Potenziale für Prozessautomatisierung mit Process Mining erkennen

So finden Sie mit Process Mining Potenziale für Prozessautomatisierung

Bei der Prozessautomatisierung geht es nicht nur darum, welche Aufgabe ein Bot übernehmen kann. Entscheidend ist, wo sich Arbeitsabläufe ändern sollten. Process Mining zeigt, wie die Arbeit tatsächlich abläuft, quantifiziert geeignete Schritte und hilft einzuschätzen, ob sich eine Automatisierung eignet. Dabei kann sich auch herausstellen, dass ein Schritt besser neu gestaltet oder unverändert beibehalten wird.

Besonders geeignet sind häufig wiederkehrende Arbeitsschritte mit einem einheitlichen Ablauf und relevantem Zeitaufwand. Häufigkeit, Standardisierung, Volumen und Bearbeitungszeit bieten eine praktische Grundlage für eine Vorauswahl. Die Ausnahmequote hilft Ihnen einzuschätzen, welcher Anteil der Arbeit dem automatisierten Ablauf folgen könnte.

Der Automatisierungshype und der Realitätscheck

Suchen Sie nach „Process Mining und RPA“, finden Sie zahlreiche Anbieterseiten, die Process Mining als selbstverständlichen ersten Schritt zur Automatisierung darstellen. Das Versprechen klingt einfach: Prozess abbilden, wiederkehrende Aufgaben finden und an Bots übergeben.

Dabei bleibt ein wichtiger Punkt außen vor: Viele naheliegende Automatisierungskandidaten sind bereits bekannt. Ein Finanzteam weiß vielleicht, dass es Rechnungsdaten zwischen Systemen überträgt. Ein Supportteam kennt möglicherweise die Ticketarten, die es immer wieder manuell zuweist. Sie brauchen kein vollständiges Process-Mining-Projekt, um zu bestätigen, was die Mitarbeitenden ohnehin sehen.

Process Mining lohnt sich, wenn die Lage weniger eindeutig ist: etwa wenn Arbeit mehrere Teams oder Systeme durchläuft, Ausnahmen schwer vorherzusagen sind oder Sie belastbare Belege für einen Vergleich vor und nach einer Änderung benötigen. Die Analyse kann Ihnen bei der Entscheidung helfen, was automatisiert werden sollte. Sie sollte aber nicht jedes Prozessproblem in ein Automatisierungsprojekt verwandeln.

Kurz erklärt: RPA, agentische Automatisierung und Process Mining

RPA ist eine Form der digitalen Automatisierung: Sie überträgt Daten zwischen Benutzeroberflächen. Tools zur Prozessautomatisierung, die ganze Workflows steuern, sind eine weitere Möglichkeit. Beide lassen sich leichter auswählen, wenn Sie den Prozess kennen.

Die Begriffe beschreiben unterschiedliche Aspekte der Arbeit.

Eine ausführlichere Erklärung finden Sie unter Was ist Process Mining?. Wenn Sie neu im Bereich RPA sind, lesen Sie unseren Einstieg in RPA.

Agentische Automatisierung bietet einen weiteren Ansatz. Ein RPA-Bot arbeitet festgelegte Schritte ab, ein Agent erhält ein Ziel und wählt selbst die passenden Aktionen aus. Dadurch wird eine klare Prozessbeschreibung wichtiger, nicht weniger wichtig. Bevor Sie einem Agenten Aufgaben übertragen, müssen Sie die Prozessvarianten und Ausnahmen kennen und wissen, woran sich ein korrektes Ergebnis erkennen lässt. Dieselben Belege helfen Ihnen zu beurteilen, ob sich ein Schritt überhaupt für die Automatisierung eignet.

Wann Process Mining wirklich hilft

Process Mining kann die Automatisierung von Geschäftsprozessen unterstützen, wenn Sie Belege benötigen, die sich in einem Workshop oder aus der Sicht eines einzelnen Teams nur schwer gewinnen lassen.

• Wiederholungen über Teams und Systeme hinweg finden. Dieselben Daten werden möglicherweise mehrfach eingegeben oder eine Übergabe führt immer wieder zu Nacharbeit. Prozessdaten von Anfang bis Ende können Muster sichtbar machen, die leicht übersehen werden, wenn jedes Team nur die eigenen Aufgaben kennt.
• Den Arbeitsaufwand beziffern. Messen Sie, wie oft ein Schritt vorkommt und wie lange er dauert. So erhalten Sie eine fundiertere Einschätzung des betroffenen Aufwands als durch eine allgemeine Aussage zum Automatisierungspotenzial.
• Ausnahmen verstehen. Eine Aufgabe wirkt möglicherweise einheitlich, bis Sie ihre Varianten vergleichen. Die Ausnahmequote zeigt, wie viel Arbeit dem üblichen Pfad folgt und wie viel anders behandelt werden muss.
• Änderungen nach der Einführung prüfen. Vergleichen Sie die Prozessleistung vor und nach einer Änderung. So sehen Sie, ob sich der Ablauf wie erwartet verändert hat und ob neue Engpässe oder Abweichungen aufgetreten sind.
• Aufgaben erkennen, die nicht automatisiert werden sollten. Die Analyse kann zeigen, dass eine Aufgabe zu viele Ausnahmen umfasst, Urteilsvermögen erfordert oder zu selten vorkommt, um den Aufwand zu rechtfertigen. Das ist eine hilfreiche Erkenntnis, auch wenn Sie deshalb keinen Bot entwickeln.

Häufigkeit × Standardisierung × Volumen: Kriterien für die Vorauswahl

Beginnen Sie mit vier Faktoren. Häufigkeit, Standardisierung und Volumen helfen Ihnen einzuschätzen, ob sich eine Aufgabe regelmäßig wiederholt. Die Bearbeitungszeit zeigt den damit verbundenen Aufwand. Verwenden Sie diese Faktoren als Vorauswahl, nicht als Versprechen für Einsparungen.

Bewerten Sie jeden Faktor anhand einer Skala von 1 bis 5 und verwenden Sie Definitionen, auf die sich Ihr Team geeinigt hat. Sie können die Bewertungen multiplizieren, um Kandidaten zu ordnen. Behandeln Sie das Ergebnis jedoch nicht als Business Case. Eine hohe Bewertung bei einem Faktor gleicht eine schlechte Eignung bei einem anderen nicht aus. Eine häufige Aufgabe mit vielen Ausnahmen muss möglicherweise neu gestaltet werden. Eine standardisierte Aufgabe, die selten vorkommt, rechtfertigt vielleicht keine Automatisierung.

Prüfen Sie zusätzlich die Ausnahmequote. Sie zeigt, wie oft ein Fall den untersuchten Pfad verlässt. Eine hohe Ausnahmequote ist ein Anlass, den Ursachen nachzugehen, aber kein automatischer Grund, den Kandidaten auszuschließen.

Automatisierungspotenzial berechnen

Schätzen Sie das Fallvolumen und die Bearbeitungszeit für Fälle, die dem üblichen Pfad folgen könnten. Eine einfache Berechnung zur Vorauswahl lautet:

addressable hours = instances per month × handling time × (1 − exception rate)

Angenommen, eine Bonitätsprüfung findet 4.200-mal im Monat statt und dauert pro Fall sechs Minuten. Das entspricht insgesamt 420 Stunden Bearbeitungszeit. Wenn 18 % der Fälle einen anderen Pfad nehmen, liegt die Schätzung für den üblichen Pfad bei etwa 344 Stunden pro Monat.

Diese Schätzung beziffert den betroffenen Arbeitsaufwand, nicht die zu erwartenden Einsparungen. Sie berücksichtigt weder den Aufwand für Ausnahmen und die Überwachung der Automatisierung noch deren Entwicklung und Wartung. Prüfen Sie die Schätzung gemeinsam mit dem Prozessteam und berücksichtigen Sie diese Kosten und Zuständigkeiten, bevor Sie einen Business Case erstellen.

Wie Prozessdaten diese Analyse unterstützen, erfahren Sie in der Übersicht zu den Process-Mining-Funktionen von ProcessMind.

Ehrlich betrachtet: Process Mining ist nicht immer nötig

Wenn Sie lediglich eine Liste der zu automatisierenden Aufgaben benötigen, ist Process Mining möglicherweise mehr, als Sie brauchen.

Process Mining erfordert Ereignisdaten, deren Aufbereitung und Mitarbeitende, die die Erkenntnisse einordnen können. Bei einer einfachen, gut verstandenen Aufgabe reicht möglicherweise ein Gespräch mit dem Team, das die Arbeit erledigt, um Schritte und Ausnahmen festzuhalten. Anschließend können Sie entscheiden, ob Sie einen Bot entwickeln.

Wenn ein Kreditorenteam beispielsweise bereits weiß, dass es Rechnungsdaten aus E-Mails in ein ERP-System kopiert, brauchen Sie möglicherweise keine Event-Log-Analyse, um das Vorhandensein dieser Aufgabe zu bestätigen. Vor der Automatisierung müssen Sie trotzdem Regeln, Ausnahmen und Risiken prüfen.

Process Mining ist besonders hilfreich, wenn ein Prozess mehrere Teams oder Systeme umfasst, der tatsächliche Ablauf vom dokumentierten Sollprozess abweicht oder Sie eine Ausgangsbasis benötigen, um eine Änderung zu bewerten. Es sollte eine konkrete Frage beantworten und nicht zur Voraussetzung für jedes Automatisierungsprojekt werden.

