Process Mining für KMU: sehen, wie deine Abläufe wirklich laufen

Der Ablauf im Handbuch ist selten der Ablauf, der läuft.

Im Handbuch geht eine Rechnung vom Eingang zur Prüfung, dann zur Freigabe, dann zur Zahlung. In der Praxis liegt sie drei Tage in einem Postfach, geht zurück, weil eine Bestellnummer fehlt, und wird von zwei Personen freigegeben, weil niemand sicher war, wer zuständig ist. Gesehen hat das niemand vollständig. Jeder kennt nur sein Stück.

Process Mining macht diesen tatsächlichen Ablauf sichtbar, und zwar aus Daten, die deine Systeme ohnehin schon speichern. Für ein KMU ist das weniger ein Grossprojekt als eine Frage der richtigen Reihenfolge: zuerst sehen, dann verbessern, erst danach automatisieren.

Was Process Mining ist

Process Mining wertet die Spuren aus, die ein Vorgang in deinen Systemen hinterlässt. Jedes Mal, wenn in deinem ERP ein Auftrag angelegt, eine Lieferung gebucht oder eine Rechnung bezahlt wird, entsteht ein Eintrag mit Zeitpunkt.

Die Grundbegriffe hat die IEEE Task Force on Process Mining im Process Mining Manifesto zusammengefasst (van der Aalst et al., 2012). Ausgangspunkt ist ein Ereignisprotokoll, ein sogenanntes Event Log. Jedes Ereignis gehört zu einem Vorgang und zu einer Tätigkeit, und die Ereignisse sind geordnet. Zusätzliche Angaben wie ein Zeitstempel oder die ausführende Ressource, also eine Person oder ein Gerät, können dazukommen.

In der Praxis heisst das: drei Spalten genügen für den Anfang. Eine Vorgangsnummer, eine Tätigkeit, ein Zeitstempel.

Drei Fragen, die es beantwortet

Das Manifest unterscheidet drei Arten von Process Mining:

• Entdecken: Wie läuft der Prozess tatsächlich? Aus den Daten entsteht ein Ablaufbild, das auch die ungeplanten Varianten zeigt.
• Abgleichen: Wo weicht die Praxis von der Vorgabe ab? Etwa Rechnungen, die ohne Freigabe bezahlt wurden.
• Erweitern: Wo geht Zeit verloren? Das Ablaufbild wird um Wartezeiten und Häufigkeiten ergänzt.

Unsere Einschätzung: Für ein KMU ist meist die erste Frage die wertvollste. Ein ausgearbeitetes Soll-Modell gibt es selten. Für den Abgleich genügt aber schon eine einzelne Regel, etwa «Rechnungen ab CHF 5'000 brauchen eine Freigabe».

Die ehrliche Frage zuerst: Sind deine Daten gut genug?

Hier entscheidet sich, ob Process Mining für dich überhaupt etwas taugt. Das Manifest teilt Ereignisdaten in fünf Reifegrade ein, von einem bis fünf Sternen.

• Vier und fünf Sterne: Die Einträge entstehen systematisch, vollständig und zuverlässig. Als Beispiel nennt das Manifest die Protokolle klassischer Workflow-Systeme.
• Drei Sterne: Die Einträge entstehen automatisch und stimmen mit der Wirklichkeit überein, sind aber nicht unbedingt vollständig. Beispiele sind Tabellen in ERP-Systemen und Protokolle von CRM-Systemen.
• Zwei Sterne: Die Einträge entstehen automatisch, aber lückenhaft, weil man das System umgehen kann. Beispiele sind Dokumenten- und Produktmanagementsysteme und Arbeitsrapporte von Servicetechnikern.
• Ein Stern: Von Hand erfasste Spuren, die nicht unbedingt der Wirklichkeit entsprechen, etwa Notizzettel auf Papierdokumenten oder Patientenakten auf Papier.

Die Folgerung im Manifest ist deutlich: Ab drei Sternen lässt sich Process Mining anwenden. Bei einem oder zwei Sternen ist die Auswertung typischerweise problematisch und das Ergebnis nicht vertrauenswürdig.

Unsere Einschätzung für Schweizer KMU: Wo ein Prozess über ein ERP, eine Buchhaltungssoftware oder ein Ticketsystem läuft, liegen die Daten oft bei drei Sternen. Wo er über E-Mail, Excel-Listen und Zurufe läuft, findet Process Mining wenig. Das ist kein Grund aufzugeben, aber ein Grund, mit dem richtigen Prozess anzufangen.

Wo es sich für ein KMU lohnt

Gute Kandidaten haben drei Eigenschaften: Sie wiederholen sich oft, sie laufen über mehrere Personen oder Systeme, und sie hinterlassen Zeitstempel.

