Process Mining im Mittelstand: Ereignisdaten als Grundlage für Automatisierung

Process Mining im Mittelstand beantwortet die Frage, die jedem Automatisierungsvorhaben vorausgehen sollte: Wie läuft der Prozess tatsächlich ab. Die übliche Grundlage für Automatisierungsentscheidungen ist ein Workshop, in dem Beteiligte den Ablauf aus der Erinnerung beschreiben. Das Ergebnis ist ein idealisiertes Modell, das den Hauptpfad zutreffend abbildet und die Ausnahmen unterschlägt, obwohl gerade die Ausnahmen den Aufwand verursachen. Process Mining kehrt die Blickrichtung um: Es rekonstruiert den Prozess aus den Zeitstempeln, die ERP-, CRM- und Dokumentenmanagementsysteme ohnehin protokollieren. Sichtbar werden dadurch Schleifen, Nacharbeiten, Wartezeiten zwischen Bearbeitungsschritten und die tatsächliche Zahl der Prozessvarianten, die in der Praxis regelmäßig im dreistelligen Bereich liegt. Für Automatisierungsvorhaben ist das entscheidend, weil sich Aufwand und Nutzen erst dann seriös schätzen lassen, wenn Fallzahlen und Varianten bekannt sind. Dieser Beitrag beschreibt Datengrundlage, Analysearten, mitbestimmungsrechtliche Randbedingungen und ein realistisches Vorgehen für Unternehmen ohne eigenes Data-Engineering-Team.

Hinweis: Dieser Beitrag gibt ausschließlich die redaktionellen Ansichten der Redaktion von effizienzpraxis.de wieder. Er stellt keine Rechtsberatung dar und ersetzt nicht die Beratung durch eine qualifizierte Rechtsanwältin oder einen qualifizierten Rechtsanwalt. Für rechtlich verbindliche Auskünfte zu Ihrem konkreten Fall wenden Sie sich bitte an einen zugelassenen Rechtsbeistand.

Titelbild: Foto von Alvaro Reyes auf Unsplash.

Die Datengrundlage: der Event Log

Jede Analyse beruht auf einem Ereignisprotokoll. Es besteht im Minimum aus drei Feldern, die aus den Bewegungsdaten der Quellsysteme zusammengesetzt werden.

• Fallkennung: die eindeutige Identität des betrachteten Vorgangs, etwa die Auftragsnummer, die Rechnungsnummer oder die Reklamationsnummer
• Aktivität: die Bezeichnung des Bearbeitungsschritts, etwa „Bestellung angelegt“, „Freigabe erteilt“ oder „Rechnung gebucht“
• Zeitstempel: der Zeitpunkt, zu dem der Schritt stattgefunden hat

Optional kommen Attribute hinzu, die die Auswertung erheblich aufwerten: die bearbeitende Organisationseinheit, der Belegwert, der Kunden- oder Lieferantentyp, die Vertriebsregion und die verwendete Systemtransaktion. Aus diesen Zusatzmerkmalen entstehen die eigentlich interessanten Fragen, etwa ob Vorgänge oberhalb einer bestimmten Wertgrenze systematisch länger dauern oder ob bestimmte Warengruppen überproportional Nacharbeit auslösen.

Die Zusammenstellung des Ereignisprotokolls ist der aufwendigste Teil des Vorhabens. Erfahrungsgemäß entfallen etwa 70 Prozent des Gesamtaufwands auf Extraktion, Bereinigung und Plausibilisierung der Daten, nicht auf die Analyse selbst. Typische Hürden sind fehlende Zeitstempel bei manuellen Schritten, mehrfach vergebene Fallkennungen bei Teillieferungen, unterschiedliche Zeitzonen in verteilten Systemen und Massenläufe, die tausende Vorgänge mit identischem Zeitstempel erzeugen und dadurch die Reihenfolge unbestimmt lassen.

