Process Mining und ERP: Zwei Seiten derselben Medaille

Spätestens im Jahr 2009 war Process Mining als eigenständige Disziplin in der Welt. Damals rief der weltweit operierende Berufsverband IEEE (Institute of Electrical and Electronics Engineers) eine Task Force zu Process Mining ins Leben. Das Gremium beschäftigt sich seitdem mit den Normen und Standards im Zusammenhang mit Process Mining, zum Beispiel in dem bis heute aktuellen „Process Mining Manifesto“ von 2011. 
 
Process Mining gehört zu den Data-Mining-Techniken, geht aber über das klassische Data Mining hinaus, indem es eine systematische, datengestützte Auswertung ganzer Geschäftsprozesse ermöglicht. Der Kern der Technologie besteht darin, die digitalen Spuren der Prozesse zu analysieren – wie sie die jeweiligen IT-Systeme beispielsweise in Form von Log- und Ereignisdaten bereitstellen. Die Geschäftsprozesse lassen sich mithilfe des Process Minings rekonstruieren, überwachen, durchleuchten und optimieren. Dabei ist Process Mining in der Lage, Einzelaktivitäten mithilfe solcher Prozessdaten zu einem Gesamtprozess zusammenzufügen und zu visualisieren. Die große Stärke dieses Ansatzes besteht dabei darin, dass er sich auf reale Daten aus dem Live-Betrieb stützt. Auf diese Weise entsteht ein objektives und aktuelles Bild der untersuchten Geschäftsprozesse. Unterschiede zwischen den tatsächlich existierenden Abläufen und dem Soll-Zustand auf dem Papier werden sichtbar.

Erkennen, prüfen, verbessern

Spätestens seit der Veröffentlichung des IEEE-Manifestos wird grundsätzlich mit „Discovery“, „Conformance“ und „Enhancement“ zwischen drei verschiedenen Typen des Process Minings unterschieden: 

• Die erste Art ist Erkennung (Discovery). Dabei fungieren Logdaten von Ereignissen als Eingabe, mit deren Hilfe ein Prozessmodell erzeugt wird, ohne dafür weitere Informationen zu benötigen. Weitere Daten wie Organisations-, Meta- oder andere Kontextdaten können dazu beitragen, die abgeleiteten Prozessmodelle weiter zu verfeinern. Doch prinzipiell reichen die gewöhnlichen Ereignisprotokolle aus.  
• Die zweite Form von Process Mining ist die Übereinstimmungsprüfung (Conformance Checking). Dieses Vorgehen untersucht und dokumentiert das Delta, das zwischen den definierten Prozessstandards und den tatsächlichen Logdaten besteht. Insofern zeigt diese Prüfung, inwieweit die in den Logdaten dokumentierte Realität tatsächlich mit den bestehenden Modellen übereinstimmt – oder eben nicht. Als Referenzmodelle können zum Beispiel Ablaufmodelle, Organigramme, deklarative Modelle, Geschäftsregeln, Richtlinien oder ähnliches dienen.  
• Der dritte Typ des Process Mining ist die Erweiterung (Enhancement). Hierbei geht es nicht nur darum, Abweichungen zwischen Ist- und Soll-Prozessen zu erkennen und zu analysieren, sondern das bestehende Prozessmodell anhand der Informationen aus den Ereignisdaten zu erweitern und zu verbessern. Wenn zum Beispiel anhand der Zeitstempel Engpässe oder zu lange Durchlaufzeiten deutlich werden, können die Verantwortlichen den Prozess verändern, um die lokalisierten „Flaschenhälse“ zu beseitigen.

