Process Mining: Die tatsächlichen Geschäftsprozesse anhand von Systemdaten erkennen

Viele Unternehmen haben ihre Prozesse schon einmal aufgezeichnet: wie Aufträge freigegeben, Waren versendet, Rechnungen gestellt und Zahlungen eingezogen werden. Doch ein Prozessdiagramm beschreibt meist, „wie es sein soll“, und nicht, „wie es tatsächlich läuft“. Im echten Geschäft werden Aufträge mehrfach geändert, Freigaben übersprungen und Belege bleiben an einer Stelle tagelang liegen. Der Wert von Process Mining liegt darin, mit den Daten, die in Ihren Geschäftssystemen ohnehin vorhanden sind, das wahre Bild der Prozesse zu rekonstruieren – statt sich auf Erinnerung und Eindrücke zu verlassen.

Was ist Process Mining also genau, für welche Unternehmen eignet es sich, und wie gelingt der Einstieg? In diesem Beitrag stellen wir die Grundidee von Process Mining und den Unterschied zur klassischen Prozessaufnahme vor, erklären, was ein „Event-Log“ ist, zeigen, welche Probleme sich im Order-to-Cash-Prozess finden lassen, geben einen Überblick über den Entwicklungsstand des Marktes und beschreiben, wie mittelständische Unternehmen schlank beginnen können. Außerdem gehen wir auf eine oft übersehene Frage ein: wie sich verhindern lässt, dass Process Mining zur Mitarbeiterüberwachung wird.

Was ist Process Mining, und worin unterscheidet es sich von der klassischen Prozessaufnahme?

Process Mining ist eine Gruppe von Methoden, mit denen sich reale Prozesse anhand der Ereignisdaten aus Geschäftssystemen entdecken, überwachen und verbessern lassen. Es beantwortet nicht die Frage, wie ein Prozess aussehen soll, sondern wie er tatsächlich aussieht.

Die wissenschaftlichen Grundlagen dieses Feldes gehen auf den Informatiker Wil van der Aalst zurück. Er ist Professor an der RWTH Aachen University, leitet dort die Forschungsgruppe Process and Data Science und wird oft als „Vater des Process Mining“ bezeichnet; seine Forschung seit Ende der 1990er-Jahre hat zahlreiche kommerzielle und quelloffene Process-Mining-Werkzeuge hervorgebracht (Quelle). Im Jahr 2011 veröffentlichte die IEEE Task Force on Process Mining das „Process Mining Manifesto“. Darin wird Process Mining als Technik, Werkzeug und Methode definiert, die Wissen aus Event-Logs gewinnt, um „reale Prozesse (nicht angenommene Prozesse)“ zu entdecken, zu überwachen und zu verbessern (Quelle).

Das Manifest unterscheidet drei grundlegende Anwendungsarten, die bis heute der einfachste Rahmen zum Verständnis dieser Technik sind:

• Prozessentdeckung (Discovery). Ohne jedes vorgegebene Modell wird das Prozessdiagramm direkt aus den Daten erstellt. Importiert man etwa die Verkaufsaufträge eines Jahres, erhält man automatisch alle Pfade, die ein Auftrag von der Anlage bis zum Zahlungseingang tatsächlich durchlaufen hat.
• Konformitätsprüfung (Conformance). Der vorhandene Soll-Prozess wird mit den realen Daten verglichen, um Abweichungen zu finden. Schreibt eine Richtlinie beispielsweise vor, dass Beschaffungen über einem bestimmten Betrag von der Geschäftsführung freigegeben werden müssen, zeigen die Daten, wie viele Vorgänge diesen Schritt umgangen haben.
• Prozessverbesserung (Enhancement). Das Prozessdiagramm wird um Informationen zu Zeit, Häufigkeit und Kosten ergänzt, sodass sichtbar wird, wo es langsam ist und wo es sich staut. Markiert man etwa die durchschnittliche Wartezeit je Schritt, findet man den zeitaufwendigsten Abschnitt.

