Prozess-Management sorgt für Transparenz

Messbare Verbesserungen

von - 22.10.2019
Prozessbeispiel
Beispiel eines Prozesses: Hier sieht man einen Bestell- und Bezahlvorgang in einem Unternehmen.
(Quelle: Celonis)
Zusätzliche Faktoren führt Ralf Feulner an, Geschäftsführer und Vorstand von Mehrwerk, einem weiteren Process-Mining-Spezialisten: „Ich sehe folgende Hauptgründe und Anwendungsfelder, um Process-Mining-Lösungen einzusetzen: Es geht zum einen darum, Prozess-Schwachstellen automatisiert aufzuspüren und zu eliminieren, zum anderen da­rum, Prozessverbesserungen messbar zu machen, beispielsweise in Bezug auf die Digitalisierung.“ Process Mining sei zudem die Voraussetzung dafür, Abläufe zu automatisieren, etwa mit Hilfe von Robotic Process Automation.
Um zu prüfen, ob die Optimierung von Prozessen Früchte trägt, lassen sich Key Performance Indicators (KPIs) heranziehen. Einer ist der Zeitraum, bis ein Prozess abgeschlossen ist: Je kürzer die Zeit, desto besser. Weitere KPIs sind die Kosten und die Qualität eines Vorgangs. Wenn ein Prozess zu lange dauert oder Nachbesserungen nach sich zieht, hat das negative Folgen für ein Unternehmen: Kunden reagieren verärgert und wechseln zu einem anderen Anbieter. Zudem steigen die Kosten und die Fähigkeit eines Unternehmens nimmt ab, Prozesse und Produkte innerhalb kurzer Zeit an geänderte Anforderungen anzupassen.

Praxisbeispiele

Das Beratungshaus Gartner führt in einem „Market Guide for Process Mining“ Branchen und Bereiche auf, in denen Process Mining Verwendung finden kann. Ein Beispiel: Finanzdienstleister. Eine Prozessanalyse lässt sich nutzen, um alle Berührungspunkte von Kunden mit dem Dienstleister zu erfassen und zu bewerten - vom ersten Kontakt per Anruf oder E-Mail über das Ausarbeiten und Unterbreiten eines Angebots bis zum Abschluss des Vertrags. Eine solche Customer Journey für den Kunden möglichst angenehm zu gestalten, zählt zu den Herausforderungen des digitalen Zeitalters. Dass sich ineffiziente Prozesse in negativer Weise beim Kunden bemerkbar machen, ist nicht akzeptabel.
Ein weiteres Einsatzbeispiel von Process Mining sind unternehmensinterne Audits. Mit Hilfe einer Analyse von Arbeitsabläufen lässt sich feststellen, ob eine Abteilung Prozesse implementiert hat, die gegen unternehmensinterne Regeln verstoßen. Solche sogenannten Shadow Operations umgehen beispielsweise Freigabe- und Prüfprozeduren, um Vorgänge einfacher abwickeln zu können. Derlei Aktivitäten sind jedoch meist nicht mit Compliance-Vorgaben und einem Risikomanagement vereinbar.
In so einem Fall kann ein Process Mining nicht nur dazu dienen, solche Aktionen transparent zu machen. Vielmehr besteht die Möglichkeit, die Standardprozesse daraufhin zu überprüfen, ob sie optimiert werden können. Ist das so, haben Mitarbeiter keine Veranlassung mehr, Schattenprozesse dieser Art zu etablieren.
Process Mining in fünf Schritten
Bei der Analyse von Unternehmensprozessen sind dem Process-Mining-Anbieter Lana Labs zufolge diese fünf Schritte zu durchlaufen:
 
„Define“ - die Problemstellung, das Ziel, die Stakeholder und den Prozess-Output definieren:
In diesem Stadium wird beispielsweise ermittelt, ob für die Analyse eines Prozesses die entsprechenden Daten vorhanden sind und welche Optimierungen möglich sind. Zudem sollte ein Referenzmodell eines Prozesses erstellt werden.
Wichtig ist darüber hinaus, alle Stakeholder mit ins Boot zu holen, also die Process Owner und die Data Owner. Abschließend werden die Kennzahlen (KPIs, Key Performance Indicators) für den Prozess definiert, etwa Durchlaufzeiten, die Zahl der Prozessvarianten und die Fehlerquote.
„Measure“ - Daten extrahieren und transformieren: Zunächst gilt es, die Daten und deren Quellen zu überprüfen, also welche Datentypen vorhanden sind und wo diese Informationen gespeichert sind, etwa in Datenbanken. Dann müssen diese Daten in Event-Logs umgewandelt werden.
Erforderlich sind mindestens eine Case-ID, ein Aktivitätsname sowie Start- und Endzeitpunkte. Die transformierten Daten werden anschließend in das Process-Mining-Tool geladen.
„Analyse“ - Untersuchung der Daten und Identifizierung von Problemursachen: Es folgt eine Analyse des erzeugten Prozessmodells (Process Enhancement). Die Grundlage sind Faktoren wie die Prozesslaufzeit oder die Zahl von unerwarteten Fällen und auffälligen Prozessabläufen. Weitere Schritte sind ein Vergleich des Ist-Modells mit einem Soll-Modell des Prozesses sowie eine Ursachenanalyse, die Abweichungen vom Soll-Zustand transparent macht. Den Abschluss bildet die Auswertung und Visualisierung der KPIs, etwa mithilfe von Dashboards.
„Improve“ - Lösungen entwickeln: Auf Basis der gewonnenen Erkenntnisse lassen sich Lösungen und Optimierungsansätze entwickeln. Beispiele sind die Automatisierung oder Standardisierung von Prozessen. Diese Lösungen werden anschließend implementiert und in ein Referenzmodell der betreffenden Prozesse überführt.
„Control“ - Überprüfung der Lösungen für den langfristigen Einsatz: Die abschließenden Schritte sind die Überprüfung des neuen Prozesses und die Erfolgsmessung. Als Maßstab lassen sich die KPIs heranziehen, die beim „Define“ -Vorgang festgelegt wurden. Abschließend wird ermittelt, ob der neu gestaltete Prozess Verbesserungen bringt, beispielsweise eine höhere Performance oder kürzere Laufzeiten.
Quelle: Lana Labs
Verwandte Themen