Process-Mining-Daten: Was Sie für den Start benötigen

Für Process Mining brauchen Sie drei Datenfelder: eine Case-ID, die Ereignisse miteinander verknüpft, eine Aktivität, die angibt, was passiert ist, und einen Timestamp, der den Zeitpunkt festhält. Meist finden Teams diese Angaben in einem Export, der bereits vorliegt. Entscheidend ist, welche Datensätze die konkrete Frage beantworten.

Kurz erklärt: Welche Daten benötigen Sie für Process Mining?

Beginnen Sie mit einem minimalen Event Log: eine Zeile pro Event mit einer Case-ID, einer Aktivität und einem Timestamp. Ergänzen Sie Attribute, wenn sie bei der Beantwortung einer konkreten Frage helfen. Warten Sie nicht auf einen perfekten Datensatz, bevor Sie prüfen, ob sich damit die tatsächlichen Abläufe erkennen lassen.

Im Folgenden geht es darum, diese drei Felder mit verlässlichen Daten zu füllen. Wenn Ihnen die Begriffe neu sind, lesen Sie zunächst was Process Mining ist und erfahren Sie, welche Erkenntnisse ein Log liefern kann, bevor Sie Daten extrahieren.

Die erforderlichen Felder bilden den Kern eines Process-Mining-Datenschemas. Optionale Felder helfen Ihnen später, Abweichungen zu erklären. Prüfen Sie zunächst, ob Ihr Export die drei Pflichtfelder enthält und jede Zeile einem Event entspricht. Ein ausgearbeitetes Beispiel für den Aufbau finden Sie unter So erstellen Sie ein Event Log. Wie Sie die Felder konfigurieren, erfahren Sie in der Dokumentation zur Datenzuordnung.

Welche Daten benötigen Sie?

Stellen Sie sich vor, Sie betreiben einen Limonadenstand und möchten wissen, warum Kunden warten. Sie benötigen nicht jedes Detail zu jedem Kunden, sondern die einzelnen Schritte jeder Bestellung.

Erfassen Sie für jedes Event:

• Case-ID: Die Auftragsnummer verbindet alle Events derselben Bestellung.
• Aktivität: Die Bezeichnung des Ereignisses, zum Beispiel „Bestellung aufnehmen“, „Limonade zubereiten“ oder „Kunden bedienen“.
• Timestamp: Der Zeitpunkt des Ereignisses, anhand dessen sich die Events ordnen lassen.

Figure 1 — Betrachten Sie die Prozessschritte, nicht jedes Detail jedes einzelnen Cases.

Ein kleines Beispiel zeigt den Aufbau:

Mit diesen Feldern sehen Sie die Reihenfolge der Schritte für jede Bestellung und wie lange sie jeweils dauern. Zusätzliche Felder wie Bestellart oder Vertriebskanal erklären, warum manche Bestellungen länger dauern. Nehmen Sie sie auf, wenn sie eine Ihrer Fragen beantworten.

Dasselbe Prinzip gilt auch außerhalb des Limonadenstands. In einem Auftragsprozess kann die Case-ID eine Auftragsnummer sein, Aktivitäten können Statusänderungen darstellen und Timestamps stammen aus einer Ereignishistorie statt aus einem Berichtsexport. Sobald die Felder zugeordnet sind, liest ProcessMind einen vorhandenen Export ein. So wird der Ablauf in der Process-Mining-Plattform sichtbar, ohne das Quellsystem zu verändern.

Der Fall der fehlenden Limonaden-Protokolle

Am Limonadenstand ist viel los, und die Schlange wird immer länger. Sie möchten wissen, ob Kunden beim Bestellen oder bei der Zubereitung warten oder ob ein Problem auftritt. Die Belege sind auf Kassenbons, Auftragsdaten und Notizen verteilt.

Figure 2 — Die Belege zu einem Auftrag finden sich selten übersichtlich in einer einzigen Tabelle.