Process Mining soll die klassische Prozessaufnahme nicht ersetzen. Die traditionelle Methode stützt sich auf Interviews, Workshops und Beobachtung vor Ort und ist stark darin, zu verstehen, „warum etwas so gemacht wird“; Process Mining stützt sich auf Systemdaten und beantwortet, „was tatsächlich passiert ist und wie oft“. Die folgende Tabelle stellt die wichtigsten Unterschiede gegenüber:

Am besten kombiniert man beides: Zuerst zeigen die Daten, wo das Problem liegt, dann klären Gespräche, warum es besteht. Die Daten sagen Ihnen, „wo etwas nicht stimmt“, die Menschen sagen Ihnen, „warum“.

Wie funktioniert Process Mining? Das Event-Log als Ausgangspunkt

Das Rohmaterial für Process Mining heißt Event-Log. Sobald ein System festhält, „welcher Vorgang, was, wann“ geschehen ist, ist die Grundlage für Process Mining gegeben.

Ein einfaches Event-Log besteht in der Regel aus drei Spalten:

• Fall-ID (Case ID): kennzeichnet dasselbe Geschäftsobjekt, etwa eine Kundenauftragsnummer, eine Bestellnummer oder eine Auftragsnummer im Service.
• Aktivität (Activity): der Schritt, den das Objekt durchläuft, zum Beispiel „Auftrag anlegen“, „Kreditprüfung“, „Versand“, „Rechnungsstellung“, „Zahlungseingang“.
• Zeitstempel (Timestamp): der Zeitpunkt, zu dem dieser Schritt stattgefunden hat.

Streng genommen verlangt das Process Mining Manifesto nur, dass sich jeder Datensatz einem Fall und einer Aktivität zuordnen lässt; Zeitstempel, Bearbeiter und Ähnliches sind optionale Zusatzinformationen (Quelle). In der praktischen Geschäftsanalyse lassen sich ohne Zeitstempel jedoch weder Wartezeiten berechnen noch Engpässe finden, deshalb sollten alle drei Spalten vorliegen.

Am Beispiel des Order-to-Cash-Prozesses (vom Auftrag bis zum Zahlungseingang) könnte ein aus dem ERP aufbereitetes Event-Log so aussehen:

Auftragsnummern und Daten sind hier lediglich Beispiele. Einige Zeilen allein sagen wenig, doch werden die Datensätze mehrerer zehntausend Aufträge zusammengeführt, verknüpft das Werkzeug sie über die Auftragsnummer, fasst gleiche Pfade zusammen und zeichnet ein Prozessdiagramm mit Häufigkeiten und Durchlaufzeiten. Schon die wenigen Zeilen oben zeigen zwei häufige Problemtypen: Bei SO-1001 wurde die Rechnung erst 5 Tage nach dem Versand gestellt; bei SO-1002 erfolgte der Versand vor der Kreditprüfung, die Reihenfolge ist also vertauscht.

Im Order-to-Cash-Prozess deckt Process Mining am häufigsten vier Arten von Problemen auf:

• Nacharbeit. Preis, Menge oder Liefertermin desselben Auftrags werden wiederholt geändert, oder Rechnungen werden nach der Ausstellung storniert und neu erstellt. Werden zum Beispiel viele Aufträge vor dem Versand mehr als zweimal geändert, deutet das oft auf ungenaue Informationen bei Angebot oder Auftragserfassung hin.
• Umwege. Der tatsächliche Pfad weicht von den Vorgaben ab. Beispiele sind übersprungene oder nachträglich durchgeführte Kreditprüfungen oder Aufträge von Großkunden, deren Versand am System vorbei veranlasst wird. Solche Fälle sind nicht zwingend regelwidrig, aber es muss geklärt werden, ob eine sachgerechte Autorisierung vorliegt.
• Engpässe. In einem Schritt stauen sich viele Fälle, und die Bearbeitungszeit liegt deutlich über der anderer Schritte. Beispielsweise müssen alle Aufträge, die das Kreditlimit überschreiten, auf die Freigabe durch einen einzigen Finanzleiter warten, und zum Monatsende bilden sich lange Schlangen.
• Wartezeiten. Zwischen zwei Schritten geschieht nichts, der Beleg „wartet“ nur. Die Ware ist beispielsweise bereits versandt, aber die Rechnung kann erst gestellt werden, wenn der Außendienst nach der Rückkehr ins Büro Unterlagen nachreicht; je später die Rechnung, desto später der Zahlungseingang.

