Was ist Process Mining? So läuft Arbeit wirklich ab
Was Process Mining bedeutet, wie es funktioniert, welche drei Arten es gibt, wofür Unternehmen es einsetzen und wie Sie starten.
Was ist Process Mining?
Was ist Process Mining? Dabei werden Ereignisdaten aus IT-Systemen ausgewertet, um tatsächliche Prozessabläufe zu entdecken, zu analysieren und zu verbessern. Process Mining verknüpft Aktivitäten mit Cases und Timestamps. So wird sichtbar, welche Wege die Arbeit nimmt, wie lange einzelne Schritte dauern und wo der Prozess von den Erwartungen abweicht.
Ein Event Log zeichnet Aktivitäten, Timestamps und Case-Kennungen auf. Process Mining ordnet diese Ereignisse den Cases zu und rekonstruiert den Prozessablauf. Anhand der Ergebnisse können Sie Engpässe, Nacharbeit und die Übereinstimmung mit einem Referenzprozess untersuchen. Die Analyse liefert Belege. Ihr Team entscheidet, was daraus folgt.
Weitere Informationen zu Process-Mining-Software finden Sie in unserem Leitfaden zu Process-Mining-Tools.
Wil van der Aalst, ein Pionier des Process Mining, hat es mit einem MRT für ein Unternehmen verglichen: Es kann sichtbar machen, was unter der Oberfläche geschieht. Diese Transparenz kann Prozessverbesserungen und die digitale Transformation unterstützen. Lesen Sie unseren strategischen Leitfaden zur datengetriebenen Prozessverbesserung.
Stellen Sie sich eine Kundenbestellung vor, die von der Erfassung und Freigabe bis zum Versand durchläuft. Jeder Schritt kann eine digitale Aufzeichnung hinterlassen. Process Mining verknüpft diese Aufzeichnungen und zeigt den Weg jeder Bestellung, einschließlich Umwegen und Ausnahmen. Statt sich nur auf Interviews oder Annahmen zu stützen, können Sie die in den Daten aufgezeichneten Abläufe untersuchen.
Die Ergebnisse hängen von der Qualität der Ereignisdaten und ihrem Kontext ab. Eine Prozesslandkarte kann den vorgesehenen Ablauf zeigen; Process Mining macht sichtbar, was laut Aufzeichnungen tatsächlich geschehen ist.
Wie funktioniert Process Mining?
Process Mining beginnt mit Ereignisdaten aus Ihren IT-Systemen. Zu jedem Ereignis gehören üblicherweise drei Felder:
- Case-ID: Die Kennung einer Prozessinstanz, zum Beispiel einer Bestellung oder eines Support-Tickets.
- Aktivität: Der ausgeführte Schritt.
- Timestamp: Der Zeitpunkt, zu dem der Schritt ausgeführt wurde.
Die Software gruppiert Ereignisse nach Case-ID und ordnet sie nach Timestamp. Anschließend rekonstruiert sie die von den Cases genommenen Pfade und stellt sie als Prozessmodell dar. Sie können Pfade vergleichen, Laufzeiten untersuchen und nach Mustern wie wiederholten Schritten oder langen Wartezeiten suchen.
Die Qualität der Ergebnisse hängt von den Daten ab. Fehlende Timestamps, uneinheitliche Aktivitätsnamen oder falsche Case-Kennungen können die Analyse verfälschen. Erfahren Sie, wo Sie Prozessdaten finden und welche Datenformate unterstützt werden.
Die drei Arten von Process Mining
Die drei Arten von Process Mining beantworten unterschiedliche Fragen:
-
Process Discovery erstellt aus Event-Log-Daten ein Prozessmodell. Damit erkennen Sie, welche Wege die Cases tatsächlich nehmen, einschließlich nicht dokumentierter Varianten.
-
Die Konformitätsprüfung vergleicht das tatsächliche Prozessverhalten mit einem Referenzmodell. Sie zeigt, wo Cases den erwarteten Schritten folgen, sie überspringen oder davon abweichen.
