Process Mining zeigt Prozesse, die kein Mensch kennt. Genau das ist der Wert.

Die Lücke zwischen Prozessmodell und Realität

Jede Bank hat Prozesshandbücher, in denen steht, wie die Abläufe funktionieren sollen. Was dort steht und was in den Systemen tatsächlich passiert, sind zwei verschiedene Dinge: Über die Jahre entstehen Umwege, Sonderlösungen, manuelle Eingriffe und Schleifen, die niemand bewusst eingeführt hat. Process Mining macht diese gelebten Abläufe aus den Protokolldaten der Systeme sichtbar und liefert damit eine Faktenbasis, die keine Befragung und kein Handbuch ersetzen kann.

Process Mining rekonstruiert aus sogenannten Ereignisprotokollen, welche Schritte in welcher Reihenfolge tatsächlich durchlaufen wurden. Es zeigt nicht, wie der Prozess gedacht ist, sondern wie er wirklich abläuft, mit allen Abweichungen, Wiederholungen und Verzweigungen. Die methodischen Grundlagen hat die IEEE Task Force on Process Mining in ihrem „Process Mining Manifesto“ beschrieben, an dem mehr als 75 Fachleute aus über 50 Organisationen mitgearbeitet haben (veröffentlicht 2012). Es unterscheidet drei Einsatzarten: das Entdecken des tatsächlichen Prozesses, den Abgleich mit dem Soll-Modell und die Verbesserung des Modells anhand der Daten.

Was findet Process Mining in Bankprozessen typischerweise?

Fast immer zeigen sich drei Muster: Schleifen, Doppelarbeit und manuelle Eingriffe. In Schleifen werden Vorgänge mehrfach durchlaufen, weil etwas fehlt oder korrigiert werden muss. Bei Doppelarbeit wird dieselbe Tätigkeit an mehreren Stellen verrichtet, ohne dass jemand den Überblick hat. Und bei manuellen Eingriffen reparieren Menschen, was das System nicht von selbst bewältigt.

Diese Muster sind selten das Ergebnis bewusster Gestaltung. Gewachsen sind sie, oft als Reaktion auf einzelne Probleme, und haben sich verfestigt, ohne dass jemand das Gesamtbild im Blick hatte. Niemand hat entschieden, dass ein Vorgang dreimal durchlaufen werden soll, aber genau das geschieht, weil sich Einzellösungen zu einem Geflecht summiert haben.

Dieses Aufdecken ist oft unangenehm, weil es zeigt, wie weit die Realität vom Ideal abweicht. Diese unbequeme Wahrheit ist aber die Voraussetzung für Verbesserung: Verbessern lässt sich nur, was bekannt ist. Solange die tatsächlichen Prozesse im Dunkeln liegen, bleibt jede Optimierung Stückwerk.

Warum weichen gelebte Prozesse von der Beschreibung ab?

Prozesse leben, Handbücher nicht. Abläufe passen sich an, wenn neue Anforderungen auftauchen, Systeme geändert werden oder Mitarbeitende eigene Wege finden, ein Problem zu lösen. Jede Anpassung ist für sich sinnvoll, in der Summe entfernen sie den gelebten Prozess aber immer weiter von der Dokumentation.

Die Dokumentation hält selten Schritt. Ein Prozesshandbuch zu aktualisieren ist mühsam und wird oft aufgeschoben, während die Praxis längst weitergewandert ist. Die wachsende Kluft ist kein Zeichen von Nachlässigkeit, sondern die natürliche Folge davon, dass sich Prozesse schneller verändern, als die Beschreibung nachzieht.

Warum eignen sich Banken besonders für Process Mining?

Bankprozesse sind stark systemgestützt, und fast jeder Schritt hinterlässt eine Spur – im Kernbanksystem, in der Kreditbearbeitung oder im Zahlungsverkehr. Diese Spuren sind der Rohstoff für Process Mining. Wo andere Branchen Daten erst mühsam sammeln müssen, liegen sie in Banken bereits vor.

Hinzu kommen viele standardisierte, häufig wiederholte Prozesse. Ein Prozess, der tausendfach durchlaufen wird, multipliziert jede Ineffizienz tausendfach. Deckt die Analyse in einem solchen Prozess eine überflüssige Schleife oder einen vermeidbaren manuellen Eingriff auf, summieren sich die eingesparten Bearbeitungsstunden schnell. Wie solche Befunde in eine strukturierte Kostensenkung münden, beschreibt der Beitrag Prozesskosten in Banken senken.

Was bringt das objektive Bild – und wo liegt die Grenze?

