Process-Mining

Process-Mining ist eine Data-Mining-Technik, die sich auf die Analyse von Log-Dateien stützt. Als Methode des Prozessmanagements bietet Process-Mining die Möglichkeit, Geschäftsabläufe zu durchleuchten und Potenziale zur Optimierung zu identifizieren.

Process-Mining umfasst Techniken im Bereich des Business-Process-Managements, die der Analyse von Geschäftsabläufen dienen. Es handelt sich um datengestützte Methoden der Prozessanalyse, bei denen die Auswertung von Event-Logs – in IT-Systemen gespeicherte Informationen zu einzelnen Prozessschritten – im Vordergrund steht. Process-Mining-Anwendungen wenden spezielle Data-Mining-Algorithmen auf Log-Dateien und Bewegungsdaten an, um Trends und Muster zu identifizieren. Ziel ist es, ein besseres Verständnis relevanter Geschäftsprozesse zu gewinnen, um diese effizienter gestalten zu können.

Process-Mining wird in der Forschungsliteratur auch als „Automated Business Process Discovery“ (ABPD) bezeichnet und beschreibt dort Techniken, die der Erstellung, Beurteilung und Erweiterung von Prozessmodellen dienen. Das Process-Mining-Manifest der IEEE Task Force on Process Mining unterscheidet in diesem Zusammenhang zwischen drei Typen von Process-Mining-Techniken:

• Discovery (Erkennung): Process-Mining-Techniken des Typs „Discovery“ werden eingesetzt, um Prozesse zu erkennen und Prozessmodelle zu erstellen.
   
• Conformance (Übereinstimmungsprüfung): Process-Mining-Techniken des Typs „Conformance“ ermöglichen eine Beurteilung der Konformität bestehender Prozessmodelle zu aktuellen Daten.
   
• Enhancement (Erweiterung): Process-Mining-Techniken des Typs „Enhancement“ kommen zum Einsatz, um bestehende Prozessmodelle zu erweitern.

Process-Mining kombiniert Techniken aus den Bereichen Data-Mining und Computational Intelligence (CI) mit Prozessmodellierung und -analyse. Ein Prozess wird als eine Reihe logisch verknüpfter Prozessschritte beschrieben, die als Ereignisse aufgezeichnet werden können.

Ausgangsbasis jeder Process-Mining-Technik sind Ereignisdaten in Form von Log-Dateien, die Ereignisse in zeitlicher Reihenfolge wiedergeben und sich sowohl einem Prozessschritt als auch einer Prozessinstanz zuordnen lassen.

Das Ergebnis dieses Process-Mining-Typs ist in der Regel ein Prozessmodell. Ein solches ließe sich beispielsweise in einem Fertigungsbetrieb aus Zeitstempeln ableiten, die angeben, wann welches Produkt welchen Fertigungsschritt durchläuft.

Übliche Darstellungstechniken für Prozessmodelle sind:

• BPMN (Business Process Model and Notation)
• EPK (Ereignisgesteuerte Prozessketten)
• Folgepläne
• HIPO-Diagramme
• KSA (Kommunikationsstrukturanalysen)
• Petri-Netze
• SOM (Semantische Objektmodelle)
• UML (Unified Modeling Language)
• BPEL (WS-Business Process Execution Language)

Process-Mining-Techniken des Typs „Conformance“ dienen der Validierung von Prozessmodellen. Liegt bereits ein Prozessmodell vor, empfehlt es sich, dieses in regelmäßigen Abständen mit neuen Ereignislog-Daten abzugleichen, um sicherzustellen, dass das Modell mit der Dokumentation realer Vorgänge übereinstimmt. Dabei kommen Process-Mining-Techniken zum Einsatz, die es ermöglichen, das vorliegende Prozessmodel mit aktuellen Ereignisdaten abzugleichen, um Unterschiede zwischen dem Modell und der Realität zu ermitteln. Das Ergebnis einer solchen Übereinstimmungsprüfung ist eine Diagnose, die Aussage über die Qualität des untersuchten Prozessmodells zulässt. Eine Übereinstimmungsprüfung kann sowohl auf deskriptive als auch auf normative Prozessmodelle angewendet werden.