-
Process Enhancement ergänzt ein bestehendes Prozessmodell um Informationen aus Event Logs. So können Sie beispielsweise Kennzahlen wie Wartezeiten oder die Dauer von Aktivitäten hinzufügen, um die Prozessleistung zu verstehen.
Ein Projekt beginnt häufig mit Process Discovery. Anschließend kann die Konformitätsprüfung Unterschiede zum Referenzprozess untersuchen. Process Enhancement ergänzt das Modell um Informationen zur Leistung. Wählen Sie den Ansatz, der zu Ihrer Fragestellung passt.
Process Mining für alle
Sie müssen keine Data Scientists sein, um Prozessdaten zu untersuchen. Analysten, Prozessverantwortliche, Betriebsteams und IT-Teams können gemeinsam eine Fragestellung formulieren, ein Event Log aufbereiten und die Analyseergebnisse prüfen.
Ein sinnvoller Einstieg:
- Wählen Sie einen Prozess und eine konkrete Fragestellung aus.
- Ermitteln Sie, welche Systemdaten seine Aktivitäten aufzeichnen.
- Erstellen Sie ein Event Log mit Case-IDs, Aktivitätsnamen und Timestamps.
- Prüfen Sie den ermittelten Ablauf und untersuchen Sie relevante Pfade.
- Gleichen Sie die Erkenntnisse mit den Personen ab, die den Prozess kennen.
Die 5 Schritte des Process Mining
Daten erfassen
Sammeln Sie Ereignisdaten aus Ihren Systemen, zum Beispiel Aufzeichnungen zu jedem Schritt eines Order-to-Cash-Prozesses. Für den Einstieg reicht möglicherweise eine Excel-Datei.
Den Prozess entdecken
Mit Process-Mining-Software verknüpfen Sie Ereignisse anhand der Case-ID und des Zeitpunkts. Anschließend prüfen Sie den Prozessfluss, den die Daten zeigen.
Die Konformität prüfen
Vergleichen Sie den entdeckten Prozess mit einem Referenzmodell, etwa einem BPMN-Modell, um Abweichungen zu untersuchen.
Erkenntnisse analysieren
Untersuchen Sie Engpässe, Nacharbeit und Ineffizienzen in Prozess-Dashboards. Entscheiden Sie anschließend, welche Aspekte Sie genauer prüfen oder ändern möchten.
Änderungen überwachen
Analysieren Sie den Prozess nach Änderungen erneut, um zu sehen, wie sich Leistung und Prozesspfade verändert haben.
Öffnen Sie die Anleitung für die ersten Schritte, um Ihre erste Analyse vorzubereiten.
Process Mining und Prozessmapping im Vergleich
Process Mining und Prozessmapping beantworten verwandte, aber unterschiedliche Fragen. Process Mining verwendet Ereignisdaten, um den Ablauf eines Prozesses darzustellen. Beim Prozessmapping werden das Wissen der Beteiligten und Methoden der Prozessgestaltung genutzt, um zu dokumentieren oder zu planen, wie die Arbeit ablaufen soll.
| Process Mining | Prozessmapping | |
|---|---|---|
| Datenquelle | Event-Log-Daten aus IT-Systemen | Interviews, Workshops und Dokumentation |
| Ergebnis | Darstellung des Prozessverhaltens auf Grundlage aufgezeichneter Ereignisse | Dokumentierter oder entworfener Prozess |
| Aufwand | Abhängig von Datenzugriff und Aufbereitung | Abhängig von Umfang und Beiträgen der Beteiligten |
| Abdeckung | Kann die im Event Log aufgezeichneten Pfade zeigen | Abhängig davon, was dokumentiert wird |
| Geeignet für | Das Verständnis des tatsächlichen Prozessverhaltens | Die Gestaltung oder Dokumentation eines Prozesses |
Die beiden Ansätze ergänzen sich gut. Untersuchen Sie mit Process Mining den in den Daten dargestellten Prozess. Dokumentieren oder gestalten Sie Änderungen anschließend mithilfe von Prozessmapping oder BPMN-Modellierung. ProcessMind vereint Process Mining und Prozessmapping auf einer Plattform. Wie die Ansätze einander ergänzen, erfahren Sie im Beitrag zum gemeinsamen Nutzen von Prozessmodellierung und Process Mining.