Sinkende Kosten, höhere Produktivität

Unternehmen setzen diese drei Methoden in erster Linie ein, um ihre Geschäftsprozesse zu analysieren und zu optimieren. Doch ist auch dies nur ein Mittel, um weiterreichenden Geschäftsnutzen zu erzielen. An vorderster Stelle steht die Senkung der operativen Kosten. Dies lässt sich durch die Identifizierung von ineffizienten Prozessen, die Automatisierung von Aufgaben und die Reduzierung von Verschwendung erreichen. Process Mining hilft Unternehmen zudem dabei, ihre Produktivität zu steigern, indem sie Einblicke in die tatsächlich ablaufenden Arbeitsprozesse gewähren, so Engpässe identifizieren und beseitigen und es dadurch Mitarbeitern ermöglichen, effizienter arbeiten. 

Zudem kann Process Mining dabei unterstützen, dass Prozesse den gesetzlichen und regulatorischen Anforderungen entsprechen. Dies ist besonders in stark regulierten Branchen wie dem Gesundheitswesen oder der Chemie- und Lebensmittelindustrie wichtig. Hinzu kommen ein verbessertes Risikomanagement dank einer frühzeitigen Erkennung von Problemen mithilfe der Prozessanalyse, eine größere Datentransparenz insbesondere für datengestützte Geschäftsmodelle sowie eine optimierte Nutzung von Ressourcen, etwa um Nachhaltigkeitsziele einhalten zu können. Nicht zuletzt kann Process Mining die Kundenorientierung erhöhen, da es Unternehmen ermöglicht, ihre Prozesse aus Sicht der Kunden zu betrachten.  

Was gute Process-Mining-Tools auszeichnet

Der Markt für Process-Mining-Werkzeuge ist einer der dynamischsten Software-Märkte überhaupt. Seitdem im Jahr 2007 der erste kommerzielle Process-Mining-Provider („Futura Pi“) gegründet wurde, haben weitere Dutzende Unternehmen versucht, sich als Anbieter zu positionieren. Heute sind weltweit mehr als 35 Tool-Provider am Markt. Durch welche Merkmale zeichnen sich die besten Werkzeuge aus? 

Führende Process-Mining-Tools bieten einen Datenimport aus verschiedenen Quellen und Formaten, einschließlich Logdateien, Datenbanken und anderen Unternehmenssystemen. Sie sind zudem in der Lage, große Datenvolumen zu verarbeiten und die Integration von Datenquellen erleichtern. Zugleich ermöglichen gute Process-Mining-Tools eine Datenbereinigung und Vorverarbeitung, um „rauschende“ oder unvollständige Daten zu entfernen und sie für die Analyse vorzubereiten. 

Eine benutzerfreundliche Visualisierung ist entscheidend, um komplexe Prozessabläufe verständlich darzustellen. Die besten Tools bieten vielfältige Diagramme, Dashboards und Heatmaps, mit denen sie den Prozessfluss, Engpässe und Abweichungen leicht verständlich darstellen. Kernaufgabe der Werkzeuge sind zudem Funktionen zur Prozessanalyse, um Bottlenecks, Durchlaufzeiten und Effizienzprobleme aufzudecken, inklusive der Konformitätsprüfung: Stimmt der beobachtete Prozess mit den vorgegebenen Prozessmodellen oder -regeln überein?  

Fortgeschrittene Tools bieten oft Predictive-Analytics-Funktionen, um zukünftige Prozessverläufe und -probleme vorherzusagen. Zudem sollten Ergebnisse in andere Analysetools oder Unternehmensanwendungen exportiert werden können, damit sich die Ergebnisse auch in Handlungen umsetzen lassen. Hinzu kommen Eigenschaften wie Skalierbarkeit, um auch große Datenmengen effizient verarbeiten und anspruchsvolle Analysen durchzuführen zu können. Anpassungsoptionen wiederum ermöglichen es, unternehmensspezifische Anforderungen und Geschäftsprozesse zu berücksichtigen. Nicht zuletzt sollten Process-Mining-Tools robuste Sicherheits- und Datenschutzfunktionen bieten, da sie es oft mit sensiblen Unternehmensdaten zu tun haben. Und ein guter Kundensupport sowie umfangreiche Schulungsmöglichkeiten sind wichtig, um einen effizienten Einsatz der Software sicherzustellen.

