KI, die Kreative Intelligenz jetzt in der neuesten Folge SMART&nerdy! Podcastfolge #23.

Röntgenblick für die Prozesse

IM+io Artikel über den Mehrwert von Process Mining

[vc_row][vc_column][vc_custom_heading text=“Röntgenblick für die Prozesse“ font_container=“tag:h1|font_size:48|text_align:left“ use_theme_fonts=“yes“ css=“.vc_custom_1598511541084{margin-top: -25px !important;}“][vc_custom_heading text=“Wie Process-Mining aus Daten Mehrwert schafft“ font_container=“tag:h2|font_size:28|text_align:left|color:%23676b6d“ use_theme_fonts=“yes“ css=“.vc_custom_1598511552990{padding-bottom: 10px !important;}“][vc_column_text]

[/vc_column_text][ultimate_spacer height=“15″ height_on_tabs=“15″ height_on_tabs_portrait=“15″ height_on_mob_landscape=“15″ height_on_mob=“15″][/vc_column][/vc_row][vc_row][vc_column][vc_custom_heading text=“Kurz & Bündig“ font_container=“tag:h2|font_size:34|text_align:left“ use_theme_fonts=“yes“ css=“.vc_custom_1598268967432{margin-top: -25px !important;}“ el_class=“box-headline“][vc_row_inner el_class=“box-content-wrapper“][vc_column_inner][vc_column_text]

Process-Mining ist faktenbasiert, es analysiert wie die Prozesse tatsächlich ablaufen. Hierzu rekonstruiert das Verfahren die Ist-Prozesse automatisiert aus den vorliegenden Prozessdaten. Häufig sind tatsächlich vorliegenden Prozesse besser, als das zugrundeliegende Prozessmodell. Für Process-Mining ist eine entsprechende Software notwendig. Vorgestellt wird hier das Tool PAFnow. Zukünftig wird Process-Mining über die Visualisierung von Ist-Prozessen hinausgehen und selbstlernende Systeme sollen Optimierungsmaßnahmen umsetzen.

[/vc_column_text][/vc_column_inner][/vc_row_inner][/vc_column][/vc_row][vc_row css=“.vc_custom_1519752670572{margin-top: -10px !important;}“][vc_column][ultimate_spacer height=“30″ height_on_tabs=“15″ height_on_tabs_portrait=“15″ height_on_mob_landscape=“15″ height_on_mob=“15″][vc_column_text]

Digitalisierung hat immer digitale Prozesse als Grundlage und zu Beginn einer Transformation muss der analoge Weg beschrieben sein. Moderne Process-Mining-Werkzeuge machen die Mitarbeiter zu Prozessoptimierern. Mit sogenannten Self-Services und der unmittelbar verständlichen Visualisierung ist hierfür nicht mehr zwingend das Expertenwissen von Data Scientists erforderlich. Dies spart nicht nur Zeit und Geld, sondern sorgt auch dafür, dass die Prozesse von dem Personenkreis optimiert werden, der sie am besten kennt: die Mitarbeiter an ihrem digitalen Arbeitsplatz.

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_custom_heading text=“Röntgenblick für die Prozesse: Wie Process-Mining aus Daten Mehrwert schafft“ font_container=“tag:h3|font_size:28|text_align:left“][vc_column_text]

Prozessanalysen in ihren verschiedenen Varianten gehören selbstverständlich zu den etablierten Standardverfahren des Prozessmanagements. Dennoch hat sich hier vor allem in den vergangenen Jahren ein spezielles Verfahren einen Namen gemacht: Process-Mining. Erstmals kam es in den 90er Jahren auf, als relevante digitale Datenmengen in Unternehmen anfielen. Professor Wil van der Aalst gilt als sein wesentlicher Pionier, der immer noch maßgeblich an der Weiterentwicklung forscht. Die neueste Generation von Process-Mining- Werkzeugen ist hierbei im Grunde eine Kombination aus Datenanalyse, Prozessanalyse und Business Intelligence. Doch wo liegen die konkreten Vorteile für Unternehmen?

