Ihre Systeme wissen genau, was in Ihren Prozessen passiert. Sie sagen es Ihnen nur nicht von allein. Process Mining macht diese Spuren lesbar – und zeigt den tatsächlichen Ablauf statt des vermuteten.

Logistikunternehmen erzeugen täglich enorme Datenmengen in ihren Transportmanagement-, Warehouse-Management- und ERP-Systemen. In den meisten Unternehmen werden diese Daten aber nur isoliert oder in aggregierter Form fürs Reporting genutzt. Eine Analyse der tatsächlichen Prozessabläufe findet selten statt – und damit bleiben Optimierungspotenziale unentdeckt, die längst in den eigenen Daten stecken.

Vom akademischen Konzept zum Steuerungsinstrument

Process Mining ist eine Disziplin an der Schnittstelle von Data Science, Prozessmanagement und maschinellem Lernen. Geprägt hat sie vor allem die Forschungsarbeit von Wil van der Aalst an der Eindhoven University of Technology. Aus einem akademischen Konzept ist über die Jahre ein praxisrelevantes Werkzeug geworden, das heute im Unternehmensalltag angekommen ist.

Der Grundgedanke dahinter ist einfach: Jede Aktivität in einem digitalen System hinterlässt eine Spur. Aus diesen Spuren lässt sich der tatsächliche Prozessablauf rekonstruieren – nicht der, den ein Ablaufdiagramm behauptet, sondern der, der wirklich stattfindet.

Das Event Log als Grundlage

Die methodische Basis ist das Event Log. Jedes Mal, wenn in einem System eine Aktivität ausgeführt wird, entsteht ein digitaler Fußabdruck mit drei Kernelementen: einer eindeutigen Fallkennung (Case ID), einer Beschreibung der Aktivität und einem Zeitstempel. Aus der Case ID lässt sich ablesen, welche Schritte zu einem Auftrag gehören, aus den Zeitstempeln, in welcher Reihenfolge und mit welchen Wartezeiten sie abliefen.

Ein typisches Event Log in der Logistik umfasst schnell Millionen von Einträgen und deckt mehrere Jahre Prozesshistorie ab. Genau diese Menge ist der Vorteil: Sie bildet nicht eine Stichprobe ab, sondern den vollständigen realen Ablauf.

Drei Kerndisziplinen

Auf dieser Basis unterscheidet Process Mining drei Kerndisziplinen. Process Discovery leitet automatisch ein Prozessmodell aus dem Event Log ab, ohne Vorannahmen über den idealen Ablauf – das Ergebnis ist ein Bild des Ist-Zustands, inklusive aller Varianten. Conformance Checking vergleicht den tatsächlichen Verlauf mit einem Referenzmodell und zeigt, wo die Realität vom Soll abweicht. Process Enhancement reichert bestehende Modelle mit zusätzlichen Informationen an, etwa Durchlaufzeiten oder Ressourcenauslastung.

Diese drei bauen aufeinander auf: erst sehen, was ist, dann prüfen, wo es abweicht, dann anreichern, um zu verstehen, warum.

Warum klassisches Reporting nicht ausreicht

Der Unterschied zu klassischer Business Intelligence liegt im Ausgangspunkt. BI-Ansätze basieren auf vorab definierten Datenaggregationen – man legt fest, was gemessen wird, und bekommt genau das zurück. Process Mining leitet seine Erkenntnisse dagegen direkt aus den Rohdaten ab und findet auch das, wonach niemand gesucht hat.

Klassische Reports liefern deshalb oft nur eine Laternenpfahl-Analyse: Man schaut dort, wo das Licht ist, wo die Daten leicht verfügbar sind – nicht dort, wo das eigentliche Problem liegt. Kennzahlen wie Durchlaufzeit oder Termintreue zeigen, dass ein Problem existiert, aber nicht, warum. Die Ursachen verbergen sich meist in einzelnen Prozessschritten oder an den Schnittstellen zwischen Systemen – genau dort, wo Process Mining hinsieht.

Ein Auftrag, rekonstruiert aus Daten

Wie das konkret aussieht, zeigt ein einzelner Auftrag. Bei seinem Eingang entsteht ein erster Eintrag im Event Log: Fallkennung, Aktivität „Auftrag erfasst“, Zeitstempel. Es folgen weitere Einträge – „an Disposition übergeben“, „Rückfrage an Kunde“, „Kundenantwort erhalten“, noch eine Rückfrage, dann „disponiert“, „verladen“, „zugestellt“, schließlich „berechnet“. Jeder Schritt ist ein Fußabdruck.

Legt man tausende solcher Aufträge übereinander, entsteht das reale Prozessbild – mit allen Schleifen, Wartezeiten und Abkürzungen. Und hier zeigt sich der eigentliche Wert: Das Ablaufdiagramm an der Wand zeigt einen geraden Weg vom Auftrag zur Rechnung. Die Daten zeigen die Rückschleifen, die niemand dokumentiert hat, weil sie als Ausnahme galten – und die in Wahrheit die Regel sind.

Was Process Mining nicht ist

Zur Klarheit gehört auch die Abgrenzung. Process Mining ist kein Reporting-Dashboard, das vorab definierte Kennzahlen aggregiert. Es ist auch kein klassisches Prozessmodellierungswerkzeug, das den gewünschten Ablauf beschreibt – es zeigt den tatsächlichen. Und es ist keine reine Simulation, sondern arbeitet mit realen Spuren aus dem laufenden Betrieb.

Ebenso wichtig: Process Mining ist kein Überwachungsinstrument für einzelne Mitarbeitende. Es analysiert Prozesse, nicht Personen. Wo möglich, arbeitet es mit anonymisierten Daten – dazu später mehr im Beitrag zur Einführung. Diese Unterscheidung ist nicht nur rechtlich wichtig, sondern entscheidet oft darüber, ob ein Projekt im Unternehmen getragen wird.

Die Voraussetzung: Daten in brauchbarer Qualität

So mächtig die Methode ist, sie braucht eine Grundlage: Event Logs mit Fallkennung, Aktivität und Zeitstempel, die sich aus den vorhandenen Systemen extrahieren lassen. Die Qualität der Ergebnisse hängt an der Vollständigkeit dieser Daten. Die gute Nachricht: Selbst unvollständige Logs fördern oft erstaunlich viel zutage, und die Datenlage lässt sich verbessern. Der erste praktische Schritt eines Process-Mining-Projekts ist deshalb meist nicht die Analyse, sondern die saubere Anbindung und Aufbereitung der Datenquellen.

Häufige Fragen

Was ist der Unterschied zwischen Process Mining und Business Intelligence? BI arbeitet mit vorab definierten Kennzahlen und Aggregationen. Process Mining rekonstruiert den tatsächlichen Prozessablauf direkt aus den Rohdaten der Systeme und deckt dabei auch unerwartete Varianten und Ursachen auf, die in einem klassischen Report nicht sichtbar werden.

Welche Systeme liefern die Daten für Process Mining? In der Logistik vor allem Transportmanagement- (TMS), Warehouse-Management- (WMS) und ERP-Systeme. Grundsätzlich eignet sich jedes System, das Aktivitäten mit Fallkennung und Zeitstempel protokolliert.

Was ist ein Event Log? Die Datengrundlage von Process Mining. Jeder Eintrag besteht aus drei Kernelementen: einer eindeutigen Fallkennung, einer Aktivitätsbeschreibung und einem Zeitstempel. Aus vielen solchen Einträgen entsteht das Bild des realen Prozesses.