Das ist in realen Projekten ganz normal. Die Daten sind vorhanden, aber nicht als fertiges Event Log. Sie führen Datensätze aus verschiedenen Tabellen oder Systemen zusammen und legen fest, welche Felder Case, Aktivität und Timestamp abbilden.

Notieren Sie zunächst, welche Frage Sie beantworten möchten. Suchen Sie dann nach den Datensätzen, die dafür relevant sind.

• Um die Auftragsdurchlaufzeit zu messen, ermitteln Sie die Auftragskennung und die Timestamps relevanter Statusänderungen.
• Um Kanäle zu vergleichen, nehmen Sie den Kanal als zusätzliches Attribut auf.
• Um Beschwerden zu untersuchen, beziehen Sie beschwerdebezogene Aktivitäten oder Ergebnisse ein, sofern sie einheitlich erfasst werden.

So bleibt der erste Datenexport überschaubar. Sie müssen nicht jedes Feld aus jedem System erfassen, sondern nur genügend Daten, um den Prozess nachzuvollziehen und die Frage zu untersuchen.

Wenn Sie bereits einen Excel- oder CSV-Export haben, prüfen Sie ihn, bevor Sie Ihr Datenteam um einen neuen Export bitten. So erkennen Sie, welche Fragen sich mit den vorhandenen Feldern beantworten lassen und was ein besserer Export zusätzlich bieten würde.

Die große Datensuche

Quellen für Process-Mining-Daten sind meist Systeme, die Arbeitsabläufe direkt erfassen: ein ERP, ein CRM, eine ITSM-Plattform, ein Ticketsystem oder eine andere betriebliche Anwendung. Die benötigten Datensätze können in einer Datenbank, einem Bericht oder einem Export liegen.

Fragen Sie die Prozessverantwortlichen und die Systemverantwortlichen, wo die wichtigsten Events erfasst werden. Verfolgen Sie anschließend einige reale Cases vom Anfang bis zum Ende. Prüfen Sie, ob Sie für jeden Schritt die Case-Kennung, die Event-Bezeichnungen und die Timestamps finden.

1. Wählen Sie einen Prozess und eine Frage aus

   Wo warten Aufträge, oder bei welcher Übergabe geht die meiste Zeit verloren?

2. Ermitteln Sie das System und die verantwortliche Person

   Welche Anwendung erfasst die Arbeit, und welches Team betreibt sie?

3. Suchen Sie nach einer Ereignishistorie

   Gibt es einen Bericht oder eine Tabelle mit Statusänderungen statt einer Momentaufnahme des aktuellen Status?

4. Prüfen Sie die Case-ID

   Dieselbe Kennung muss bei allen Events vorkommen, die Sie miteinander verknüpfen möchten.

5. Exportieren Sie zunächst eine kleine Stichprobe

   Prüfen Sie die Daten, bevor Sie einen umfangreicheren Export anfordern.

Exportieren Sie nicht jede verfügbare Tabelle. Ein gezielter Datenexport lässt sich leichter prüfen, bereinigen und erklären. Wenn sich der Prozess über mehrere Systeme erstreckt, halten Sie fest, wie die Datensätze zusammenhängen. Notieren Sie zum Beispiel, welche Auftragsnummer einen CRM-Datensatz mit einem ERP-Datensatz verknüpft.

Einen Überblick über gängige Quellen bietet die Dokumentation dazu, wo Sie Daten finden. Wenn Sie Daten aus mehreren Systemen zusammenführen oder umwandeln müssen, behandelt die Anleitung zu ETL für Process Mining diesen Teil der Arbeit.

Die Datenkur

Ein Export kann doppelte Events, fehlende Timestamps, uneinheitliche Statusbezeichnungen, Testaufträge oder Datensätze enthalten, die nicht zum untersuchten Prozess gehören. Dadurch wird der Export nicht unbrauchbar. Sie sollten jedoch wissen, wofür jede Zeile steht, bevor Sie die Ergebnisse interpretieren.