Aktuelle Markttrends

Darüber hinaus unterscheiden sich die unterschiedlichen Lösungsanbieter dadurch, inwieweit sie in der Lage sind, mit den aktuellen Entwicklungen auf dem Markt für Process-Mining-Tools Schritt zu halten. So setzen alle führenden Process-Mining-Tools mittlerweile verstärkt auf erweiterte Datenanalysetechniken und künstliche Intelligenz (KI). Dazu zählen zum Beispiel Predictive Analytics, maschinelles Lernen und automatisierte Empfehlungen zur Prozessoptimierung. 

Fast schon Standard sind cloudbasierte Lösungen, da sie die Skalierbarkeit, Flexibilität und Zusammenarbeit in verteilten Teams verbessern. Cloudbasierte Process-Mining-Tools ermöglichen es Unternehmen zudem, schnell auf Ressourcen zuzugreifen, ohne eine eigene umfangreiche IT-Infrastruktur vorhalten zu müssen. 

Große Fortschritte haben die Lösungsanbieter zuletzt bei Process-Discovery-Funktionen gemacht, die unbekannte oder schlecht dokumentierte Prozesse automatisch identifizieren. Zudem gewinnt die Verknüpfung von Process Mining und RPA an Bedeutung. Unternehmen nutzen hier Process Mining-Tools, um potenzielle Automatisierungsmöglichkeiten zu identifizieren und anschließend RPA-Bots einzusetzen, um manuelle Aufgaben zu automatisieren. 

Während traditionelle Process Mining-Tools historische Daten analysieren, haben sich zuletzt auch Echtzeit-Process-Mining-Lösungen entwickelt. Mit ihrer Hilfe können Unternehmen, Prozessdaten in Echtzeit analysieren, um sofortige Einblicke in aktuelle Abläufe zu erhalten. Der Nutzerkreis hat sich dabei in den vergangenen Jahren durch Low-Code- oder No-Code-Ansätze erweitert. So sind nun auch Geschäftsanwender ohne tiefgehende technische Kenntnisse in der Lage, Process-Mining-Analysen durchzuführen und Prozesse zu optimieren. 

Wie in der ERP-Welt gilt auch bei Process Mining immer weniger das Motto „One size fits all“. Viele Anbieter waren zuletzt besonders erfolgreich, indem sie branchenspezifische Process-Mining-Lösungen entwickelten und an den Markt brachten. Sie können in der Regel die spezifischen Anforderungen und Herausforderungen einzelner Branchen besser adressieren.

Daten- und Prozesszentrale ERP

Die meisten (produzierenden) Unternehmen verfügen mit Blick auf Process Mining über den großen Vorteil, da sie dank ihres bereits etablierten ERP-Systems nicht bei Null anfangen müssen. Etwa bei der Prozesserkennung: Bei Einführung und Pflege eines ERP-Systems machen sich die Verantwortlichen notwendigerweise Gedanken um ihre Prozesse. Das beinhaltet zum Beispiel auch Prozessvisualisierungen oder dass die unterschiedlichen (subjektiven) Meinungen der beteiligten Stakeholder im Betrieb transparent werden. Zwar haben diese subjektiven Sichtweisen zum Teil oft nur wenig mit dem zu tun, was im Unternehmen tatsächlich passiert. Doch zumindest findet bereits eine Beschäftigung mit den Geschäftsprozessen statt. 

Zu dieser Analyse gehören einfache, aber wesentliche Fragen: Welche Business-Prozesse und -Objekte wie zum Beispiel Produktionsaufträge oder Bestellungen gibt es? Welche Stufen durchlaufen diese Prozesse? Und an welchen Stellen in den vorhandenen Systemen sammelt das ERP bereits Daten zu diesen Business-Objekten und Tätigkeiten? Dieser Dateninput seitens des ERP zu manuellen oder automatisierten Abläufen sind eine wertvolle Basis, auf der sich mithilfe des Process Mining Prozesse erkennen und weiterentwickeln lassen – und das aus dem laufenden Betrieb heraus. 