Die drei Analysearten

Discovery: den Prozess sichtbar machen

Die Rekonstruktion erzeugt aus dem Ereignisprotokoll ein Prozessmodell, das alle tatsächlich vorgekommenen Pfade abbildet. Die zentrale Erkenntnis dieser Phase ist meist die Zahl der Varianten. Ein Bestellprozess, der als sechsstufiger Ablauf dokumentiert ist, weist in der Realität häufig mehrere hundert unterschiedliche Durchlaufreihenfolgen auf. Die Auswertung nach Häufigkeit zeigt dann, dass ein kleiner Teil der Varianten den überwiegenden Anteil der Fälle abdeckt, während der lange Ausläufer seltener Varianten den größten Teil des Bearbeitungsaufwands bindet.

Conformance: Abweichungen bewerten

Der Abgleich zwischen dem gewünschten Sollmodell und dem beobachteten Verhalten deckt Regelverstöße auf. Praktisch relevante Muster sind Freigaben, die nach der Bestellung erteilt wurden, Zahlungen ohne dokumentierte Wareneingangsprüfung, Umgehungen des Vier-Augen-Prinzips durch nachträgliche Änderungen und Vorgänge, die mehrfach durch dieselbe Prüfstufe laufen. Für die interne Kontrolle ist diese Auswertung besonders wertvoll, weil sie stichprobenfrei den gesamten Bestand abdeckt.

Enhancement: den Prozess anreichern

Die Anreicherung verbindet das Modell mit Zeit- und Kostengrößen. Sichtbar werden Liegezeiten zwischen Aktivitäten, Engpassstellen mit Rückstau, die Verteilung der Bearbeitungsdauer und die Auswirkung von Nacharbeit auf die Gesamtdurchlaufzeit. Erst diese Schicht liefert die Zahlen, mit denen sich ein Automatisierungsvorhaben rechnen lässt.

Der wirtschaftliche Wert von Process Mining liegt nicht im Prozessbild, sondern in der Fallzahl je Variante. Sie bestimmt, ob sich eine Automatisierung trägt.

Kennzahlen, die sich unmittelbar ableiten lassen

Kennzahl	Aussage	Typischer Handlungsimpuls
Durchlaufzeit je Fall	Gesamtdauer vom ersten bis zum letzten Ereignis	Liegezeiten zwischen Schritten reduzieren
Anteil der Bearbeitungszeit	Verhältnis von aktiver Arbeit zur Gesamtdauer	Übergaben und Wartepunkte entfernen
Nacharbeitsquote	Anteil der Fälle mit wiederholten Aktivitäten	Ursachen an der Eingangsschnittstelle beheben
Variantenzahl	Zahl unterschiedlicher Durchlaufreihenfolgen	Standardpfad definieren und erzwingen
Automatisierungsgrad	Anteil ohne manuellen Eingriff bearbeiteter Fälle	Regelwerke für Dunkelverarbeitung erweitern
Vier-Augen-Verstöße	Fälle mit identischem Bearbeiter in Prüfstufen	Berechtigungen und Vertretungsregeln anpassen

Die Nacharbeitsquote ist die aussagekräftigste Einstiegsgröße. Sie ist leicht zu berechnen, unmittelbar verständlich und weist fast immer auf eine konkrete Ursache hin, etwa unvollständige Stammdaten, fehlende Pflichtfelder oder ungenaue Bestellanforderungen aus den Fachabteilungen.

Mitbestimmung und Datenschutz

Ereignisprotokolle enthalten regelmäßig Angaben zu bearbeitenden Personen. Damit ist der Anwendungsbereich der betrieblichen Mitbestimmung eröffnet. Nach § 87 Absatz 1 Nummer 6 BetrVG hat der Betriebsrat mitzubestimmen bei der Einführung und Anwendung technischer Einrichtungen, die dazu bestimmt sind, Verhalten oder Leistung der Beschäftigten zu überwachen. Für die Beurteilung genügt bereits die objektive Eignung zur Überwachung, eine entsprechende Absicht ist nicht erforderlich. Der Wortlaut der Vorschrift ist über gesetze-im-internet.de abrufbar.

In der Praxis bewährt sich eine frühzeitige Einbindung des Betriebsrats und eine Betriebsvereinbarung, die Zweckbindung, Aggregationsgrad, Auswertungsverbot auf Einzelpersonen, Löschfristen und den Kreis der Auswertungsberechtigten festlegt. Technisch lässt sich das Risiko deutlich reduzieren, indem Bearbeiterkennungen bereits bei der Extraktion pseudonymisiert oder auf Organisationseinheiten aggregiert werden. Für die meisten Fragestellungen genügt die Ebene der Abteilung, eine personenscharfe Auswertung ist fachlich selten erforderlich.

