Anzeige
STRATEGIE20. Mai 2021

Process Mining – Wahl der richtigen Software und Teammix als Erfolgsfaktoren

Experte für Process Mining: Philip Schreiber
Philip Schreiber, PPI AG PPI

Was müssen IT-Entscheider in Banken und Versicherungen bei der Wahl der richtigen Process-Mining-Lösung berücksichtigen? Wie können sie bereits existierende Strukturen nutzen, um Process Mining erfolgreich einzusetzen? Und welche Details sind bei der Zusammenstellung eines Umsetzungsteams zu beachten?

von Philip Schreiber, PPI AG

Der Markt an Process-Mining-Lösungen wächst und wächst. Gab es anfangs nur ein paar Start-up-Produkte, die transparent und vollautomatisch komplexe Ist-Prozesse im Unternehmen aufzeigen konnten, stehen dem Anwender mittlerweile fast zwei Dutzend unterschiedlicher Softwaresysteme zur Verfügung. Auch fachfremde Hersteller, wie etwa die großen RPA-Provider, haben die Zeichen der Zeit erkannt und erweitern ihr Portfolio um Process-Mining-Angebote. So hat UiPath die Process Mining Lösung Process Gold bereits 2019 in sein Portfolio aufgenommen. Der führende Process-Mining-Anbieter Celonis zog mit der Übernahme des RPA-Spezialisten Integromat 2020 nach. Und SAP übernahm Anfang diesen Jahres kurzentschlossen Signavio, um ebenfalls auf dem Process-Intelligence-Markt mitzumischen.

Die Optionen der Integration reichen vom einfachen Stand-alone über On-Premises- und Cloud-Varianten bis hin zu komplexen hybriden Systemen und dem Ansatz, Process Mining als Software as a Service (SaaS) zu betreiben.

Neben großen Komplettlösungen gibt es auf dem Markt aber auch Alternativen, die eine Integration in die bereits bereichsübergreifend eingesetzten Reporting- beziehungsweise Business-Intelligence-Tools (BI-Tools) ermöglichen. Dort, wo bislang Dashboards lediglich aktuelle Unternehmenskennzahlen aufgezeigt haben, bietet Process Mining zusätzlich die Darstellung komplexer Arbeitsabläufe für die Live-Analyse.

Schwachstellen identifizieren, Brücken schlagen

Autor Philip Schreiber, PPI
Experte für Process Mining: Philip Schreiber Philip Schreiber ist Diplom-Wirtschaftsingenieur und seit über dreizehn Jahren in Banken- und Versicherungsprojekten im Beratungs- und auch Wirtschaftsprüfungsumfeld tätig. Als Managing Consultant Data and Analytics beschäftigt er sich unter anderem mit allen Themen zur intelligenten Prozessautomatisierung bei PPI.X, dem Collaboration-Lab der PPI AG. (Webseite)

Die Vorteile liegen auf der Hand:

Abweichungen und Engpässe in den realen Geschäftsprozessen können so aufgedeckt, Schwachstellen und ineffiziente Abläufe erkannt und die Beseitigung möglicher Fehler bis hin zur Aufdeckung von Betrugsfällen vorangetrieben werden.”

Um die in der Branche weitgehend noch nicht etablierte Technik in die Systemlandschaft der Unternehmen zu integrieren, bedarf es Lösungen, die die bereits bestehenden Schnittstellen im Unternehmen nutzen und gleichzeitig Brücken zu den bisherigen Softwaresystemen schlagen.

Ziel von Process Mining sollte nicht die zeitpunktbezogene einmalige Visualisierung relevanter Abläufe sein. Vielmehr gilt es, ein kontinuierliches Monitoring in Echtzeit zu gewährleisten. Nur so ist es schaffbar, valide Optimierungsmaßnahmen für Prozesse zu identifizieren, diese zu simulieren und nach der Implementierung kontinuierlich zu bewerten und gegebenenfalls weiter zu verbessern.

Auf Bestehendes aufsetzen

Einige Anbieter haben sich deshalb darauf fokussiert, ihre Process-Mining-Lösungen auf gängigen BI-Software-Suiten wie Microsoft Power BI, Tableau oder auch QlikTech zu entwickeln. Innerhalb der bestehenden Dashboards lassen sich Prozessperformanz und Frequenz integrieren. Unterschiedliche Ablaufvarianten können anhand von Häufigkeit und Komplexität dargestellt oder auch ausgeblendet werden. Durch die Hinzunahme der Funktion „Soll-Prozesse“ – beispielsweise aus gängigen Business Process Modelling Notation Tools (BPMN-Tools) – lassen sich Schwachstellen im Workflow aufdecken.