Ohne diese stets aktuellen ERP-Daten läuft Process Mining Gefahr, der Realität hinterher zu laufen. Ist der Prozess-Snapshot der Prozesse und ihre Visualisierung erfolgt und sind die Verantwortlichen aus den Fachabteilungen für die Geschäftsprozessmodellierung mit im Boot, besteht die Gefahr, dass sich der Prozess in der Realität bereits weiterentwickelt hat und das gezeichnete Bild schon wieder überholt ist. An dieser Stelle kann ein ERP objektive, aktuelle und belastbare Daten liefern.  

Auch bei der Konformitätsprüfung der Prozesse bieten ERP-Lösungen dem Process Mining wertvolle Informationen. In der ERP-Lösung GUS-OS Suite zum Beispiel besteht die Möglichkeit, Business-Objekte entlang solcher Workflows zu definieren. Mithilfe dieser instanziierten Workflows lässt sich überprüfen, welche Prozesse einerseits wirklich und welche andererseits nur auf dem Papier oder im Kopf von Mitarbeitern existieren. Letztlich führt das ERP einen Realitätscheck durch: Werden Prozesse so gelebt, wie sie sollten, oder werden bestimmte Nutzerinteraktionen regelmäßig übersprungen oder umgangen? Kurz: Ist die Ausnahme zur Regel geworden?

Reale Prozessdaten statt subjektiver Einschätzungen

Bei der Prozessverbesserung können ERP-Systeme vor allem wichtige Kennzahlen liefern. Etwa bei zentralen Fragen wie: An welchen Stellen bleiben bestimmte Aufgaben immer besonders lange liegen und wie lange genau? Wie lange ist die Durchlaufzeit von der Platzierung eines Auftrags durch den Kunden bis hin zur Auslieferung des Auftrags oder bis zu dem Punkt, an dem der Kunde seine Rechnung bezahlt? Hier bietet ein ERP-System belastbare Realdaten anstelle subjektiver Einschätzungen einzelner Stakeholder – sei es der Abteilungsleiter oder die Geschäftsführerin. 

Doch ERP ist nicht gleich ERP. So besteht gerade mit Blick auf das Process Mining ein großer Unterschied zwischen workflow- und prozessorientierten Lösungen und solchen, die diese Struktur nicht bieten. Ein zweites wichtiges Unterscheidungsmerkmal ist die Fähigkeit, zentrale Kennzahlen in Form eines Prozess- und Daten-Cockpits dazustellen, möglichst in Echtzeit. So ist dann das ERP bereits in der Lage darzustellen, ob und um wieviel zum Beispiel im vorherigen Monat der Auftragsdurchgang schneller oder langsamer geworden ist. Auf solchen gruppierten und gewichteten Daten kann das Process Mining dann aufsetzen. 

Ebenso bei Daten, die bislang noch gar nicht erhoben werden – etwa bei Lieferantenbestellungen, deren Freigabe noch manuell erfolgt und deshalb an diesem Punkt keine digitale Datenspur hinterlässt. Solche weiterhin „papierlastigen“ Schritte sind dafür prädestiniert, länger liegen zu bleiben oder Flüchtigkeitsfehler aufzuweisen. Ein ERP-System kann solche Lücken im Workflow bereits identifizieren. Dadurch sind die Verantwortlichen in der Lage, solche „manuellen Inseln“ zu automatisieren und dann zu messen, inwieweit sich der Auftragsdurchlauf beschleunigt hat. So lässt sich punktgenau erkennen, welche Digitalisierungsschritte die meisten Ressourcen einspart und den höchsten Mehrwert bringt. Das Process Mining kann dann bereits an jenen Punkten ansetzen, welche die Prozesse gezielt optimieren. 