Prüfen Sie die Daten in mehreren Durchgängen:

• Duplikate: Prüfen Sie, ob wiederholte Zeilen tatsächlich wiederholte Events oder versehentliche Kopien sind.
• Timestamps: Achten Sie auf fehlende Werte, unterschiedliche Formate, unerwartete Zeitzonen und Events, die in der falschen Reihenfolge erscheinen.
• Aktivitäten und Status: Vereinheitlichen Sie Bezeichnungen mit gleicher Bedeutung. Führen Sie Statuswerte getrennt, wenn sie unterschiedliche Schritte darstellen.
• Test- oder stornierte Datensätze: Entscheiden Sie, ob sie in die Analyse gehören, und halten Sie fest, was Sie aus welchen Gründen ausschließen.
• Case-IDs: Prüfen Sie, ob Kennungen fehlen oder sich ändern. Andernfalls kann ein Case in mehrere aufgeteilt oder mit nicht zugehörigen Cases zusammengeführt werden.

Entfernen Sie ungewöhnliche Cases nicht einfach, nur weil sie anders aussehen. Klären Sie zunächst, ob es sich um gültige Ausnahmen oder Datenfehler handelt. Dokumentieren Sie jede Änderung, damit sich der aufbereitete Datensatz mit der Quelle abgleichen lässt.

Bei der Datenqualität für Process Mining gibt es selten nur ein Ja oder Nein. Entscheidend ist, ob sich die für Ihre Fragestellung relevanten Felder konsistent verhalten. Deshalb ist eine Stichprobe mehr wert als ein Versprechen. ProcessMind zeigt die Qualität direkt am Datensatz an: mit einem Badge samt Prozentwert und einem Bereich, der die Ursachen der Bewertung erläutert, darunter fehlende oder uneinheitliche Werte sowie Probleme mit Timestamps. So sehen Sie, wie verlässlich ein Ergebnis ist, bevor Sie darauf reagieren, und können die Entwicklung der Bewertung bei der Bereinigung verfolgen. Weitere Informationen finden Sie in der Dokumentation zur Datenqualität.

Die Prüfung erfolgt schrittweise: Beginnen Sie mit einer Stichprobe, ordnen Sie die Felder zu, betrachten Sie den resultierenden Prozess und untersuchen Sie Auffälligkeiten. Die Anleitung zur Datenbereinigung und -aufbereitung beschreibt die üblichen Schritte und Prüfungen.

Die Daten neu aufbereiten

Sobald Sie die Datensätze gefunden und geprüft haben, ordnen Sie die Quellspalten den Feldern zu, die für die Prozessanalyse benötigt werden. Im Quellsystem können andere Bezeichnungen verwendet werden. Die Bedeutung muss dennoch eindeutig sein.

Eine Aktivität sollte ein Ereignis im Prozess beschreiben, keine vage Anmerkung. „Kunde zufrieden“ kann eine Meinung oder Notiz sein. „Auftrag zugestellt“ ist ein klareres Ereignis, wenn das System diesen Status erfasst. Wählen Sie den Timestamp, der angibt, wann das Ereignis eingetreten ist, nicht einfach den Zeitpunkt, zu dem ein Bericht exportiert wurde.

Sie müssen auch nicht jede Spalte von Hand zuordnen. ProcessMind schlägt beim Zuordnen eines Datensatzes passende Felder vor. Die KI-Datenempfehlungen weisen mit einem Zuverlässigkeitswert auf wahrscheinliche Zuordnungen hin und schlagen anschließend Attribute, Aktivitäten oder Quellen vor, die die Analyse präzisieren können. Statt Feldlisten zu durchsuchen, prüfen und bestätigen Sie die Vorschläge. So wird aus einem Nachmittag für die Zuordnung keine ganze Woche. Weitere Informationen finden Sie unter KI-Datenempfehlungen.