Wirklich wertvolle Erkenntnisse sind selten pauschale Aussagen wie „der Prozess ist chaotisch“, sondern konkrete Fakten wie „bei welcher Art von Aufträgen, in welchem Schritt, im Durchschnitt wie viele Tage zusätzlich gewartet wird“. Derselbe Ansatz gilt für den Procure-to-Pay-Prozess (von der Bestellung bis zur Zahlung): Man kann etwa Fälle finden, in denen zuerst die Rechnung eintrifft und die Bestellung nachträglich angelegt wird, oder Schritte, in denen Rechnungen wegen Abweichungen im Drei-Wege-Abgleich (Bestellung, Wareneingang, Rechnung) wiederholt zurückgewiesen werden.

Wo steht der Markt für Process Mining?

Process Mining ist von der akademischen Forschung zu einem eigenständigen Softwaremarkt herangewachsen und wächst weiterhin recht dynamisch. Für mittelständische Unternehmen ist jedoch wichtiger als die Wahl der Plattform, zunächst zu klären, welches Problem gelöst werden soll.

Das Marktforschungsunternehmen Gartner veröffentlicht regelmäßig den „Magic Quadrant“ für Process-Mining-Plattformen. Laut einem Bericht des Branchenmediums Process Excellence Network über den im April 2025 erschienenen Gartner „Magic Quadrant for Process Mining Platforms“ erzielte der weltweite Markt für Process-Mining-Software 2023 einen Umsatz von 871,6 Mio. US-Dollar bei einem Wachstum von 39,5 %; 2024 stiegen die Ausgaben um mehr als 30 %; Gartner erwartet, dass der Markt bis 2028 über 2 Mrd. US-Dollar erreicht, bei einer durchschnittlichen jährlichen Wachstumsrate von rund 18 % von 2023 bis 2028 (Quelle). Der Bericht bewertet 16 Anbieter. Zu beachten ist, dass diese Zahlen die Umsätze der Softwareanbieter messen und vor allem das Beschaffungsverhalten großer und mittelgroßer Unternehmen widerspiegeln; sie sagen nichts über die Verbreitung im Mittelstand aus.

Derselbe Bericht fasst außerdem mehrere Einschätzungen von Gartner zu diesem Markt zusammen, die für das Verständnis der technischen Entwicklung hilfreich sind:

• Die Grundfunktionen sind standardisiert. Gartner führt „Extraktion von Event-Logs, Prozessmodellierung und -analyse, Vergleichsanalyse und Erweiterung von Prozessmodellen“ als die vier Pflichtfunktionen einer Process-Mining-Plattform auf.
• Die Treiber der Einführung verändern sich. Neben Kostensenkung, Effizienzsteigerung und digitaler Transformation müssen Unternehmen, die KI und generative KI einführen, zunächst verstehen, wie die zugrunde liegenden Prozesse tatsächlich funktionieren.
• Der Analysegegenstand rückt näher an die reale Geschäftspraxis. Eine beachtenswerte Entwicklung ist das „objektzentrierte Process Mining“ (Object-Centric Process Mining). Klassische Methoden verlangen, dass jeder Datensatz zu genau einem Fall gehört; im realen Geschäft kann ein Auftrag jedoch in mehrere Lieferungen aufgeteilt und auf einer Rechnung zusammengefasst werden. Der objektzentrierte Ansatz verfolgt die Beziehungen zwischen Auftrag, Lieferschein und Rechnung gleichzeitig.