Ein entsprechendes Reporting, das relevante Daten gezielt zusammenfasst, aufsummiert, dann anzeigt und sogar schon bestimmte Auswertungen vornimmt, ist daher ebenfalls Teil vieler ERP-Systeme – etwa die Komponente GUS Report innerhalb der GUS-OS Suite. Über Filter oder Eingrenzungen lassen sich die relevanten Daten hier noch einmal gezielt „veredeln“. Die Visualisierung der mit den Prozessen verknüpften Daten sollte dann ebenfalls bereits im ERP erfolgen – in der Regel im Rahmen von Dashboards, die möglichst frei definierbar sein sollten.

Prozessindustrien im Vorteil  

Über einen gewissen Startvorteil in Sachen Process Mining verfügen in der Regel Unternehmen der Prozessindustrie, da sie sich ohnehin in einem stark regulierten Umfeld bewegen. Dazu zählen vor allem die Pharma-, Medizintechnik-, Chemie-, Lebensmittel und Kosmetik-Industrie. Schon wegen der zahlreichen Regularien, Gesetze und anderer Branchenauflagen müssen ihre Prozesse transparent und regelmäßig validiert sein. Das Process Mining dient in diesen Branchen vor allem dazu, die Prozessreifegrade noch einmal zusätzlich zu erhöhen, um sich auf diese Weise Wettbewerbsvorteile zu verschaffen. So gilt in diesen Unternehmen ganz besonders: Auch das ERP-System muss prozessorientiert sein, damit es die jeweiligen Unternehmensabläufe ohne Umwege abbilden und das Process Mining vernünftig unterstützen kann.

Faktenbasierte Entscheidungen

ERP- und Process-Mining-Lösungen ergänzen sich also aus verschiedenen Gründen geradezu perfekt. Einerseits verfügt das Process Mining über die Funktionalitäten, die aus Systemdaten Rückschlüsse auf die Geschäftsprozesse ziehen und diese in Folge verbessern können. Andererseits liefert ein ERP-System wie zum Beispiel die GUS-OS Suite stets aktuelle Daten, die aus den real existierenden Workflows im Unternehmen stammen. Somit ist das Process Mining in der Lage, qualifizierte Rückschlüsse auf den Reifegrad der Prozesse zu ziehen sowie Ineffizienzen und Optimierungspotenziale aufzuzeigen. Ergebnis ist ein unternehmensübergreifendes Prozess-Controlling auf der Basis von Echtzeitdaten. Die Verantwortlichen müssen sich dadurch nicht mehr auf Prozesse verlassen, die zum Teil nur auf dem Reißbrett existieren. Sie sind vielmehr in der Lage, auf der Basis ihrer tatsächlichen und aktuellen Geschäftsabläufe fakten- und realitätsbasierte Entscheidungen zu treffen.

FAQs: Häufige Fragen rund um das Thema Process Mining

Was ist Process Mining ?

Process Mining ist ein Vorgehen, das zwischen computergestützter Intelligenz und Data Mining auf der einen Seite sowie Prozessmodellierung und -analyse auf der anderen Seite positioniert ist. Idee und Ziel des Process Minings ist es, tatsächliche (und nicht nur theoretisch definierte) Prozesse zu entdecken, zu überwachen und zu verbessern. Dies geschieht vor allem durch Wissensextraktion aus Ereignisprotokollen, die in den heutigen (Informations-)Systemen ohnehin bereits vorliegen. Zu Process Mining gehört die (automatische) Entdeckung tatsächlich ablaufender Prozesse auf der Basis von Ereignisprotokollen, die Prüfung, ob Modell- und tatsächliche Prozesse konform sind oder voneinander abweichen. Daraus abgeleitet erfolgt eine automatische Erstellung von optimierten Prozessmodellen sowie deren Erweiterung, Wartung sowie Prozessvorhersagen auf Basis historischer Systemdaten.  

Welche Vorteile bietet Process Mining ?

Process Mining ist in der Lage, Wissen aus Ereignisprotokollen heutiger Informationssysteme zu extrahieren. Die ermöglicht die Entdeckung, Überwachung und Verbesserung von Prozessen in einer Vielzahl von Anwendungsbereichen. Dies wiederum verbessert, steuert, beschleunigt und verschlankt Geschäftsprozesse gerade, aber nicht nur in wettbewerbsstarken und sich schnell verändernden Umgebungen/Märkten.  

Welche Daten benötigt Process Mining ?

Die benötigten Daten variieren je nach den Zielen und dem Umfang der Process-Mining-Analyse, aber im Allgemeinen werden folgende Arten von Daten benötigt:  

• Ereignisprotokolle (Event Logs) mit Aufzeichnungen über alle Aktivitäten und Ereignisse, die in einem Geschäftsprozess auftreten. Jedes Ereignis im Protokoll sollte mindestens folgende Informationen enthalten: Zeitstempel, Fall- oder Prozessinstanz-ID, Aktivitätsname oder -ID, Ressourcen- bzw. Personal-ID sowie weitere relevante Attribute wie zum Beispiel Produkt-/Kundennummer, Standort etc.
• Organisationsdaten mit Informationen über die Organisationsstruktur, Ressourcen, Rollen und Verantwortlichkeiten innerhalb eines Unternehmens.
• Referenzdaten, die den Prozesskontext verständlich machen und so den realen Prozess mit den gewünschten Prozessen zu vergleichen. Referenzdaten können historische Daten, Benchmarks oder andere relevante Informationen sein, die dazu beitragen, Abweichungen oder Optimierungsmöglichkeiten im Prozess zu identifizieren.
• Zusätzliche Kontextdaten, die je nach den spezifischen Anforderungen der Process-Mining-Analyse erforderlich sein können – zum Beispiel Kunden-, Produkt- und Lieferanteninformationen oder andere relevante Daten, die zur Analyse des Prozesses benötigt werden.
• Metadaten mit Informationen über die Struktur der Ereignisprotokolle wie zum Beispiel Feldnamen oder Datentypen. Sie sind wichtig, um die Daten korrekt zu interpretieren und zu verarbeiten.

In welchen Branchen kann Process Mining eingesetzt werden?

Generell kann Process Mining in jeder Branche eingesetzt werden, in der Geschäftsprozesse vorhanden sind. Es ermöglicht Unternehmen, Transparenz in ihre Abläufe zu bringen, Effizienzpotenziale zu erkennen, Compliance zu gewährleisten und die Qualität von Dienstleistungen oder Produkten zu verbessern.

Wie unterscheidet sich Process Mining von Data Mining?  

Sowohl Data Mining als auch Process Mining fallen unter den Begriff der Business Intelligence. Beide nutzen Algorithmen, um Big Data zu verstehen, und können auch maschinelles Lernen einsetzen. Beide können Unternehmen helfen, ihre Leistung zu verbessern. Allerdings geht es beim Process Mining eher darum, wie Informationen generiert werden und wie sie sich in ganze Geschäftsprozesse einfügen, während sich Data Mining ausschließlich auf die vorhandenen Daten stützt. Data Mining befasst sich also eher mit dem „Was“, d. h. den Mustern selbst, während Process Mining nach dem „Warum“ sucht. Insofern geht Process Mining über Data Mining hinaus, da es sich mithilfe von Daten auch damit befasst, Unterschiede zwischen erwünschten und tatsächlichen Geschäftsprozessen aufzudecken und zu beheben.  

Kann ich Process Mining in meine bestehenden IT-Systeme integrieren?  

Ja, allerdings erfordert die erfolgreiche Integration von Process Mining eine umfassende Zusammenarbeit und Planung zwischen Prozessmanagement, Datenanalyse und IT-Abteilung. Folgende Integrationsschritte sind dabei durchzuführen: Identifizieren der zu analysierenden Geschäftsprozesse; Vorbereitung der benötigten Ereignisprotokolle/Datenquellen; Überprüfung der IT-Infrastruktur auf Integrationsmöglichkeiten für Process-Mining-Tools; Auswahl und Implementierung eines passenden Process-Mining-Tools; Schulung der zuständigen Teams; Import, Bereinigung und Transformation der Daten in und für das Tool; Analyse und darauf basierende Verbesserung der Geschäftsprozesse sowie deren kontinuierliche Überwachung.

