Wie funktioniert Process Mining in der Logistik?

Process Mining nutzt diese vorhandenen Informationen, um tatsächliche Prozessabläufe zu rekonstruieren. Unternehmen sehen dadurch nicht nur, was in ihrer Logistik passiert, sondern auch, wie einzelne Vorgänge tatsächlich ablaufen, wo Verzögerungen entstehen und welche Abweichungen regelmäßig auftreten.

Welche Daten benötigt Process Mining?

Die Grundlage bilden sogenannte Ereignisdaten. Sie entstehen beispielsweise in Lagerverwaltungssystemen, ERP-Systemen, mobilen Anwendungen oder bei Buchungen über MDE-Geräte.

Für die Process-Mining-Analyse sind insbesondere drei Informationen relevant:

• eine eindeutige Referenz, beispielsweise eine Auftrags- oder Vorgangsnummer
• die ausgeführte Aktivität, beispielsweise der Start einer Kommissionierung
• der dazugehörige Zeitstempel

Ein Kommissionierauftrag kann beispielsweise aus der Auftragserstellung, dem Start der Kommissionierung, mehreren Artikelscans, dem Abschluss der Kommissionierung und der Bereitstellung für den Versand bestehen.

Diese Ereignisse werden zu einem sogenannten Event Log zusammengeführt. Er bildet die Datengrundlage, aus der anschließend der tatsächliche Prozess rekonstruiert wird.

Wie entsteht aus den Daten ein Prozess?

Process Mining ordnet die einzelnen Ereignisse dem jeweiligen Vorgang zu und bringt sie anhand ihrer Zeitstempel in die richtige Reihenfolge.

Dadurch lässt sich beispielsweise nachvollziehen, welchen Weg ein bestimmter Auftrag vom Auftragseingang bis zum Versand genommen hat und wie lange die einzelnen Prozessabschnitte gedauert haben.

Werden zahlreiche Vorgänge gemeinsam analysiert, entsteht ein realistisches Bild des gesamten Prozesses. Dabei zeigt sich häufig, dass der tatsächliche Ablauf deutlich komplexer ist als der ursprünglich definierte Soll-Prozess.

Einige Aufträge durchlaufen den vorgesehenen Weg, andere benötigen zusätzliche Arbeitsschritte, werden zurückgestellt oder müssen aufgrund fehlender Ware erneut bearbeitet werden. Process Mining macht diese unterschiedlichen Prozessvarianten sichtbar und vergleichbar.

Wie erkennt Process Mining Engpässe?

Besonders relevant für die Logistik ist die zeitliche Betrachtung der einzelnen Prozessschritte.

Die Analyse kann beispielsweise zeigen, dass Waren nach der Erfassung im Wareneingang regelmäßig lange auf ihre Einlagerung warten. Ebenso können ungewöhnlich lange Kommissionierzeiten, häufige Umlagerungen oder Verzögerungen zwischen Kommissionierung und Versand sichtbar werden.

Damit lässt sich die Ursache einer schlechten Kennzahl genauer eingrenzen.

Statt lediglich festzustellen, dass die durchschnittliche Durchlaufzeit gestiegen ist, können Logistikverantwortliche untersuchen, an welcher Stelle des Prozesses zusätzliche Zeit entsteht und welche Vorgänge besonders häufig betroffen sind.

Process Mining im Lager: ein Beispiel

Ein Unternehmen stellt fest, dass bestimmte Kommissionieraufträge deutlich länger dauern als andere.

Eine klassische Auswertung kann zunächst die durchschnittliche Kommissionierzeit darstellen. Process Mining betrachtet dagegen den tatsächlichen Ablauf der betroffenen Aufträge.

Dabei könnte sichtbar werden, dass Mitarbeiter bei einer bestimmten Artikelgruppe regelmäßig einen zusätzlichen Lagerbereich ansteuern müssen. Eine genauere Analyse zeigt anschließend, dass der Bestand am vorgesehenen Kommissionierplatz häufig nicht ausreicht und deshalb zusätzliche Nachschubbewegungen notwendig werden.

Aus der zunächst abstrakten Abweichung entsteht damit ein konkreter Ansatzpunkt für die Prozessoptimierung.

Welche Logistikprozesse lassen sich mit Process Mining analysieren?

Grundsätzlich eignet sich Process Mining für Prozesse, bei denen ausreichend digitale Ereignisdaten vorhanden sind.

Im Lager können beispielsweise Wareneingang, Einlagerung, Umlagerung, Nachschub, Kommissionierung und Versand analysiert werden. Auch Inventurprozesse lassen sich hinsichtlich Zählzeiten, Abweichungen und Prozessvarianten untersuchen.

Darüber hinaus eignet sich Process Mining für Materialflüsse und interne Transporte. Transportwege, Übergaben oder Liegezeiten von Behältern können analysiert werden, sofern die entsprechenden Bewegungen digital dokumentiert werden.

Auch die Inhouse Logistik bietet mögliche Einsatzbereiche. Dazu gehören beispielsweise interne Paket- und Postverteilung oder die Nutzung von Smart Lockern.

Besonders interessant wird Process Mining, wenn mehrere dieser Prozesse miteinander verbunden betrachtet werden. Verzögerungen an einer Stelle können schließlich Auswirkungen auf nachgelagerte Abläufe haben.

Process Mining und Business Intelligence: Wo liegt der Unterschied?

Business Intelligence und Process Mining ergänzen sich, beantworten jedoch unterschiedliche Fragen.

Ein BI-Dashboard zeigt beispielsweise, wie viele Aufträge bearbeitet wurden, wie hoch die durchschnittliche Kommissionierzeit ist oder an welchem Standort besonders viele Verzögerungen auftreten.

Process Mining betrachtet dagegen den Ablauf hinter diesen Kennzahlen. Es zeigt, an welcher Stelle eines Prozesses eine Auffälligkeit entsteht und welche Prozessvarianten besonders häufig damit verbunden sind.

Unternehmen können dadurch von einer allgemeinen Kennzahl schrittweise bis zur konkreten Prozessursache gelangen.

Welche Rolle spielt KI beim Process Mining?

Bei umfangreichen Logistikprozessen können sehr viele Prozessvarianten und Abweichungen entstehen. Künstliche Intelligenz kann dabei unterstützen, relevante Muster schneller zu identifizieren und umfangreiche Analysen auszuwerten.

So können beispielsweise wiederkehrende Auffälligkeiten hervorgehoben oder Zusammenhänge zwischen bestimmten Prozessvarianten und längeren Durchlaufzeiten erkannt werden.

In Kombination mit Business Intelligence entsteht dadurch eine umfassendere Datenanalyse. Kennzahlen zeigen, wo etwas auffällig ist, Process Mining macht die dahinterliegenden Abläufe transparent und KI kann dabei helfen, relevante Zusammenhänge und mögliche Handlungsfelder schneller herauszuarbeiten.

Welche Voraussetzungen braucht Process Mining?

Entscheidend ist eine ausreichende digitale Datenbasis. Process Mining kann nur Prozessschritte analysieren, die durch entsprechende Ereignisdaten dokumentiert wurden.

Werden Warenbewegungen nicht gebucht, Prozessschritte ausschließlich auf Papier dokumentiert oder Statusänderungen nicht zuverlässig gespeichert, entstehen Lücken in der Analyse.

Unternehmen mit digitaler Lagerverwaltung, mobiler Datenerfassung und strukturierten Buchungsprozessen verfügen deshalb häufig bereits über wichtige Voraussetzungen für den Einsatz von Process Mining.

Fazit: Vom einzelnen Scan zum transparenten Logistikprozess

Process Mining verbindet einzelne digitale Ereignisse zu einem Gesamtbild des tatsächlichen Logistikprozesses. Scans, Buchungen und Statusänderungen werden nicht isoliert betrachtet, sondern ihrem jeweiligen Vorgang zugeordnet und zeitlich miteinander verknüpft.

Dadurch werden Prozessvarianten, Wartezeiten, Schleifen und Engpässe sichtbar. Unternehmen erhalten eine datenbasierte Grundlage, um Optimierungsmaßnahmen dort anzusetzen, wo im realen Prozess tatsächlich Verbesserungspotenzial besteht.