Diese Trends zeigen, dass sich Process Mining von der einmaligen „Prozessdiagnose“ hin zur laufenden Betriebsüberwachung entwickelt. Für Unternehmen, die noch nicht begonnen haben, gilt: Sie müssen nicht gleich eine Plattform anstreben; ein sicherer Weg ist, den Nutzen zunächst an einem Prozess und mit einem Datensatz zu belegen.

Wie gelingt mittelständischen Unternehmen ein schlanker Einstieg? Eine Schritt-für-Schritt-Anleitung

Für Process Mining müssen mittelständische Unternehmen nicht zwingend eine teure Plattform beschaffen oder ein Data-Team aufbauen. Die meisten ERP- und Geschäftssysteme erfassen bereits genügend Daten; entscheidend ist, sie zu einem Event-Log aufzubereiten. So enthält die Auftragstabelle den Anlagezeitpunkt, die Freigabeprotokolle die Freigabezeit, und Lieferschein, Rechnung und Zahlungseingang tragen jeweils ihr eigenes Datum. Führt man diese Datensätze über die Auftragsnummer zusammen, entsteht ein brauchbares Event-Log.

Auch bei den Analysewerkzeugen gibt es verschiedene Möglichkeiten: Neben kommerziellen Plattformen stehen quelloffene Werkzeuge wie ProM und PM4Py zur Verfügung (Quelle); bei überschaubaren Datenmengen lassen sich mit Pivot-Auswertungen in einer Tabellenkalkulation bereits viele Grundfragen beantworten, etwa „Wie viele Tage liegen im Durchschnitt zwischen Versand und Rechnungsstellung?“

Schritt 1: Einen Prozess wählen und eine konkrete Frage stellen. Versuchen Sie nicht gleich, „alle Prozesse zu durchleuchten“. Wählen Sie einen Prozess mit klarem Schmerzpunkt und gebündelter Datenlage, zum Beispiel Order-to-Cash oder Procure-to-Pay, und formulieren Sie die Frage in einem Satz, etwa: „Warum liegt unsere durchschnittliche Zahlungsdauer zwei Wochen über dem vertraglichen Zahlungsziel?“

Schritt 2: Herausfinden, wo die Daten liegen. Listen Sie gemeinsam mit den IT-Verantwortlichen oder Systemadministratoren die Belege und Tabellen auf, die zu diesem Prozess gehören: Welche Schritte sind im System erfasst, in welcher Tabelle, und sind die Zeitfelder verlässlich? Dieser Schritt macht auch Datenlücken sichtbar, etwa wenn eine Freigabe über WeChat erfolgt und im System nicht dokumentiert ist.

Schritt 3: Exportieren und zu einem Event-Log aufbereiten. Exportieren Sie zunächst die Daten von 3 bis 6 Monaten und bereiten Sie sie in den drei Spalten „Fall-ID, Aktivität, Zeitstempel“ auf; bei Bedarf ergänzen Sie Attribute wie bearbeitende Abteilung, Kundentyp oder Betrag. Vereinheitlichen Sie die Aktivitätsbezeichnungen und entfernen Sie Testdaten und offensichtlich fehlerhafte Datensätze. Die Datenaufbereitung ist oft der zeitaufwendigste Teil des gesamten Projekts – das ist völlig normal.

Schritt 4: Den tatsächlichen Prozess darstellen, erst den Hauptpfad, dann die Ausnahmen. Sehen Sie sich nach der Erstellung des Prozessdiagramms zunächst an, welchen Anteil die häufigsten Pfade ausmachen, und betrachten Sie dann die Ausnahmepfade. Besonderes Augenmerk gilt Nacharbeit, Umwegen, Rückstaus und langen Wartezeiten; vergleichen Sie dabei nach Kunde, Produkt oder Abteilung.