[/vc_column_text][vc_custom_heading text=“Den Ist-Prozessen auf der Spur“ font_container=“tag:h3|font_size:28|text_align:left“][vc_column_text]

Process-Mining ist faktenbasiert, das heißt, es analysiert die Prozesse wie sie tatsächlich vorliegen. Hierzu rekonstruiert das Verfahren die Ist-Prozesse automatisiert aus den vorliegenden Prozessdaten. Das Ergebnis dieser Rekonstruktion wird dann mit einem Prozessgraphen visualisiert. Diese Visualisierungsform ist ein typisches Wiedererkennungsmerkmal von Process-Mining und bietet den Vorteil, dass die genauen Abläufe und ihre Unterschiede unmittelbar sichtbar werden. Ein weiterer Vorteil: Das Verfahren lässt sich auf beliebige Prozesse anwenden, sofern die entsprechenden Daten aus Vorsystemen – beispielsweise aus Maschinen oder ERP-Systemen – vorliegen und einige wenige zentrale Merkmale wie etwa einen Zeitstempel vorweisen. Während also in der Vergangenheit die Prozesse im Rahmen von Workshops oder Interviews und mit Hilfe von externen Experten aufwändig – und meist eher näherungsweise auf Basis eines Prozessmodells – ermittelt werden mussten, liefert Process-Mining quasi auf Knopfdruck einen Blick auf alle Ist-Prozesse, inklusive aller Varianten. Dadurch kann es sein, dass man bei einer Analyse feststellt, dass die tatsächlich vorliegenden Prozessvarianten sogar besser sind, als das zugrundeliegende Prozessmodell. Process-Mining stellt die Analyse – im positiven Sinn – sozusagen auf den Kopf. Dies ist jedoch erst der Anfang. Ausgehend von dieser ersten Analyse und Visualisierung, wurden im Rahmen von Process-Mining unterschiedlichste Darstellungs-, Analyse- und Optimierungsformen entwickelt, die eine kontinuierliche KPI (Key Performance Indikators) – basierte Prozessanalyse und direkte Optimierung sogar in Echtzeit ermöglichen. Dies ist insofern wichtig, als dass sich ein schneller Return on Investment entsprechender Softwarelösungen vor allem dann einstellt, wenn auf die Diagnose auch die „Therapie“ folgt. Last but not least: Moderne Process-Mining-Werkzeuge machen die Mitarbeiter zu Prozessoptimierern. Über sogenannte Self-Services und die unmittelbar verständliche Visualisierung per Prozessgraph ist hierfür nicht mehr zwingend das Expertenwissen von Data Scientists erforderlich. Dies spart nicht nur Zeit und Geld, sondern sorgt auch dafür, dass die Prozesse von dem Personenkreis optimiert werden, der sie am besten kennt: die Mitarbeiter an ihrem digitalen Arbeitsplatz.

[/vc_column_text][vc_custom_heading text=“Voraussetzungen von Process-Mining“ font_container=“tag:h3|font_size:28|text_align:left“][vc_column_text]

Für Process-Mining benötig man zunächst softwareseitig ein entsprechendes Process-Mining-Tool. Hier lassen sich grundsätzliche proprietäre Lösungen und solche, die in bestehende Softwareplattformen eingebettet sind unterscheiden. Das Darmstädter Startup Process Analytics Factory (PAF) hat sich mit ihrem Tool PAFnow für den zweiten Weg entschieden und ihre Lösung in Microsoft Power BI integriert. Power BI ist Bestandteil der Microsoft Power Platform und laut der Analysten von Gartner die derzeit führende Business-Intelligence- Plattform (1). Dies ist insofern relevant, als dass Process-Mining wie oben beschrieben ein Werkzeug für alle Mitarbeiter an einem digitalen Arbeitsplatz sein kann und sollte. Entsprechend sind Teamfunktionalitäten – wie sie beispielsweise Power BI bietet – eine Grundvoraussetzung. Zudem liefern bestehende Plattformen gleich eine ganze Reihe integrierter Tools und Schnittstellen von Haus aus mit, die dann nicht mehr aufwändig programmiert oder teuer hinzugekauft werden müssen. Im Falle von Power BI bzw. der Power Platform sind dies beispielsweise über 200 Schnittstellen und mehr als 300 sogenannter Action-Konnektoren, mit denen sich Arbeits- und Optimierungsschritte anstoßen lassen.

