Event Logs einfach erklärt: Die Grundlage für Process Mining

Process Mining soll sichtbar machen, wie Geschäftsprozesse tatsächlich ablaufen. Dafür benötigt die Methode eine belastbare Datengrundlage: das Event Log. Es enthält einzelne Ereignisse eines Prozesses, beispielsweise die Anlage eines Auftrags, die Kommissionierung einer Position, eine Warenausgangsbuchung oder den Abschluss eines Transports.

Für IT-Verantwortliche und Analytiker ist das Event Log damit weit mehr als eine einfache Protokolldatei. Es bildet die Verbindung zwischen operativen IT-Systemen und der analytischen Prozesssicht. Sind die Daten vollständig und korrekt strukturiert, lassen sich reale Prozessabläufe rekonstruieren, Abweichungen erkennen und Durchlaufzeiten analysieren. Sind sie fehlerhaft, kann auch ein technisch leistungsfähiges Process-Mining-System nur unzuverlässige Ergebnisse liefern.

Was ist ein Event Log?

Ein Event Log ist eine strukturierte Sammlung von Ereignissen, die während der Ausführung eines Geschäftsprozesses entstehen. Jedes Ereignis beschreibt, dass eine bestimmte Aktivität zu einem bestimmten Zeitpunkt bei einem bestimmten Prozessfall stattgefunden hat.

Für Process Mining sind insbesondere drei Informationen entscheidend:

1. Case ID: Identifiziert den konkreten Prozessfall, beispielsweise eine Auftragsnummer.
2. Activity: Beschreibt, welche Aktivität ausgeführt wurde, beispielsweise "Wareneingang gebucht".
3. Timestamp: Gibt an, wann das Ereignis stattgefunden hat.

Ein einfaches Beispiel aus der Intralogistik könnte so aussehen:

Anhand dieser Ereignisse kann Process Mining nachvollziehen, welche Schritte ein Auftrag durchlaufen hat und wie viel Zeit zwischen den einzelnen Aktivitäten vergangen ist.

Warum sind Event Logs für Process Mining so wichtig?

Ein Prozessmodell beschreibt häufig den gewünschten oder vorgesehenen Ablauf. Ein Event Log zeigt dagegen, was tatsächlich passiert ist.

Diese Unterscheidung ist in der Praxis entscheidend. Ein Unternehmen kann beispielsweise definieren, dass ein Auftrag nach der Kommissionierung direkt zur Kontrolle gehen soll. Im operativen Betrieb kann es jedoch vorkommen, dass Aufträge mehrfach zurückgestellt, nachbearbeitet oder erneut kommissioniert werden.

Ohne Ereignisdaten bleiben solche Abweichungen häufig verborgen.

Ein Process-Mining-System kann dagegen beispielsweise feststellen, dass 8 Prozent der Aufträge nach der Kommissionierung eine zusätzliche Korrekturbuchung benötigen. Wird zusätzlich die Durchlaufzeit analysiert, lässt sich feststellen, ob diese Variante überproportional lange dauert.

Das Event Log macht damit nicht nur einzelne Prozessschritte sichtbar. Es ermöglicht die Analyse von Prozessvarianten, Wartezeiten, Schleifen, Abweichungen und Zusammenhängen.

Welche Daten enthält ein gutes Event Log?

Die drei Pflichtinformationen Case ID, Aktivität und Zeitstempel bilden den Kern. Für eine tiefere Analyse sind zusätzliche Attribute jedoch äußerst wertvoll.

Dazu können gehören:

• Artikelnummer
• Auftragsart
• Lagerbereich
• Standort
• Mitarbeiter oder Rolle
• verwendetes MDE-Gerät
• Arbeitsplatz
• Menge
• Priorität
• Fehlerstatus
• Transportmittel
• Kunde oder Lieferant
• Prozessstatus
• Bearbeitungsdauer

Diese zusätzlichen Informationen werden häufig als Case- oder Event-Attribute bezeichnet.

