Seminar ADONIS Process Mining Essentials und datenbasierte Verbesserung

Process Mining liefert keine fertige Wahrheit. Erst saubere Ereignisdaten, fachliche Interpretation und der Bezug zum freigegebenen Sollprozess machen Abweichungen entscheidungsfähig.

Inhaltsübersicht

• Zielsetzung
• Zielgruppe
• Seminarinhalte
• Ereignisdaten und Prozessbezug vorbereiten
• Process-Mining-Projekt aufsetzen
• Varianten und Konformität analysieren
• Mining-Erkenntnisse mit Prozessmodellen verbinden
• Datenbasierten Verbesserungszyklus etablieren
• Praxisübungen
• Voraussetzungen

Zielsetzung

Nach Abschluss können geeignete Daten vorbereitet, Mining-Projekte strukturiert analysiert und Erkenntnisse in überprüfbare Modell- und Verbesserungsmaßnahmen überführt werden.

Zielgruppe

Prozessmanagement, Process-Mining-Teams, Business Analyse, Controlling, Qualitätsmanagement und Fachverantwortung.

Seminarinhalte

Die Inhalte werden in einer festen Arbeitsfolge aus Einordnung, Konfiguration oder Modellierung, Prüfung und dokumentierter Anwendung bearbeitet.

Kapitel 1: Ereignisdaten und Prozessbezug vorbereiten

1. Schritt 1: Fallkennung, Aktivität, Zeitstempel und optionale Merkmale als Mindeststruktur eines Ereignisprotokolls prüfen.
2. Schritt 2: Datenquellen, Extraktionslogik, Zeitzonen, Dubletten, fehlende Werte und fachliche Bedeutung dokumentieren.
3. Schritt 3: Datenschutz, Zugriff, Pseudonymisierung und zulässigen Analysezweck vor der Verarbeitung klären.

Kapitel 2: Process-Mining-Projekt aufsetzen

1. Schritt 1: Prozess, Fragestellung, Datenzeitraum, Varianten, Zielkennzahlen und beteiligte Rollen festlegen.
2. Schritt 2: Datenimport, Aktivitätsmapping und erste Prozesssicht schrittweise aufbauen und plausibilisieren.
3. Schritt 3: Analysegrenzen und bekannte Datenlücken sichtbar dokumentieren, bevor Ergebnisse bewertet werden.

Kapitel 3: Varianten und Konformität analysieren

1. Schritt 1: Häufige Varianten, Schleifen, Wartezeiten, Abweichungen und seltene Pfade nach Relevanz untersuchen.
2. Schritt 2: Ist-Abläufe mit dem dokumentierten Sollprozess vergleichen und Abweichungen fachlich klassifizieren.
3. Schritt 3: Datenfehler, legitime Ausnahme und tatsächlichen Prozessmangel voneinander trennen.

Kapitel 4: Mining-Erkenntnisse mit Prozessmodellen verbinden

1. Schritt 1: Sollmodell, Analyseprojekt und relevante Verbesserungshypothesen eindeutig miteinander verknüpfen.
2. Schritt 2: Erkannte Abweichungen den betroffenen Prozessschritten, Rollen, Systemen oder Kontrollen zuordnen.
3. Schritt 3: Änderungsvorschläge in ADONIS modellieren und vor der Freigabe mit Fachverantwortlichen prüfen.

Kapitel 5: Datenbasierten Verbesserungszyklus etablieren

1. Schritt 1: Maßnahmen nach Wirkung, Aufwand, Risiko und Umsetzbarkeit priorisieren und Zielkennzahlen festlegen.
2. Schritt 2: Umgesetzte Änderungen über einen neuen Datenzeitraum messen und mit dem Ausgangszustand vergleichen.
3. Schritt 3: Wiederholungsrhythmus, Datenverantwortung und Berichterstattung für kontinuierliche Verbesserung definieren.

Praxisübungen

• Plausibilisierung eines Ereignisprotokolls.
• Analyse häufiger Varianten, Schleifen und Durchlaufzeiten.
• Übertragung einer Abweichung in ein Sollmodell und ein priorisiertes Maßnahmenpaket.

Voraussetzungen

Grundkenntnisse in Prozessmanagement und ADONIS. Zugriff auf geeignete Beispieldaten; Tabellen- oder Datenanalyseerfahrung ist hilfreich.