Process Mining beruht nicht auf Aussagen der Beteiligten, die ihre Prozesse oft anders wahrnehmen, als sie ablaufen, sondern auf den Spuren in den Systemen. Diese Objektivität versachlicht Diskussionen: Statt darüber zu streiten, wie ein Prozess abläuft, wird auf die Daten geschaut. Gerade wenn Bereiche unterschiedliche Sichten haben, ist eine gemeinsame Faktenbasis ein großer Gewinn.

Die Objektivität hat eine unbequeme Seite. Das Bild zeigt nicht nur Schwachstellen der Prozesse, sondern mitunter auch, dass einzelne Bereiche anders arbeiten als vorgesehen. Process Mining entfaltet seinen Wert nur als Werkzeug der Verbesserung, nicht der Kontrolle. Rechtlich ist das kein Detail: In privatrechtlich organisierten Instituten unterliegt nach § 87 Abs. 1 Nr. 6 Betriebsverfassungsgesetz die Einführung technischer Einrichtungen, die dazu bestimmt sind, Verhalten oder Leistung der Beschäftigten zu überwachen, der Mitbestimmung des Betriebsrats; in Sparkassen gilt das jeweilige Personalvertretungsrecht. Eine frühe Einbindung der Arbeitnehmervertretung und eine Auswertung auf Prozess- statt Personenebene schaffen Vertrauen.

Wie wird aus der Analyse eine dauerhafte Steuerung?

Richtig eingesetzt, ist Process Mining keine einmalige Analyse, sondern ein Instrument der laufenden Prozesssteuerung. Abläufe werden kontinuierlich beobachtet, Abweichungen früh erkannt. So schleichen sich neue Schwachstellen nicht unbemerkt ein, wie es bei den alten geschehen ist.

Der Wert entsteht erst durch das Handeln: Schleifen auflösen, Doppelarbeit beseitigen, manuelle Eingriffe automatisieren. Gerade die wiederkehrenden manuellen Eingriffe sind oft genau die Stellen, an denen sich KI lohnt, etwa beim Auslesen von Dokumenten oder beim Zuordnen von Eingängen. Process Mining liefert damit die Landkarte für eine Automatisierung, die sich an der Realität ausrichtet statt an Vermutungen. Warum diese Automatisierung über stabile Schnittstellen statt über Bildschirm-Bots laufen sollte, erklärt der Beitrag RPA war ein Fehler; warum sie mehr als ein Effizienzthema ist, zeigt der Beitrag zur Prozessautomatisierung in der Finanzbranche.

Nachvollziehbare Prozesse sind zugleich die Voraussetzung dafür, dass automatisierte Entscheidungen später erklärbar bleiben; mehr dazu im Beitrag Erklärbare KI reicht nicht. Wie weit eine Organisation insgesamt für KI aufgestellt ist, lässt sich mit dem Schnelltest zur KI-Readiness einschätzen.

Was das Management für den Einstieg in Process Mining festlegen sollte

1. Einen häufig durchlaufenen Prozess wählen, bei dem Verbesserungen spürbar wirken, etwa Kontoeröffnung, Kreditbearbeitung oder Posteingang.

2. Die Datenbasis prüfen: Welche Systeme protokollieren welche Schritte mit Zeitstempel und Vorgangsnummer?

3. Arbeitnehmervertretung und Datenschutz früh einbinden und die Auswertung auf Prozessebene festlegen.

4. Für jede gefundene Schwachstelle eine Maßnahme mit Verantwortung festlegen, vom Streichen einer Schleife bis zur Automatisierung.

5. Die Analyse verstetigen und Abweichungen als laufende Kennzahl berichten lassen.

Häufige Fragen

Was ist Process Mining einfach erklärt?
Ein Verfahren, das aus den Protokolldaten von IT-Systemen rekonstruiert, wie Geschäftsprozesse tatsächlich ablaufen, einschließlich aller Umwege, Wiederholungen und manuellen Eingriffe.

Worin unterscheidet sich Process Mining von einer klassischen Prozessaufnahme?
Eine Prozessaufnahme beruht auf Interviews und Workshops und zeigt die Wahrnehmung der Beteiligten. Process Mining beruht auf Systemdaten und zeigt jeden einzelnen Durchlauf über einen längeren Zeitraum.

Braucht Process Mining die Zustimmung der Arbeitnehmervertretung?
Sobald das Verfahren geeignet ist, Verhalten oder Leistung von Beschäftigten zu überwachen, ist die Mitbestimmung berührt. Eine frühe Einbindung und eine Auswertung auf Prozessebene sind daher der übliche Weg.

Weitere Beiträge zu Posteingang, Dokumentenerkennung und Dunkelverarbeitung bündelt das Dossier Eingangs- & Dokumentenverarbeitung.

Wie weit der gelebte Kreditprozess oder Posteingang vom eigenen Prozesshandbuch entfernt ist, lässt sich meist nur vermuten – bis die Systemdaten es zeigen. Ein erstes Gespräch zu diesem Thema führen wir gern.