Sie ermöglichen eine Segmentierung der Prozesse. So kann beispielsweise untersucht werden, ob bestimmte Lagerbereiche besonders lange Durchlaufzeiten aufweisen oder ob Aufträge mit einer bestimmten Auftragsart häufiger Prozessschleifen durchlaufen.

Dabei gilt: Mehr Daten sind nicht automatisch bessere Daten. Entscheidend ist, ob die Attribute für die konkrete Fragestellung relevant und qualitativ belastbar sind.

Wo entstehen Event Logs in der Praxis?

Event Logs werden in der Regel nicht manuell erstellt. Sie entstehen als Nebenprodukt digitaler Geschäftsprozesse.

Typische Quellsysteme sind:

• ERP-Systeme
• Warehouse Management Systeme
• Transport Management Systeme
• MES-Systeme
• CRM-Systeme
• Ticketsysteme
• E-Commerce-Plattformen
• Datenbanken
• mobile Datenerfassungssysteme
• Maschinen- und Sensordaten

In einem Lager können beispielsweise Scans mit MDE-Geräten Ereignisse erzeugen. Eine Buchung im WMS dokumentiert den Abschluss eines Prozessschrittes. Ein Transportauftrag liefert weitere Ereignisse. Werden diese Informationen über eine gemeinsame Case ID miteinander verknüpft, kann daraus ein durchgängiger Prozess entstehen.

Für die IT liegt die Herausforderung deshalb häufig nicht darin, überhaupt Daten zu finden. Die entscheidende Aufgabe ist, Daten aus unterschiedlichen Systemen semantisch und zeitlich korrekt zusammenzuführen.

Wie wird aus einem Event Log ein analysierbarer Prozess?

Process Mining ordnet die Ereignisse anhand ihrer Case ID und Zeitstempel.

Angenommen, ein Unternehmen verarbeitet drei Aufträge:

Auftrag A: Auftrag angelegt -> Kommissionierung -> Kontrolle -> Versand

Auftrag B: Auftrag angelegt -> Kommissionierung -> Korrektur -> Kommissionierung -> Kontrolle -> Versand

Auftrag C: Auftrag angelegt -> Kommissionierung -> Kontrolle -> Versand

Auftrag B weist eine abweichende Prozessvariante auf. Process Mining kann solche Varianten automatisch erkennen und hinsichtlich Häufigkeit, Durchlaufzeit oder Fehlerquote bewerten.

Damit wird aus einer Tabelle mit einzelnen Ereignissen ein Modell des tatsächlichen Prozessverhaltens.

Besonders interessant wird die Analyse, wenn häufige Abweichungen mit ihren Auswirkungen verbunden werden. Eine zusätzliche Korrekturbuchung ist beispielsweise nicht nur ein weiteres Ereignis. Sie kann zusätzliche Arbeitszeit, längere Durchlaufzeiten und eine höhere Fehlerwahrscheinlichkeit verursachen.

Was ist der Unterschied zwischen Event Log und Prozessmodell?

Ein Event Log und ein Prozessmodell erfüllen unterschiedliche Aufgaben.

Das Event Log enthält die beobachteten Ereignisse aus dem operativen Prozess. Das Prozessmodell stellt die daraus erkannten oder definierten Abläufe strukturiert dar.

Ein Prozessmodell kann beispielsweise zeigen:

Wareneingang -> Qualitätsprüfung -> Einlagerung

Das Event Log kann dagegen offenlegen, dass in der Praxis häufig folgender Ablauf entsteht:

Wareneingang -> Qualitätsprüfung -> Rückfrage -> Qualitätsprüfung -> Einlagerung

Das Prozessmodell beschreibt damit die Struktur eines Ablaufs, während das Event Log die tatsächliche Ausführung dokumentiert.

Für Process Mining ist gerade diese Differenz zwischen Soll und Ist besonders relevant.

Welche Anforderungen muss ein Event Log erfüllen?

