Automotive: Process Mining & GenAI – der Weg wird länger als erwartet – oder doch nicht?

Branche: Fahrzeugbau (Automobilzulieferer; Systemlieferant; Standort Mexico)

Linienfunktion: Experte - Project Manager

Thema: Reorganisations- und Transformationsprojekt Near Shoring USMCA, Künstliche Intelligenz (AI)

Umsatz p.a.: N/A

Anzahl Mitarbeiter: N/A

Seit einigen Jahren haben wir mit iMB.Solutions Ltda. in periodischer Abfolge immer wieder diverse Projekte für einen europäischen Systemlieferanten der Automobilindustrie in Brasilien und Argentinien durchgeführt. Im Rahmen einer globalen Strategie, die Lieferketten nach neu definierten Kriterien zu strukturieren, wurde auf dem amerikanischen Kontinent das  "Near Shoring", kombiniert mit "Friend Shoring", in den strategischen Fokus gerückt. Als operatives Testlabor wurde hierzu der USMCA-Wirtschaftsraum mit dem Standort Mexico ausgewählt.

Um die Liefer- und Wertschöpfungsketten neu zu justieren, sollten die Prozesse grundlegend transparent gemacht werden. Das erfolgte unter Nutzung von "Process Mining", was wir schon zuvor an diversen anderen Standorten des Mandanten anwendeten. Neu war diesmal, dass eine generative AI speziell zur Auswertung der Event Logs im Process Mining eingesetzt werden sollte.

Meine Aufgabe bestand vorrangig darin, den neuen Ansatz zu operationalisieren sowie die Erfahrungen in der täglichen Anwendung zu dokumentieren und transparent zu gestalten. Aus diesem Pilotprojekt soll, wenn möglich, in der nahen Zukunft ein fest etabliertes Werkzeug für das Projektmanagement werden.

Dem Leser sei der nachfolgende Link empfohlen, um mehr über das Thema Process Mining zu erfahren:

https://www.imb.solutions/blog/process-mining-a-buzz-word

Was war die Annahme, Process Mining mit GenAI zu kombinieren?

Process Mining, unterstützt durch GenAI, kann die Anwendungsmöglichkeiten des Process Mining erweitern. GenAI kann beispielsweise die Prozesserkennung verbessern, indem sie automatisch Prozessmodelle aus Ereignisdaten (event logs) generiert. Darüber hinaus kann GenAI auch bei der Prozessverbesserung helfen, indem sie automatisch Optimierungsvorschläge generiert. Die Kombination von Process Mining und Generative AI kann somit eine mächtige und flexible Basis für umfassende Einsatzmöglichkeiten im Process Mining bieten.

Die klassischen Anwendungen des Process Mining stoßen jedoch in der Realität schnell an ihre Grenzen, insbesondere wenn es um autonome oder hoch automatisierte Optimierungsansätze geht. Diese Erfahrung haben wir schon in den letzten Jahren in diversen Projekten machen müssen. Somit war mir klar, dass das klassische Process Mining eigentlich schnell an seine zeitlichen und damit Kostengrenzen kam. Daher hatte unser Mandant in letzter Zeit verstärkt auf Technologien aus dem Bereich der GenAI und des maschinellen Lernens (ML) zurückgegriffen, um damit die Anwendungsmöglichkeiten und Erfolgspotenziale des Process Mining zu erweitern.

Traditionelle Ansätze im Process Mining umfassen die Prozesserkennung (Discovery), die Prozessübereinstimmung (Conformance) sowie die Prozesserweiterung (Enhancement). Bei der Prozesserkennung werden die Ereignisdaten ausgewertet und darauf aufbauend das Ist-Prozessmodell, welches den tatsächlichen Geschäftsprozessen zugrunde liegt, abgeleitet. Bei der Prozessübereinstimmung wird das Ist-Modell mit einem idealtypischen Soll-Modell abgeglichen, um in einem ersten Schritt Abweichungen aufzudecken, anschließend zu lokalisieren und zu erklären. Bei der Prozessverbesserung wird das bestehende Ist-Modell erweitert, angepasst und verbessert, um einen effizienten Prozessablauf zu erreichen.

(Process Mining Konzept - siehe Grafik unten)

Der Process Mining GenAI Bot in Operations

Die Prozessverbesserung mit GenAI kann auf verschiedene Weise erfolgen. Eine Möglichkeit besteht darin, dass die GenAI automatisch Optimierungsvorschläge generiert, die auf den vorhandenen Prozessdaten basieren. Diese Vorschläge können beispielsweise darauf abzielen, Engpässe im Prozess zu beseitigen, die Durchlaufzeit zu verkürzen oder die Qualität der Ergebnisse zu verbessern. Gerade bei diesem Ansatz konnten wir im Mexico-Team sehr schnell erkennen, dass erhebliche Produktivitätsfortschritte zu realisieren waren.

Ein weiterer Ansatz besteht darin, dass die GenAI neue Prozessmodelle generiert, die auf den vorhandenen Daten basieren. Diese Modelle können dann als Ausgangspunkt für die Prozessverbesserung dienen, indem sie beispielsweise Schwachstellen im Prozess aufdecken oder alternative Prozessabläufe vorschlagen.