Die zweite Voraussetzung betrifft die Prozessdaten. Hier nutzt Process-Mining Daten aus Eventlogs, wie sie nahezu alle prozessrelevanten Systeme – in der Regel Informations- oder Ressourcenplanungssysteme – generieren. Die darin dokumentierten Daten enthalten die folgenden, für Process-Mining obligatorischen drei Informationen: Einen Identifikator für den Geschäftsvorfall, einen Zeitstempel und einen Aktivitätsnamen. Um bei einem sehr einfachen Beispiel zu bleiben, sähe ein typischer Prozess eines Onlineshops vereinfacht wie folgt aus: Bestellung erhalten – Waren zusammenstellen – Waren einpacken – Waren verschicken – Rechnung verschicken – Waren zustellen – Zahlung erhalten. Ein einzelner Geschäftsvorfall besteht aus einer abgeschlossenen Route durch den Prozess. Bei diesem Bestellvorgang wäre jede einzelne Bestellung durch einen Kunden somit ein Geschäftsvorfall. Der Zeitstempel hingegen gibt an, wann ein Prozessschritt gestartet und beendet wurde. Wann die Waren in den Karton gelegt werden, liefert beispielsweise den ersten Zeitstempel für „Waren einpacken“. Wenn der Karton zugeklebt und an das Versandlager übergeben wird, entsteht der Endzeitstempel für diesen Prozessschritt. Der Aktivitätsname hingegen beschreibt die Prozessschritte, also etwa „Bestellung erhalten“ oder „Waren zugestellt“.

Neben diesen drei obligatorischen Informationen, lässt sich der Eventlog natürlich je nach System beliebig mit Informationen anreichern. Beim Beispiel des Onlineshops ließen sich beispielsweise die Namen der jeweiligen Lagermitarbeiter hinzufügen. Im Falle von PAFnow ist das Datenformat dabei nahezu unerheblich, da ein Open-Data-Ansatz verfolgt wird. Deswegen können beispielsweise Daten aus Systemen wie SAP, Salesforce oder Excel problemlos importiert werden.

[/vc_column_text][vc_custom_heading text=“Branchenübergreifender Einsatz“ font_container=“tag:h3|font_size:28|text_align:left“][vc_column_text]

Process Mining ist vielseitig einsetzbar. Zu den typischen Bereichen und Branchen gehören beispielsweise Produktion, Dienstleistungen, Regierungseinrichtungen, Gesundheitswesen, Verbrauchsgüter, Telekommunikation, Wirtschaftsprüfung und Banking, Finanzwesen, Bildung und Forschung, etc. Kurzum: überall wo es auf transparente und effiziente Prozesse ankommt.

Wie das Verfahren diese Bereiche konkret unterstützt, zeigen exemplarisch ein paar konkrete Funktionen von Process-Mining-Tools. Hierzu gehört beispielsweise der Discovery-Modus. Sind die Eventlog-Daten im System geladen, zeigt die Discovery-Page die Prozessvarianten für einen Vorgang inklusive visueller Hinweise, ob eine Prozessvariante beispielswiese länger dauert als die Durchschnittsdauer und ob besonders viele dieser Prozessvarianten auftreten. Auch der Detaillierungsgrad lässt sich dabei anpassen, um beispielsweise Varianten mit nur geringer Abweichung zusammenzufassen. Der Nutzen ist klar: So lassen sich für beliebige Prozesse Schwachstellen sowie Engpässe und damit auch Optimierungspotenziale identifizieren. Per Differenzanalyse kann man bei Bedarf Prozesse auch über andere Attribute wie Ort, Buchungskreis, Volumen oder Zeitvergleichen, also beispielswiese die Prozesse des aktuellen mit dem des vergangenen Jahres. Process-Mining-Tools können jedoch nicht nur Prozessprobleme identifizieren helfen, sondern auch deren Ursachen aufspüren. Dazu dient die sogenannte Root-Cause-Analyse. So lassen sich beispielsweise die wahrscheinlichsten Ursachen für Prozessvarianten mit besonders vielen Prozessschritten oder besonders langen Durchlaufzeiten ausfindig machen.