Datenschutzrechtlich sind Zweckbestimmung, Rechtsgrundlage, Aufnahme in das Verzeichnis der Verarbeitungstätigkeiten und Löschkonzept zu dokumentieren. Bei umfangreicher systematischer Auswertung von Beschäftigtendaten ist zu prüfen, ob eine Datenschutz-Folgenabschätzung erforderlich ist.

Vorgehen in überschaubaren Schritten

1. Prozess auswählen, der hohe Fallzahlen aufweist, überwiegend systemgestützt abläuft und wirtschaftlich relevant ist, typischerweise Bestellabwicklung, Rechnungseingang, Auftragsdurchlauf oder Reklamationsbearbeitung
2. Fragestellung festlegen, etwa Reduktion der Durchlaufzeit, Senkung der Nacharbeit oder Erhöhung des Automatisierungsgrads
3. Datenquellen identifizieren und die Verfügbarkeit der drei Pflichtfelder prüfen
4. Betriebsrat und Datenschutzbeauftragte einbinden, bevor die erste Extraktion erfolgt
5. Ereignisprotokoll für einen begrenzten Zeitraum extrahieren, zunächst zwölf Monate
6. Daten plausibilisieren: Vollständigkeit der Fälle, Reihenfolgekonsistenz, Behandlung von Massenläufen
7. Erste Auswertung durchführen und die Ergebnisse mit den Prozessverantwortlichen gegenprüfen
8. Maßnahmen priorisieren nach Fallzahl mal Einsparung je Fall
9. Automatisierung nur für stabile, häufige Varianten umsetzen
10. Nach der Umsetzung erneut messen und die Wirkung mit denselben Kennzahlen belegen

Schritt sieben wird häufig übersprungen. Die erste Auswertung enthält fast immer Artefakte aus der Datenextraktion, die wie Prozessprobleme aussehen. Eine Gegenprüfung mit Personen, die den Prozess täglich bearbeiten, trennt echte Befunde von Datenfehlern und schafft zugleich die notwendige Akzeptanz.

Verbindung zur Automatisierung

Process Mining ist kein Selbstzweck, sondern die Vorstufe konkreter Eingriffe. Aus den Befunden ergeben sich typischerweise vier Maßnahmentypen mit unterschiedlichem Aufwand.

• Regeländerung ohne Technik: Wertgrenzen für Freigaben anpassen, Vertretungsregeln ändern, Pflichtfelder ergänzen. Geringster Aufwand, oft größte Sofortwirkung.
• Konfiguration im Bestandssystem: Workflows im ERP aktivieren, Genehmigungsstufen zusammenlegen, automatische Buchung bei eindeutiger Zuordnung.
• Regelbasierte Automatisierung: Wiederkehrende Systemschritte über Skripte oder Automatisierungswerkzeuge abbilden, sinnvoll bei hoher Fallzahl und stabiler Variante.
• Modellgestützte Verfahren: Klassifikation unstrukturierter Eingänge oder Vorschlagslogik bei Zuordnungsentscheidungen, sinnvoll erst bei ausreichender Datenmenge und akzeptierter Fehlertoleranz.

Die Reihenfolge ist bewusst gewählt. Wer eine ineffiziente Variante automatisiert, macht sie schneller, aber nicht besser. Die Bereinigung der Varianten geht der Automatisierung voraus.

Organisatorische Voraussetzungen

Der technische Teil eines Process-Mining-Vorhabens ist beherrschbar, der organisatorische entscheidet über den Erfolg. Drei Rollen sollten benannt sein, bevor die erste Extraktion beginnt. Der fachliche Prozessverantwortliche kennt die Abläufe, verantwortet die Interpretation der Befunde und trägt die späteren Maßnahmen. Eine technische Ansprechperson stellt die Datenextraktion sicher und kennt die Tabellenstrukturen der Quellsysteme. Eine dritte Person mit Entscheidungsbefugnis über Prozessänderungen verhindert, dass Befunde ohne Konsequenz bleiben.

