MCP-server voor process mining: toegang tot je data

Een AI-assistent is pas nuttig als die de juiste procescontext kent. Hij kan uitleggen hoe order-to-cash doorgaans werkt, maar niet waar jouw proces tijd verliest. Een MCP-server voor process mining koppelt een compatibele assistent aan de proceskennis die je organisatie al heeft vastgelegd: van modellen en documentatie tot rollen en de RACI. Zo gaat het antwoord over jullie proces, niet over een generiek voorbeeld.

Waarom hebben AI-assistenten procescontext nodig?

Modellen worden steeds beter in redeneren. Dat is niet wat de antwoorden over jouw proces beperkt. De beperking is de context. Zonder zicht op jouw proces grijpt een assistent terug op wat die tijdens de training heeft geleerd: hoe vergelijkbare processen meestal verlopen en wat er vaak misgaat.

Dat is handig voor een eerste versie, maar kan je op het verkeerde been zetten als je een beslissing moet nemen. Jouw purchase-to-pay-proces heeft eigen varianten, bottlenecks en uitzonderingen. Die staan niet in de trainingsdata van het model. De assistent komt geen intelligentie tekort, maar kennis van jouw proces.

MCP, het Model Context Protocol, overbrugt die kloof. Het vormt een verbinding tussen een assistent en de systemen met proceskennis. Zo kan de assistent tijdens het beantwoorden de benodigde feiten opvragen. Staat aan de andere kant een beheerde proceshub in plaats van een verzameling tabellen, dan krijgt de assistent bruikbare context: het model, de documentatie, de rollen en metingen van hoe het werk in de praktijk verloopt.

Dat levert MCP-procescontext op: geen slimmer model, maar een model dat naar jouw proces kijkt. Procescontext maakt het verschil tussen een aannemelijk antwoord en een antwoord dat je kunt controleren. Een LLM-koppeling voor process mining is alleen nuttig als die toegang geeft tot de proceskennis achter de vraag.

Wat is het Model Context Protocol?

Het Model Context Protocol is een open standaard om AI-assistenten te verbinden met externe tools en databronnen. Een MCP-server biedt een vaste set tools, bronnen en prompts aan. Een compatibele client, zoals een assistent, IDE of chatapp, roept die tijdens een gesprek aan. Eén server kan met meerdere clients werken. Je hoeft de verbinding dus maar één keer in te stellen, in plaats van voor elke assistent een aparte koppeling te bouwen.

Het protocol is niet van één leverancier. Elke client die de standaard ondersteunt, kan verbinding maken met elke server die ermee werkt. Daarom is vooral van belang wat de server beschikbaar maakt. Beoordeel een Model Context Protocol-koppeling voor processen op basis van wat die biedt, niet alleen op het feit dat die bestaat. Bij process mining maakt de MCP-server het verschil tussen een algemeen antwoord en een antwoord op basis van jouw proces.

Wat biedt een MCP-serververbinding voor process mining?

De MCP-server van ProcessMind biedt toegang tot de proceskennis van één organisatie. Het model en de documentatie vormen de kern, aangevuld met de bijbehorende rollen, mensen en scores. Op hoofdlijnen ziet dat er zo uit:

• Processen en BPMN-modellen: de procesarchitectuur en de stappen en verbindingen van elk proces. De tools voor procesmodellen van de MCP-server geven de stappen en verbindingen terug, geen database-rij.
• Documentatie: de vastgelegde kennis bij een model, per onderdeel.
• Rollen en RACI: wie per activiteit verantwoordelijk is, eindverantwoordelijk is, geraadpleegd wordt en geïnformeerd wordt, en bij welk proces die activiteit hoort.
• Mensen en organisatie: de gebruikers in de tenant, organisatiegegevens en omgevingsmetadata.
• Processcores en statistieken: de kwaliteits- en gezondheidsscore van elk proces, of het een model, data of simulatie heeft en totalen voor de hele tenant.
• AI-functies van ProcessMind: een model opstellen of bewerken, documentatie schrijven of herschrijven, RACI voorstellen, een proces analyseren en een vraag beantwoorden.

Hoeveel hiervan een assistent kan zien, hangt af van de API-sleutel waarmee die verbinding maakt. Voor alle toegang tot procesdata door de AI-assistent geldt een toegangsgrens: de assistent leest alleen de kennis waarvoor de sleutel rechten heeft. De lijst komt neer op één ding: de server biedt toegang tot de kennis die al in de workspace staat. Daardoor baseert de assistent antwoorden op jouw proces in plaats van het zelf te moeten raden. Dat is het verschil tussen een MCP-server voor process mining en een server voor procesintelligentie: ProcessMind biedt toegang tot het samengestelde proces, niet alleen tot een verzameling gegevens.

Wat kan een AI-assistent met procescontext doen?

Met die context geeft een assistent niet langer algemeen advies, maar voert die taken uit waarvan je het resultaat kunt controleren. Een paar voorbeelden:

• Een proces samenvatten. Vraag wat er in het leveranciersaanmeldingsproces gebeurt. De assistent gebruikt het model en de documentatie in plaats van een generieke template.
• Een model opstellen dat je kunt beoordelen. Met de opdracht “Stel het leveranciersaanmeldingsproces op dat we in de workshop hebben beschreven” krijg je een BPMN-modelstructuur die je kunt bekijken en vervolgens toepassen.
• Documentatie schrijven. De opdracht “Schrijf documentatie voor het purchase-to-pay-model” levert bewerkbare onderdelen op, geen lege pagina.
• RACI voorstellen. Met de opdracht “Wijs RACI toe aan de factuurgoedkeuringsactiviteiten” worden de rollen die je al hebt gekoppeld aan de activiteiten in het model.
• De procescatalogus controleren. De vraag “Welke processen hebben geen eigenaar of documentatie?” zet procesmetadata om in een lijst waarmee je aan de slag kunt.