Analyse-Perspektiven

Process-Mining deckt vier verschiedene Betrachtungsebenen ab:

• Kontrollflussperspektive: Ein Process-Mining mit Blick auf den Kontrollfluss zielt darauf ab, die Abfolge von Aktivitäten innerhalb eines Prozesse als Prozessmodell (beispielsweise als Petri-Netz, UML-Aktivitätsdiagramm, EPK- oder BPMN- Modell) darzustellen.
   
• Organisationsperspektive: EinProcess-Mining mit Organisationsperspektive stellt heraus, wie Personen und IT-Systeme durch die Teilnahme an einem Geschäftsprozess miteinander in Beziehung stehen. Dabei werden Tätigkeitsprofile und Rollen definiert und miteinander verglichen. Das Ergebnis einer solchen Analyse ist ein soziales Netzwerk, das das Geflecht von Beziehungen visualisiert.
   
• Fallperspektive: Ein Process-Mining mit Fallperspektive dient der Analyse einzelner Prozessinstanzen. Diese werden ihren Eigenschaften entsprechend als Fälle beschrieben und kategorisiert. Die Einteilung erfolgt nach den für die jeweilige Prozessinstanz erfassten Datenwerten – beispielsweise danach, welche Akteure beteiligt sind.
   
• Zeitperspektive: Ein Process-Mining mit Zeitperspektive nimmt den absoluten bzw. relativen Zeitpunkt sowie die Häufigkeit von Ereignissen unter die Lupe. Voraussetzung dafür ist, dass alle Event-Logs mit einem Zeitstempel versehen sind. Analysen dieser Art ermöglichen Simulationen, die Rückschlüsse auf Muster, Trends und Hindernisse im Prozessablauf zulassen. So lassen sich beispielsweise Flaschenhälse in der Prozesskette identifizieren.

In der Praxis wird Process-Mining heute in erster Linie zur Kontrollflusserkennung eingesetzt. Im Vordergrund stehen Process-Mining-Techniken des Typs „Discovery“ mit Kontrollflussperspektive, die es ermöglichen, die zeitlich-logische Reihenfolge einzelner Prozessschritte zu identifizieren und diese mit dem gewünschten Soll-Zustand abzugleichen.

Phasen des Process-Minings

Als Referenzmodell für die Anwendung von Process-Mining-Techniken hat das IEEE das L*-Lebenszyklusmodell entwickelt. Dieses gliedert das Vorgehen bei Process-Mining-Projekten in fünf Phasen:

Process-Mining kann überall da zum Einsatz kommen, wo detaillierte Informationen über die einzelnen Schritte relevanter Geschäftsprozesse mithilfe von IT-Systemen erfasst und dauerhaft gespeichert werden. Es bietet sich beispielsweise dann an, wenn Unternehmen:

• Arbeitsabläufe über Workflow-Management-Systemen abwickeln
   
• Transaktionen mithilfe von ERP-Systemen tätigen
   
• Support-Anfragen über ein Ticketsystem verwalten
   
• die Qualität ärztlicher Behandlungen über klinische Behandlungspfade sicherstellen

Damit eignet sich Process-Mining für den Einsatz im Einzelhandel und OEM, im Bankwesen, in der Entwicklung, im Vertrieb oder in der Versicherungsbranche, um Geschäftsabläufe wie Bestellvorgänge, Fertigungsprozesse oder Finanzströme zu verbessern.

Zentrale Anwendungsfelder für Process-Mining-Techniken sind das Workflow-Management und das Wissensmanagement. Zudem kommen Erkenntnisse, die aus Process-Mining-Projekten gewonnen werden, bei der Entwicklung von Assistenzsystemen zum Einsatz.

