Die meisten Prozessdiagramme im Unternehmen zeigen, wie ein Ablauf gemeint war. Process Mining zeigt, wie er wirklich läuft. Es liest die Protokolldaten der beteiligten Systeme, also die Spur aus Zeitstempeln und Vorgangsnummern, die jeder Klick in ERP, CRM oder Ticketsystem hinterlässt, und setzt daraus den tatsächlichen Weg jedes einzelnen Falls zusammen. Am Ende siehst du nicht das saubere Soll-Bild aus dem Workshop, sondern den echten Verlauf mit allen Schleifen, Rücksprüngen und Wartezeiten.

Das ist mächtig, weil es unbestechlich ist. Ein Interview sammelt Meinungen darüber, wie ein Prozess funktioniert, und Menschen erinnern den Normalfall besser als den Sonderfall. Die Logs erinnern alles. Sie zeigen den Vorgang, der dreimal zwischen zwei Abteilungen hin- und hergereicht wurde, und die Genehmigung, die im Schnitt vier Tage liegen bleibt. Genau diese unsichtbaren Muster sind oft der eigentliche Engpass.

Process Mining zeigt dir, wo dein Prozess blutet. Es legt keinen Verband an.

Der Haken steckt im letzten Satz. Process Mining ist eine Diagnose, kein Eingriff. Es misst und macht sichtbar, aber es verbessert nichts von allein. Wer das Tool kauft und danach eine Verbesserung erwartet, hat den mittleren Teil übersprungen: die Entscheidung, was mit dem Befund geschieht, und die Arbeit, es umzusetzen.

Der Nutzen von Process Mining steht und fällt mit drei Bedingungen, und alle drei müssen zusammenkommen. Die erste ist Volumen. Ein Prozess, der hundertmal am Tag läuft, hat statistisch belastbare Muster. Einer, der zweimal im Monat läuft, hat Anekdoten. Die zweite ist Varianz. Wenn jeder Fall gleich abläuft, brauchst du keine Datenanalyse, um den Weg zu kennen. Der Wert entsteht dort, wo Fälle unterschiedliche Wege nehmen und niemand mehr genau weiß, warum und wie oft.

Die dritte Bedingung ist die härteste: verwertbare Logs. Process Mining kann nur rekonstruieren, was die Systeme aufgezeichnet haben. Läuft ein Teil des Ablaufs über Zuruf, E-Mail oder eine Excel-Tabelle auf einem Laufwerk, fehlt genau dort die Spur. Dann zeigt die Analyse einen Prozess mit blinden Flecken, und die blinden Flecken sind oft die Stellen, die dich eigentlich interessieren.

Es gibt einen ganzen Bereich von Abläufen, für die Process Mining schlicht zu groß ist. Ein Prozess, den drei Leute bearbeiten und den du an einem Nachmittag von Anfang bis Ende beobachten kannst, braucht keine Datenrekonstruktion. Du siehst den Engpass mit eigenen Augen. Ein Tool dazwischenzuschalten kostet Lizenzen, Datenanbindung und Wochen, und liefert am Ende dieselbe Erkenntnis, die ein Gespräch in einer Stunde gebracht hätte.

Der zweite Fall ist der Prozess ohne digitale Spuren. Wenn der Ablauf zur Hälfte in Köpfen, Telefonaten und Zetteln stattfindet, hat Process Mining nichts zu lesen. Die Analyse würde nur den digitalen Rest zeigen und den entscheidenden Teil auslassen. Hier ist das ehrliche Werkzeug nicht die Software, sondern die Beobachtung, ergänzt um eine einfache Messung der Zeiten und Fehlerquoten.

Auch wenn Process Mining am Ende passt, muss es selten der erste Schritt sein. Der günstigere Einstieg beginnt mit einer klaren Frage: Was willst du eigentlich wissen? Suchst du den Engpass in einem konkreten Ablauf, oder willst du dein ganzes Prozesslandbild vermessen? Die erste Frage beantwortet oft eine gezielte Messung, die zweite ist ein Programm, das man nicht auf Verdacht startet.

Fang mit dem an, was du ohne Lizenz herausfindest. Eine dokumentierte Baseline, ein paar Interviews mit den Menschen, die den Prozess täglich bearbeiten, und ein Blick in die vorhandenen Zahlen bringen dich überraschend weit. Wenn du danach immer noch eine Frage hast, die nur die Logs beantworten können, etwa warum ein Viertel der Fälle einen Umweg nimmt, dann hast du einen echten Grund für Process Mining und einen klaren Scope dazu.

• Beginne mit der Frage, nicht mit dem Tool: was genau willst du herausfinden?
• Miss die Baseline am echten Ablauf, bevor du eine Plattform anbindest.
• Prüfe die Logs: liegen die nötigen Spuren überhaupt vollständig vor?
• Grenze den Scope ab auf einen Prozess mit Volumen und Varianz, nicht auf alles zugleich.
• Plane den Schritt danach: Process Mining findet den Befund, die Verbesserung machst du selbst.

Kernsatz: Process Mining ist ein starkes Diagnosewerkzeug für große, verwinkelte Abläufe mit sauberen Daten, und ein teurer Umweg für alles, was du auch direkt anschauen kannst.

Process Mining verbessert den Prozess.

Es misst und zeigt, mehr nicht. Die Verbesserung ist eine getrennte Entscheidung mit eigener Arbeit dahinter. Ein Befund allein hat noch nie eine Durchlaufzeit gesenkt.

Mehr Daten heißt automatisch mehr Erkenntnis.

Nur wenn die Daten den relevanten Teil des Ablaufs abbilden. Fehlt die Spur an der interessanten Stelle, produziert ein größerer Datensatz nur ein detailliertes Bild vom falschen Ausschnitt.

Ein Prozessdiagramm ersetzt die Analyse.

Das gezeichnete Soll-Bild zeigt die Absicht, nicht die Wirklichkeit. Genau die Lücke zwischen beiden ist der Grund, warum Process Mining überhaupt existiert.

Process Mining, Business Process Management (BPM), Ausgangslinie (Baseline), Datenqualität.

Ab welcher Größe lohnt sich Process Mining?

Nicht die Größe des Unternehmens entscheidet, sondern der Prozess: Läuft er oft, hat er echte Varianten und liegen vollständige Logs vor, kann sich die Analyse auch im Mittelstand lohnen. Ein seltener, gleichförmiger Ablauf lohnt sie nie, egal wie groß das Haus ist.

Was, wenn unsere Daten lückenhaft sind?

Dann zeigt Process Mining ein lückenhaftes Bild, und die Lücken sitzen oft genau dort, wo es spannend wird. In diesem Fall ist der erste Schritt, den Prozess digital erfassbar zu machen, nicht die Analyse selbst. Sonst analysierst du den Teil, der ohnehin schon sauber läuft.

Brauchen wir für Process Mining eine teure Plattform?

Nicht zwingend als Erstes. Viele Fragen lassen sich mit einer gezielten Auswertung vorhandener Log-Daten beantworten. Die Plattform lohnt sich, wenn du denselben Blick regelmäßig und über mehrere Prozesse hinweg brauchst, nicht für eine einmalige Diagnose.

Es werden keine externen Marktwerte oder ungeprüften Kundenergebnisse als belegt behauptet. Der Zuschnitt einer Analyse wird vor Umsetzung am realen Datenbestand geprüft.