Unter Process Mining versteht man die systematische Analyse und Auswertung von Geschäftsprozessen. Zur Veranschaulichung stellen wir uns ein Maschinenbau Unternehmen vor. Typischerweise würde man bei einem Process Mining Projekt initial versuchen sich auf einen Geschäftsbereich zu konzentrieren.
Dieser könnte beispielhaft die Produktion sein. Ein klassisches mittelständisches Unternehmen im KMU Bereich würde voraussichtlich an einem Standort produzieren und wäre vom Einkauf abhängig.
Der erste Schritt im Process Mining müsste hier sein in einem schlanken Beratungsprojekt alle Prozesse, die in dieser Abteilung ablaufen aufzunehmen, zu dokumentieren und zu verstehen, um sich einen inhaltlichen Überblick zu verschaffen.
Hier ist grundsätzlich empfehlenswert keine 200-seitigen Dokumentationen zu erstellen und jede Kleinigkeit im Detail zu beschreiben, sondern sich auf gute Visualisierungen zu konzentrieren. Das wichtigste ist aber: Fokus auf Prozesse die Daten erzeugen oder in Zukunft erzeugen können / sollen.
Wenn der Überblick da ist, würde es in die technologische Implementierung gehen. Dafür benötigt man im Optimalfall ein BI Tool wie zum Beispiel PowerBI von Microsoft & Pipelines / Anbindungen, um die Prozess-Daten für PowerBI nutzbar zu machen. Auf dem Weg hin zu PowerBI müssen die Daten in den Pipelines transformiert werden, um sicherzustellen, dass die Daten aus potenziell unterschiedlichen Quellen einheitlich nutzbar sind.
Hier liegt oft ein Großteil des Aufwands – definieren welche Daten man braucht, herausfinden wie man an Sie rankommt und die Umsetzung der technischen Integration. Sind die Prozessdaten einmal in PowerBI und die Pipelines stehen ist die Visualisierung und Analyse der Daten im Tool für einen erfahrenen Data-Scientisten ein Kinderspiel.
Der große Vorteil hier: Tools wie PowerBI sind oft so einfach zu handhaben, dass auch Fachbereiche mit einer kleinen Schulung auf Ursachenforschung gehen können. Gehen wir zurück zu unserem Beispiel KMU vom Anfang. Nach Identifikation der Prozesse, aufsetzen der Pipelines und Visualisierung der Daten haben wir nun folgenden Mehrwert für das Unternehmen erreicht: Wir kennen die Prozessdauer und Aufwände jedes Schritts in der Produktion, verstehen wo Bottlenecks entstehen und was uns Produktivität und Geld kostet.
Noch viel besser: Durch unsere Pipelines sind wir in der Lage Livedaten zu verarbeiten und haben zusätzlich ein komplettes Monitoring & Alerting System geschaffen (mit minimalem Extraaufwand). Wir können somit schnell auf Probleme in der Produktion reagieren und sie im Keim stoppen sowie deren Ursachen unmissverständlich erkennen. Aber das ist noch nicht alles… auf Basis der hier geschaffenen Grundlage können wir nun an die Optimierung gehen. Wir können Prozesse ändern und anpassen und wissen nicht nur im Bauchgefühl, ob die neue Version effizienter ist, sondern können dies auf Grund von Daten belegen!
Und das Beste kommt zum Schluss… mit etwas Programmieraufwand können wir sogar KI-Algorithmen integrieren um unsere Produktion vollautomatisiert und alle historischen Daten beachtend laufend zu optimieren.
Die nächste Ausbaustufe wäre es z.B. andere Abteilungen zu integrieren und die Zusammenhänge zu erkennen. Der Einkauf wird zum Beispiel sehr eng mit der Produktion verkoppelt sein. Hier liegen viele weitere Optimierungspotenziale.
Die Ailio GmbH ist ein auf Data-Science und Künstliche Intelligenz spezialisierter Dienstleister aus Bielefeld. Wir beraten in beiden Bereichen und entfesseln das Potential der Daten, die momentan im deutschen Mittelstand brach liegen. Dabei gehen wir kostenoptimierend und risikominimierend vor. Bei Interesse kontaktieren Sie uns gerne direkt!
Wollen Sie gemeinsam mit uns das Potential in Ihren Daten zum Leben erwecken? Dann sollten wir reden!
Bitkom hat den Smart-City Index veröffentlicht und rankt dabei einen unserer Standorte Hamburg auf Platz 1, knapp vor München. In Bielefeld, unserem Hauptstandort hängen wir
Zusammenfassung Process Mining Unter Process Mining versteht man die systematische Analyse und Auswertung von Geschäftsprozessen. Zur Veranschaulichung stellen wir uns ein Maschinenbau Unternehmen vor. Typischerweise
Zusammenfassung Predictive Maintenance Predictive Maintenance beschreibt die Kunst durch das intelligente Auswerten von Messdaten von Sensoren und internen Maschinendaten vorherzusagen, wann Wartungen am sinnvollsten sind.