Ebenso wichtig ist die Erwartungssteuerung. Die erste Auswertung wirkt auf Beteiligte häufig unangenehm, weil sie Abweichungen offenlegt, die bisher als Einzelfälle galten. Wird die Analyse als Kontrollinstrument wahrgenommen, entsteht Widerstand und die Datenqualität leidet, weil Bearbeitende Umgehungswege außerhalb der Systeme suchen. Eine offene Kommunikation, die den Zweck der Prozessverbesserung betont und die Auswertung auf Abteilungsebene beschränkt, ist deshalb keine Formalie, sondern Voraussetzung für belastbare Folgemessungen.

Schließlich sollte der Aufwand realistisch eingeordnet werden. Ein erstes Vorhaben mit einem klar abgegrenzten Prozess ist in acht bis zwölf Wochen darstellbar, wenn die Datenextraktion technisch möglich ist und die Abstimmung mit der Arbeitnehmervertretung frühzeitig erfolgt. Der Aufwand liegt überwiegend in den ersten Wochen, die laufende Aktualisierung ist danach mit geringem Aufwand möglich.

Wer diesen ersten Durchlauf erfolgreich abschließt, verfügt anschließend über eine wiederverwendbare Extraktionsstrecke. Die Ausweitung auf einen zweiten Prozess ist deshalb deutlich schneller möglich, sofern er dieselben Quellsysteme nutzt. Diese Skaleneffekte sprechen dafür, den Einstieg bewusst klein zu halten und die Ausweitung erst nach einem belegten Ergebnis zu planen, statt von Beginn an mehrere Prozesse gleichzeitig zu betrachten.

Werkzeugauswahl

Der Markt reicht von spezialisierten Plattformen mit umfangreichen Konnektoren bis zu quelloffenen Bibliotheken. Für einen ersten Durchlauf im Mittelstand ist eine schlanke Lösung meist ausreichend, weil der Engpass in der Datenbereitstellung liegt und nicht in der Analysefunktion.

• Verfügbare Konnektoren zu den eigenen Quellsystemen prüfen
• Betriebsmodell klären: Verarbeitung im eigenen Rechenzentrum oder beim Anbieter, mit entsprechenden vertraglichen Vorgaben zur Auftragsverarbeitung
• Umgang mit großen Datenmengen und Aktualisierungsfrequenz bewerten
• Exportfähigkeit der Ergebnisse sicherstellen, um eine Bindung an ein einzelnes Werkzeug zu vermeiden
• Aufwand für die laufende Aktualisierung realistisch einschätzen, nicht nur den Einmalaufwand der Einrichtung

Typische Stolperfallen

Erstens die Auswahl eines Prozesses mit zu geringer Fallzahl. Unterhalb weniger hundert Vorgänge im Jahr liefert die Analyse keine belastbaren Muster. Zweitens die Erwartung, das Werkzeug liefere fertige Maßnahmen. Es liefert Befunde, die Interpretation bleibt fachliche Arbeit. Drittens die späte Einbindung der Arbeitnehmervertretung, die ein weit fortgeschrittenes Vorhaben vollständig blockieren kann.

Viertens die Fixierung auf die Gesamtdurchlaufzeit. Sie ist als Schlagzeile attraktiv, verdeckt aber die relevante Struktur: Meist entfällt der überwiegende Teil auf wenige Liegezeiten zwischen Übergaben, während die eigentliche Bearbeitung nur einen kleinen Anteil ausmacht. Fünftens die einmalige Betrachtung. Ohne wiederkehrende Messung nach der Umsetzung bleibt unbelegt, ob die Maßnahme gewirkt hat oder ob sich der Aufwand lediglich verlagert hat.

Ein durchgerechnetes Beispiel

Die folgende Modellrechnung beruht auf frei gewählten Annahmen und dient allein der Veranschaulichung der Bewertungslogik. Betrachtet wird der Rechnungseingang eines Fertigungsbetriebs mit angenommen 24.000 Eingangsrechnungen im Jahr. Die Analyse des Ereignisprotokolls ergibt, dass 68 Prozent der Belege ohne manuellen Eingriff bis zur Buchung durchlaufen, während 32 Prozent mindestens einmal in eine Klärungsschleife geraten.