Process Mining findet mehr als nur Automatisierungsziele

Die Formulierung „Process Mining für RPA“ kann den Eindruck erwecken, Process Mining diene nur dazu, Automatisierungskandidaten aufzuspüren. Es hilft Ihnen auch, den übergeordneten Prozess zu verstehen und zu verbessern.

• Überwachen Sie die Prozessleistung. Verfolgen Sie Zykluszeiten, Abweichungen und Veränderungen im Ablauf. Erfahren Sie, wie die kontinuierliche Prozessüberwachung funktioniert.
• Prüfen Sie die Konformität. Vergleichen Sie die tatsächlichen Prozesspfade mit dem erwarteten Prozess. Das kann Compliance- und Governance-Arbeit unterstützen, behebt aber keinen schlecht funktionierenden Prozess.
• Untersuchen Sie die Ursachen. Wenn sich Bestellungen verzögern, vergleichen Sie die Cases nach Lieferant, Region, Team oder Prozessvariante. So erkennen Sie, wo die Verzögerungen auftreten.
• Gestalten Sie den Prozess neu, bevor Sie ihn automatisieren. Die Prozessanalyse kann zeigen, wo sich Schritte entfernen, Übergaben reduzieren oder Freigaben vereinfachen lassen. Ein vereinfachter Prozess ist möglicherweise ein besserer Ausgangspunkt als die Automatisierung des bestehenden Ablaufs.
• Modellieren und simulieren Sie Änderungen. Mit ProcessMind können Sie Prozessänderungen modellieren und ihre möglichen Auswirkungen vor der Umsetzung simulieren.

Automatisierung ist eine Möglichkeit. Verstehen Sie zuerst das Problem und entscheiden Sie dann, ob Sie den Prozess neu gestalten, automatisieren oder unverändert lassen.

Ein praktisches Vorgehen in einzelnen Schritten

Schritt-für-Schritt-Ablauf von Ereignisdaten bis zur Vorauswahl von Automatisierungskandidaten

Mit dieser Abfolge verbinden Sie die Prozessanalyse mit Entscheidungen zur Automatisierung:

1. Prozess verstehen. Prüfen Sie Varianten, Engpässe, Nacharbeit und Ausnahmen.
2. Zuerst den Prozess verbessern. Prüfen Sie, ob Sie unnötige Schritte oder Übergaben entfernen können, bevor Sie eine Automatisierung entwickeln.
3. Geeignete Aufgaben vorauswählen. Vergleichen Sie Häufigkeit, Standardisierung, Volumen, Bearbeitungszeit und Ausnahmequote.
4. Aufwand und Risiken bewerten. Prüfen Sie die beteiligten Systeme, die Regeln für die Aufgabe und den Umgang mit Ausnahmen.
5. Ergebnis überwachen. Vergleichen Sie den Prozess nach der Änderung mit der Ausgangsbasis und untersuchen Sie unerwartete Auswirkungen.
6. Bei veränderten Abläufen neu bewerten. Neue Richtlinien, Systeme und Prozessvarianten können beeinflussen, ob die Automatisierung weiterhin sinnvoll ist.

Hinweise zum Überwachungsschritt finden Sie in unserem Leitfaden zur kontinuierlichen Prozessüberwachung. Wenn Sie vor der Automatisierung einen Sollprozess dokumentieren möchten, lesen Sie mehr zur BPMN-Modellierung.

Eine überprüfbare Vorauswahl erstellen

Mit diesem Template können Sie mögliche Schritte vergleichen. Tragen Sie die Belege ein, bevor Sie die Optionen bewerten. Ein leeres oder unsicheres Feld ist eine offene Frage, die Sie untersuchen sollten, kein Grund, die Eignung eines Kandidaten einfach anzunehmen.

Die Beispiele zeigen, wie Sie eine Prüfung strukturieren können. Sie sind keine Prognose möglicher Einsparungen. Verwenden Sie Ihre eigenen Daten und stimmen Sie die Annahmen mit den Mitarbeitenden ab, die die Arbeit erledigen.

Drei Vorgehensweisen machen die Vorauswahl aussagekräftiger:

• Füllen Sie vor der Bewertung alle Spalten aus. Allein die Häufigkeit kann eine Aufgabe attraktiver erscheinen lassen, als sie ist.
• Halten Sie fest, wie viele Systeme beteiligt sind. Jede Systemgrenze kann den Aufwand für Umsetzung und Support beeinflussen.
• Behalten Sie „zuerst neu gestalten“ und „nicht automatisieren“ als mögliche Ergebnisse bei. Die beste Entscheidung kann darin bestehen, die Aufgabe zu entfernen oder anders auszuführen.

Anbieter: All-in-One oder Best-of-Breed?

