Beim Process Mining nutzen Unternehmen Analysen, um Abläufe zu optimieren und zu automatisieren. Viele Projekte führen nicht zum erhofften Ergebnis und nutzen das Potenzial nicht aus. Der IT-Dienstleister CGI nennt fünf Gründe für das Scheitern.
Die Geschäftsvorgänge effizienter zu gestalten, zählt für viele Unternehmen in einer Zeit des steigenden Wettbewerbs- und Kostendrucks zu den zentralen Aufgaben in der IT und den Fachbereichen. Process Mining ist hierbei ein wichtiges Hilfsmittel. Unternehmen können damit Prozesse datengestützt analysieren, Erkenntnisse gewinnen und Verbesserungspotenziale identifizieren. Process Mining ist somit die Basis für die Optimierung und Automatisierung von Prozessen.
Viele Unternehmen nutzen Process-Mining-Lösungen nach Erfahrung von CGI nur oberflächlich oder punktuell. Der IT-Dienstleister nennt fünf Gründe, die den Projekterfolg gefährden:
1. Fehlendes Wissen über Process Mining
Process Mining ist zwar eine etablierte Methode, allerdings wird ihr Leistungsspektrum vielerorts unterschätzt. So nutzen Unternehmen Process Mining derzeit vorwiegend im Bereich Einkauf für P2P (Purchase-to-Pay)- und O2C (Order-to-Cash)-Prozesse oder im IT-Service-Bereich für das Incident Management. Dabei eignet sich Process Mining für alle Prozesse, die auf IT-Systemen basieren. Prozessdaten lassen sich unternehmensweit über unterschiedliche IT-Systeme hinweg systematisch analysieren. Ziel ist das Erkennen von Schwachstellen, Ineffizienzen, Prozessabweichungen, Fehlern, unnötigen Prozessschritten, Systembrüchen oder Risiken. Process Mining schafft die Grundlage, um Prozesse neu aufzusetzen, zu optimieren oder zu automatisieren, etwa unter Beseitigung überflüssiger Arbeitsabläufe. Process Mining mit der Identifizierung von Verbesserungspotenzialen ist der erste Schritt auf dem Weg zur Optimierung.
2. Fehlende Daten
In vielen Unternehmen laufen die meisten Prozesse IT-gestützt und bieten somit eine solide Basis für eine Process Mining. Die Stärke dieser Methode liegt in der detaillierten Prozessanalyse auf Datenbasis. Die Daten sind für das Process Mining enorm wichtig. Sie müssen in der richtigen Quantität und Qualität und im passenden Format vorliegen. Gut gepflegte Daten sind eine Grundvoraussetzung. Ein Unternehmen muss allerdings auch wissen, in welchen Systemen die relevanten Daten vorhanden sind. An einem ganzheitlichen Datenmanagement und einer Data-Governance-Strategie führt folglich kein Weg vorbei.
3. Fehlendes Prozesswissen
In vielen Unternehmen entspricht die Wahrnehmung von Prozessen nicht dem realen Prozessablauf. Dann besteht keine Prozesstransparenz. Langjährig bewährte Abläufe werden nicht in Frage gestellt, solange keine massiven Fehler, Störungen oder Verzögerungen auftreten. Process Mining belegt, dass Unternehmen mit ihrer Einschätzung meistens falsch liegen. Die detaillierte Analyse von Prozessen zeigt alle Prozessvarianten auf, ein vermeintlich schlanker Prozess erweist sich dabei oft als ‚Spaghetti-Monster‘. Das Aufzeigen der verschiedenen Prozesswege ist ein erster Ansatz für die Optimierung. Die nähere Untersuchung der einzelnen Prozessschritte etwa im Hinblick auf Change-Aktivitäten schafft darüber hinaus die Basis für sinnvolle Prozessänderungen.
4. Vorbehalte gegenüber Cloud-Lösungen
Process-Mining-Lösungen werden überwiegend als Cloud-Service angeboten. Generell nimmt die Akzeptanz dieser Betriebsvariante. Beim Process Mining jedoch haben Unternehmen noch Vorbehalte hinsichtlich Data Privacy im Hinblick auf persönliche Daten, Teamdaten oder Benutzerkennungen. Das sollte keine Hemmschwelle darstellen, denn die relevanten Cloud-Anbieter können sämtliche erforderlichen Zertifizierungen vorweisen. Die Anonymisierung beziehungsweise Pseudonymisierung oder Verschlüsselung der Daten gewährleistet einen hohen Sicherheitsstandard. Skeptische Unternehmen können Process-Mining-Lösungen auch in einer Private Cloud-Nutzung On Premises nutzen.
5. Silo-Denken der Fachbereiche
Der Erfolg eines Process-Mining-Projekts hängt immer von der Management Attention ab, also von der Unterstützung der betroffenen Abteilungen beziehungsweise Bereiche durch die Führungsebene. Größere Projekte können sogar die Einbindung des C-Levels erfordern, etwa wenn eine unternehmensweite, abteilungsübergreifende Sicht auf die Prozesse vonnöten ist. Silo-Denken einzelner Fachbereiche darf den Erfolg nicht behindern. Folglich müssen alle Stakeholder in die Projektarbeit eingebunden werden. Schließlich führt eine Prozessanpassung beziehungsweise -optimierung immer auch zu einer Änderung bestehender, oft langjährig bewährter Ablaufstrukturen. Unternehmen müssen hier Überzeugungsarbeit leisten, Vorbehalte überwinden und die Nutzenargumentation in den Vordergrund stellen. Process Mining erfordert daher meist auch ein Change Management.
Anzeige | Kostenloses Webinar der Trovarit-Academy
„Viele Unternehmen besitzen nur eine unzureichende Kenntnis ihrer Prozesse und kennen keine Ineffizienzen und Schwachstellen“, erklärt Christian Huppertz, Lead Consultant bei CGI. „Process Mining ermöglicht eine detaillierte Prozessanalyse, die dann in einer Verbesserung und Automatisierung von Geschäftsabläufen münden kann.“ Best Practices zeigten, dass ein sukzessives Vorgehen empfehlenswert ist: „Als Startpunkt sollten Unternehmen kleinere Prozesse wählen, deren Ist-Zustand ermitteln und Soll-Zustand definieren. Eine Proof-of-Concept- und Proof-of-Value-Phase mit einer Ermittlung des Automatisierungs- oder Einsparungspotenzials schafft dann eine transparente Entscheidungsgrundlage für den weiteren Projektverlauf.“ Jürgen Frisch
