Vom Beschreiben über das Sichtbarmachen bis hin zum Verstehen, Vorhersagen und Handeln: Process Mining, Data Science und KI verändern die Art, wie wir Prozesse analysieren und optimieren.
Von der Befragung zur Realität
Klassische Prozessaufnahmen mit Interviews, Workshops und Dokumentenstudium sind wertvoll. Sie machen Erfahrungswissen sichtbar und schaffen ein gemeinsames Prozessverständnis.
Doch diese Perspektive hat Grenzen: Sie basiert auf ausgewählten Personen, individuellen Wahrnehmungen und meist auf einer begrenzten Zahl von Fällen. Und sie beschreibt häufig, wie ein Prozess laufen sollte – nicht unbedingt, wie er tatsächlich läuft.
Hier setzt Process Mining an.
Statt sich ausschliesslich darauf zu verlassen, was Menschen über einen Prozess berichten, analysiert Process Mining die digitalen Spuren realer Prozessfälle. Varianten, Abweichungen, Wartezeiten und Engpässe werden auf Basis einer deutlich grösseren Datenmenge sichtbar.
Von «Was?» zu «Warum?»
Doch Sichtbarkeit allein reicht oftmals nicht.
Nehmen wir ein Beispiel: Warum landen Zahlungsabwicklungen nicht im Happy Path?
Process Mining kann zeigen, wie häufig dies passiert, welche Varianten auftreten und an welchen Stellen Fälle vom vorgesehenen Prozess abweichen.
Data Science, Machine Learning und KI gehen einen Schritt weiter: Sie können Muster und Zusammenhänge identifizieren, die Hinweise darauf geben, warum bestimmte Fälle anders verlaufen.
Damit wird aus Prozessanalyse zunehmend Prozessverständnis.
Und was passiert als Nächstes?
Noch spannender wird es, wenn wir nicht mehr nur die Vergangenheit betrachten.
Ein Machine-Learning-Modell kann beispielsweise anhand der ersten Ereignisse eines laufenden Falls einschätzen, ob dieser voraussichtlich automatisiert durchläuft oder später einen manuellen Eingriff benötigt.
Das ermöglicht eine Frühwarnung, bevor das Problem tatsächlich eingetreten ist.
Und damit stellt sich die nächste Frage:
Was können wir dagegen tun?
Mit Simulation und Optimierung lassen sich unterschiedliche Massnahmen durchspielen – beispielsweise die Auswirkungen einer veränderten Verteilung von Arbeitswellen, Freigaben oder Ressourcen.
So entsteht eine neue Logik:
Sichtbarmachen → Verstehen → Vorhersagen → Handeln
Die KI-Brille erweitert Process Mining
Die Entwicklung lässt sich vereinfacht so zusammenfassen:
- Klassische Prozessanalyse: Wie sollte der Prozess laufen?
- Process Mining: Wie läuft er tatsächlich?
- Data Science & KI: Warum läuft er so? Was passiert als Nächstes? Und was können wir tun?
Dabei ersetzt KI weder Process Mining noch den Menschen.
Die Daten liefern die Spuren. KI kann Muster erkennen und Zusammenhänge sichtbar machen. Verstehen, Bewerten und Handeln bleiben zentrale menschliche Aufgaben.
Gerade darin liegt eine grosse Chance: KI kann auch Muster entdecken, für die wir vorher noch gar keine Hypothese hatten.
Fazit
Process Mining macht Prozesse sichtbar. Data Science, Machine Learning und KI machen sie zunehmend verstehbar, vorhersehbar und steuerbar.
Die Zukunft der Prozessanalyse liegt deshalb nicht nur darin, zu wissen, was passiert ist.
Sondern darin, frühzeitig zu erkennen, was passieren könnte – und welche Entscheidung jetzt die beste ist.
Die Prozesslabor GmbH steht bei Fragen und Anliegen rund um Prozessanalyse, Process Mining sowie daten- und KI-gestützte Prozessoptimierung gerne zur Verfügung. An dieser Stelle wird gerne noch auf folgende, bereits erschienene Fachbeiträge zu Process Mining verwiesen: Von Daten zu Wirkung, Process Mining und Task Mining sowie Datenqualitätsprobleme im Process Mining.
Zum Schluss ein herzliches Dankeschön an Fredrik Moeschlin, Gründer der Moe & Company AG, für sein inspirierendes Inputreferat im Rahmen der kürzlich durchgeführten Pragmatica-Webinar-Serie. Einige seiner Impulse und Erkenntnisse sind auch in diesen Beitrag eingeflossen.
