BPM kombiniert mit Business Analytics

Das Ziel: Prognosti­zierende Steuerung

Geschäftsprozessmanagement zeigt auf, wer in einem Unternehmen was, wann, wie und womit erledigt. In Kombination mit Business Analytics wird aus der reaktiven Betrachtung eine prognostizierende Steuerung.

Kompass

Die intelligente Steuerung von Prozessen hängt von deren Komplexität und Automatisierungsgrad ab.

Process Mining nennt sich der Nachfolger der bisher bekannten Prozesssteuerung. Im ersten Schritt dokumentiert dieses Verfahren die Ist-Prozesse in einem System. Ein deutlicher Fortschritt gegenüber der früheren Methode, bei der Planer die Abläufe in Workshops über Fragebogen erfassen. In der neuen Variante lassen sich viele Routineprozesse in Unternehmen End-to-End abbilden. Man kommt schneller zum Ergebnis und kann zudem viel genauere Aussagen treffen. Analytics-Werkzeuge kommen im Process Mining zum Einsatz, um die erfassten Prozesse zu verschlanken. Datenanalysten (Data Scientists) definieren Entscheidungsregeln, um die Abläufe möglichst effizient zu gestalten. Mit den dabei entstehenden Daten steuern sie auch künftige Prozesse besser, als es bisher möglich war.

Nutzen soll das Process Mining zunächst über die Redokumentation der Prozesse und der unterstützenden IT-Systeme bringen. Wo läuft es rund, wo hakt es, wo gibt es Automatisierungspotential? So lauten die Leitfragen der anschließenden Optimierung. Beim Vorbereiten einer Neueinführung betriebswirtschaftlicher Software (ERP) verhindern diese Ergebnisse, dass sich die früheren Brüche in der neuen Version wiederholen.

Die meisten Anwender für Process Mining kommen bisher aus großen Industrie- und Handelsunternehmen, von Energieversorgern oder Netzdienstleistern. Einsatzgebiete für diese Variante der Ablaufsteuerung finden sich aber in praktisch allen Branchen. Künftig wird beispielsweise aber wohl auch das Steuern von Fertigungsprozessen im Rahmen von Industrie 4.0 in den Fokus von Process Mining rücken.

Ein Einsatzbeispiel für die Prozessanalyse liefert das Szenario „Procure-to-pay“. Dieser Begriff beschreibt den gesamten Vorgang von der Bestellung einer Ware über deren Auslieferung, die Rechnungsstellung bis hin zum Zahlungseingang und dem Mahnwesen in der Debitoren- und Kreditorenbuchhaltung. Problematisch sind dabei die vielen involvierten Akteure und IT-Systeme.

Variantenvergleich zeigt das Optimierungspotential


So vielfältig wie die Varianten dieses Prozesses sind auch dessen Optimierungspotentiale. Die Leitfragen betreffen beispielsweise die Compliance und zeichnen nach, ob eventuell Rechnungen bezahlt wurden, die eigentlich ein anderer Mitarbeiter abgelehnt hat. Oder sie decken auf, wenn Mitarbeiter Artikel am Beschaffungssystem vorbei besorgen und lediglich den Rechnungseingang und die Bezahlung mittels IT abbilden. Dabei gehen Rabatte verloren, weil Rahmenverträge des Unternehmens nicht beachtet werden. Schließlich werden manuelle und zeitaufwendige Korrekturen im Ablauf reduziert, also beispielsweise andere Bestellmengen oder Preise.

Process Mining zeigt im besten Fall sämtliche Varianten auf, die ein Prozess genommen hat. Es geht da­rum, wie lange welche Aktivität gedauert hat, wo es Engpässe gab und welche Variante die schnellste Durchlaufzeit lieferte. Auf Basis dieser Daten können die Planer die Prozesse dann anpassen. Nützlich ist dabei die Simulation: Planer bewerten verschiedene Prozessvarianten und erkennen, wie und wann sich ein Ablauf verzögern oder verkürzen könnte. Auch die Kosten unterschiedlicher Varianten werden sichtbar. Ist ein optimaler Soll-Prozess definiert, liefert das Process Mining einen ständigen Echtzeitabgleich zum Ist-Prozess und legt Abweichungen davon offen. Das System liest dafür Daten aus allen beteiligten IT-Anwendungen aus.

In bislang angewandten Verfahren zum Prozessmanagement entwarfen die Planer die Prozesse meist am Reißbrett von oben nach unten und konfigurierten auf dieser Basis die IT-Systeme. Sämtliche Abläufe mussten sie manuell zeichnen. Die Mengenverteilung in den Prozessvarianten kannten die Planer nicht, da ihnen die Rückkoppelung zur Praxis fehlte. Heute läuft der Weg in umgekehrter Richtung: Die Planer schauen zunächst, wie die Mitarbeiter einen Prozess in der Praxis durchführen. Die Praxiswerte für die spätere Optimierung liefern die beteiligten IT-Systeme.

Autonome Geschäftsabläufe als Ziel


Die intelligente Steuerung von Prozessen hängt von deren Komplexität und Automatisierungsgrad ab. Abweichungen vom Soll-Prozess korrigieren die Prozessbeteiligten noch immer manuell. Im Entstehen sind gerade IT-gesteuerte Assistenten, die Anwender dabei unterstützen. Dank Natural Language Processing können Anwender mit manchen Assistenten in natürlicher Sprache kommunizieren. Angestrebt werden nun vollständig autonome Prozesse.

Dabei versorgen elektronische Assistenten die betriebswirtschaftlichen Systeme, die wiederum auf Basis „Künstlicher Intelligenz“ Entscheidungen treffen und im Rahmen einer weitreichenden Automatisierung selbstständig weitere Prozesse starten. Ein Beispiel, wie so etwas aussehen kann, liefert die moderne Finanzbuchhaltung, die automatisiert Debitoren und Kreditoren abgleicht, Rechnungen bezahlt und selbsttätig Abschlussbuchungen, Korrekturen und Wertberichtigungen vornimmt. Nach diesem Muster automatisieren Unternehmen künftig im Rahmen von Robotic Process Automation sich wiederholende und regelbasierte Prozesse.

Algorithmen erkennen Brüche im Ablauf


Werkzeuge für die Optimierung sind die analytischen Systeme. Algorithmen prüfen den fachlichen Prozess und entdecken auf Basis von Mustererkennung Ungereimtheiten. So wird sichtbar, ob beispielsweise Prozessschritte ausgelassen wurden oder Aktivitäten mehrfach vorkommen. Zum Einsatz kommen dabei Machine Learning, Deep Learning, Advanced und Augmented Analytics, Cognitive Automation sowie Methoden der Assoziation, Segmentierung und Prognose.

Dies ist ein Artikel aus unserer Print-Ausgabe 1-2/2019. Bestellen Sie ein kostenfreies Probe-Abo.

Historische Daten und abgeschlossene Prozesse lassen sich aktuell sehr gut analysieren. Eine Herausforderung stellt allerdings die Analyse laufender Prozesse dar. Ist so etwas einmal möglich, können die Unternehmen in Echtzeit in Abläufe eingreifen. Zeigt sich beispielsweise anhand der bisherigen Daten, dass eine Rechnung mit drei Prozent Skonto nicht mehr rechtzeitig bezahlt wird, wenn sie nach sieben Tagen nicht genehmigt ist, dann könnte ein Workflow starten, der diese Rechnung vorzieht. Diese Analyse laufender Prozesse liegt im Fokus der Forscher. Allerdings können auch Experten wie Maike Spierling und Georg Aholt vom Bielefelder Systemhaus und SAP-Partner itelligence den exakten Zeithorizont für die nächsten Entwicklungsschritte momentan nicht nennen. Erst wenn die Forschung Ergebnisse liefert, können die Entwickler von Process-Mining-Werkzeugen darauf aufsetzen.

SAP Hana konkurriert mit externen Modulen


SAP-Anwender, die bereits mit Process Mining starten wollen, stehen vor der Frage, ob sie dazu externe Spezialmodule nutzen oder Teile des Verfahrens im SAP-System abbilden. Für das Process Mining existieren viele externe Werkzeuge, die auf die Hana-Datenbank zugreifen. Beispiele dafür sind Celonis, Fluxicon oder Signavio. Auch bei der Analyse hat man die Wahl: SAP bietet ein externes Werkzeug namens SAP Pre­dictive Analytics, mit dem sich Prozesse und Systeme bewerten lassen. Zudem gibt es bei Hana mit der Predictive Analytics Library selbst Analytics-Funktionen und Algorithmen für Prozessanalysen.

Bildquelle: Thinkstock/iStock

©2019Alle Rechte bei MEDIENHAUS Verlag GmbH

Unsere Website verwendet Cookies, um Ihnen den bestmöglichen Service zu bieten. Durch die weitere Nutzung der Seite stimmen Sie der Verwendung zu. Weitere Infos finden Sie in unserer Datenschutzerklärung.

ok