Process Mining oder Prozess-Monitoring: was brauchst du?

Was Process Mining ist

Process Mining rekonstruiert einen Prozess aus den Event-Logs, die deine Systeme ohnehin schreiben. Celonis beschreibt es so: Event-Daten aus Systemen extrahieren, daraus einen digitalen Zwilling des Prozesses bauen und damit Verbesserungen finden und simulieren, mit Order-to-Cash und Purchase-to-Pay als typischen Beispielen. Dazu kommt objektzentriertes Process Mining, das mehrere verbundene Objekte wie Bestellungen, Lieferungen und Rechnungen gemeinsam verfolgt.

SAP Signavio Process Intelligence arbeitet mit SAP- und Nicht-SAP-Systemen, verspricht erste Erkenntnisse innerhalb von 24 Stunden nach dem Verbinden eines SAP-Systems und aktualisiert die Daten täglich. Es bietet Ursachenanalyse, Benchmarks, Simulation und Konformitätsprüfungen und kann Benachrichtigungen, Workflows und Bots auslösen, mit Alarmen per E-Mail oder Microsoft Teams.

UiPath Process Mining macht aus IT-Daten Dashboards, die Engpässe und Ursachen zeigen, und beschreibt einen Kreislauf aus Datentransformation, Analyse und kontinuierlichem Monitoring. Sein Event-Log braucht pro Event mindestens eine Fall-ID, eine Aktivität und eine Endzeit, und UiPath empfiehlt, einen Prozess auf etwa 10 bis 20 Aktivitäten zu begrenzen. Microsoft bietet Process Mining als Teil von Power Automate an, früher unter dem Namen Process Advisor, mit Power BI für eigene Berichte.

Was Prozess-Monitoring ist

Prozess-Monitoring entdeckt den Prozess nicht. Du beschreibst ihn: die Schritte, die ein Fall durchläuft, und die Zeitgrenze für jeden Schritt. tiqline liest dann Events aus Shopify-Webhooks oder der track-API, verknüpft sie über das Ankerobjekt, etwa eine Bestellung, zu einem Fall und prüft jeden offenen Fall gegen seine Frist.

Überzieht ein Schritt seine Zeitgrenze, markiert tiqline den Fall als hängend und fasst alle hängenden Fälle dieses Schritts zu einem Vorfall zusammen. Ein Alarm geht an Slack oder per E-Mail, mit Link zum Prozess und zu den Fällen. Das Dashboard zeigt, wie viele abgeschlossene Fälle jede Zeitgrenze eingehalten haben, wie viele Fälle gerade hängen und wie lange ein Fall typischerweise dauert.

Die wichtigsten Unterschiede

• Blickrichtung: Process Mining beantwortet, wie der Prozess gelaufen ist. Prozess-Monitoring beantwortet, welcher Fall gerade zu spät ist.
• Modell: Mining leitet den Prozess aus den Daten ab. Monitoring startet mit einem Prozess, den du beschreibst.
• Daten: Mining-Tools laden Event-Logs aus ERP, CRM und anderen Systemen meist in Stapeln. tiqline bekommt jedes Event, wenn es passiert.
• Ergebnis: Mining liefert Dashboards, Ursachen, Konformität und Simulation für Analystinnen und Analysten. tiqline liefert einen Alarm an die Person, die den Fall heute lösen kann.
• Aufwand: Ein Mining-Projekt braucht Datenaufbereitung und jemanden, der die Ergebnisse liest. tiqline braucht Events und eine Prozessbeschreibung.

Nebeneinander

Wann Process Mining passt

Nimm Process Mining, wenn du einen Prozess über große Systeme hinweg verstehen und neu gestalten willst. Es glänzt, wenn du Jahre an ERP-Daten hast, viele Prozessvarianten und ein Team, das Erkenntnisse in Änderungen umsetzt. Fragen wie: Warum dauern Rechnungen aus einem Land doppelt so lange? Welcher Freigabeschritt verursacht die meiste Nacharbeit? Das sind Mining-Fragen.