So funktionieren die Mining-Algorithmen
Process-Mining-Algorithmen wandeln Ereignisdaten in Prozessmodelle um. In der Forschung werden mehrere Algorithmusfamilien beschrieben: Der Alpha-Algorithmus leitet Beziehungen zwischen Aktivitäten ab und gilt als klassischer Ausgangspunkt. Der Heuristic Miner toleriert verrauschte und unvollständige Logs, der Fuzzy Miner eignet sich für unstrukturierte Abläufe, und der Inductive Miner erstellt einen Prozessbaum, dessen Korrektheit garantiert ist. Jeder Algorithmus ist für eine bestimmte Art von Log definiert und liefert das Modell, das seine Definition vorgibt.
ProcessMind bietet drei eigene Miner. Wählen Sie im Dialogfeld Modell minen einen davon aus. Dort finden Sie auch die Gateway-Richtlinien, mit denen Sie festlegen, wie streng das dargestellte Ergebnis ausfallen soll, wie in der Dokumentation zum Mining beschrieben.
| Miner | Ergebnis | Geeignet, wenn |
|---|---|---|
| Directly-Followed-By-Miner | Ein flaches Modell, das jede Aktivität mit der unmittelbar folgenden verbindet, ohne verschachtelte Subprozesse | Sie eine unveränderte Darstellung des Event Logs möchten oder prüfen, welche Daten tatsächlich darin enthalten sind |
| Simple Miner | Dichte Bereiche des Graphen werden rekursiv in verschachtelte Segmente zerlegt | Sie ein kompaktes Modell möchten, das auf einen Bildschirm passt |
| KI-Miner | KI-gestützte Zerlegung anhand von Anreicherungsdaten; parallele Bereiche werden erkannt und entsprechend dargestellt | Das Event Log unübersichtlich oder unvollständig ist oder der Prozess parallele Arbeit umfasst, die ein flaches Modell nicht abbildet |
Der KI-Miner stammt von uns und ist keine nachimplementierte, veröffentlichte Algorithmusvariante. Er wertet neben dem Event Log auch Anreicherungsdaten aus, erkennt parallele Bereiche und zerlegt den Graphen hierarchisch. So bleibt die durch das Log nahegelegte Struktur im Modell erhalten, statt abgeflacht zu werden. Hier liegt sein Vorteil: Die veröffentlichten Algorithmen setzen ein vollständiges, fehlerfreies Log voraus. Die meisten Organisationen arbeiten jedoch mit einem Export, der diese Voraussetzungen nicht erfüllt. Wir haben den KI-Miner für die Daten entwickelt, die tatsächlich vorliegen, nicht für ideale Daten, wie sie die Definition voraussetzt. Als einziger der drei Miner benötigt er Anreicherungsdaten. Bei einem neuen Event Log ist es daher sinnvoll, zunächst mit dem Directly-Followed-By-Miner zu beginnen und die Ergebnisse zu vergleichen.
Nachdem ein Miner die Struktur erstellt hat, ordnet ein Layout-Algorithmus die Elemente so an, dass der Ablauf gut lesbar ist. Diesen Schritt übernimmt ProcessMinds Clarity Engine.
Warum Process Mining wichtig ist
Mit Process Mining können Sie untersuchen, wie die Arbeit über alle aufgezeichneten Cases hinweg abläuft, statt sich nur auf eine Prozessbeschreibung oder einzelne Beispiele zu verlassen. Es hilft Ihnen dabei:
- Prozessvarianten erkennen: Vergleichen Sie die Pfade der Cases und ermitteln Sie häufige oder ungewöhnliche Abläufe.
- Verzögerungen untersuchen: Prüfen Sie, wo Cases warten und welche Aktivitäten länger dauern.
- Nacharbeit finden: Suchen Sie nach wiederholten Aktivitäten und Schleifen, die auf Fehler oder unklare Anforderungen hindeuten können.
- Konformität prüfen: Vergleichen Sie das tatsächliche Verhalten mit einem Referenzprozess.