• Vom Auftrag bis zur Zahlung: Bestellung, Prüfung, Lieferung, Rechnung, Zahlungseingang. Hier sieht man, wo Aufträge stehen bleiben und wie lange es bis zum Geld dauert.
• Rechnungseingang: Erfassung, Kontierung, Freigabe, Zahlung. Hier zeigen sich Schleifen, etwa Rechnungen, die mehrfach zurückgehen.
• Anfrage bis Offerte: Eingang im CRM, Qualifizierung, Offerte, Nachfassen. Hier wird sichtbar, wie viele Anfragen tagelang unberührt liegen.
• Support-Tickets: Eröffnung, Weiterleitung, Lösung, Wiedereröffnung. Häufiges Weiterreichen deutet auf unklare Zuständigkeiten hin.

Was diese Prozesse gemeinsam haben: Der Engpass liegt oft nicht dort, wo die Beteiligten ihn vermuten. Jeder sieht seine eigene Arbeitszeit, niemand die Wartezeit zwischen zwei Stationen.

Erst verstehen, dann verbessern, dann automatisieren

Process Mining wird oft mit Prozessautomatisierung in einen Topf geworfen. Die beiden lösen verschiedene Aufgaben:

• Process Mining zeigt, wie ein Prozess läuft.
• Prozessoptimierung entscheidet, wie er laufen soll.
• Automatisierung setzt geeignete Schritte technisch um.

Die Reihenfolge ist entscheidend. Wer einen umständlichen Ablauf automatisiert, hat danach einen umständlichen Ablauf, der schneller läuft. Manche Engpässe brauchen gar keine Technik, sondern eine klare Zuständigkeit oder eine Freigabestufe weniger.

Erst wenn der bessere Ablauf feststeht, lohnt die Frage, welche Schritte eine Maschine übernimmt. Welche das typischerweise sind, steht in 12 Prozesse, die sich heute automatisieren lassen. Und wenn die Daten in zwei Systemen liegen, die nicht miteinander sprechen, beginnt die Arbeit bei der Verbindung von ERP und CRM.

Der Schweizer Punkt: Prozesse auswerten, nicht Menschen

Ein Ereignisprotokoll enthält oft auch, wer einen Schritt erledigt hat. Damit wird Process Mining schnell zu einer Frage des Arbeitsrechts.

Drei Bestimmungen sind dafür massgeblich:

• Art. 26 Abs. 1 ArGV 3: «Überwachungs- und Kontrollsysteme, die das Verhalten der Arbeitnehmer am Arbeitsplatz überwachen sollen, dürfen nicht eingesetzt werden.» Sind solche Systeme aus anderen Gründen erforderlich, sind sie nach Abs. 2 insbesondere so zu gestalten und anzuordnen, dass die Gesundheit und die Bewegungsfreiheit der Arbeitnehmer nicht beeinträchtigt werden.
• Art. 328b OR: Der Arbeitgeber darf Daten über Mitarbeitende nur bearbeiten, soweit sie deren Eignung für das Arbeitsverhältnis betreffen oder zur Durchführung des Arbeitsvertrags erforderlich sind.
• Art. 6 DSG: Personendaten dürfen nur zu einem bestimmten und für die betroffene Person erkennbaren Zweck beschafft werden, die Bearbeitung muss verhältnismässig sein, und nicht mehr benötigte Daten werden vernichtet oder anonymisiert.

Für die Praxis folgt daraus eine klare Linie: Werte den Vorgang aus, nicht die Person. Konkret:

• Lass die Spalte mit dem Namen weg oder ersetze sie durch eine Rolle wie «Buchhaltung» oder «Verkauf». Ist eine Rolle nur mit einer Person besetzt, bleibt sie erkennbar; dann lass die Spalte ganz weg.
• Halte den Zweck vor dem Start schriftlich fest und informiere das Team.
• Lösche den Export, wenn die Analyse fertig ist.

Enthält das Protokoll Kundennamen, gilt für sie dasselbe: weglassen, was die Analyse nicht braucht.

Wer Process Mining dagegen nutzt, um einzelne Mitarbeitende zu vergleichen, bewegt sich nahe am Verbot aus Art. 26 ArGV 3. Wo die Grenze im Einzelfall liegt, gehört vor dem Start zu einer Fachperson. Mehr zum Datenschutz bei KI und Datenanalysen steht in KI und Datenschutz in der Schweiz.

So startest du mit einem Prozess

Ein erster Versuch braucht kein Budget für eine Plattform. Er braucht eine Frage und einen Export.

