Dynamischer Wettbewerb, steigende Informationsdichte, technische Entwicklungen und die Zunahme gesetzlicher Vorschriften verändern die Strukturen und Geschäftsmodelle von Unternehmen im Maschinenbau nachhaltig. Fest steht: Die Veränderungen werden zu mehr Intransparenz und Ineffizienz in den betrieblichen Strukturen, Prozessen und Aktivitäten führen. Gleichzeitig erfordern neue datenschutzrechtliche Vorgaben häufig eine schriftliche Dokumentation der Prozesse. Dies führt zur Bindung von Kapazitäten im Unternehmen, die effizienter für wertschöpfende Tätigkeiten eingesetzt werden könnten. Wo ein großer Teil der Maschinenbaubranche klar definierte und automatisierte Produktionsprozesse etabliert hat, sehen sich viele Unternehmen noch mit Prozessen im Einkauf, in der Lieferkette und Logistik sowie HR und weiteren administrativen Bereichen konfrontiert, deren wirkliche Abläufe eine Blackbox für das Management sind. Um den Wandel zur Industrie 4.0 auch in anderen Bereichen als der Produktion zu vollziehen, ist es unerlässlich, transparente und effiziente Work Flows zu schaffen.
Wissen, was im Unternehmen wirklich passiert: Das ist der große Vorteil von Process Mining. Process Mining ist ein technisches Verfahren, das Prozesse anhand „digitaler Spuren“ aus beteiligten Informationssystemen nachbildet und visualisiert. Bei Process Mining lässt sich die Sammlung und Aufbereitung der Daten dem Data Mining zuordnen, wohingegen die Analyse der Prozesse, welche diese Daten darstellen, eher in das Business Process Management einzuordnen ist. Daraus setzt sich ein smartes Analysewerkzeug zusammen, welches Ineffizienzen und Optimierungspotenziale visuell sichtbar macht und so eine zeitnahe Prozessoptimierung und -automatisierung ermöglicht.
Sämtliche Analysen erfolgen auf Basis von Echtdaten Ihrer Systeme und bieten tiefgreifende, transparente Einblicke in Ihre Prozesse in Echtzeit. Dabei können Daten aus verschiedenen Systemen entnommen und verwendet werden. Die einzige Einschränkung ist, dass die Prozessdaten in einem digitalen System abgebildet sein müssen. Als Beispiele hierfür sind ERP-Systeme, Produktionsplanungssysteme, Ticketsysteme, HR-Tools oder Maschinendaten aus der Produktion zu nennen. Das detaillierte Verständnis der Prozesse und ihrer Performance wird durch die Visualisierung in Dashboards vereinfacht, wodurch sich Muster und Abweichungen vom Soll-Prozess intuitiv erkennen lassen. Die traditionelle statische „Tabellensicht“ weicht somit einer dynamischen Perspektive des Ist-Prozesses, welches sich mit dem Soll-Konstrukt des Prozesses vergleichen lässt.
Gerade im Maschinenbau, wo die Löhne überproportional steigen und der Preisdruck aufgrund neuer Anbieter aus Entwicklungs- und Schwellenländern steigt, bieten die Analyse- und Optimierungsmöglichkeiten des Process Mining enorme Möglichkeiten und Vorteile:
Der letzte Punkte zeigt, dass die Durchführung von Process Mining vor allem im Vorlauf einer umfangreichen Prozessautomatisierung, etwa durch den Einsatz von RPA an. RPA ist in der Lage, Prozesse bzw. Prozesssegmente einfacher, gleichzeitig schneller und somit effizienter zu bearbeiten. Zudem besitzt sie den Vorteil, dass Prozesse mit signifikant geringerer Fehlerquote durchgeführt werden. Die folgende Abbildung zeigt exemplarisch die Automatisierungsmöglichkeiten im Einkauf. Ähnliche Potenziale bestehen jedoch in allen administrativen Prozessen (Rechnungswesen, Controlling, Personal, Kundenservice, IT etc.).
