34 % der Arbeitszeit auf Laufwegen. Rechnungen, die Wochen nach der Lieferung noch nicht gestellt sind. Manche der größten Potenziale stecken in den unscheinbarsten Stellen – und werden erst sichtbar, wenn man die Daten fragt.
Process Mining wirkt nicht nur im Transport. Im Lager und im gesamten Order-to-Cash-Prozess deckt es Potenziale auf, die in klassischen Reports als bloße Endwerte erscheinen – ohne dass jemand die Ursache dahinter sieht.
34 % der Zeit auf dem falschen Weg
In einem mittelgroßen E-Commerce-Lager zeigte Process Mining, dass Mitarbeitende in der Kommissionierung im Schnitt 34 % ihrer Arbeitszeit mit Laufwegen verbrachten – Wege, die sich durch eine veränderte Zoneneinteilung um 22 % hätten reduzieren lassen. Grundlage dieser Erkenntnis waren 1,2 Millionen Kommissionierereignisse aus dem Warehouse-Management-System. Kein Report hätte diese Wege sichtbar gemacht, weil sie zwischen den erfassten Schritten liegen – Process Mining rekonstruiert sie aus den Zeitstempeln.
Uneinheitliche Kontrollen im Wareneingang
Auch im Wareneingang und in der Qualitätsprüfung zeigt sich regelmäßig, dass Kontrollen uneinheitlich ablaufen. Manche Wareneingänge durchlaufen eine vollständige Prüfung, andere werden bei vergleichbarem Risikoprofil direkt eingelagert. Diese Inkonsistenz erhöht das Qualitätsrisiko und geht meist auf fehlende Entscheidungsregeln oder unterschiedliches Schulungsniveau zurück. Sichtbar wird sie erst, wenn man die tatsächlichen Abläufe nebeneinanderlegt.
Selbst Inventurdifferenzen, die in klassischen Reports nur als Endwert auftauchen, lassen sich über Process Mining auf konkrete Prozessabweichungen zurückführen – etwa auf Einlagerungen ohne Systembestätigung oder fehlerhafte Scans an bestimmten Terminals. Aus einer unerklärten Zahl wird so eine konkrete, behebbare Ursache.
Wenn Rechnungen Wochen brauchen
Der Order-to-Cash-Prozess umfasst den vollständigen Zyklus von der Auftragserfassung bis zum Zahlungseingang. Process Mining deckt hier regelmäßig auf, dass Rechnungen erst Tage oder Wochen nach Lieferabschluss ausgestellt werden, weil die Prozesskette das Rechnungsereignis nicht automatisch auslöst. Für das Unternehmen ist das ein stiller Liquiditätsverlust: Geld, das längst fällig wäre, bleibt gebunden, nur weil ein Auslöser fehlt.
Zahlungsrisiken früh erkennen
Darüber hinaus zeigt Process Mining, welche Kundengruppen oder Auftragstypen überproportional viele Reklamationen erzeugen. Durch die Verknüpfung von Prozessvarianten mit dem Zahlungsverhalten wird proaktives Risikomanagement möglich: Bestimmte Prozessmuster korrelieren nachweislich mit späterem Zahlungsverzug. Unternehmen können dadurch früh gegensteuern, statt erst nach Fälligkeit zu reagieren – ein Vorteil, der direkt auf die Liquidität wirkt.
Wie aus 1,2 Millionen Ereignissen eine Maßnahme wird
Das Lagerbeispiel lohnt einen genaueren Blick, weil es zeigt, wie aus Daten eine konkrete Änderung wird. Aus 1,2 Millionen Kommissionierereignissen ließ sich rekonstruieren, welche Wege die Mitarbeitenden tatsächlich zurücklegten. Sichtbar wurde ein Muster: Häufig nachgefragte Artikel lagen in weiter entfernten Zonen, selten benötigte in der Nähe der Packplätze. Die Folge waren lange Wege für die häufigen Griffe – jene 34 % der Arbeitszeit.
Die Maßnahme war unspektakulär: eine veränderte Zoneneinteilung, die häufige Artikel nach vorn holt. Der Effekt – 22 % weniger Laufweg – war erheblich. Der eigentliche Wert von Process Mining lag hier nicht in der Lösung, die naheliegt, sobald man das Problem sieht, sondern darin, das Problem überhaupt sichtbar zu machen.
Slotting als dauerhafter Hebel
Dahinter steht ein Prinzip: Häufig bewegte Artikel gehören in die Nähe des Versands. Der Unterschied zu einer Bauchentscheidung ist, dass Process Mining die tatsächliche Zugriffshäufigkeit aus echten Kommissionierdaten misst, statt sie zu schätzen. Und weil sich Sortimente und Nachfrage über das Jahr verschieben, ist Slotting keine einmalige Aufgabe: Dieselbe Analyse lässt sich wiederholen und die Zoneneinteilung an saisonale Muster anpassen.
Order-to-Cash: der vollständige Zyklus
Der Order-to-Cash-Prozess reicht von der Auftragserfassung über Kommissionierung, Versand und Liefernachweis bis zu Rechnung und Zahlungseingang. Process Mining legt den gesamten Zyklus offen und zeigt, an welcher Stelle er stockt – häufig bei der Rechnungsstellung, wenn das auslösende Ereignis nicht automatisch folgt. Jeder Tag Verzögerung ist gebundenes Kapital. Darüber hinaus macht die Verknüpfung von Prozessvarianten mit dem Zahlungsverhalten sichtbar, welche Kundengruppen und Auftragstypen überdurchschnittlich viele Reklamationen oder Zahlungsverzüge erzeugen. Aus dieser Erkenntnis wird proaktives Risikomanagement, das die Liquidität schützt.
Warum Lager und Order-to-Cash zusammengehören
Es lohnt sich, Lager und Order-to-Cash nicht getrennt zu betrachten, denn sie hängen zusammen. Eine Verzögerung in der Kommissionierung verschiebt den Versand, der Versand verschiebt den Liefernachweis, und der Liefernachweis löst – im Idealfall – die Rechnung aus. Ein Engpass am Anfang der Kette wirkt bis zum Zahlungseingang durch.
Genau hier liegt die Stärke von Process Mining: Es betrachtet den durchgehenden Prozess über Systemgrenzen hinweg, nicht einzelne Abschnitte in Silos. Ein Report aus dem Warehouse-Management-System endet an der Rampe, ein Report aus dem ERP beginnt bei der Rechnung – die Lücke dazwischen bleibt unsichtbar. Der rekonstruierte End-to-End-Prozess schließt diese Lücke und zeigt, wie eine Optimierung im Lager sich am Ende in schnellerem Zahlungseingang niederschlägt. Aus zwei getrennten Optimierungen wird eine durchgehende.
Häufige Fragen
Wie kann Process Mining Laufwege im Lager sichtbar machen? Über die Zeitstempel der Kommissionierereignisse. Aus der zeitlichen Abfolge lässt sich rekonstruieren, welche Wege zwischen den Schritten liegen – im genannten Beispiel 34 % der Arbeitszeit, reduzierbar um 22 % durch eine andere Zoneneinteilung.
Was bringt Process Mining im Order-to-Cash-Prozess? Es macht sichtbar, wo der Zyklus von der Lieferung bis zum Zahlungseingang stockt – etwa verspätete Rechnungsstellung durch fehlende Auslöser. Das Ergebnis ist ein direkter Liquiditätsgewinn und die Möglichkeit, Zahlungsrisiken früh zu erkennen.
Lassen sich Inventurdifferenzen mit Process Mining erklären? Ja. Statt nur den Endwert zu zeigen, führt Process Mining Differenzen auf konkrete Prozessabweichungen zurück, etwa Einlagerungen ohne Systembestätigung oder fehlerhafte Scans an bestimmten Terminals.