Abbildung 1: Process Mining am Beispiel Schadenmanagement mit process.science basierend auf Microsoft Power BI <q>PPI</q>
Abbildung 1: Process Mining am Beispiel Schadensmanagement mit process.science basierend auf Microsoft Power BI PPI

Die Vielfältigkeit der Schnittstellen, die die BI-Systeme mitbringen, das vorhandene Know-how zu dieser bereits im Unternehmen integrierten Software und der bestehenden Infrastrukturrahmen können mit adaptiert werden. Die Möglichkeit, eigenen Code in die Systeme einzubauen, unterstützt das Vorhaben.

Doch selbst wenn bereits Klarheit über Art und Umfang der prozessualen Darstellung besteht, heißt das noch lange nicht, dass auch die notwendigen Prozessdaten schon verfügbar sind.

Ein Event Log, also der digitale Prozessdaten-Fußabdruck, sollte im Kontext von Process Mining neben einer Fallkennzeichnung, den Prozessschritten und dem jeweiligen Zeitbezug auch einen Hinweis auf die ausführende Ressource zur Darstellung der notwendigen Importdaten enthalten, um so Flaschenhälse oder auch Compliance-Verstöße – etwa fehlendes 4-Augen-Prinzip – aufzudecken.

Abbildung 2: Digitaler Fußabdruck PPI

Hauptaufgabe Datenbereitstellung

Es geht darum, alle im Prozess relevanten Aktivitäten hier aufführen zu können, die je nach Arbeitsschritt meist in unterschiedlichsten Quellsystemen des Unternehmens liegen. Hier spielen sowohl ERP-, CRM- und Bestandssysteme als auch Kollaborationssoftware und weitere Systeme eine Rolle. Diese nehmen die einzelnen Arbeitsvorgänge innerhalb der Datenlandschaft auf.

Allein für die Bereitstellung der Daten fließen 70 Prozent des Aufwands in die Umsetzung von Process Mining,“

erklärt Dan Wucherpfennig, CEO des Process Mining Anbieters Lana Labs

Diese Erkenntnis hat zur Folge, dass neben der Fachlichkeit und der Reporting-Expertise auch Know-how bei System- und Datenmanagement eine entscheidende Grundlage für den Erfolg eines Process-Mining-Integrationsansatzes ist. Nur mit dem richtigen Teammix lassen sich Process-Mining-Projekte erfolgreich umsetzen.

Abbildung 3: Team Mix Process Mining <q>PPI</q>
Abbildung 3: Team Mix Process Mining PPI

In Zeiten von Kundenzentrierung, Digitalisierung, Regulatorik und demografischen Veränderungen können Finanzdienstleister somit Kosten und Bearbeitungszeiten reduzieren, die Effizienz des Services erhöhen und so die Kundenzufriedenheit verbessern. Compliance-Risiken und Betrugsversuche kommen transparent zum Vorschein und können unterbunden werden.

Augen auf bei der Partnersuche

Der Einsatz vieler Digitalisierungsansätze – wie BPMN 2.0, RPA, KI und Data-Science-Lösungen – basiert auf den Erkenntnissen von Process Mining. Mit deren Hilfe lässt sich die permanente Optimierung und Justierung der Geschäftsprozesse wesentlich fokussierter vorantreiben. Auch wenn viele Hersteller ihre Wertschöpfungskette durch die Integration von Automatisierungslösungen erweitern, muss es nicht zwangsweise von Vorteil sein, einen Process-Mining-Softwareanbieter zu wählen, der auch eine RPA-Lösung bereithält.

Wichtig bei der Auswahl der für das Unternehmen geeigneten Process-Mining-Lösung ist dabei weniger die direkte Integration in Automatisierungs-Suiten, sondern vielmehr die Kompatibilität mit der fachlichen und technischen Infrastruktur des Unternehmens.”

Das System muss seine Daten für das Event Log tunlichst aufwandsarm gewinnen können und das Prozess-Reporting muss den Ansprüchen der Anwender genügen, indem es optimale Analysemöglichkeiten mitbringt.

Zukünftig wird Process Mining zu einem entscheidenden Baustein im Trend Hyperautomation avancieren. Als eine Art datengetriebene Klammer um die eigentliche Automatisierung herum, erweitert Process Mining den Automatisierungsbegriff hin zu einem vieldimensionalen Prozess aus Discovery, Analyse, Design, Automatisierung, Messen und Monitoring sowie Neubewertung.Philip Schreiber, PPI

Schreiben Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert