Leistungen

Dr. Markus Siepermann von der Technischen Universität Dortmund definiert Process Mining als „Data Mining-Technik im Geschäftsprozessmanagement, mit deren Hilfe Geschäftsprozesse anhand von Logfiles und Bewegungsdaten betrieblicher Informationssysteme rekonstruiert und analysiert werden können. (Quelle: Siepermann, Markus (2018): Definition Gabler Wirtschaftslexikon Process Mining. URL: https://wirtschaftslexikon.gabler.de/definition/process-mining 54500/version-277529 [Stand 20.07.2024].)

Laut Prof. Dr. Wil van der Aalst, dem Erfinder und führender Wissenschaftler auf dem Gebiet Process Mining, schließt es die Lücke zwischen den Daten- und den Prozesswissenschaften, indem es Disziplinen aus beiden Bereichen umfasst. Demnach beinhaltet Process Mining neben der Prozessmodellierung und -automatisierung auch Technologien wie Machine Learning, Business Intelligence und Data Mining und verknüpft somit Disziplinen der Data Science mit Fachgebieten des Geschäftsprozessmanagements. (Quelle: Van Der Aalst, Wil (2016): Process Mining. Data science in action. Second Edition,  Berlin/Heidelberg. Springer-Verlag Berlin Heidelberg.)
Process Mining benötigt als Grundlage bereits digital ablaufende Prozesse. Process Mining benötigt extrahierte und spezifisch transformierte Prozessdaten aus den transnationalen Systemen, in den die Prozesse ablaufen. Die Herausforderung der Datenaufbereitung steigt im Falle von Prozessen, die fragmentiert in unterschiedlichen Systemen ablaufen.

Process Mining analysiert also auf der Basis dieser aus transnationalen Systemen gewonnenen Prozess- bzw. Eventdaten mit spezifischen Data Science Algorithmen. Demzufolge kann also zu 100% das echte Prozessverhalten tiergehend analysiert und nachfolgend verbessert werden.

Process Mining bietet über im Hintergrund ablaufende statistische Analysen, die Grundlage für die Simulation von Prozessänderungen oder organisatorischen Änderungen wie bspw. Teamgrößen, Arbeits- oder Schichtzeiten. Die strukturierte Durchführung von Was-wäre-wenn-Szenarien ermöglicht eine fundierte Entscheidungsunterstützung vor einer Umsetzung von Änderungen und reduziert massiv Risiken für Ihr Unternehmen.

Process Mining kann in der Ausprägung eines objekt-zentrierten Process Mining zur Schaffung eines unternehmensweiten Datenmodells führen, sodass nicht nur einzelne Prozessblöcke end-to-end analysiert werden können, sondern Auswirkungen und Ineffizienzen Unternehmensweit viel leichter identifiziert und analysiert werden können. Dieses unternehmensweite Datenmodell bietet über die automatisch entstehende übergreifende, unternehmensweite Semantik dann auch erst die Grundlage für die Anwendung von Künstlicher Intelligenz auf Prozessdaten.

Process Mining kann operative Entscheidungsunterstützung und die Priorisierung von Aktivitäten unterstützen.

Task Mining unterstützt Prozess Mining bei der Identifizierung und detaillierten Analyse von manuellen Tätigkeiten in einzelnen. Prozessschritten oder bei Medienbrüchen. Task Mining bietet mit den Detailanalysen hervorragende Grundlagen zur Automatisierung.

Process Mining kann mit vorab definierten Datenkonstellationen in Prozessen bei deren Auftreten in Echtzeit zum automatisierten Auslösen von automatisierten Workflows genutzt werden. Process Mining und Automatisierung bedingen zunehmend einander. Process Mining ist eine Qualitätssicherung für Automatisierungsmaßnahmen.