Viele Unternehmen setzen Technologien wie Datenbanken, ERP-Systeme oder Wissens-Management-Systeme zur Sicherung von Faktenwissen ein. Eine Aufbereitung von Prozesswissen findet in der Regel nicht statt. Hier setzt Process-Mining mit Methoden an, die es ermöglichen, implizites Prozesswissen explizit zu machen.

Workflow-Management-Systeme beschreiben Geschäftsprozesse auf formalen Ebenen und automatisieren die Koordination und Kontrolle einzelner Prozessschritte. Anwendern stellt das System Benutzerschnittstellen zur Kommunikation sowie für den Zugriff auf Daten und Programme zur Verfügung. Das Workflow-Management basiert auf modellierten Arbeitsabläufen, die es dem System erlauben, Ereignisse (etwa den Eingang eines Dokuments per Mail) zu erkennen und automatisch darauf zu reagiert. Basis dieser Automatisierung sind Prozessmodelle, die sich durch Process-Mining-Methoden erstellen, überprüfen und erweitern lassen.

Process-Mining-Techniken können überall da zum Einsatz kommen, wo einzelne Schritte geschäftsrelevanter Prozesse als Logs erfasst werden. Algorithmen aus den Bereichen Data-Mining und Computational Intelligence ermöglichen es heute, selbst komplexe Ereignisdaten zu analysieren und Erkenntnisse abzuleiten, wie sich Geschäftsprozesse effizienter und sicherer gestalten lassen.

Dabei grenzt sich Process-Mining durch den hohen Grad der Automatisierung von klassischen Techniken zur Erstellung von Prozessmodellen ab. Durch die Extraktion von Informationen zu realen Ereignissen aus dem operativen Geschäft bilden Process-Mining-Methoden Prozessabläufe wirklichkeitsgetreu ab. Manuellen Techniken gegenüber punktet Process-Mining so vor allem durch Geschwindigkeit und Genauigkeit. Hinzu kommt, dass das steigende Datenaufkommen manuell schon heute nicht mehr zu bewältigen ist.

Ein weiterer Vorteil professioneller Process-Mining-Anwendungen sind die umfangreichen Visualisierungsmöglichkeiten. Prozessmodelle werden Facharbeitern und Führungskräfte bedarfsgerecht auf interaktiven Dashboards präsentiert, die eine dynamische Betrachtung von Prozessabläufen ermöglichen und mitunter zusätzliche Analysewerkzeuge zur Verfügung stellen.

Auf Schwierigkeiten stoßen Unternehmen bei der Implementierung von Process-Mining-Techniken, wenn die zu analysierende Datenbasis aufgrund einer heterogenen IT-Infrastruktur uneinheitlich ist. Fehlen einheitliche Beschreibungen für Ereignisse, müssen die entsprechenden Log-Dateien zunächst aufbereitet werden. Dies geht nicht nur mit zusätzlichem Aufwand einher, sondern u. U. auch mit einer Verfälschung der Daten – die in diesem Fall streng genommen keine Echtdaten mehr darstellen.

Darüber hinaus sind Unternehmen bei der Implementierung mit technischen Hürden konfrontiert. Effektiv ist der Einsatz von Data-Mining nur dann, wenn die jeweiligen Anwendungen Zugang zu allen relevanten IT-Systemen haben. Dies erfordert entsprechende Schnittstellen und eine aufwendige Konfiguration der angeschlossenen Systeme, die in der Regel eine enge Zusammenarbeit mit dem Anbieter der Process-Mining-Anwendung erfordert.

Der Aufwand der Implementierung steigt zusätzlich, wenn Unternehmen Standardanwendungen zur Verwaltung von Geschäftsprozessen mit selbstentwickelten Tools kombinieren, um diese an individuelle Bedürfnisse anzupassen.