Schritt 5: Die Ergebnisse gemeinsam mit den Mitarbeitenden an der Basis interpretieren. Tragen Sie die Befunde zu den Personen, die den Prozess ausführen, und fragen Sie nach den Gründen. Zeigen die Daten etwa, dass viele Aufträge nach dem Versand im Preis geändert werden, kann es daran liegen, dass der Vertrieb außerhalb des Systems Rabatte verhandelt hat. Ein Prozessdiagramm ohne fachliche Interpretation führt leicht zu falschen Schlüssen.

Schritt 6: Ein oder zwei Verbesserungen auswählen, Baseline und Ziel festlegen. Wählen Sie nach Wirkung und Umsetzungsaufwand ein bis zwei Verbesserungen aus, die sich am meisten lohnen, zum Beispiel eine vereinfachte Kreditprüfung bei Kleinaufträgen oder die Vorgabe, innerhalb von 24 Stunden nach dem Versand zu fakturieren. Halten Sie die Kennzahlen vor der Verbesserung als Baseline fest, etwa die durchschnittliche Verzögerung bei der Rechnungsstellung in Tagen.

Schritt 7: Regelmäßig wiederholen und aus der einmaligen Diagnose eine laufende Überwachung machen. Werten Sie nach der Umsetzung monatlich oder quartalsweise mit neuen Daten erneut aus, um zu prüfen, ob sich die Kennzahlen verbessert haben und ob neue Umwege entstanden sind. Sobald die Methode eingespielt ist, können Sie sie auf einen zweiten Prozess ausweiten oder eine spezialisierte Plattform einführen.

Wie lässt sich verhindern, dass Process Mining zur Mitarbeiterüberwachung wird?

Process Mining analysiert Geschäftsprozesse, doch Event-Logs enthalten häufig Angaben zu den Bearbeitenden. Bei unsachgemäßem Einsatz wird ein Prozessverbesserungsprojekt leicht als „das Unternehmen beobachtet mich mit Daten“ verstanden und verliert dadurch Vertrauen und Mitwirkung.

Diese Sorge der Beschäftigten ist nicht unbegründet. Als das britische Information Commissioner's Office (ICO) im Oktober 2023 seine Leitlinien zur Überwachung am Arbeitsplatz veröffentlichte, verwies es auf eine Umfrage unter 1.012 britischen Erwachsenen: Rund 70 % der Befragten hielten Überwachung am Arbeitsplatz für aufdringlich, und 57 % gaben an, sie wären bei einem Jobangebot verunsichert, wenn sie wüssten, dass sie überwacht würden (Quelle). Die Umfrage bezog sich auf Überwachung am Arbeitsplatz im Allgemeinen und stützt sich auf eine britische Stichprobe, doch sie zeigt, wie sensibel Beschäftigte generell darauf reagieren, „mit Daten beobachtet“ zu werden.

Die ICO-Leitlinien verlangen von Arbeitgebern, die Beschäftigten vor einer Überwachung in verständlicher Sprache über Art, Umfang und Grund der Überwachung zu informieren, den Zweck klar zu bestimmen, die am wenigsten eingreifende Methode zu wählen und nur zweckrelevante Daten aufzubewahren; bei möglicherweise hohem Risiko für die Rechte der Beschäftigten ist vorab eine Datenschutz-Folgenabschätzung durchzuführen. Auch das Process Mining Manifesto fordert, bei der Erfassung von Ereignisdaten Datenschutz und Sicherheit zu beachten; die Betroffenen sollten wissen, welche Ereignisse aufgezeichnet und wie sie verwendet werden (Quelle).

