Wie Process Mining versteckte Zeitfresser in Prozessen aufdeckt

Titelbild: Foto von Luke Chesser, Quelle: Unsplash (Unsplash License)

Viele Prozesse wirken effizient, bis echte Daten etwas anderes zeigen. Process Mining macht Wartezeiten, Schleifen und Varianten sichtbar. So findest du gezielt die grössten Zeitfresser.

Warum Ineffizienzen oft unsichtbar bleiben

Im Alltag merkt man schnell: „Das dauert ewig“. Aber woran liegt es? In vielen Teams gibt es dann drei Standard-Erklärungen: Die Leute sind zu langsam, das System ist schuld oder „die anderen“ liefern zu spät. Das Problem: Ohne Messung diskutierst du am Ende über Meinungen und optimierst vielleicht den falschen Schritt.

Process Mining dreht das um. Statt den Soll-Prozess aus dem Handbuch zu vertrauen, zeigt es dir den Ist-Prozess aus echten Daten.

Ein kleines Beispiel: Bei einer Rechnungsfreigabe wirkt „Prüfen → Freigeben → Buchen“ ganz simpel. In den Daten sieht man aber Rückfragen, Eskalationen und lange Wartezeiten, weil Belege fehlen oder Zuständigkeiten nicht klar sind. Genau dort findest du die besten Ansatzpunkte für Verbesserungen.

Was Process Mining eigentlich macht

Fast jedes ERP, CRM oder Ticketsystem schreibt eine Art Tagebuch: Wer hat wann was gemacht. Diese Einträge nennt man Event Logs. Für Process Mining reichen im Minimum drei Angaben: Eine Fall-ID, ein Aktivitätsname und ein Zeitstempel.

Aus diesen Daten entstehen Prozesslandkarten, Durchlaufzeiten und Varianten. Du siehst also nicht nur „wie der Prozess gedacht ist“, sondern wie er tatsächlich abläuft.

„Process Mining Explained“ – Celonis, 2021
Quelle: Celonis auf YouTube

Fünf Muster, die Process Mining sichtbar macht

Wenn du einen Prozess zum ersten Mal mit Daten anschaust, tauchen oft dieselben Probleme auf. Hier sind fünf typische Muster.

1. Wartezeit. Nicht die Arbeit dauert lange, sondern das Warten dazwischen. Ein Fall liegt im Postkorb und niemand merkt es.
2. Schleifen. Ein Fall geht mehrmals zurück, weil Infos fehlen oder etwas falsch erfasst wurde. Das kostet Zeit und erzeugt Zusatzarbeit.
3. Zu viele Varianten. Eigentlich gibt es „den“ Prozess, in der Praxis laufen aber viele unterschiedliche Wege. Das ist oft ein Hinweis auf unklare Regeln oder Ausnahmen.
4. Medienbrüche. Daten werden aus E-Mails oder PDFs ins System kopiert. Das ist langsam und fehleranfällig.
5. Abweichungen vom Soll. Schritte, die immer passieren sollten, werden manchmal ausgelassen oder in anderer Reihenfolge gemacht. So siehst du schnell, wo Standards nicht eingehalten werden.

Grafik: Eigene Darstellung (Beispiel ohne Zahlen)

Mini-Fahrplan: So startest du mit Process Mining

Wenn du Process Mining zum ersten Mal machst, starte klein. Ein Pilot mit einem klaren Prozess bringt dir schneller Erkenntnisse als ein riesiges Projekt.

1. Prozess wählen. Nimm einen Prozess, der oft vorkommt (z.B. Rechnungen oder Tickets).
2. Fall definieren. Lege fest, was ein „Fall“ ist (Rechnungsnummer, Ticket-ID).
3. Daten sammeln. Du brauchst Fall-ID, Aktivität und Zeitstempel.
4. Daten bereinigen. Doppelte Einträge, fehlende Zeiten und uneinheitliche Namen korrigieren.
5. Analysieren. Schau auf Wartezeiten, Schleifen und Varianten.
6. Verbessern & nachmessen. Eine Massnahme testen und danach erneut messen.

Von der Erkenntnis zur Automatisierung

Process Mining zeigt dir, wo es im Prozess wirklich hakt. Der nächste Schritt ist dann nicht „alles automatisieren“, sondern gezielt dort anzusetzen, wo der Effekt am grössten ist.

Ein paar einfache Regeln helfen bei der Entscheidung:

• RPA: Wenn ein Schritt klar regelbasiert ist und oft vorkommt, kann RPA sinnvoll sein. Zum Beispiel Daten übertragen, Felder abgleichen oder Standard-Mails auslösen.
• Workflow: Wenn Menschen entscheiden oder prüfen müssen, ist ein Workflow hilfreicher. Der Prozess wird nicht komplett „roboterisiert“, aber Aufgaben werden sauber verteilt, Fristen sind sichtbar und nichts geht verloren.
• Process Engine: Wenn du den ganzen Ablauf Ende zu Ende steuern willst, lohnt sich eine Process Engine. Vor allem dann, wenn viele Systeme beteiligt sind und du klare Regeln, Rollen und Messpunkte brauchst.

So wird Process Mining zum Kompass. Du erkennst, wo Zeit verloren geht und kannst genau dort digitalisieren oder automatisieren.

Fazit

Process Mining macht aus Bauchgefühl Fakten. Du siehst, wo Wartezeit entsteht, wo Fälle zurückspringen und wo Varianten aus dem Ruder laufen. Wenn du klein startest, eine Massnahme testest und danach wieder misst, bekommst du Schritt für Schritt bessere Prozesse und kannst es auch belegen.

Weiterführende Links

• Event Logs: Welche Daten braucht Process Mining?
• Process Mining Manifesto (IEEE Task Force)
• Event Data Requirements im Process Mining Book (Fluxicon)

Hinweis: Dieser Beitrag wurde mit Unterstützung eines KI-Tools erstellt und redaktionell überarbeitet.