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.
Zum Schutz Ihrer Privatsphäre wird das Video erst nach dem Klick geladen
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:
Bei der IEEE Task Force on Process Mining handelt es sich um eine Forschungsgruppe des Institute of Electrical and Electronics Engineers (IEEE) an der Technischen Universität Eindhoven, die die Entwicklung und das Verständnis von Process-Mining-Technologien durch Forschungs- und Ausbildungsangebote fördern möchte.
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.
Während der Begriff „Prozess“ einen Geschäftsvorgang allgemein auf der Planungsebene bezeichnet, handelt es sich bei einer Prozessinstanz um einen konkreten Durchlauf eines Prozesses. Prozessinstanzen lassen sich durch Dimensionen wie Zeit, Ort oder beteiligte Personen und Geräte individuell bestimmen. Die Antragsbearbeitung einer Lebensversicherung bei einem Versicherungsunternehmen beispielsweise wäre ein Prozess. Die Bearbeitung des Versicherungsantrags von Herrn Müller hingegen ist eine Instanz des zuvor modellierten Standardprozesses.
Das IEEE hat für jeden Process-Mining-Typ ein Standardschema definiert.
Process-Mining-Techniken des Typs „Discovery“ bieten Algorithmen zur Mustererkennung, die es ermöglichen, aus vorliegenden Ereignislog-Daten Modelle abzuleiten. Ausgangsbasis sind Informationen, die als Log-Dateien von IT-Systemen aufgezeichnet wurden.
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:
Process-Mining-Techniken sind nicht zwangsläufig auf die Erstellung, Validierung und Erweiterung von Prozessmodellen beschränkt. Auch soziale Strukturen, Organigramme, Geschäftsregeln oder Richtlinien lassen sich mit Process-Mining-Techniken abbilden.
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.
Deskriptive Modelle beschreiben Prozesse so, wie sie tatsächlich ablaufen. Normative Modelle hingehen geben Auskunft darüber, wie ein Prozess im besten Fall ablaufen sollte. Man spricht auch von Ist- und Soll-Modellen.
Process-Mining-Techniken des Typs „Enhancement“ zielen darauf ab, bereits vorliegende Prozessmodelle mithilfe neu gewonnener Informationen zu erweitern und zu verbessern. Das Ergebnis ist ein neues, erweitertes Prozessmodell.
Process-Mining deckt vier verschiedene Betrachtungsebenen ab:
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.
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:
| Phase | Vorgehen |
0 | Planung und Einordnung | Process-Mining-Projekte starten gemäß L*-Lebenszyklusmodell mit einer Planungsphase. Darüber hinaus werden in dieser Phase folgende Fragen beantwortet: - Welcher Prozess wird untersucht? - Welche Ereignisse sind von Bedeutung? - Welche Indikatoren sind relevant? - Welche Akteure und IT-Systeme sind beteiligt? - Wie lassen sich die benötigten Daten beschaffen? - Welche Ziele verfolgt das Process-Mining-Projekt? |
1 | Extraktion relevanter Daten | Auf die Planungsphase folgt die Extraktion relevanter Daten aus den zur Verfügung stehenden IT-Systemen: - Log-Dateien - Modelle - etc. |
2 | Erstellung des Kontrollflussmodells | In Phase 2 wird aus den erhobenen Daten ein Kontrollflussmodell abgeleitet und mit den Log-Dateien in Beziehung gesetzt. |
3 | Erstellung eines integrierten Modells | Sofern die Datengrundlage ausreicht, wird das in Phase 2 erstellte Modell in Phase 3 um weitere Perspektiven erweitert. |
4 | Operative Unterstützung | Phase 4 umfasst den Einsatz des Modells zur Unterstützung operativer Prozesse. |
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:
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.
Online kaufen wir ein, buchen unsere Urlaubsreise und suchen nach Geschenkideen, ohne darüber nachzudenken, dass wir mit jeder Suchanfrage und jeder Eingabe unserer Mailadresse eine Spur hinterlassen. Fleißige Datenkraken sammeln diese Informationen – was entsteht, ist Big Data: Massendaten, die zu unzähligen Zwecken analysiert und verwendet werden. Doch muss man wirklich Angst um seine Daten...
Im digitalen Zeitalter wachsen die Daten auch bei kleineren und mittelständischen Unternehmen zu teils unüberschaubaren Mengen an. Um den Datensätzen dennoch die gewünschten Informationen zu entlocken, verwendet man Data-Mining-Tools. Diese extrahieren wiederkehrende Muster aus den Datenmassen und machen sie für Marketer und Statistiker zugänglich. Wir stellen die wichtigste Data-Mining-Software...
Mit Dynamic Pricing lassen sich die Preise für Produkte und Dienstleistungen jederzeit schnell anpassen. Ein dynamisches Preismanagement ermöglicht es Anbietern, flexibel auf Faktoren wie Angebot und Nachfrage zu reagieren – und diese gezielt zu beeinflussen, um den Absatz zu steigern. Auch große Online-Einzelhändler wie Amazon nutzen Dynamic Pricing und ändern ihre Preise zuweilen mehrmals am...
Demand Gen und Lead Gen sind zwei grundverschiedene Konzepte, werden aber gern in ein und denselben Topf geworfen. Dabei muss sich ein Interessent für ein Produkt oder eine Dienstleistung nicht zwangsweise als Lead qualifizieren, um für den wirtschaftlichen Gewinn von Wert zu sein. Interesse kann nämlich auch ganz anders aussehen, etwa wenn der Kunde oder Geschäftspartner eine langfristige...
Schnell, sicher und State-of-the-Art – nutzen Sie unsere starke Plattform für Ihre Kunden
