieren

Untersuchen Sie das entstandene Modell. Der „Happy Path" ist der häufigste Trace. Prüfen Sie, welcher Prozentsatz der Fälle ihm folgt. Betrachten Sie dann die abweichenden Varianten: Fälle, die eine Aktivität überspringen, Fälle, die zurückschleifen, Fälle, die einem Pfad folgen, von dessen Existenz Sie nichts wussten. Prüfen Sie, wo sich Wartezeit ansammelt. Führen Sie eine Konformitätsprüfung durch, sofern ein Referenzmodell vorliegt.

Schritt 5: Auf Basis der Erkenntnisse handeln

Nutzen Sie die Analyse, um Prioritäten zu setzen. Engpassanalysen fließen häufig in Initiativen zur Prozessoptimierung ein. Konformitätsverstöße können auf Schulungslücken oder Fehlkonfigurationen im System hinweisen. Häufig wiederkehrende, regelbasierte Aktivitäten sind starke Kandidaten für robotergestützte Prozessautomatisierung oder Workflow-Automatisierung.

So sieht ein Event Log aus

Hier ein vereinfachtes Beispiel aus einem Rechnungsbearbeitungsworkflow:

INV-1001 folgte dem beabsichtigten Pfad und wurde in etwa fünf Stunden bearbeitet. INV-1002 stieß auf eine Duplikatsprüfung, wodurch sich die Bearbeitung bis zur Freigabe um fast drei Tage verzögerte. Process Mining deckt genau dieses Muster über Tausende von Fällen hinweg auf und zeigt, wie oft es auftritt, welche Ressourcen beteiligt sind und welche Zykluszeitkosten es verursacht.

Anwendungsfälle und Beispiele

Beschaffung und Kreditorenbuchhaltung. Der Purchase-to-Pay-Prozess ist eines der häufigsten Zielobjekte. Process Mining zeigt, wie oft Rechnungen ohne Bestellung abgeglichen werden (Maverick Buying), wie häufig der Dreiwege-Abgleich fehlschlägt und Nacharbeit auslöst, und wo Freigabeengpässe liegen. Ein europäischer Hersteller stellte fest, dass 23 % seiner Rechnungen mindestens eine Nacharbeitsschleife vor der Zahlung durchliefen, was im Durchschnitt vier zusätzliche Tage pro Fall kostete.

Order-to-Cash. Für Vertriebssteuerungsteams bildet Process Mining jeden Pfad ab, den ein Auftrag von der Erfassung bis zur Umsatzrealisierung nimmt. Es identifiziert, welche Auftragsarten am häufigsten manuell angepasst werden, welche Kunden durchgängig Kreditsperren erfordern und wo die Übergabe zwischen Vertrieb und Betrieb ins Stocken gerät.

IT-Service-Management. Im Helpdesk-Kontext ist jedes Ticket ein Fall. Process Mining zeigt, welche Ticket-Kategorien am häufigsten wiedereröffnet werden (ein Indikator für schwache Erstlösung), welche Teams Arbeit hin- und herschieben und wie sich SLA-Verstöße um bestimmte Mitarbeiter oder Zeitfenster häufen. Das verbindet sich direkt mit der Praxis des SLA-Managements.

Kunden-Onboarding. Für B2B-SaaS-Unternehmen ist Onboarding ein Geschäftsprozess mit systemseitig protokollierten Schritten: Vertrag unterzeichnet, Konto eingerichtet, Schulung geplant, erster Login erfasst. Process Mining zeigt, welche Kunden abspringen, bevor das Onboarding abgeschlossen ist, und was ihr Trace gemeinsam hatte im Vergleich zu Kunden, die erfolgreich aktiviert wurden.

Vorteile und Grenzen

Vorteile

• Liefert ein faktenbasiertes, kein anekdotisches Bild der Prozessleistung.
• Skaliert auf jede Datenmenge: Eine Process-Mining-Analyse kann 10 Millionen Fälle ebenso mühelos abdecken wie 10.000.
• Identifiziert Verbesserungspotenziale mit quantifizierter Wirkung, sodass Sie den Engpass priorisieren können, der am meisten kostet, bevor Sie sich um den kümmern, der nur ärgerlich ist.
• Liefert einen Prüfpfad, den Regulierungsbehörden und externe Prüfer unabhängig verifizieren können.
• Fließt direkt in die Automatisierungsplanung ein, da es zeigt, welche Aktivitäten häufig und regelbasiert sind.