Het gaat er niet om dat de assistent slim is. De assistent gebruikt dezelfde samengestelde procesinformatie als je team. Zo kun je het antwoord controleren in plaats van het zomaar te vertrouwen.

Waarom de MCP-server van ProcessMind gebruiken?

MCP wordt steeds meer een standaard. De interessante vraag is dus niet of een leverancier een server heeft, maar wat die server beschikbaar maakt. Bij ProcessMind is dat verschil bewust.

Twee dingen maken dat verschil concreet. De kennis is samengesteld: de server biedt toegang tot een verbonden hub voor procesintelligentie met modellen, documentatie, rollen en RACI, in plaats van een verzameling gegevens die de assistent zelf moet interpreteren. Daarnaast biedt de server de eigen AI-functies van ProcessMind. Naast tools om gegevens te lezen, zijn er tools om een model op te stellen, documentatie te schrijven, RACI voor te stellen en een proces te analyseren. Zo kan de assistent met je proceskennis werken, in plaats van die alleen te lezen.

De rest zit in de manier waarop de server werkt. Veel leveranciers houden het bij “wij hebben ook MCP”. Hier bepaal je zelf de rechten van de sleutel, gelden dezelfde toegangsgrenzen als in de workspace en wordt elke wijziging pas na jouw bevestiging doorgevoerd.

Is het veilig om een AI-assistent toegang te geven tot procesdata?

Ja. Op dit punt is het ontwerp bewust eenvoudig gehouden. De MCP-server werkt met een API-sleutel die je voor de verbinding aanmaakt. Standaard kan de assistent alleen lezen. Schrijven schakel je zelf in: een sleutel met schrijfrechten krijgt ook toegang tot tools om een model, documentatie, RACI, rollen of metadata toe te passen. De assistent ziet precies wat die sleutel mag zien, met dezelfde toegangsgrenzen als in de workspace. Elke aanroep is aan de sleutel gekoppeld.

Voor elke schrijfactie is eerst bevestiging nodig. De AI-functies doen voorstellen en wijzigen zelf geen data. De toepasfuncties tonen eerst een proefrun en gebruiken een bewerkings-ID, zodat je een bewerking veilig opnieuw kunt proberen. Je kiest welke client verbinding maakt en kunt de sleutel intrekken zonder iets anders aan te passen. De aanroepen verschijnen in het auditlogboek.

Wat doet MCP niet?

Het is goed om duidelijk te zijn over de beperkingen. Een mooier verhaal zou die makkelijk overslaan.

• MCP herstelt geen onjuist model of slechte data. Een assistent werkt met wat er beschikbaar is. Komt het model niet overeen met de werkelijkheid of is het event log onvolledig, dan zie je dat terug in het antwoord.
• MCP geeft de assistent geen beslissingsbevoegdheid. De AI-functies van ProcessMind doen voorstellen. Een persoon keurt die goed. Er verandert niets alleen omdat een assistent iets voorstelt.
• MCP vervangt geen analisten of proceseigenaren. Je kiest nog steeds de vraag, beoordeelt het bewijs en bepaalt wat je ermee doet.
• MCP geeft geen toegang buiten de sleutel om. Geen enkele tool geeft data terug waartoe de gebruikte sleutel geen toegang heeft.

Hoe verbind je een assistent met ProcessMind?

1. Een API-sleutel aanmaken

   Maak een sleutel aan voor de omgeving die je beschikbaar wilt maken. Geef de sleutel leesrechten voor vragen en alleen schrijfrechten als je wilt dat voorstellen worden toegepast.

2. De server aan je client toevoegen

   Stel je MCP-client in op de server-URL van ProcessMind en geef de sleutel mee in de x-api-key-header. OAuth-clientgegevens werken ook.

3. De verbinding controleren

   Vraag de assistent om je processen op te sommen. Lukt dat, dan is de server verbonden en zijn de toegangsrechten goed ingesteld.

4. Een vraag stellen waarvan je het antwoord kunt controleren

   Begin met een procesvraag waarvan je het antwoord kent. Vergelijk het antwoord van de assistent daarna met wat er in de workspace staat.

Dit zijn alle stappen om AI met process mining te verbinden. De verbinding instellen was nooit het lastige deel, de context wel. De MCP-server van ProcessMind is beschikbaar in het Enterprise-abonnement. De server en de exacte set tools staan beschreven in de documentatie van de MCP-server, inclusief de verbindingsgegevens en de rechten van de API-sleutel. Wil je eerst weten hoe procesdata op het platform terechtkomt? Wat je nodig hebt om process mining uit te voeren legt het event log uit. In Waarom we geen kant-en-klare connectors aanbieden lees je meer over onze aanpak voor data.

Geef één assistent toegang tot je procescontext

Denk aan een procesvraag die je onlangs aan een collega hebt gesteld. Verbind één assistent met één proces dat je met process mining hebt geanalyseerd en kijk of het antwoord overeenkomt met wat er in de workspace staat. Het gaat er niet om of de assistent zelfverzekerd klinkt, maar of die jouw proces heeft gebruikt.