Die Auswertung der Klärungsfälle nach Ursache zeigt eine typische Verteilung: Mengen- oder Preisabweichungen gegenüber der Bestellung, fehlende Bestellbezüge, unklare Kontierung und verspätete Wareneingangsbuchungen. Entscheidend ist nun nicht die Gesamtzahl, sondern die Aufteilung. Entfallen etwa 40 Prozent der Klärungsfälle auf eine einzige Ursache, und ist diese Ursache an einer definierten Stelle behebbar, etwa durch eine Toleranzgrenze bei geringfügigen Preisabweichungen, dann lässt sich der Nutzen präzise beziffern: Fallzahl mal durchschnittlicher Klärungsaufwand je Fall.

Wichtig ist die zweite Rechnung, die in Automatisierungsprojekten regelmäßig fehlt. Neben dem eingesparten Aufwand ist die Wirkung auf die Durchlaufzeit zu betrachten. Verkürzt sich die Bearbeitungsdauer so weit, dass Skontofristen wieder eingehalten werden, entsteht ein zusätzlicher, unmittelbar zahlungswirksamer Effekt, der die reine Personalaufwandsbetrachtung häufig übersteigt.

Priorisierungslogik

Für die Reihenfolge der Maßnahmen hat sich eine einfache Bewertung bewährt: Jede identifizierte Abweichung wird mit ihrer jährlichen Fallzahl, dem geschätzten Aufwand je Fall und dem Umsetzungsaufwand bewertet. Maßnahmen mit hoher Fallzahl und geringem Umsetzungsaufwand werden zuerst umgesetzt, unabhängig davon, wie technisch anspruchsvoll sie sind. In der Praxis stehen dort überwiegend Regel- und Stammdatenänderungen, während die technisch aufwendigen Vorhaben erst in der zweiten Welle folgen.

FAQ

Welche Systeme liefern brauchbare Ereignisdaten?
Grundsätzlich alle transaktionsorientierten Anwendungen mit Belegfluss, insbesondere ERP-Systeme, Dokumentenmanagement, Ticketsysteme und CRM. Entscheidend ist, dass Statusänderungen mit Zeitstempel und Belegbezug gespeichert und nicht überschrieben werden.

Wie viele historische Daten werden benötigt?
Zwölf Monate sind ein guter Ausgangspunkt, weil damit saisonale Effekte abgebildet werden. Bei sehr hohen Fallzahlen genügen kürzere Zeiträume, bei Prozessen mit langen Laufzeiten sind längere Zeiträume erforderlich, damit auch abgeschlossene Fälle vollständig enthalten sind.

Ist eine Zustimmung des Betriebsrats zwingend erforderlich?
Sobald die Auswertung geeignet ist, Verhalten oder Leistung von Beschäftigten zu überwachen, besteht ein Mitbestimmungsrecht. Eine frühzeitige Abstimmung und eine Betriebsvereinbarung mit klarer Zweckbindung sind der übliche und praktikable Weg.

Ersetzt Process Mining die klassische Prozessaufnahme?
Nein. Es ersetzt die Rekonstruktion des Ablaufs aus dem Gedächtnis, nicht das Fachgespräch über Ursachen. Die Kombination aus datenbasierter Analyse und Gespräch mit den Bearbeitenden liefert die belastbarsten Ergebnisse.

Wie werden manuelle Schritte außerhalb der Systeme sichtbar?
Gar nicht unmittelbar. Sie zeigen sich indirekt als Liegezeit zwischen zwei protokollierten Ereignissen. Eine ergänzende Erhebung dieser Zwischenschritte ist notwendig, wenn sie einen wesentlichen Anteil der Gesamtdauer ausmachen.

Welche Rolle spielt die Datenqualität für spätere KI-Vorhaben?
Eine zentrale. Ein sauber aufgebautes Ereignisprotokoll ist zugleich die Grundlage für Prognosemodelle, etwa zur Vorhersage von Durchlaufzeiten oder zur Erkennung auffälliger Vorgänge. Der Aufwand für die Datenaufbereitung fällt damit nur einmal an.