Process Mining als Use Case für Data Engineers und Data Scientists

Process Mining ist eine datengetriebene Methode zur Rekonstruktion von Prozessflüssen aus Datenspuren heraus und dient zur Analyse und Optimierung realer Geschäftsprozesse – auf Basis von Event-Logs, die in operativen IT-Systemen anfallen. Im Kern handelt es sich um eine Form der Graphenanalyse, bei der aus zeitlich geordneten Aktivitäten gerichtete Prozessgraphen entstehen. Diese Methode ist nicht nur technisch faszinierend, sondern hat auch einen hohen strategischen Nutzen: Unternehmen gewinnen Transparenz über ihre tatsächlichen Abläufe, identifizieren Ineffizienzen und schaffen fundierte Grundlagen für Automatisierung und Compliance.

Trotz dieses Potenzials wird Process Mining in der Praxis bislang eher zögerlich und meist isoliert in einzelnen Fachbereichen eingesetzt. Häufig fehlt das Verständnis über die Voraussetzungen – sowohl auf Daten- als auch auf Organisationsseite. Fachlich mangelt es an etablierten Event-Log-Standards, technisch an robusten, skalierbaren Datenpipelines und integrationsfähigen Architekturen. Und auf menschlicher Ebene gilt es, Silodenken zu überwinden und Prozessverantwortliche sowie Data Professionals zusammenzubringen.

Process Mining kombiniert sich sehr gut mit klassischer Business Intelligence, benötigt jedoch granulare Daten (nicht nur z. B. Bestellköpfe und -positionen, sondern auch alle Änderungen und Statusmeldungen an diesen). Von dieser Datengrundlage profitieren auch Data-Science-Applikationen.

Der Vortrag richtet sich explizit an Data Engineers und Data Scientists und beleuchtet, wie sich deren Kompetenzen – etwa in der Datenmodellierung, Graphenanalyse oder im Machine Learning – ideal in Process-Mining-Projekte einbringen lassen. Gleichzeitig wird aufgezeigt, wie moderne Data Lakehouse-Architekturen als solide Grundlage dienen, um die für Process Mining notwendigen Datenquellen zuverlässig und flexibel zu erschließen.

Vorkenntnisse

Grundsätzliche Erfahrung als Data Engineer oder Data Scientist

Lernziele

• Verständnis der technischen und analytischen Grundlagen von Process Mining als zeitbasierte Graphenanalyse
  
• Einordnung des geschäftlichen Nutzens und der strategischen Rolle von Process Mining in der digitalen Transformation
  
• Überblick über die typischen Herausforderungen beim Einsatz – fachlich, technisch und kulturell
  
• Verständnis, wie moderne Datenarchitekturen (insb. Data Lakehouses) die technische Grundlage für erfolgreiche Implementierungen schaffen
  
• Aufzeigen der Karrierechancen für Data Engineers und Data Scientists im wachsenden Feld prozessorientierter Datenanalysen