- Leistung verfolgen: Prüfen Sie Prozesskennzahlen im Zeitverlauf mithilfe von Dashboards und KPIs.
Diese Erkenntnisse helfen Ihnen, gezieltere Fragen zu stellen. Sie belegen jedoch nicht, warum eine Verzögerung oder Abweichung aufgetreten ist. Sprechen Sie mit den Beteiligten und prüfen Sie den relevanten Kontext, bevor Sie über Änderungen entscheiden.
Erfahren Sie, wie Prozess-Dashboards und KPIs die Überprüfung der Prozessleistung unterstützen.
Die guten, die schlechten und die unschönen Seiten
Die guten Seiten
Process Mining liefert einen objektiven Überblick über die Arbeit, ohne dass jemand den Ablauf aus dem Gedächtnis rekonstruieren muss:
- Es zeigt das Verhalten über alle Cases im Event Log hinweg, nicht nur über die wenigen, an die sich jemand erinnert.
- Es verkürzt die Ursachenanalyse, weil Abläufe, Verzögerungen und Nacharbeit sichtbar dargestellt werden.
- Es eignet sich für alle Prozesse, bei denen ein IT-System strukturierte Ereignisdaten aufzeichnet.
- Prozess-Dashboards stellen diese Belege auch Fachabteilungen zur Verfügung, nicht nur Analysten.
Die schlechten Seiten
Die Aussagekraft hängt von der Qualität des Event Logs ab, dessen Aufbereitung Arbeit erfordert:
- Daten von schlechter Qualität führen zu einer überzeugend klingenden, aber falschen Antwort. Die Analyse ist nur so zuverlässig wie das Event Log.
- Die Daten aufzubereiten und zu prüfen, ist oft der anspruchsvollste Teil eines Projekts.
- Process Mining verbessert keinen Prozess. Es zeigt, was Sie untersuchen sollten. Die Entscheidungen und Änderungen treffen weiterhin Menschen.
- Ein komplexes Modell ist schwer zu lesen. Beginnen Sie mit einer klaren Frage und den dafür relevanten Prozesspfaden.
Das Hässliche
Unachtsam eingesetzt, kann derselbe Nachweis Schaden anrichten:
- Wer Prozessdaten nutzt, um Einzelne verantwortlich zu machen, schürt Angst und Widerstand. Richten Sie den Blick stattdessen auf die Rahmenbedingungen des Prozesses.
- Wer die Daten falsch interpretiert, zieht falsche Schlüsse. Prüfen Sie Erkenntnisse deshalb gemeinsam mit den Menschen, die die Arbeit kennen.
- Manche Tools erfordern umfangreiche IT-Unterstützung und hohe Investitionen. Klären Sie vorab, welche Kosten für Einrichtung und erforderliche Kompetenzen entstehen.
- Ohne eine klare Frage erhalten Sie mehr Daten als Erkenntnisse und wissen nicht, welche Entscheidung damit ansteht.
Process Mining wirkt zunächst wie Magie, bis es das nicht mehr tut. Es liefert Erkenntnisse, die zuvor nicht sichtbar waren. Die schwierigste Aufgabe bleibt jedoch bei Ihnen: aus einer Erkenntnis eine Veränderung zu machen. Die Analyse zählt erst, wenn jemand die Änderung dauerhaft umsetzt.
So sollten Sie Process Mining nicht einsetzen
Am nützlichsten ist Process Mining, wenn Sie eine klare Frage, zuverlässige Daten und Menschen haben, die die Ergebnisse einordnen können. Die folgenden Fehler gefährden die Glaubwürdigkeit eines Projekts.
Beginnen Sie nicht ohne ein klares Ziel
Eine ergebnisoffene Suche führt zu Analysen, aus denen keine Entscheidung folgt. Beginnen Sie mit einer Frage wie „Warum dauert die Freigabe von Rechnungen länger als zehn Tage?“ oder „Wo kommt es beim Onboarding zu Verzögerungen für Kunden?“ Eine konkrete Frage gibt vor, welchen Prozess, welche Daten und welche Kennzahlen Sie betrachten sollten.
Ein tragfähiges Ziel benennt drei Punkte: den Prozess, den Zeitraum und die Entscheidung, die die Analyse unterstützen soll. Halten Sie das Ziel fest, bevor Sie Daten laden, und stimmen Sie es mit der für den Prozess verantwortlichen Person ab. Diese Einigung verhindert, dass ein Pilot immer weiter wächst, bis er alles abdecken soll und keine Frage mehr beantwortet.
Wenn Sie nicht wissen, wo Sie anfangen sollen, bietet ein Leitfaden zur Prozessverbesserung bereits einen klaren Rahmen. Er benennt den Prozess, die Systeme, die zu exportierenden Felder und die zu erfassenden Aktivitäten. So steht die erste Frage bereits im Zusammenhang mit den Daten, die Sie für ihre Beantwortung benötigen.
Erwarten Sie nicht, dass ein Tool den Prozess verbessert
Process Mining untersucht das Prozessverhalten, ist aber keine automatische Lösung. Es kann zeigen, dass Freigaben zu lange dauern. Die Ursache zu finden und eine Änderung umzusetzen, bleibt jedoch Ihre Aufgabe. Prüfen Sie die Erkenntnisse, besprechen Sie sie mit den Beteiligten und analysieren Sie den Prozess nach einer Änderung erneut.
Arbeiten Sie nicht isoliert
Daten brauchen Kontext. Analysieren Sie einen Prozess allein und verschicken Sie anschließend einen Bericht, übersehen Sie womöglich, warum es einen Umweg gibt oder ob er einem berechtigten geschäftlichen Bedarf dient. Arbeiten Sie mit den Menschen zusammen, die den Prozess verantworten, und beziehen Sie die IT ein, wenn Sie Unterstützung beim Zugriff auf die Daten oder bei deren Prüfung benötigen. Ihr Wissen erklärt, was das Event Log zeigen kann und was nicht.
Beziehen Sie die Beteiligten von Anfang an ein, nicht erst bei der Ergebnisbesprechung, und erklären Sie ihnen den Zweck der Analyse. Wer die Fragestellung im Voraus kennt, kann einen Umweg, eine vorübergehende Behelfslösung oder einen Schritt erklären, der nur in der Praxis vorkommt.
Die Menschen, die die Arbeit ausführen, wissen auch, welche Schritte im System keine Spuren hinterlassen. Dadurch kann ein entdeckter Prozess unvollständig wirken. In ProcessMind können Sie diese Lücken als Datenfluss kennzeichnen. So bleiben sie im Modell sichtbar, ohne dass Sie nie erfasste Ereignisse erfinden müssen.
Betrachten Sie Process Mining nicht als einmaliges Projekt
Auch ein verbesserter Prozess verändert sich mit der Zeit. Prüfen Sie ihn nach der Änderung erneut und vergleichen Sie die Ergebnisse im Zeitverlauf, um Veränderungen im Prozessverhalten zu erkennen. Erst durch die laufende Beobachtung wird aus einer Erkenntnis ein Ergebnis.
Nutzen Sie Erkenntnisse nicht, um Menschen die Schuld zu geben
Process Mining zeigt, wie die Arbeit abläuft, nicht, wer etwas falsch gemacht hat. Erklären Sie den Zweck der Analyse und beziehen Sie Prozessverantwortliche und Mitarbeitende von Anfang an ein. Wenn die Daten zeigen, dass eine Gruppe länger braucht, fragen Sie nach den Gründen: etwa einer hohen Arbeitslast, einer Einschränkung im System oder einem unklaren Arbeitsschritt. Meist liegt die Ursache in den Rahmenbedingungen. Antworten erhalten Sie in der Regel von den Menschen, die die Arbeit ausführen.
Verwenden Sie keine Daten von schlechter Qualität
Die Analyse hängt vom Event Log ab. Fehlende Timestamps, uneinheitliche Aktivitätsnamen oder falsche Case-IDs lassen den Prozess anders erscheinen, als er tatsächlich ablief. Prüfen Sie die Bedeutung der einzelnen Felder, stellen Sie sicher, dass die Ereignisse den richtigen Cases zugeordnet sind, und kontrollieren Sie eine Stichprobe, bevor Sie den gesamten Datensatz analysieren. Woher Sie Prozessdaten erhalten, erfahren Sie in diesem Leitfaden zu den benötigten Feldern.
