Entwicklung und Grundlagen des Process Mining


Studienarbeit, 2017

31 Seiten, Note: 1.2


Leseprobe

Inhaltsverzeichnis

Abkürzungsverzeichnis

1 Zielsetzung

2 Einleitung

3 Entwicklung und Einordnung

4 Grundlagen
4.1 Grundidee
4.2 Arten
4.3 Leitsätze
4.4 Herausforderungen

5 Fazit

6 Abbildungs- und Tabellenverzeichnis

Literaturverzeichnis

Abkürzungsverzeichnis

ABPD Automated Business Process Discovery

B2B Business to business

B2C Business to costumer

BAM Business Activity Monitoring

BI Business Intelligence

BOM Business Operations Management

BPA Business Process Analysis

BPI Business Process Intelligence

BPM Business Process Management

CRM Customer Relationship Management

d. h. das heißt

ERP Enterprise Resource Planning

IT Informationstechnik

PPM Process Performance Manager

SCM Supply Chain Management

usw. und so weiter

WFM Workflow Management

z. B. zum Beispiel

Zielsetzung

1 Zielsetzung

Im Rahmen der vorliegenden Arbeit wird die Methodik des Process Mining vorgestellt. Dabei sollen insbesondere dessen Entwicklung erläutert sowie dessen inhaltlichen, ideologischen und anwendungsbezogenen Grundlagen dargestellt werden. Hierzu wird zunächst mittels einer Einleitung die The-matik (2 Einleitung) vorgestellt. Anschließend wird auf dessen anforde-rungs- und systembedingte Entwicklung und Einordnung eingegangen (3 Entwicklung und Einordnung).

In Kapitel 4 (Grundlagen) werden die Grundlagen des Process Mining im Kontext der gegenwärtigen Forschung thematisiert. Ausgehend von der Vorstellung des Grundprinzips (4.1 Grundidee) wird weiter auf die 3 Typen von Process Mining, deren Charakteristika und Nutzen eingegangen (4.2 Arten). Darauf folgend werden wesentliche anwendungsbezogene Leitsät-ze zur Vermeidung von Fehlern bei der Implementierung des Process Mi­ning vorgestellt (4.3 Leitsätze). Danach werden die Herausforderungen des Process Mining diskutiert, welche die Basis für die aktuelle Forschung auf dem Gebiet darstellt (4.4 Herausforderungen). Abschließend wird die Arbeit durch ein Resümee des Autors abgerundet, in dem die wesentlichen Aspekte nochmals heraus gehoben werden (5 Fazit).

2 Einleitung

In der heutigen globalisierten Unternehmenswelt tragen Faktoren wie die Sicherung von Produktqualität, die Verbesserung der Wirtschaftlichkeit sowie die flexible Anpassung auf Marktveränderungen wesentlich zum kommerziellen Erfolg eines Unternehmens bei. Hierfür ist es unerlässlich, unternehmerische Ressourcen, Strukturen und Abläufe zu erfassen, zu überwachen und zu optimieren. Da ein manuelles Vorgehen fehlerbehaf-tet, langfristig kostspielig und - bedingt durch die steigende Datenmenge – zunehmend komplex bis hin zu unmöglich ist, bieten sich hierfür auto-matisierte Systeme an. Dadurch stehen Informationssysteme heute mehr denn je vor der Herausforderung, eine zunehmende Menge an Informatio-nen über unternehmensrelevante Geschäftsprozesse zu erfassen und zu verarbeiten. Prozessmanagement- und Workflow-Managementsysteme bieten gute Möglichkeiten für die Analyse und Überwachung unterneh-mensrelevanter Informationen.