[/vc_column_text][vc_custom_heading text=“Von der Analyse zum Mehrwert“ font_container=“tag:h3|font_size:28|text_align:left“][vc_column_text]

Modernes Process-Mining hört jedoch nicht bei der Analyse auf. Sie ist vielmehr Mittel zum Zweck. Ist das entsprechende Tool mit den bereits genannten Action-Konnektoren verknüpft, können Optimierungsmaßnahmen direkt aus dem System heraus angestoßen werden. Bei Bedarf erfolgt dies sogar automatisiert, wenn bestimmte KPIs festgelegte Grenzwerte überschreiten. Beispiele hierzu wären der automatisierte Versand von Mahnungen bei einem Online-Shop, die Anpassung von Maschinenparametern bei einem Produktionsprozess, um den Verschleiß zu reduzieren oder eine optimierte Fertigungsplanung.

Genau um das Thema Fertigungsplanung ging es bei dem vom Bundesministerium für Bildung und Forschung (BMBF) geförderten Forschungsprojektes „ProPlanE“, bei dem die PAF als Konsortialführer gemeinsam mit Partnern (Incloud GmbH, Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI), Brabant & Lehnert GmbH) erfolgreich den Prototyp einer Analyseplattform entwickelt hat, mit der sich die Fertigungsplanung auf Basis von Process-Mining-Verfahren in Echtzeit optimieren lässt. Anwendungspartner war mit Brabant & Lehnert ein Unternehmen, das unter Einsatz von CAD-Technologien komplexe Werkzeuge und Vorrichtungen für die Automobil- und Automobilzulieferindustrie fertigt. Eine Produktionsplanung in Echtzeit war dort aufgrund der fehlenden Datenintegrationen bisher nur mit hohem manuellem Aufwand möglich. Denn trotz der großen Potenziale einer digitalisierten Fertigung, sind die gängigen ERP-Systeme heute in vielen Betrieben noch nicht mit der eigentlichen Fertigung verknüpft. Manufacturing-Execution-Systeme verknüpfen zwar die Fertigung mit ERP-Systemen, sammeln jedoch in der Regel keine Prozessdaten, sondern lediglich reine Maschinendaten, wie Druck, Temperatur etc. Zudem verfügt der Maschinenpark – wie auch bei Brabant & Lehnert – oftmals nicht über die erforderlichen Schnittstellen. Die im Zuge von „ProPlanE“ entwickelte Plattform ist hingegen bei minimalem Implementierungsaufwand in der Lage, die Prozessdaten auf dem Shopfloor zu sammeln. Hier wurde sich eines ebenso einfachen wie wirkungsvollen Kunstgriffes bedient, um zu Event-Daten zu gelangen: Die Maschinenanwender verzeichneten jeden Prozessschritt während der Produktion mit wenigen Gesten in einer speziellen App auf einem mitgeführten Tablet. Mit Hilfe der Process-Mining-Methode „Process Discovery“ wurden in PAFnow zunächst die tatsächlichen Ist-Prozesse in all ihren Varianten ermittelt und anschaulich durch einen Prozessgraphen visualisiert. Anschließend verglich das Tool mittels der Process-Mining-Funktion „Conformance Checking“ die vorliegenden Prozessvarianten mit den ursprünglich geplanten Soll-Prozessen. Anhand der Dimensionen Zeit, Kosten und weiterer Ressourcen wie Personaleinsatz oder Maschinenverfügbarkeit können die Prozesse mittels Anreicherung der bestehenden Process-Mining-Ansätze durch Finanz- und Sensor-Daten aus ERP-Systemen analysiert werden. Somit lässt sich automatisiert identifizieren, ob eine Produktionsverzögerung entstanden ist, ob zusätzliche personelle oder materielle Kapazitäten benötigt werden und welcher zusätzliche finanzielle Aufwand hierbei entsteht. Auf dieser Basis kann dann beispielsweise eine Ad-hoc-Re-Kalkulation der Produktionsplanung unter Optimierung der genannten Dimensionen erfolgen. So lässt sich beispielsweise automatisch ein Auftrag priorisieren, um mit zusätzlichem Ressourcenaufwand das Zeitdefizit aufzuholen.