Die Qualität des Event Logs entscheidet wesentlich über die Qualität der Analyse. Ein gutes Event Log sollte mindestens folgende Anforderungen erfüllen:

Eindeutige Case IDs

Jedes Ereignis muss einem konkreten Prozessfall zugeordnet werden können. Fehlt diese Zuordnung, lassen sich einzelne Ereignisse nicht zuverlässig zu Prozessverläufen verbinden.

Konsistente Aktivitäten

Aktivitäten sollten eindeutig und einheitlich bezeichnet werden. "Kommissionierung abgeschlossen", "Kommissionieren fertig" und "Pick beendet" können fachlich dasselbe bedeuten, würden analytisch aber zunächst als unterschiedliche Aktivitäten behandelt.

Verlässliche Zeitstempel

Zeitstempel müssen die tatsächliche Reihenfolge der Ereignisse möglichst korrekt abbilden. Unterschiedliche Zeitzonen, verzögerte Buchungen oder nachträgliche Systemupdates können die zeitliche Analyse verfälschen.

Ausreichende Prozessabdeckung

Ein Event Log sollte nicht nur einzelne Prozessschritte abbilden. Fehlen beispielsweise die Ereignisse vor oder nach einem zentralen Arbeitsschritt, kann die Analyse wichtige Ursachen übersehen.

Nachvollziehbare Datenherkunft

Für IT und Data Analytics sollte klar sein, aus welchem System ein Ereignis stammt, wann es erzeugt wurde und welche Transformationen auf dem Weg zur Analyse vorgenommen wurden.

Welche Fehler machen Event Logs unbrauchbar?

Ein häufiger Fehler ist die Verwendung von Systemzeitpunkten als vermeintlich reale Prozesszeitpunkte.

Beispielsweise kann ein Auftrag um 10:00 Uhr physisch kommissioniert, aber erst um 10:15 Uhr im System bestätigt werden. Wird ausschließlich der Buchungszeitpunkt verwendet, erscheinen 15 Minuten zusätzliche Bearbeitungszeit, obwohl tatsächlich eine verzögerte Buchung vorliegt.

Auch fehlende Ereignisse sind problematisch. Wenn ein Prozessschritt nicht digital erfasst wird, kann Process Mining seine Dauer oder seine Auswirkungen nicht zuverlässig bewerten.

Weitere typische Fehler sind:

• doppelte Events
• fehlende Zeitstempel
• uneinheitliche Aktivitätsnamen
• nicht eindeutige Case IDs
• nachträgliche Datenänderungen
• unvollständige Prozesshistorien
• fehlende Verknüpfung zwischen Systemen
• manuelle Buchungen ohne nachvollziehbaren Ursprung

Daher sollte vor der eigentlichen Prozessanalyse immer eine Data-Quality-Prüfung stattfinden.

Event Logs in der Intralogistik: Ein Praxisbeispiel

Betrachtet wird der Prozess eines innerbetrieblichen Transportauftrags.

Ein Auftrag wird angelegt, priorisiert, einem Mitarbeiter zugewiesen, übernommen und anschließend ausgeführt. Nach der Zustellung wird der Transport abgeschlossen.

Ein mögliches Event Log könnte folgende Ereignisse enthalten:

Transportauftrag angelegt -> Auftrag disponiert -> Auftrag übernommen -> Fahrt gestartet -> Ziel erreicht -> Auftrag abgeschlossen

Bei mehreren tausend Transportaufträgen lassen sich daraus Muster erkennen.

Vielleicht zeigt die Analyse, dass Aufträge zwischen Disposition und Übernahme durchschnittlich nur wenige Minuten benötigen, an einem bestimmten Standort jedoch regelmäßig 25 Minuten warten. Eine weitere Segmentierung könnte ergeben, dass diese Wartezeit insbesondere bei bestimmten Zeitfenstern oder Transportarten auftritt.

Die Frage lautet dann nicht mehr nur: "Warum sind Transporte zu langsam?"

Sie lautet präziser: "Warum entstehen an einem bestimmten Prozessübergang wiederkehrende Wartezeiten?"

Diese Präzisierung ist einer der wichtigsten Vorteile von Process Mining.

Event Logs als Grundlage für kontinuierliche Prozessoptimierung

Ein Event Log ist kein einmaliger Datenexport, sondern kann die Grundlage für eine kontinuierliche Prozessanalyse bilden.

Werden operative Ereignisse fortlaufend erfasst, lassen sich Prozesskennzahlen regelmäßig überwachen. Veränderungen der Durchlaufzeit, zunehmende Prozessabweichungen oder neue Prozessvarianten können frühzeitig erkannt werden.

Damit entsteht ein Regelkreis:

Prozess ausführen -> Ereignisse erfassen -> Prozess analysieren -> Schwachstelle erkennen -> Maßnahme umsetzen -> Wirkung messen

Für Unternehmen ist dieser Ansatz besonders interessant, weil Prozessverbesserungen dadurch nicht ausschließlich auf Erfahrungswissen oder punktuellen Workshops beruhen.

Was sollte ein Unternehmen vor der Einführung von Process Mining klären?

Vor der technischen Einführung sollte zunächst der Analysegegenstand definiert werden. Die Frage lautet nicht "Welche Daten haben wir?", sondern "Welchen Prozess wollen wir verstehen?"

Danach sollten Verantwortliche prüfen:

• Welche Case ID bildet den Prozessfall ab?
• Welche Aktivitäten sind relevant?
• Welche Zeitpunkte werden erfasst?
• Welche Systeme enthalten die benötigten Informationen?
• Sind die Daten vollständig?
• Lassen sich Ereignisse systemübergreifend verknüpfen?
• Welche Prozessvarianten sollen untersucht werden?
• Welche KPIs sollen verbessert werden?
• Wer ist für die Prozessverbesserung verantwortlich?

Erst wenn diese fachlichen Grundlagen geklärt sind, sollte die technische Umsetzung erfolgen.

COSYS Process Mining: Prozessdaten für die Intralogistik nutzbar machen

Für eine Process-Mining-Lösung im intralogistischen Umfeld ist die Verbindung zwischen operativen Prozessen und analytischer Auswertung entscheidend. Systeme wie COSYS Process Mining können Prozessdaten aus der Intralogistik nutzen, um reale Abläufe transparent zu machen und Prozessabweichungen zu identifizieren.

Dabei steht nicht das Event Log als technische Datenstruktur im Vordergrund, sondern die Frage, welche Erkenntnisse sich daraus für Wareneingang, Lager, Kommissionierung, interne Transporte oder Warenausgang ableiten lassen.

Der Mehrwert entsteht somit aus der Verbindung von operativer Datenerfassung, Prozessanalyse und konkreter Prozessverbesserung.

Fazit: Ohne belastbare Event Logs kein zuverlässiges Process Mining

Event Logs sind die Datengrundlage für Process Mining. Sie dokumentieren, welche Aktivitäten bei einem Prozessfall tatsächlich stattgefunden haben und wann diese Ereignisse aufgetreten sind. Aus diesen Informationen lassen sich reale Prozessverläufe, Varianten, Wartezeiten und Abweichungen rekonstruieren.

Für IT-Verantwortliche ist deshalb die Datenqualität ein zentraler Erfolgsfaktor. Eindeutige Case IDs, konsistente Aktivitäten, belastbare Zeitstempel und eine möglichst vollständige Prozesshistorie sind wichtiger als eine möglichst große Datenmenge.

Für Entscheider liegt der Nutzen in der daraus entstehenden Transparenz: Statt Prozesse nur anhand von Sollvorgaben oder Durchschnittswerten zu bewerten, können Unternehmen nachvollziehen, wie ihre Prozesse tatsächlich ablaufen, wo Leistung verloren geht und welche Ursachen sich gezielt beeinflussen lassen.

Ein gut strukturiertes Event Log ist damit nicht bloß ein technisches Format. Es ist die Grundlage dafür, operative Prozesse messbar zu verstehen und datenbasiert weiterzuentwickeln.