Ineffizienten Prozessen auf der Spur

Ein gutes Beispiel für den Einsatz von Process Mining sind die klassischen Einkaufsprozesse – umfassen diese doch eine sehr große Bandbreite an Transaktionen.

Genehmigungen, Fristen und interne Vorgaben bringen eine hohe Komplexität, die mit der Menge der Lieferanten und ihren individuellen Konditionen weiter ansteigt. Nur mithilfe einer durchgehenden Analyse und Optimierung des Einkaufsprozesses können Unternehmen dieser Komplexität begegnen und beispielsweise unnötige Doppelarbeiten, wie sie durch nachträgliche Preis- oder Mengenänderungen entstehen, vermeiden.

In der Supply Chain führen kürzere Produktzyklen, die Verringerung der Fertigungstiefe und die Tendenz, immer mehr Fertigungsschritte outzusourcen, zu einer stärkeren Abhängigkeit von externen Lieferanten und Dienstleistern.

Hier gilt es, die Compliance und Effizienz dieser Prozesse zu steigern und die Ursachen von Ineffizienzen wie Lieferverzögerungen oder hohen Lagerbeständen eindeutig zu identifizieren.

Auf diese Weise werden Celonis-Process-Mining-Kunden befähigt, Lieferversprechen zuverlässig einzuhalten und Fristen zu verkürzen.

Eine Analyse der realen Abläufe hilft dabei, unterschiedliche Akteure zu bewerten und alle Material- und Informationsflüsse sinnvoll zu steuern. Auf einen Blick wird sichtbar, ob die benötigten materiellen und personellen Ressourcen an jeder Stelle der Lieferkette ohne Umwege bereitstehen oder ob Engpässe vorliegen.

Im IT-Service-Management wird es möglich, die Durchlaufzeiten der Tickets zu verringern und das „Pingpong“ von Tickets zu vermeiden – so lassen sich erhebliche Einsparungen bei den Kosten erzielen.

Aber auch bei Projekten zur Harmonisierung von Prozessen wird Celonis Process Mining häufig von Fach- und IT-Abteilungen eingesetzt, um den Ist-Zustand zu ermitteln und die Fortschritte der Initiative kontinuierlich zu messen.

Revisionsabteilungen und Wirtschaftsprüfer greifen auf Process Mining zurück, um Unregelmäßigkeiten und Verstöße gegen Compliance-Vorgaben in Prozessen zu identifizieren. Die Software wird genutzt, um Auditpläne aufzustellen, die Prüfung durchzuführen und nachzubereiten.

Oft unterschätzt wird die Notwendigkeit, die Prozesse vor einer Migration zu bereinigen. Steigt ein Unternehmen beispielsweise auf S/4 Hana um, könnte das ein guter Zeitpunkt sein, Ineffizienzen in den Prozessen zu korrigieren und so einen optimaleren ROI für die neue Lösung zu erzielen.

Über die Jahre könnte sich ein Wildwuchs an Sonderfällen und Patches entwickelt haben, der Varianten im Prozess begünstigt. In manchen Unternehmen wurden mehrere SAP-Instanzen genutzt – damit steigt die Wahrscheinlichkeit, dass sich in den unterschiedlichen ERP-Systemen unerwünschte Prozessvarianten ausgeprägt haben.

All diesen Abweichungen kommt man mit Celonis auf die Spur, kann sie benchmarken und vor der Konsolidierung vereinheitlichen – und damit bessere Vo­raussetzungen für die Migration schaffen.

Beispiele aus der Praxis

Der Einsatz von Process Mining lohnt: Über alle Einsatzbereiche hinweg erreichten Unternehmen damit eine Senkung der Prozesskosten um bis zu 30 Prozent – allein durch die Minderung von Prozessschleifen oder manuellen Tätigkeiten.

Da unternehmenskritische Prozesse oft mit Millionen von Durchläufen analysiert werden – etwa in einer Supply Chain –, können Verbesserungen an einzelnen Stellschrauben bereits zu erheblichen Kostenoptimierungen führen.

Siemens

Process Mining kann prinzipiell auf Daten aus allen Quell-Systemen angewendet werden. Der Konzern Bayer, zum Beispiel, analysiert mit der Celonis-Technologie Daten aus seinen mehr als zehn SAP-Systemen.

Siemens analysiert Daten aus global mehr als 70 SAP-ECC-Systemen auf einer zentralen SAP-Hana-Plattform.

Celonis Process Mining setzt direkt auf dieser Plattform auf und wird von über 2000 Usern genutzt. Mittlerweile werden damit mehr als 30 verschiedene Prozesse analysiert – etwa Purchase-to-Pay oder Order-to-Cash.

Schukat Electronic

Aber auch mittelständische Unternehmen profitieren erheblich von Process Mining: Bestes Beispiel dafür ist Schukat Electronic in Monheim, ein Distributor elektronischer Bauteile mit 25.000 Produkten im Portfolio.

Schukat setzt seit 2009 SAP ein und war 2012 eines der ersten Unternehmen, die ein Business Warehouse auf Basis von Hana umsetzten. Celonis wurde im ersten Schritt im Einkauf zur Lieferantenbewertung eingesetzt.

Ein Pilotprojekt auf der bestehenden SAP-Hana-Infrastruktur bewies, dass bei Celonis alles passte: die Geschwindigkeit, die geschaffene Transparenz und auch die Möglichkeit, schnell Rückschlüsse aus den Analysen zu ziehen und sogar die Wirkung der Maßnahmen zeitnah zu beobachten.