Einige Anbieter bieten RPA und Process Mining auf einer Plattform an. UiPath begann mit RPA und ergänzte Process Mining später. Celonis kommt aus dem Process Mining und arbeitet mit Automatisierungsanbietern zusammen. Beide Ansätze haben unterschiedliche Vor- und Nachteile.

Einen genaueren Vergleich zweier Anbieter finden Sie in unserer Analyse UiPath im Vergleich zu ProcessMind. Welche Lösung passt, hängt von Ihren bestehenden Systemen, Ihrem Team und Ihren Anforderungen ab. Vergleichen Sie die Funktionen für Process Mining und Automatisierung getrennt und prüfen Sie, ob die Plattform die Entscheidungen unterstützt, die Sie treffen müssen.

Wo ProcessMind passt

ProcessMind vereint Process Mining, Prozessmodellierung und Simulation. Sie können damit:

• Entdecken, wie Prozesse anhand von Ereignisdaten ablaufen.
• Analysieren Sie Varianten, Engpässe und Abweichungen.
• Dokumentieren Sie Prozesse mit BPMN-Modellierung.
• Simulieren Sie geplante Änderungen vor der Umsetzung.
• Überwachen Sie die Prozessleistung im Zeitverlauf.

ProcessMind unterstützt Sie dabei, den Prozess zu verstehen und Verbesserungsmöglichkeiten zu bewerten. Die Plattform entscheidet nicht, was Sie automatisieren sollten, und führt die Automatisierung auch nicht für Sie aus. Mit den Erkenntnissen können Sie einen Automatisierungsvorschlag begründen, den Prozess neu gestalten oder sich gegen eine Automatisierung entscheiden.

Wenn Sie den übergeordneten Business Case für Process Mining bewerten, lesen Sie So erstellen Sie einen Business Case für Process Mining. Hinweise zu den benötigten Daten finden Sie unter So erstellen Sie ein Event Log für Process Mining.

Mit Mythen aufräumen

Mythos 1: „Process Mining erstellt einen Automatisierungsplan“

Process Mining zeigt anhand der Daten, wie ein Prozess abläuft. Es kann Ineffizienzen, Engpässe und Abweichungen aufdecken. Ihr Team muss diese Erkenntnisse weiterhin einordnen und entscheiden, was automatisiert, neu gestaltet oder unverändert gelassen werden soll. Aussagen über einen Automatisierungsplan auf Knopfdruck sollten Sie kritisch prüfen.

Mythos 2: „Process Mining dient hauptsächlich der Analyse von RPA-Bots“

Process Mining kann Ihnen helfen, den übergeordneten Prozess rund um einen Bot zu bewerten, erklärt aber nicht jedes Detail seiner Aktionen. Wenn ein Bot einem festgelegten Skript folgt, prüfen Sie das Skript und die zugehörigen Protokolle, um sein Verhalten zu verstehen. Verwenden Sie Process Mining, wenn Sie sehen möchten, wie sich der automatisierte Schritt in den gesamten Prozess einfügt.

Mythos 3: „Vor jedem Automatisierungsprojekt ist Process Mining nötig“

Das stimmt nicht. Wenn die Aufgabe einfach und gut verstanden ist und die Ausnahmen klar sind, können Sie möglicherweise auch ohne Process Mining fortfahren. Process Mining ist hilfreicher, wenn der Prozess komplex ist oder kein einzelnes Team den gesamten Ablauf überblickt.

Mythos 4: „Automatisierung und Process Mining benötigen denselben Datenzugriff“

Das ist nicht der Fall. RPA arbeitet über Benutzeroberflächen und benötigt möglicherweise Zugriff auf Bildschirme und Anwendungen. Process Mining erfordert strukturierte Ereignisdaten aus Geschäftssystemen. Die benötigten Daten, Zugriffsrechte und Kompetenzen können sich unterscheiden.

Wer beides gleichzeitig plant, muss diese Unterschiede berücksichtigen: Es geht um verschiedene Fragen („Was können wir skripten?“ und „Was geschieht im gesamten Prozess?“), unterschiedliche Verantwortliche und verschiedene Datenzugriffe.

Beginnen Sie mit Belegen, nicht mit einem Automatisierungsziel

Process Mining kann Ihnen helfen, Automatisierungskandidaten zu ordnen, den betroffenen Arbeitsaufwand zu schätzen und Veränderungen im übergeordneten Prozess zu prüfen. Die Analyse kann auch zeigen, dass Automatisierung nicht der richtige nächste Schritt ist. Das ist ein hilfreiches Ergebnis: Ziel ist eine fundierte Entscheidung, nicht die Automatisierung möglichst vieler Aufgaben.

Erfahren Sie, wie Sie die Prozessgesundheit beurteilen, bevor und nachdem Sie eine Änderung vornehmen.

Definieren Sie den Sollzustand, bevor Sie ihn automatisieren, damit Sie den geplanten Prozess prüfen können.