Auf Grundlage dieser Prinzipien können Unternehmen an folgenden Punkten ansetzen:

• Prozesse analysieren, nicht Personen bewerten. Legen Sie im Projektziel fest, dass es um die Verbesserung von Prozessen geht, fassen Sie die Ergebnisse nach Schritt, Abteilung und Kundentyp zusammen, erstellen Sie keine Personenranglisten und nutzen Sie die Analyseergebnisse nicht unmittelbar für die Leistungsbeurteilung.
• Datenminimierung und Anonymisierung. Exportieren Sie nur die Felder, die zur Beantwortung der Frage nötig sind; Angaben zu Bearbeitenden werden, sofern nicht erforderlich, gelöscht oder durch Codes für Funktion oder Abteilung ersetzt.
• Vorab kommunizieren und Mitarbeitende einbeziehen. Erläutern Sie vor Projektbeginn, was analysiert wird und was nicht, wie lange die Daten gespeichert werden, und laden Sie Mitarbeitende an der Basis ein, die Ergebnisse mit zu interpretieren.
• Geltende Vorschriften einhalten. Die Verarbeitung personenbezogener Daten von Beschäftigten muss den am Unternehmenssitz geltenden Datenschutzvorschriften entsprechen; ziehen Sie bei Bedarf Rechts- oder Compliance-Verantwortliche hinzu.

Ergibt die Analyse beispielsweise, dass die Bearbeitung in einem Schritt besonders lange dauert, lautet die richtige Frage: „Sind Arbeitsmenge und Regeln in diesem Schritt angemessen?“ – und nicht: „Wer arbeitet am langsamsten?“ Wenn der Fokus auf dem Prozess liegt, sind Mitarbeitende bereit, die wahren Gründe hinter dem Prozess zu benennen.

Häufige Fragen zu Process Mining

In welchem Verhältnis stehen Process Mining und RPA (Robotic Process Automation)? Beide lösen unterschiedliche Aufgaben. Process Mining macht Prozesse sichtbar und findet Probleme, RPA automatisiert wiederkehrende Tätigkeiten. Sinnvoll ist es, zunächst mit Process Mining zu klären, welche Schritte sich zur Optimierung oder Automatisierung lohnen, damit nicht ein ohnehin unvernünftiger Prozess automatisiert wird.

Unser ERP ist alt und die Daten sind unvollständig – geht es trotzdem? In der Regel ja. Solange die wichtigen Belege Nummern und Datumsangaben tragen, lässt sich ein einfaches Event-Log zusammenstellen. Auch Datenlücken sind ein Befund: Wenn bestimmte Freigaben im System keine Spuren hinterlassen, ist genau das ein Verbesserungsfeld.

Wie lange dauert ein Process-Mining-Projekt? Das hängt davon ab, wie verstreut die Daten sind und wie aufwendig ihre Aufbereitung ist. Liegen die Daten in einem System und ist die Fragestellung klar, lässt sich die erste Analyse oft recht zügig abschließen; sind die Daten auf mehrere Systeme verteilt, nimmt die Aufbereitung den größten Teil der Zeit in Anspruch.

Müssen für Process Mining die Namen der Mitarbeitenden exportiert werden? In den meisten Fällen nicht. Zur Analyse von Prozessproblemen genügt eine Zusammenfassung nach Funktion oder Abteilung. Angaben zu Bearbeitenden sollten nur bei echtem Bedarf erhalten bleiben, und zwar nach vorheriger Information der Mitarbeitenden und mit eingeschränkten Zugriffsrechten.

Quellen

• Process Mining Manifesto, IEEE Task Force on Process Mining, 2011
• Persönliche Webseite von Wil van der Aalst, akademische Homepage des Professors an der RWTH Aachen University, abgerufen im November 2026
• 5 highlights from Gartner's 2025 Magic Quadrant for Process Mining Platforms, Process Excellence Network, April 2025
• ICO publishes guidance to ensure lawful monitoring in the workplace, UK Information Commissioner's Office (ICO), Oktober 2023