Innerhalb von nur zwei Wochen lagen die ersten Auswertungen auf dem Tisch. Heute weiß der Einkauf genau Bescheid, wer ­zuverlässig innerhalb von welcher Frist liefert, kann nachverhandeln und Aufträge noch gezielter vergeben.

Um den Warendurchlauf zu verbessern, zog Schukat mit der Analyse der Lagerdaten nach – dort, wo bei Schukat die eigentliche Wertschöpfung stattfindet und wo auch die Verzögerungen vermutet wurden.

Auf Basis der Daten aus einem SAP-­Extended-Warehouse-Management-(EWM-)System liefert Celonis Informationen über Aufträge von der Erfassung des Lieferbelegs im Lager bis hin zur tatsächlichen Auslieferung – auf granularer Ebene.

Und die Analyse überraschte positiv: Hier ging kaum noch Zeit verloren, die Optimierungsschritte der letzten Jahre waren erfolgreich. Mithilfe von Celonis Process Mining konnte eindeutig aufgezeigt werden, dass die tatsächlichen Engpässe auf Vertriebsseite entstanden waren:

Hier gab es Medienbrüche und selbst gemachte Hürden wie Liefersperren oder Kreditmanagement. Auch wurden nicht alle Aufträge automatisiert durchprozessiert.

Celonis konnte eine durchgehende Transparenz schaffen, die dem Management viele Ansatzpunkte zur Optimierung offenlegte. Der Aufwand dafür hält sich in Grenzen: Eine Process-Mining-Auswertung in Celonis wird einmalig aufgebaut, ab dann läuft die Datenaktualisierung im Hintergrund – dank Hana so schnell, dass ein Anwender nichts davon merkt, aber doch stets aktuelle Daten hat.

Die Verantwortlichen können innerhalb jedes Prozessschrittes bis auf Belegpositionsebene ganz genau analysieren, was im jeweiligen Fall passiert ist. Schukat hat heute Einblick, Überblick und Transparenz in den Prozessen – überall.

Von Ardenne

Ähnlich gute Ergebnisse erzielte der sächsische Maschinen- und Anlagenbauer Von Ardenne. 2013 wurde im Zuge der SAP-Einführung und der Zusammenführung einer bis dahin sehr heterogenen Systemlandschaft auch Process Mining eingesetzt.

Anwendung fand die Technologie zunächst im Purchase-to-Pay-(P2P-)Prozess, und dort konkret im Lieferanten-Monitoring sowie im strategischen und operativen Produkteinkauf.

Die Resultate waren so überzeugend, dass schnell auch der Servicebereich Bedarf anmeldete: Er nutzt die Software heute zur Analyse des Serviceprozesses über das SAP- und CRM-System hinweg.

Weitere Analysen sind in der Pipeline, etwa in den Bereichen Qualitätsmanagement, ITSM oder im Projektmanagement.

Und auch im Fertigungsprozess besteht viel Potenzial: Vom Auftrag bis zur Auslieferung sollen mithilfe von Process Mining Durchlaufzeiten und Daten analysiert und für eine bessere, effizientere Planung sowie in Business-Analytics-Verfahren verwendet werden.

Celonis Pi: KI und Machine Learning

Automatisierter Unternehmensberater

Celonis Pi (Proactive Insights) ist eine logische Entwicklung von Process Mining, die gleichzeitig auf die Verbesserung von Prozessen zielt. Um derartige Funktionalitäten bieten zu können, nutzten die Entwickler von Celonis die neuesten Erkenntnisse aus den Bereichen künstliche Intelligenz und Machine Learning.

Wesentlicher Vorteil: Celonis Pi lernt, wie das Geschäft eines Unternehmens funktioniert, und findet automatisch die Schwachstellen in einem Prozess. Es liefert eine Ursachenanalyse und priorisierte Handlungsempfehlungen gleich mit. Damit lassen sich auch Aussagen über zukünftige Szenarien treffen. Das beginnt im Modul Pi Conformance mit einem Abgleich der Ist-Prozesse mit einem vorgegebenen Prozessablauf oder Modell, beispielsweise im BPMN-Format. Die aufgedeckten Abweichungen werden auf ihre Auswirkungen auf die gesamte Prozesseffizienz hin untersucht, ihre Ursachen aufgezeigt und mögliche Maßnahmen zur Optimierung automatisiert vorgeschlagen. Ma­chine Learning in Celonis Pi ermöglicht es, aus den Erfahrungen der Vergangenheit heraus einen Blick auf die laufenden und zukünftigen Abläufe und Transaktionen zu werfen: Wie kann die Planungssicherheit in Logistik und Produktion maximiert werden? Wo können Probleme in Beschaffung, Lagerhaltung, mit Lieferanten oder bestimmten Materialien präventiv angegangen werden? Wie werden sich Kunden voraussichtlich verhalten und welche Maßnahmen könnten erfolgversprechend sein? Mit Pi Companion schließlich werden prozessbedingte Engpässe und Unwuchten im operativen Tagesgeschäft kontinuierlich sichtbar gemacht. Technisch gesehen werden mit Ma­chine-Learning-Verfahren innerhalb von Sekunden Korrelationen in Millionen von prozessbezogenen Daten automatisch ausgewertet. Celonis Pi nimmt dabei die Rolle eines automatisierten Unternehmensberaters ein: Es zeigt Verbesserungspotenzial, aber auch konkrete Ansatzpunkte und Lösungswege auf – unabhängig davon, ob es um die augenblickliche oder die zukünftige Optimierung von zentralen Geschäftsprozessen wie Einkauf, Produktion, Vertrieb, Logistik oder Marketing geht.