Eine gute Zuordnung macht den Prozess für die Personen verständlich, die mit der Arbeit vertraut sind. Prüfen Sie die Aktivitätsnamen gemeinsam mit der Prozessverantwortlichen oder dem Prozessverantwortlichen und stellen Sie sicher, dass Case-ID und Timestamps wie erwartet funktionieren. Die Dokumentation zur Datenzuordnung erläutert, wie Sie einen Datensatz konfigurieren. Der Leitfaden zum Zuordnen von Aktivitäten behandelt die Definition von Aktivitäten.

Wie viele Daten benötigen Sie?

Es gibt keine feste Anzahl von Cases oder einen einheitlichen Zeitraum, der für jeden Prozess passt. Wie viele Daten sinnvoll sind, hängt davon ab, wie oft der Prozess abläuft, welche Abweichungen Sie erwarten und was Sie vergleichen möchten.

Für eine erste Prüfung sollten genügend Cases enthalten sein, um sowohl den normalen Ablauf als auch die relevanten Ausnahmefälle abzudecken. Der betrachtete Zeitraum sollte die maßgeblichen Prozesszyklen und wichtige Veränderungen im Zeitverlauf zeigen. Auch mit einem kurzen Zeitraum oder einer kleinen Stichprobe können Sie Schema und Zuordnung testen. Gehen Sie jedoch vorsichtig vor, wenn Sie die Ergebnisse als repräsentativ einstufen.

Mit mehr Daten lassen sich seltenere Abläufe erkennen, ihre Aufbereitung und Analyse dauert jedoch länger. Beginnen Sie mit einem klar abgegrenzten Zeitraum und erweitern Sie ihn, wenn sich aus den ersten Ergebnissen weitere Fragen ergeben. Wenn Sie mit einem umfangreichen Event Log arbeiten, lesen Sie die Hinweise zu Leistung und Skalierbarkeit beim Process Mining, bevor Sie festlegen, wie viele Verlaufsdaten Sie laden.

Formate und Upload-Optionen

Wählen Sie für Ihr erstes Projekt einen Export, den Ihr Team erstellen und prüfen kann. ProcessMind unterstützt gängige Arbeitsabläufe mit Tabellen und Dateien mit Trennzeichen, darunter CSV- und Excel-Dateien. Für umfangreichere Event Logs eignen sich Parquet oder ORC. Der Upload dauert nur wenige Minuten: Sie fügen die Datei hinzu, prüfen die erkannten Spalten und sehen den Prozess, bevor Sie über Konnektoren entscheiden. Eine Anleitung finden Sie unter Datensatz hochladen.

Sie können Daten auch schrittweise laden, wenn Sie neuere Datensätze ergänzen möchten, ohne den gesamten Datensatz neu aufzubauen. Welche Vorgehensweise passt, hängt davon ab, wie Ihre Quelldaten erstellt werden und wie oft sie sich ändern. Einzelheiten finden Sie in der Dokumentation zu unterstützten Datenformaten und zum inkrementellen Laden von Daten.

Für einen wiederholbaren Datenladeprozess kann sich eine API eignen. In der Dokumentation zur Daten-API erfahren Sie mehr über die verfügbaren Optionen. Wenn Sie festlegen, wie Daten extrahiert, transformiert und geladen werden sollen, beginnen Sie mit dem ETL-Leitfaden.

Diese Daten sollten Sie nicht hochladen

Nehmen Sie nur Daten auf, die Sie für die jeweilige Prozessfrage benötigen. Personenbezogene Daten können auch in Feldern auftauchen, in denen Sie sie nicht erwarten, insbesondere in Freitextnotizen, Kommentaren oder Beschreibungen. Prüfen Sie den Auszug vor dem Upload und entfernen oder maskieren Sie Felder, die für die Analyse nicht erforderlich sind.

Klären Sie mit den Teams für Datenschutz, Sicherheit und Data Governance, welche Daten Ihre Organisation freigeben darf. Überlegen Sie, ob Sie Namen oder andere direkte Kennungen wirklich benötigen. Für viele Analysen reicht eine Team- oder Rollenangabe oder eine pseudonyme Kennung aus, sofern das mit Ihrem Zweck und Ihren Richtlinien vereinbar ist.

Betrachten Sie die Prozessanalyse nicht als Grund, mehr personenbezogene Daten zu erheben. Beschränken Sie den Datensatz auf die Felder, die zum Verständnis des Prozesses erforderlich sind, und halten Sie sich an die Regeln Ihrer Organisation für Zugriff, Aufbewahrung und Verarbeitung. ProcessMind trennt Mandanten und regelt Zugriffe rollenbasiert. Ein Audit-Log hält fest, wer auf welche Daten zugreifen konnte. So lässt sich diese Frage später beantworten. Weitere Informationen finden Sie unter Benutzer, Rollen und Berechtigungen, im Audit-Log und in unserer Datenschutzerklärung.

Ihr Datenteam einbinden

Mit einer klaren Anfrage kann Ihr Datenteam den Aufwand einschätzen und unnötige Extraktionen vermeiden. Senden Sie eine kurze Übersicht mit den folgenden Angaben:

• Prozess: Benennen Sie den Prozess sowie seinen Start- und Endpunkt.
• Fragestellung: Formulieren Sie, was Sie herausfinden möchten, zum Beispiel, wo Aufträge warten.
• Umfang: Geben Sie an, welche Systeme, welchen Zeitraum und welche Case-Typen berücksichtigt werden sollen.
• Erforderliche Felder: Fordern Sie für jedes Ereignis eine Case-ID, eine Aktivität und einen Timestamp an.
• Nützliche Felder: Führen Sie nur die Attribute auf, die zur Beantwortung der Frage erforderlich sind.
• Beispiele: Fügen Sie einige repräsentative Cases bei und entfernen Sie bei Bedarf sensible Werte.
• Prüfungen: Bitten Sie das Team, fehlende IDs oder Timestamps, doppelte Ereignisse und unklare Statuswerte zu kennzeichnen.
• Datenschutz: Klären Sie, welche Felder weitergegeben werden dürfen und ob Felder entfernt oder maskiert werden müssen.

Sie können auch den Leitfaden zum Event Log weitergeben, damit das Team ein konkretes Beispiel für die benötigte Struktur erhält. Verweisen Sie auf den passenden Leitfaden zur Prozessverbesserung, wenn die Daten aus einem bestimmten System extrahiert werden müssen. Sobald Ihnen ein Export vorliegt, folgen Sie dem Leitfaden für die ersten Schritte, um ihn zu laden und den Prozess anzusehen.

Nächster Schritt: Daten hochladen und zuordnen

Sie benötigen keinen perfekten Datenexport, um zu prüfen, ob sich Ihre Daten für eine erste Analyse eignen. Beginnen Sie mit einem vorhandenen Export, prüfen Sie die drei erforderlichen Felder und sehen Sie, was noch bearbeitet werden muss, bevor Sie in ein größeres Datenprojekt investieren.

Der Nutzen geht über die erste Prozessübersicht hinaus. Sobald ein Datensatz geladen ist, bewertet ProcessMind den Prozess direkt mit Prozessgesundheit. Dabei erhält jeder Prozess einen einheitlich berechneten Wert, der auf den fünf Dimensionen des CURES-Frameworks basiert: Konformität, Einheitlichkeit, Nacharbeit, Effizienz und reibungsloser Ablauf. Der Wert zeigt, wo Sie ansetzen können. Dieselben Dashboards weisen auf Verbesserungsmöglichkeiten hin. So entsteht aus dem ersten Datensatz eine Aufgabenliste statt nur einer Übersicht. Prozessgesundheit und die zugehörigen Werte sind in einem Process-Intelligence-Sitzplatz enthalten.