Lässt sich Process Mining durch die Nutzung eines ERP-Systems optimieren?

Definitiv. Ein ERP-System bietet wertvollen Dateninput zu manuellen oder automatisierten Abläufen in einem Unternehmen. Mithilfe dieser Daten lassen sich durch Process Mining Geschäftsabläufe entdecken, analysieren und weiterentwickeln. In prozessorientierten ERP-Lösungen besteht die Möglichkeit, Business-Objekte entlang von Workflows zu definieren. Hier bietet ein ERP-System belastbare Realdaten anstelle subjektiver Einschätzungen einzelner Stakeholder.

Wie sicher sind meine ERP-Daten bei der Verwendung von Process Mining (Software)?

Für die Sicherheit/Sicherung von ERP-Daten beim Process Mining greifen im Wesentlichen jene Faktoren, die auch bei der Kommunikation anderer Software-Systeme untereinander gelten. Dazu zählen vor allem das Sicherheits-Level der Software selbst, ihre Implementierung, die Zugriffskontrolle, die Verschlüsselung von Daten, die Art der Installation (lokal oder in der Cloud), die Möglichkeit der Datenwiederherstellung durch Backups oder die Einhaltung von Datenschutzbestimmungen (Compliance).  

Wie kann die GUS-OS Suite als ERP-Lösung beim Process Mining unterstützen?    

Die GUS-OS Suite liefert dem Process Mining vor allem stets aktuelle und auf der Prozessrealität fußende Daten und bereitet diese in Form von Reportings und Dashboards auf. So können bereits innerhalb des ERP erste Analysen mit Blick auf Prozessverbesserungen durchgeführt werden. Weitergehende Funktionen unter Verwendung der ERP-Daten bietet dann das Process Mining selbst.  

Für kleinere und mittlere Unternehmen stellt ein ERP-System wie die GUS-OS Suite oft die zentrale Datendrehscheibe im Unternehmen dar und ist somit auch die wichtigste Datenquelle für das Process Mining. Bei größeren Unternehmen hingegen sind zumeist mehrere IT-Systeme im Einsatz wie zum Beispiel für das Customer Relationship Management (CRM). In diesem Fall ist es sinnvoll, dass die jeweiligen Systeme entweder gegenseitig auf ihre Daten zugreifen können. Oder ein ausgewähltes System fungiert als übergreifende Instanz, in der alle wesentlichen Daten zusammenfließen. Dies setzt voraus, dass – wie es bei der GUS-OS Suite möglich ist – auch die anderen beteiligten Systeme untereinander integrierbar sind. Dies erfolgt zumeist über sogenannte REST-Schnittstellen.

Kann Process Mining Software Echtzeit-Daten aus meinem ERP-System analysieren?

Ein ERP-System erzeugt Daten zu Business-Objekten wie zum Beispiel eine Bestellung oder einen Kundenauftrag sowie zu Bewegungsdaten wie Lagerbewegungen und Werteflüssen im Moment ihrer Erfassung und Bearbeitung. Sofern dies mit der Erzeugung eines Zeitstempels einhergeht, ist eine Process-Mining-Software in der Lage, diese Daten zu analysieren und in Gesamtbetrachtungen einzubeziehen. Bietet das ERP-System dann auf Basis von Workflows zusätzliche Laufzeitinformationen zu diesen Vorgängen, ist das Process-Mining-Tool auch in der Lage, auf kurzfristige Abweichungen in der Prozesskette zu reagieren und dem Anwender kenntlich zu machen. Über den Vergleich der gegenwärtigen Situation, der kürzer und länger zurückliegenden Vergangenheitsdaten lassen sich dann gezielte Rückschlüsse zur Prozessoptimierung ziehen.