Process Mining ist eine Technik aus diesen Bereichen zur IT-gestützten Analyse von Geschäftsprozessen auf Basis von Ereignisprotokollen. Die in den Systemen gespeicherten einzelnen Schritte des Prozesses werden zu-sammengefügt und der Prozess in seiner Gesamtheit visualisiert (zum Bei-spiel dargestellt in Petri-Netzen). Dabei werden spezielle Data-Mining-Algorithmen auf Datensätze von Ereignisprotokollen angewandt, um Trends, Muster und Details zu identifizieren, die in den Ereignisprotokollen eines Informationssystems enthalten sind. Beispielsweise können die His-torien (Audit Trails) eines Workflow-Managementsystems oder die Trans-aktionsprotokolle eines ERP- (Enterprise Resource Planning), SCM (Supply Chain Management) oder CRM-Systems (Customer Relationship Manage­ment) verwendet werden, um Modelle, Prozesse, Organisationen und Pro-dukte zu beschreiben und so ein Prozessmodell zu erzeugen, welches mit dem beobachteten dynamischen -Verhalten konsistent ist. So wird das implizite datenbasierte Prozesswissen, das sonst verborgen ist, modellier-, greif- und transportierbar. Im Wesentlichen zielt Process Mining die Ver-3 besserung der Prozesseffizienz und das Verständnis von Prozessen ab. Darüber hinaus ist es möglich, Process Mining zur Überwachung von Ab-weichungen (zum Beispiel Vergleich der beobachteten Ereignisse mit vor-definierten Modellen) zu verwenden.1

Process Mining ist eng verknüpft mit BAM (Business Activity Monitoring), BOM (Business Operations Management), BPI (Business Process Intelli­gence) und Data / Workflow Mining. Es geht aus BPM-Systemen (Business Process Management) und dabei insbesondere aus BPA-Modellen (Busi­ness Process Analysis) hervor und ist auch als Automated Business Pro­cess Discovery (ABPD) bekannt.2

Im Gegensatz zu klassischen Data-Mining-Techniken stehen bei Process Mining speziell Prozesse und Fragestellungen im Mittelpunkt, die über ein-fache Tools wie Business Objects, Cognos BI und Hyperion hinausgehen und insbesondere auf mehr als nur die reinen Leistungsdaten zurück grei-fen. Prozess Mining konzentriert sich hierbei auch auf kausale Beziehun-gen zwischen Aktivitäten. Dabei spielt auch die Prozessmodellierung eine entscheidende Rolle und bildet neben dem reinen Data Mining die Basis.3

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Bestandteile des Process Mining

Die Technik wird oft angewandt, wenn durch andere Herangehensweisen keine entsprechende Beschreibung der Prozesse möglich oder wenn die Qualität der existierenden Prozessdaten fragwürdig ist. Die Ereignisproto-kollanalyse kann auch verwendet werden, um Ereignisprotokolle mit Vor- gängermodellen zu vergleichen, um zu verstehen, ob die Beobachtungen einem vorschreibenden oder beschreibenden Modell entsprechen.4

Process Mining besticht auch durch seine Flexibilität und Vielseitigkeit, da es in einer Vielzahl von Informationssystemen anwendbar ist. Aktuelle Ma­nagement-Trends wie BAM, BOM und BPI (Business Process Intelligence) zeigen das große Interesse daran, solche Analysemöglichkeiten weiterzu-entwickeln.

3 Entwicklung und Einordnung

In den letzten Jahrzehnten kam eine zunehmende Zahl an expliziten Pro-zesskonzepten (zum Beispiel Workflow-Modelle) in unternehmensweiten Informationssystemen zum Einsatz. Diese Konzepte spielen auch bei übergreifenden Prozessen eine zentrale Rolle. Workflow-Management-Systeme (WFM; wie zum Beispiel Staffware, IBM MQSeries, COSA) bieten generische Modellierungs- und Verwertungsfunktionen für strukturierte Geschäftsprozesse. Hierfür können grafische Prozessdefinitionen, welche den Lebenszyklus eines typischen Falles (Prozessinstanz) isoliert beschrei-ben, zur Unterstützung von Geschäftsprozessen konfiguriert und ange-passt werden.5

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Typisches Ablaufdiagramm eines WMF-Systems

Neben reinen WFM-Systemen verwenden auch viele andere Softwaresys-teme explizite Prozessmodelle, so zum Beispiel ERP-Systeme (wie zum Beispiel SAP, PeopleSoft, Baan und Oracle), SCM-Systeme aber auch CRM-Software und viele weitere. Obwohl die unternehmenseigenen Infor-mationssysteme – unterstützt durch generische Sprachen und Werkzeu-6 gen (WFM-Sprachen und -Systeme) – zunehmend „prozesssicher" gewor-den sind, wird der Überwachung von Prozessen weniger Aufmerksamkeit sowie Optimierungsaufwand gewidmet. Dabei stellen WFM-Systeme typi-scherweise keine Funktionalität zur Diagnose laufender Workflows bereit.7

Der starke Fokus auf Prozessautomatisierung unter Vernachlässigung von Fragen wie Flexibilität und Diagnose führte zu vielen Ausfällen. Beispiels-weise scheiterten viele Workflow-Projekte. Infolgedessen erweiterten Workflow-Anbieter ihre Anwendungsbereiche. Derzeit positionieren viele Workflow-Anbieter ihre Systeme als Business Process Management Sys-teme (BPM) auf dem Markt. Daneben nimmt auch die Business Process Analyse (BPA) einen zunehmend wichtigen Stellenwert ein, dessen Markt ebenfalls stetig wächst. Dies liegt mitunter vor allem daran, dass seitens BPA-Systemen auch Aspekte berücksichtigt werden, die von traditionellen Workflow-Produkten (Diagnose, Simulation, usw.) vernachlässigt werden.

Business Activity Monitoring (BAM) ist eines der aufstrebenden Bereiche bei BPA-Systemen. Dabei nutzen BAM-Tools Daten, die von Informations-systemen protokolliert werden, um die operativen Prozesse zu diagnosti-zieren. Beispielhaft sei hier der ARIS Process Performance Manager (PPM) genannt. Dieser extrahiert Informationen aus Prüfpfaden (Informationen, die während der Ausführung von Fällen protokolliert werden) und gibt die-se grafisch aus (Durchlaufzeiten, Engpässe, Auslastung, usw.). Der Trend, sich stärker auf BPA und BAM zu konzentrieren, ist nicht auf WFM-Systeme beschränkt. So bieten ERP-Systeme beispielsweise sogenannte Business Intelligence Tools (BI) an. So gibt beispielsweise SAP an, dass ihr Produkt mittels BI sämtliche Unternehmensinformationen integriert, so dass sie Informationen in Einblicke, Einblicke in Maßnahmen und Maß-nahmen in verbesserte Geschäftsabläufe umgewandelt werden können.9

Stichworte wie BPA, BAM und BI veranschaulichen den Wunsch, Werkzeu-ge zur Überwachung operativer Geschäftsprozesse anzubieten. So entwi-ckelte sich der Bedarf nach einem System, das zum Ziel hat, ein explizites Prozessmodell aus Ereignisprotokollen zu extrahieren und so ein Prozess-modell zu erzeugen, welches mit dem beobachteten dynamischen Verhal-ten konsistent ist. Optimaler Weise ist ein solches System nicht auf Leis-tungsdaten beschränkt. Alle diese Anforderungen mündeten in Entwick-lungen, aus denen Produkte hervorgingen, die heute in der Literatur unter dem Begriff des Process Mining bekannt ist.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Bestandteile des Business Activity Monitoring (BAM)

Die aktuelle angewandte Forschung geht mittels Prozess Mining eine zu-nehmende Fülle von wissenschaftlichen und praktischen Herausforderun-gen an (zum Beispiel, welche Prozesse hierfür zugänglich sind, welche und vor allem wie viele Daten benötigt werden, um nützliche Informationen bereit zu stellen, in welcher Form diese Informationen ausgegeben wer-den, welcher Art solche Informationen sinnvoll und handhabbar sind, usw.).