[/vc_column_text][vc_custom_heading text=“Quo vadis Process-Mining?“ font_container=“tag:h3|font_size:28|text_align:left“][vc_column_text]

Wie das Beispiel ProPlanE zeigt, gehen die Erwartungen an Process-Mining mittlerweile über die reine Visualisierung von Ist-Prozessen hinaus. Process-Mining soll nicht nur den Handlungsbedarf schnell und präzise aufdecken, sondern auch gleich die richtigen Maßnahmen anstoßen. Daher ist es das Ziel, selbstlernende Systeme zu entwickeln, welche Prozesswissen automatisiert erfassen, analysieren und letztendlich direkt in Optimierungsmaßnahmen umsetzen. Um Erkenntnisse aus Daten direkt in konkrete Aktionen umzusetzen, werden zukünftig neben Process-Mining-Methoden vor allem Verfahren der künstlichen Intelligenz, Workflow-Engines als auch intelligente Softwareroboter (RPA) verstärkt in Process-Mining-Tools eingebunden werden.

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][ult_createlink title=“Zu den Literaturangaben“ btn_link=“url:https%3A%2F%2Fwww.aws-institut.de%2Fim-io%2Fausgabe-2020-3-316%2F|title:Ausgabe%202020-3-316||“][ult_dualbutton btn_hover_style=“Style 2″ btn_border_style=“solid“ btn_color_border=“#ffffff“ btn_border_size=“2″ btn_alignment=“left“ dual_resp=“off“ button1_text=“Einzelheft kaufen“ icon_link=“url:https%3A%2F%2Fwww.aws-institut.de%2Fim-io%2Fproduct%2Fquantified-everything%2F|title:Quantified%20Everything||“ btn1_background_color=“#f3f3f3″ btn1_bghovercolor=“#f07d00″ icon=“Defaults-book“ icon_size=“22″ icon_color=“#f07d00″ icon_hover_color=“#ffffff“ button2_text=“Jetzt abonnieren“ btn_icon_link=“url:https%3A%2F%2Fwww.aws-institut.de%2Fim-io%2Fabo%2F|title:Abo||“ btn2_background_color=“#f3f3f3″ btn2_bghovercolor=“#f07d00″ btn_icon=“Defaults-chevron-right“ btn_icon_size=“22″ btn_icon_color=“#f07d00″ btn_iconhover_color=“#ffffff“ divider_text=“oder“ divider_text_color=“#f07d00″ divider_bg_color=“#ffffff“ btn1_text_color=“#f07d00″ btn1_text_hovercolor=“#ffffff“ btn2_text_color=“#f07d00″ btn2_text_hovercolor=“#ffffff“ title_font_size=“desktop:20px;“ btn_border_radius=“30″ title_line_ht=“desktop:22px;“ btn_width=“280″][/vc_column][/vc_row]

LinkedIn
WhatsApp
Telegram
Facebook

Related Posts

August-Wilhelm Scheer Institut

Entdecken Sie unsere neusten Ausgaben