Forschungsprojekt x2Log: Process Mining für die fertigende Industrie
Prozessdaten nutzen und effizienter arbeiten
Zum Projekt:
Was verbirgt sich hinter x2Log
Das Forschungsprojekt x2Log hat das Ziel verfolgt, ein Software-Framework zu entwickeln, das die Erfassung und Analyse von Prozessdaten verbessert. So sollten sie anschließend für Process Mining nutzbar gemacht werden. Anschließend sollte eine Referenzarchitektur erstellt werden. Dabei handelt es sich um eine Schritt-für-Schritt-Anleitung, wie das x2Log-Framework in der Praxis eingesetzt werden kann. Eine Referenzimplementierung bei den beteiligten Anwendungspartnern sollte das Potential für Kosteneinsparungen und Qualitätssteigerungen zeigen.
Welche Konsortialpartner waren an der Realisierung von x2Log beteiligt?
Für die Umsetzung des Forschungsvorhabens haben sich folgende Partner zu einem Konsortium zusammengeschlossen:
– Fraunhofer Institut für Angewandte Informationstechnik FIT (Forschungspartner & Konsortialleitung)
– soffico GmbH (Technologie- und Implementierungspartner)
– RAPA GmbH (Anwendungspartner)
– targenio GmbH (Technologie- und Implementierungspartner)
Was ist Process Mining?
Process Mining beschreibt die Nutzung von Prozessdaten, die bei der Ausführung von Geschäftsprozessen in IT-Systemen anfallen, um Einblicke und Informationen über Prozesse innerhalb eines Unternehmens zu gewinnen. Das Hauptziel ist es, reale Prozessabläufe nachvollziehbar und transparent zu machen, um eine datenbasierte Analyse der Prozesse zu ermöglichen.
Auf diese Weise können Unternehmen verstehen, wie ihre Prozesse tatsächlich ablaufen – und wo sie vom geplanten Ablauf abweichen.
Aus den gewonnenen Daten lassen sich anschließend Erkenntnisse über Arbeitsabläufe ableiten, die zur Optimierung und Effizienzsteigerung beitragen können.
Die Herausforderung von Process Mining
Viele Unternehmen setzen bereits auf Process Mining, stoßen in der Praxis jedoch schnell an Grenzen – und zwar bei einem der zentralen Erfolgsfaktoren: der Datenaufbereitung. Denn die Daten, die für fundierte Prozessanalysen benötigt werden, liegen häufig in unterschiedlichen Formaten vor, stammen aus heterogenen Systemen und sind zudem oft in Datensilos gespeichert. Diese Vielfalt erschwert eine konsistente und nutzbare Zusammenführung erheblich. Die notwendige Konsolidierung und Transformation dieser Datenquellen ist meist mit erheblichem manuellem Aufwand verbunden – ein Aufwand, den viele Unternehmen scheuen.
Als vermeintlich einfachere Lösung greifen Unternehmen daher häufig auf bereits konsolidierte Datenquellen im passenden Format zurück. Doch diese Herangehensweise hat ihren Preis: Ein großer Teil potenziell relevanter Informationen bleibt ungenutzt, was zu sogenannten „blinden Flecken“ im Analyseprozess führt – und die Aussagekraft des Process Minings deutlich einschränkt.
Genau hier setzt Orchestra an: Die Lösung ermöglicht Unternehmen, unterschiedliche Datenquellen und -formate intelligent zu integrieren – und bietet damit eine deutlich umfassendere und tiefere Sicht auf bestehende Prozesse. Gerade für Unternehmen, die Process Mining bereits im Einsatz haben, aber bisher nur begrenzte Einblicke erzielen, wird so ein echter Mehrwert geschaffen.
Anforderungen an das Projekt x2Log
Ziel von x2Log war es, mithilfe von Process Mining eine durchgängige Ende-zu-Ende-Prozessanalyse zu ermöglichen, indem bislang ungenutzte strukturierte und unstrukturierte Daten möglichst automatisiert zusammengeführt und für weiterführende Analysen aufbereitet werden.
Sobald die Datenaufbereitung kein Hindernis mehr darstellt, können Unternehmen das volle Potenzial datenbasierter Prozessoptimierung ausschöpfen – mit konkreten Vorteilen in Bezug auf Kosten, Zeit und Qualität.
Durchführung des Forschungsprojektes x2Log
Im ersten Schritt haben die Konsortialpartner ein theoretisches Framework entwickelt. Dieses ist in der Lage, Datenquellen unterschiedlichster Art automatisiert anzubinden, mit Prozessdaten zu korrelieren und somit durchgängige Prozessanalysen zu ermöglichen.
Im zweiten Schritt ist das Framework in eine Referenzarchitektur für den industriellen Einsatz „übersetzt“ worden. Es entstand eine Blaupause, die als Leitfaden für zukünftige Implementierungen dient.
In der dritten Phase des Forschungsprojekts sind die Arbeitsergebnisse schließlich an realen Geschäftsprozessen getestet worden. Hierfür stellte der Anwendungspartner RAPA GmbH reale Prozessdaten zur Verfügung, die für das Process Mining genutzt werden.
Das Unternehmen, das auf die Herstellung von Ventilen für die Automobilindustrie, die Medizintechnik sowie die Fertigungs- und Prozessindustrie spezialisiert ist, möchte auf Basis der verbesserten Datenbasis eine Effizienzsteigerung in seinen Fertigungsprozessen erreichen.
Die Rolle von soffico bei x2Log
Als Technologie- und Implementierungspartner hat soffico eine zentrale Rolle im Forschungsprojekt eingenommen. Denn die Umsetzung der Referenzarchitektur erfolgte mit Hilfe von Orchestra.
Orchestra ist die Integrationslösung der soffico GmbH. Sie ermöglicht Datenintegration und Prozessautomatisierung, die für KI-, Automatisierungs- und Datenrauminitiativen unerlässlich sind.
Mit dem Orchestra Designer können Szenarien einfach grafisch zusammengestellt oder programmiert werden. Auf die gleiche Weise können auch Prozessmodellvorlagen erstellt und zur Verfügung gestellt werden.
Solche Prozessmodellvorlagen werden in Orchestra für die einzelnen Datenintegrationen und Komponenten der Referenzarchitektur bereitgestellt. Auf diese Weise kann nicht nur die Referenzarchitektur effizient umgesetzt werden, sondern durch die Abbildung der einzelnen Szenarien im Designer wird auch eine nahtlose Datenintegration und -transformation ermöglicht. Dies ist für eine effektive und präzise Wertstromanalyse unerlässlich.
Process Mining zeigt, wie Prozesse tatsächlich ablaufen und nicht nur, wie sie auf dem Papier definiert sind.
Es hilft, Engpässe oder Verzögerungen in Prozessen zu identifizieren, die die Produktivität und Effizienz beeinträchtigen können.
Durch die Analyse von Standardprozessen können Unternehmen sich wiederholende und zeitaufwändige Aufgaben identifizieren, die automatisiert werden können, um Ressourcen zu sparen.
Unternehmen können fundierte Entscheidungen auf der Grundlage tatsächlicher Daten treffen, was die Planung und Umsetzung von Prozessverbesserungen erleichtert.
Durch den Wegfall der manuellen Analysetätigkeiten, werden unsere Prozessingenieure täglich um mehrere Stunden Arbeitsaufwand entlastet.
Markus Benndorff