1. Eine Frage, ein Prozess. Nicht «Wo sind wir ineffizient?», sondern «Warum dauert es von der Bestellung bis zur Rechnung so lange?».
2. Ein Export mit drei Spalten. Vorgangsnummer, Tätigkeit, Zeitstempel, als CSV aus dem ERP, der Buchhaltung oder dem Ticketsystem. Gibt das System auch den Beginn einer Tätigkeit her, nimm ihn als vierte Spalte mit. Ohne Personennamen, siehe oben.
3. Eine erste Auswertung. Wer etwas Python beherrscht, kommt für einen Test mit der quelloffenen Bibliothek PM4Py (Lizenz AGPL-3.0) aus. Ohne Programmierkenntnisse ist die Testversion eines kommerziellen Werkzeugs der einfachere Weg.
4. Ein Gespräch. Zeig das Ablaufbild den Leuten, die im Prozess arbeiten. Die Daten zeigen, wo Zeit verloren geht. Warum, wissen meistens die Beteiligten.
5. Eine Änderung, dann nachmessen. Mit demselben Export, nach einigen Wochen.

Liegen die Daten verteilt in mehreren Programmen, ist der Export der eigentliche Aufwand. Wie Systeme Daten austauschen, erklärt der Beitrag zur API-Schnittstelle für KMU.

Welche Kennzahlen zählen

Für den Anfang genügen vier KPI:

• Durchlaufzeit: Wie lange dauert ein Vorgang vom Start bis zum Ende?
• Bearbeitungszeit: Wie lange wird tatsächlich daran gearbeitet?
• Nacharbeitsquote: Wie oft geht ein Vorgang einen Schritt zurück?
• Anzahl Varianten: Auf wie vielen verschiedenen Wegen läuft derselbe Prozess?

Der aufschlussreichste Vergleich ist der zwischen den ersten beiden. Dafür braucht der Export allerdings je Tätigkeit zwei Zeitpunkte, Beginn und Abschluss. Mit nur einem Zeitstempel lässt sich die Durchlaufzeit messen, die Bearbeitungszeit nicht.

Ist die Durchlaufzeit ein Vielfaches der Bearbeitungszeit, liegt das Problem im Warten, nicht im Arbeiten. Dann hilft keine schnellere Software, sondern eine kürzere Übergabe.

Keine Kennzahl taugt allein. Eine kürzere Bearbeitungszeit ist nichts wert, wenn dafür die Nacharbeit steigt.

Was Process Mining nicht kann

Drei Grenzen, die man vor dem Start kennen sollte:

• Es sieht nur, was gespeichert wird. Ein Telefonat, ein Gang ins Nachbarbüro, eine Absprache am Kaffeeautomaten fehlen im Protokoll.
• Es zeigt das Wo, nicht das Warum. Ein Engpass in den Daten ist ein Hinweis, keine Diagnose.
• Es verbessert nichts von selbst. Ohne jemanden, der die Änderung verantwortet, bleibt das Ablaufbild ein schönes Bild.

Auch KI ändert daran wenig. Sie kann Auffälligkeiten sortieren oder Folgeaufgaben übernehmen, wenn der Ablauf geklärt ist. Wie das aussieht, wenn ein System selbst handelt, zeigt KI-Agenten für Unternehmen.

Was ALPENIQ hier tut

ALPENIQ AI analysiert Abläufe, verbessert sie und automatisiert danach, was sich automatisieren lässt, mit Integrationen zwischen CRM, ERP und Microsoft 365. Die Prozessanalyse ist dabei der erste Schritt, nicht ein Zusatz. Den Umfang findest du unter Prozessautomatisierung.

Eine eigene Process-Mining-Plattform betreiben wir nicht. Wo grosse Datenmengen laufend ausgewertet werden sollen, ist ein spezialisiertes Werkzeug die bessere Wahl.

Fazit

Process Mining beantwortet eine einfache Frage mit Daten: Wie läuft dieser Prozess wirklich? Für ein KMU lohnt es sich dort, wo ein Ablauf über Systeme mit sauberen Zeitstempeln läuft. Der Einstieg ist ein einzelner Prozess, ein Export mit drei Spalten und ein Gespräch mit den Beteiligten. Wer den Vorgang auswertet und nicht die Person, hält sich dabei auch an die Linie, die das Schweizer Recht vorgibt.

Wo du weiterliest

• Wie du die erste KI-Aufgabe auswählst und misst: KI-Strategie für KMU
• Was Microsoft 365 an Automatisierung schon mitbringt: Power Automate für KMU
• Begriffe ohne Fachjargon: API im Glossar

Häufig gestellte Fragen (FAQ)