So gelingt der Einstieg
Mit einem klar eingegrenzten Pilotprojekt finden Sie heraus, was Process Mining zeigen kann, ohne gleich alles analysieren zu müssen.
Erklären Sie, was Process Mining zeigen kann, und stimmen Sie ab, was Sie herausfinden möchten. Stellen Sie eine kleine Gruppe zusammen, die den Prozess, die Daten und den geschäftlichen Kontext kennt.
Beginnen Sie mit einer Frage, die für das Team wichtig ist, etwa wo Verzögerungen auftreten oder warum Cases zu einem früheren Schritt zurückkehren.
Wählen Sie einen Prozess mit klar abgegrenztem Umfang und zugänglichen Daten. Ein Prozess mit bekannten Verzögerungen oder wiederkehrender Arbeit kann ein guter Ausgangspunkt sein.
Begrenzen Sie den Pilotversuch auf eine Geschäftseinheit, eine Produktlinie oder einen anderen klar definierten Bereich. Ein enger Fokus erleichtert die Validierung der Ergebnisse.
Stellen Sie die für den Pilotversuch benötigten Daten zusammen. Für den Einstieg kann eine Tabelle oder ein CSV-Export genügen. Beziehen Sie die IT ein, wenn Sie Unterstützung beim Zugriff auf oder beim Zusammenführen von Daten benötigen.
Prüfen Sie, ob jedes Ereignis eine Case-ID, einen Aktivitätsnamen und einen Timestamp enthält. Stellen Sie sicher, dass die Felder einheitlich sind und den zu untersuchenden Prozess abbilden.
Laden Sie das Event Log und prüfen Sie das Prozessmodell. Kontrollieren Sie, ob die Anzahl der Cases und der Zeitraum plausibel sind. Falls nicht, überprüfen Sie die Datenaufbereitung.
Betrachten Sie die Hauptpfade, Varianten und Aktivitätsdauern. Filtern Sie die Cases nach Ihrer Fragestellung und halten Sie Muster fest, die Sie weiter untersuchen sollten.
Besprechen Sie die Ergebnisse mit Analysten, Prozessverantwortlichen und Mitarbeitenden, die mit der Arbeit vertraut sind. Fragen Sie, ob die Muster ihren Erfahrungen entsprechen und wodurch sie sich erklären lassen.
Legen Sie gemeinsam fest, welche Probleme Sie untersuchen oder angehen möchten, und bestimmen Sie, wie Sie Veränderungen messen werden.
Analysieren Sie den Prozess erneut, nachdem Ihr Team eine Änderung umgesetzt hat. Vergleichen Sie die Ergebnisse mit dem Ausgangspunkt, um die Veränderungen zu erkennen.
Nutzen Sie die Erkenntnisse, um die nächste Fragestellung zu präzisieren oder die Analyse auf einen weiteren Prozess auszuweiten.
Welche Rolle ProcessMind spielt
Anwendungsfälle für Process Mining
Sie können einen Prozess analysieren, wenn seine Aktivitäten digital erfasst und einzelnen Cases zugeordnet werden können. Häufige Beispiele sind:
- Order-to-Cash (O2C): Untersuchen Sie den Auftragsprozess vom Kundenauftrag bis zum Zahlungseingang und prüfen Sie Verzögerungen bei der Auftragsabwicklung, Rechnungsstellung oder dem Zahlungseinzug.
- Procure-to-Pay (P2P): Analysieren Sie den Beschaffungsprozess von der Bedarfsmeldung bis zur Zahlung an den Lieferanten und suchen Sie nach Verzögerungen bei Freigaben oder wiederkehrender Arbeit.
- IT-Service-Management (ITSM): Analysieren Sie Service-Desk-Tickets, um langsame Lösungswege, Eskalationen und SLA-Verstöße zu erkennen.
- Kunden-Onboarding: Prüfen Sie, wie neue Kunden das Onboarding durchlaufen und wo Verzögerungen oder Abbrüche auftreten. Das Auftragsmanagement behandelt dieselbe Fragestellung aus Sicht der Auftragsabwicklung.
- Schadenbearbeitung: Untersuchen Sie, wie Versicherungs- oder Gesundheitsleistungen geprüft und bearbeitet werden.
- Fertigung und Lieferkette: Analysieren Sie Fertigungs- und Lieferkettenprozesse, um Verzögerungen, Qualitätsprobleme oder Ressourcenengpässe zu untersuchen.
Ereignisdaten können aus ERP-Systemen wie SAP, Oracle und Microsoft Dynamics stammen, aus CRM-Plattformen wie Salesforce und HubSpot, aus Helpdesk-Tools wie ServiceNow und Zendesk oder aus individuellen Anwendungen. Ob sich die Daten eines Systems eignen, hängt davon ab, ob Sie Cases, Aktivitäten und Timestamps identifizieren können.
Durchsuchen Sie die Bibliothek nach Branche, Abteilung oder Rolle in der Transformation. Oder beginnen Sie mit einem Leitfaden zur Prozessverbesserung für Ihren Prozess und Ihr System. Jeder Leitfaden benennt die zu exportierenden Felder, die zu erfassenden Aktivitäten und das Template für die Daten aus dem Quellsystem.
Entdecken Sie Anwendungsfälle für Process Mining in verschiedenen Teams und Branchen.
Process Mining im Vergleich zu Data Mining und Machine Learning
Process Mining, Data Mining und Machine Learning analysieren Daten auf unterschiedliche Weise. Process Mining untersucht, wie Cases im Zeitverlauf verschiedene Aktivitäten durchlaufen. Data Mining sucht nach Mustern in Datensätzen. Machine Learning verwendet Daten, um Vorhersagen oder Klassifizierungen zu erstellen.
| Process Mining | Data Mining | Machine Learning | |
|---|---|---|---|
| Beantwortete Frage | Wie läuft dieser Prozess ab? | Welche Muster gibt es in diesem Datensatz? | Was könnte als Nächstes passieren oder um welchen Case handelt es sich? |
| Analyseeinheit | Ein Case, der im Zeitverlauf Aktivitäten durchläuft | Datensätze, Zeilen und Merkmale | Eingaben, die einer vorhergesagten Ausgabe zugeordnet werden |
| Eingabe | Ein Event Log mit Case-IDs, Aktivitäten und Timestamps | Ein aufbereiteter Datensatz | Trainingsdaten, mit oder ohne Kennzeichnung |
| Ausgabe | Prozessmodelle, Varianten, Konformitätsprüfung und Engpässe | Muster, Segmente oder Cluster | Eine Vorhersage, ein Score oder eine Klassifizierung |
| Typische Anwendung | Ermitteln, wo ein Auftrag wartet und wie er weiterläuft | Muster in Kundendatensätzen finden | Vorhersagen, welche Lieferung sich verspäten könnte |
Entscheidend ist die Frage, die jede Methode beantwortet. Process Mining bildet die Abfolge der Aktivitäten ab. Es kann zeigen, dass ein Case bei einer Übergabe warten musste oder eine Aktivität wiederholt hat. Data Mining kann Muster in Datensätzen erkennen, während Machine Learning die Wahrscheinlichkeit eines Ergebnisses schätzt.
Diese Methoden können sich ergänzen. Mit Process Mining können Sie den Ablauf verstehen und Variationen erkennen. Anschließend können Sie andere Analyseverfahren einsetzen, um Muster zu untersuchen oder Ergebnisse vorherzusagen. Vorhersagen erklären oder verändern den Prozess nicht von selbst.
Weitere Begriffe aus der Prozessanalyse finden Sie im Glossar von ProcessMind.
Wie es weitergeht
Am besten verstehen Sie Process Mining, wenn Sie sehen, was es in einem vertrauten Event Log sichtbar macht. Laden Sie einen Export oder einen Beispielprozess hoch. So wird aus der Definition etwas Konkretes.