Wann Prozess-Monitoring passt

Nimm Prozess-Monitoring, wenn du die Schritte schon kennst und reagieren musst, solange ein Fall noch offen ist. Eine Shopify-Bestellung, die vor vier Stunden bezahlt und noch nicht gepickt wurde, ist keine Statistik. Sie ist ein Paket, das den heutigen Lkw verpasst. Für genau diesen Moment ist tiqline gebaut, und es funktioniert für ein kleines Team ohne Datenprojekt.

Beides kombinieren

Mining und Monitoring beantworten zwei Hälften derselben Frage. Nutze Process Mining, wenn du es hast, um herauszufinden, welche Schritte zählen und welche Zeitgrenze realistisch ist. Trag diese Zeitgrenzen in tiqline ein, damit jeder offene Fall dagegen geprüft wird. Der Anteil der Fälle, die in tiqline jede Zeitgrenze eingehalten haben, zeigt dann, ob die Änderung gewirkt hat.

Betreibst du kein Mining-Tool, gibt dir das Dashboard von tiqline trotzdem einen einfachen Blick auf deine echten Fälle: wie lange ein Fall typischerweise dauert und wie oft jede Zeitgrenze eingehalten wurde. Variantenanalyse oder Simulation ersetzt das nicht.

Beispiel: von der Analyse zum täglichen Alarm

Alle Zahlen in diesem Beispiel sind erfunden. Ein Unternehmen verkauft über Shopify und lässt über einen 3PL versenden. Eine Analyse des letzten Quartals zeigt: 80 % der verspäteten Lieferungen waren schon beim Picken zu spät, und Bestellungen, die nach 14 Uhr bezahlt werden, werden erst am nächsten Morgen gepickt.

Das Team legt einen Prozess in tiqline an: bezahlt, gepickt innerhalb von 6 Stunden, erfüllt innerhalb von 24 Stunden nach dem Picken, mit einer Verzweigung für stornierte Bestellungen. Zwei Wochen später überzieht der Pick-Schritt an einem Donnerstagnachmittag. Ein Alarm sagt, dass 23 Fälle warten, und verlinkt sie. Das Lager führt donnerstags eine Spätschicht ein. Einen Monat später ist der Anteil der Fälle, die jede Zeitgrenze eingehalten haben, im Dashboard sichtbar.

So wird aus einer Mining-Erkenntnis eine Zeitgrenze

Ein Mining-Ergebnis ist oft eine Verteilung: Die meisten Bestellungen werden innerhalb von vier Stunden gepickt, ein langer Rest braucht zwei Tage. Eine gute Zeitgrenze liegt dort, wo ein Fall aufhört, normal zu sein, und eine Person braucht, nicht beim Durchschnitt. Fang mit ein oder zwei Schritten an, die die Analyse als Hauptquelle der Verzögerung gezeigt hat.

In tiqline beschreibst du diese Schritte im Prozess-Editor, prüfst den Entwurf in der Vorschau an deinen echten Fällen und siehst, welche Fälle mit dieser Zeitgrenze heute hängen würden. Ist die Liste zu lang, ist die Zeitgrenze zu eng. Bleibt sie wochenlang leer, ist sie zu locker. Nach dem Veröffentlichen gilt eine geänderte Zeitgrenze sofort, auch für laufende Fälle, und die Änderung steht im Audit-Log.

Grenzen von tiqline

tiqline entdeckt keine Prozesse aus Logs, vergleicht keine Varianten, simuliert keine Änderungen und erklärt nicht, warum ein Fall hängt. Es erkennt keine Abweichungen vom beschriebenen Prozess; ein Fall folgt einfach dem Pfad, den seine Events wählen. Es gibt keine fertigen Connectors zu ERP-Systemen. Ist dein Ziel eine Analyse über SAP-Daten, ist eine Process-Mining-Plattform das richtige Werkzeug.