4 Grundlagen

4.1 Grundidee

Die Kombinationen aus neuesten Techniken der digitalen Welt und den Prozessen in modernen Organisationen ermöglicht es heutzutage, auch komplizierte und umfangreiche Ereignisse aufzuzeichnen und zu analysie-ren. Doch weitaus wichtiger als das reine Registrieren und Dokumentieren solcher Ereignisse ist, diese Ereignisdaten in einer geeigneten Form nutz-bar zu machen, um Vorgänge besser zu verstehen, Engpässe zu identifi-zieren, Probleme zu antizipieren, Gegenmaßnahmen vorzuschlagen und Prozesse zu verschlanken. Process Mining zielt genau auf diese Art von Fragen ab.11

Typischerweise werden hierzu die Ereignisse (Events), Beginn und Ende einzelner Aktivitäten aufgezeichnet, so dass dadurch ein Ereignisprotokoll (auch Ereignislog oder Event Log genannt) entsteht. Ereignislogdaten können weitere Informationen über Ereignisse enthalten. Unter solche Extrainformationen fallen Ressourcen (etwa Personen oder Geräte), die die Aktivität durchführen, der Zeitstempel des Ereignisses oder zu dem Ereignis gehörende Datenelemente (z. B. Auftragsvolumen). Dadurch lässt sich der gesamte Ablauf der einzelnen Aktivitäten sukzessive nachvollzie-hen. Event Logs werden je nach Informationssystem oder Branche auch als „Transaction Log“, „Process Log“, „Audit Trail“ oder „Historie“ bezeich-net.12

Ausgangspunkt für Process Mining sind solche Ereignislogdaten. Alle Me-thoden des Process Mining gehen davon aus, dass diese Daten die zeitli-che Reihenfolge der Ereignisse wiedergeben, und dabei jedes Ereignis ei-ner Aktivität (Prozessschritt) und einem spezifischen Fall (Prozessinstanz) zugeordnet ist. Unternehmen sammeln Informationen dieser Art und spei-chern diese in ihrem Informationssystem in einer strukturierten Form ab. Hierbei kommen insbesondere prozessorientierte Informationssysteme wie Grundlagen WFM-Systeme neben ERP-, B2B-, CRM- oder SCM-Systemen zum Einsatz.

Dieser Ereignislog wird verwendet, um anhand des aufgezeichneten Ver-haltens ein adäquates Modell des betreffenden Prozesses zu generieren. Der Begriff Process Mining umschreibt im Wesentlichen die Methode einer strukturierten Prozessbeschreibung aus einem Satz realer Ereignisse. Zu-sätzlich lässt sich auch ein bereits existierendes oder vordefiniertes Pro-zessmodell den tatsächlichen Ereignissen gegenüber stellen. Dabei hängt das Vorgehen, der Nutzen und das Ziel von der jeweils angewandten Art des Process Mining ab.

4.2 Arten

Das „Institute of Electrical and Electronic Engineers (IEEE)“, ein Berufs-verband von Ingenieuren aus dem Bereich der Elektro- und Informations-technik, hat eine Expertenkommission gegründet, welche zum Ziel hat, die Forschung, Entwicklung, Bildung, das Verständnis und die Anwendung des Process Mining zu fördern. Diese „IEEE Task Force on Process Mining“ hat abhängig vom jeweiligen Vorgehen drei Typen des Process Mining defi-niert.14

4.2.1 Erkennung (Discovery)

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4: Process-Mining-Art „Erkennung“

[...]

Ende der Leseprobe aus 31 Seiten

Details

Titel
Entwicklung und Grundlagen des Process Mining
Hochschule
Westsächsische Hochschule Zwickau, Standort Zwickau  (Institut für Wirtschaftswissenschaften)
Veranstaltung
Prozessmanagement
Note
1.2
Autor
Jahr
2017
Seiten
31
Katalognummer
V540851
ISBN (eBook)
9783346214249
ISBN (Buch)
9783346214256
Sprache
Deutsch
Schlagworte
process, mining, prozessmanagement
Arbeit zitieren
Dr. Alexander Penner (Autor:in), 2017, Entwicklung und Grundlagen des Process Mining, München, GRIN Verlag, https://www.grin.com/document/540851

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: Entwicklung und Grundlagen des Process Mining



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden