Technologien
Process Mining & Automation
Über den Kompetenzbereich
Process Mining und Automation sind zentrale Technologien im Prozessmanagement. Mittels Process Mining können Prozessdaten systematisch analysiert werden, um Schwachstellen und Verbesserungspotenziale aufzudecken. Dabei werden Daten aus verschiedenen Quellen wie prozessnahen Systemen (z.B. ERP-Systeme) bis hin zu unstrukturierten Daten (z.B. Daten aus Kommunikationssystemen oder Sensoren) herangezogen. Häufig auftretende Prozessvarianten werden hierbei zu einem Prozessmodell zusammengefasst und grafisch aufbereitet. Darüber hinaus können die aus den Daten abgeleiteten Prozessmodelle mit bestehenden Modellen abgeglichen werden, um Abweichungen zu erkennen (Conformance Checking). Darauf aufbauend kann Predictive Process Mining kann genutzt werden, um zukünftige Entwicklungen wie Durchlaufzeiten oder den Ressourcenbedarf von Prozessen vorherzusagen. Die gewonnenen Erkenntnisse bieten die Grundlage zur Automatisierung manueller Prozessschritte. Durch die Automatisierung von Routineaufgaben (z.B. mit Robotic Process Automation) können schnell messbare Erfolge erzielt werden. Zudem lassen sich auch zunehmend wissensintensive Aktivitäten automatisieren, indem Akteure wie KI-Chatbots (z.B. ChatGPT) gezielt in den Prozessablauf integriert werden.
Unsere Kompetenzschwerpunkte
Um eine umfassende Analyse von Prozessen durchzuführen, müssen Daten aus verschiedenen Systemen extrahiert und zusammengeführt werden. Eine große Herausforderung besteht dabei in der Identifikation relevanter Datenpunkte aus verschiedenen Quellen sowie der Sicherstellung einer hohen Datenqualität, um aussagekräftige Analysen durchführen zu können. Wir entwickeln daher innovative Methoden und Referenzarchitekturen, um Daten in unterschiedlichsten Formen, einschließlich unstrukturierter Daten, nutzbar zu machen und eine effektive Datenextraktion und Datenqualitätssicherung zu gewährleisten.
Predictive Process Mining ist ein Ansatz, der auf historischen Prozessdaten basiert und es ermöglicht, zukünftige Prozessabläufe vorherzusagen. Hierbei werden verschiedene Eigenschaften, wie beispielsweise Durchlaufzeiten, nächste Aktivitäten oder der Ressourcenbedarf prognostiziert. Hierfür bauen wir unter Nutzung von Verfahren aus dem Bereich des maschinellen Lernens Methoden, die Prozess- und Kontextdaten automatisch verarbeiten können.
Prädiktive Erkenntnisse können auf operativer und strategischer Ebene automatisierte Entscheidungen auslösen. Beispielsweise können Ressourcenzuteilungen bedarfsgerecht optimiert oder eine gezielte Variantensteuerung (z.B. Nacharbeit bei Qualitätsproblemen) automatisiert werden. Auf strategischer Ebene können Trigger für Managementprozesse ausgelöst werden. Zudem können moderne KI-Methoden wie Generative Learning eingesetzt werden, um aus historischen Daten Vorschläge für die Prozessverbesserung abzuleiten.
Mittels Process Automation werden prädiktive Erkenntnisse sowie präskriptiv ausgelöste Routinen technisch realisiert. Wir beleuchten dabei insbesondere das Zusammenspiel zwischen dem Erkenntnisgewinn durch Process Mining und dem Heben des Verbesserungspotenzials über Automation-Technologien (z.B. via Workflow Engines oder Robotic Process Automation). Zudem legen wir auf den Fokus auf zunehmend intelligentere Automatisierungsansätze, die auch kognitiv anspruchsvolle Aktivitäten abbilden können.
Unser Angebot für eine Zusammenarbeit
- Initiales Durchleuchten bestehender Prozesse mit Software-Werkzeugen gemäß dem wissenschaftlichen State-of-the-Art
- Spezifische Ermittlung des Wertbeitrags durch Process Mining für einzelne Prozesse
- Datengetriebene Analyse der Prozessperformance
- Entwicklung und Etablierung von Methoden der Datenidentifikation und -extraktion sowie für das Qualitätsmanagements von Prozessdaten
- Konzeption, Realisierung und Evaluierung von Spezialfunktionalität im Bereich Process Mining und Automation
- Process-Mining-Schulungen für unterschiedliche Nutzergruppen
- Skalierung und organisatorische Verankerung von Process Mining und Automation in komplexen Unternehmensstrukturen