Grenzen

• Nur so gut wie die Daten. Protokolliert Ihr System eine Aktivität nicht, kann Process Mining sie nicht sehen. Stark manuelle, papierbasierte oder informelle Prozesse hinterlassen kaum Spuren.
• Erfordert Datenzugriff. Die Extraktion von Event Logs aus Unternehmenssystemen erfordert häufig die IT-Abteilung und kann auf Data-Governance-Richtlinien oder Leistungsbedenken stoßen.
• Liefert eine Diagnose, kein Rezept. Process Mining zeigt, wo das Problem liegt; Sie benötigen weiterhin Prozessoptimierung, Lean-Methodik oder ein anderes Verbesserungsrahmenwerk, um es zu beheben.
• Kann Teams überfordern, die mit Prozessanalytik nicht vertraut sind. Eine Prozesskarte mit 300 Varianten ist zutreffend, aber ohne jemanden, der sie interpretiert, nicht unmittelbar umsetzbar.

Häufig gestellte Fragen

Was ist der Unterschied zwischen Process Mining und Prozessabbildung?

Geschäftsprozessabbildung ist eine manuelle Tätigkeit, bei der Fachexperten zeichnen, wie ein Prozess funktionieren soll. Process Mining ist automatisiert: Es liest Event Logs aus IT-Systemen aus und rekonstruiert, wie der Prozess tatsächlich abgelaufen ist. Abbildung erfasst Absicht; Mining erfasst Realität. Beide ergänzen sich, da Sie ein Referenzdesign benötigen, um Konformität dagegen zu messen.

Welche Daten benötigt man für Process Mining?

Mindestens benötigen Sie ein strukturiertes Event Log mit drei Feldern pro Zeile: eine Fall-ID (um Ereignisse zu Prozessinstanzen zu gruppieren), einen Aktivitätsnamen (um zu beschreiben, was geschah) und einen Zeitstempel (um Ereignisse zeitlich zu ordnen). Eine Ressourcen-Spalte (wer die Aktivität ausgeführt hat) bereichert die Analyse erheblich. Diese Daten liegen in den meisten Unternehmenssystemen vor, ERP, CRM, ITSM und Workflow-Plattformen, und lassen sich meist als flache Datei exportieren oder per SQL abfragen.

Können auch kleine Organisationen Process Mining nutzen?

Ja, aber der Nutzen skaliert mit dem Volumen. Läuft ein Prozess tausende Male pro Monat, erzeugt Mining statistisch aussagekräftige Muster. Läuft ein Prozess nur 20-mal pro Monat, ist die Stichprobe für eine verlässliche Analyse zu klein. Kleine Organisationen mit transaktionsstarken Prozessen (E-Commerce-Bestellungen, IT-Tickets, Finanztransaktionen) profitieren ebenso wie große Unternehmen.

Wie lange dauert ein Process-Mining-Projekt?

Eine fokussierte Discovery-Analyse für einen einzelnen Prozess lässt sich in zwei bis vier Wochen abschließen: eine Woche für die Datenextraktion und -bereinigung, eine Woche für die Analyse und eine Woche für Interpretation und Priorisierung. Laufende Überwachung, bei der neue Event-Daten ein Live-Dashboard speisen, erfordert mehr Einrichtungsaufwand, läuft danach aber kontinuierlich ohne manuellen Aufwand.

Ist Process Mining dasselbe wie Prozessautomatisierung?

Nein. Process Mining ist ein Diagnosewerkzeug. Es zeigt, was geschieht und wo die Reibung liegt. Automatisierungswerkzeuge wie robotergestützte Prozessautomatisierung und Workflow-Automatisierung sind die Ausführungswerkzeuge, die Sie einsetzen, nachdem Mining identifiziert hat, was automatisiert werden sollte. Das typische Muster: den Prozess durchleuchten, um die wiederkehrenden, regelbasierten Schritte zu finden, die Menschen ausbremsen, und dann genau diese Schritte automatisieren.

Wohin Process Mining als Nächstes führt

Process Mining ist am wertvollsten, wenn es der Anfang von etwas ist, nicht das Ende. Sobald Sie wissen, welche Aktivitäten langsam sind, welche Varianten teuer sind und welche Schritte durchgängig einem regelbasierten Muster folgen, verfügen Sie über eine priorisierte Zielliste für Verbesserungen. Die wiederkehrenden, strukturierten Schritte werden zu Kandidaten für robotergestützte Prozessautomatisierung. Die Übergaben zwischen Teams werden zu Kandidaten für Workflow-Automatisierung. Das gesamte Prozessdesign wird zu einem Input für das Geschäftsprozessmanagement auf organisatorischer Ebene.

Betrachten Sie Process Mining als den diagnostischen Scan vor der Operation. Die Daten zeigen genau, wo anzusetzen ist.