Es ist jedoch wichtig zu beachten, dass die Nutzung von Process Mining-Softwarelösungen, die auf GenAI und ML basieren, in der Regel tiefgreifende IT- und Process-Mining-Kenntnisse voraussetzt. Das Mexico-Team und ich als Projekt Manager verfügen zwar über sehr profunde Kenntnisse im Process Mining, benötigen aber für diesen Ansatz die explizite Unterstützung durch trainierte IT-Spezialisten. Hier muss mit hoher Sensibilität an den Projektansatz herangegangen werden, da gerade die zeitlichen und Budget-Limits der IT-Spezialisten sehr schnell ausgeschöpft sind.

Projektmanagement

Um ein solches Projekt aufzusetzen, habe ich folgende Schritte, gemeinsam mit dem Mexico-Team, durchgeführt:

(1) Auswahl der geeigneten Process-Mining-Software, die GenAI Anwendungen unterstützt oder integriert, wie z.B. Pega Process Mining, Celonis oder IBM Process Mining.

(2) Definition der Ziele und Anforderungen des Projekts, wie z.B. die Verbesserung der Prozesseffizienz, -qualität oder -flexibilität, die Reduzierung von Kosten oder Risiken, oder die Erhöhung der Kundenzufriedenheit, d.h., ein rigides Projektcontrolling.

(3) Sammlung und Aufbereitung der Ereignisdaten aus den verschiedenen Quellsystemen, wie z.B. ERP, CRM, SCM oder MES, die die relevanten Prozesse abbilden. Eine Säuberung und Kuratierung der Daten kann zumeist nur manuell erfolgen und ist sehr zeitintensiv.

(4) Analyse der Ist-Prozesse mit Hilfe von Process Mining, um die Prozessmodelle, -abläufe, -leistungen und -probleme zu visualisieren und zu verstehen. Das sollte im ersten Schritt mit der traditionellen Methode erfolgen, um das gesamte Projektteam auf den gleichen Stand zu bringen.

(5) Generierung von neuen Prozessmodellen oder -varianten mit Hilfe von GenAI-Anwendungen, die auf den analysierten Ereignisdaten (event logs) basieren und die definierten Ziele und Anforderungen erfüllen oder optimieren.

(6) Bewertung und Validierung der generierten Prozessmodelle oder -varianten, um ihre Machbarkeit, Wirksamkeit und Robustheit zu überprüfen und zu vergleichen. Das muss unbedingt im erweiterten Team erfolgen, um alle Aspekte des Prozesses zu Wort kommen zu lassen.

(7) Implementierung und Überwachung der ausgewählten Prozessmodelle oder -varianten in den Zielsystemen, um die erwarteten Verbesserungen zu realisieren und zu messen. Das Projektcontrolling muss hier aktualisiert werden und den Schritt eng überprüfen.

Vorteile eines Process Mining GenAI Bots

(1) Die Möglichkeit, die Geschäftsprozesse kontinuierlich zu optimieren und an die sich ändernden realen Bedingungen fast in real time anzupassen, indem man von der Kreativität der GenAI-Anwendungen profitiert. Der Bot wird so zu einem echten Assistenten.

(2) Reduzierung des manuellen Aufwands und der menschlichen Fehler bei der Prozessmodellierung und -verbesserung, indem man die automatisierten und datengetriebenen Funktionen des Process Mining nutzt.

(3) Erhöhung der Transparenz und des Verständnisses der Geschäftsprozesse, indem man die visuellen und interaktiven Darstellungen des Process Mining verwendet.

Nachteile eines Process Mining GenAI-Bots

(1) Abhängigkeit von der Qualität und Verfügbarkeit der Ereignisdaten, die die Grundlage für das Process Mining und die GenAI-Anwendungen bilden. Wenn die Daten unvollständig, ungenau oder veraltet sind, können die Ergebnisse des Projekts beeinträchtigt werden. Das gilt für den traditionellen und den GenAI-Ansatz.

(2) Komplexität und Herausforderung, die GenAI Anwendungen zu verstehen, zu kontrollieren und zu vertrauen, die möglicherweise nicht immer die gewünschten oder erwarteten Prozessmodelle oder -varianten erzeugen. Es kann schwierig sein, die Logik oder die Absicht hinter den generierten Prozessen zu erklären oder zu rechtfertigen. D.h., solche Projekte müssen als kontextuelle, holistische Projekte aufgesetzt werden. Der reine technische Erklärungsansatz ist nicht ausreichend; das gesamte Projekt muss im Kontext betrachtet und erklärt werden.

(3) Notwendigkeit, die organisatorischen und kulturellen Veränderungen zu managen, die mit der Einführung von neuen oder veränderten Prozessen einhergehen. Es kann Widerstand oder Skepsis seitens der beteiligten Stakeholder geben, die an die bestehenden Prozesse gewöhnt sind oder andere Interessen haben. Dieses Misstrauen kann durch die Anwendung von GenAI bei den Mitarbeitern potenziert werden. Daher ist die kontextuelle Intelligenz des Projekt- bzw. Interim Managers von fundamentaler Bedeutung.

Der Business Case für meinen Mandanten

Der Business Case eines solchen Projekts hängt von den spezifischen Umständen und Zielen des jeweiligen Unternehmens ab, aber im Allgemeinen kann ich folgende Schlussfolgerungen ziehen:

(1) Die Kosten des Projekts umfassen die Anschaffung oder Lizenzierung der Process-Mining-Software, die Integration der Quell- und Zielsysteme, die Schulung und Beratung der Projektmitarbeiter, die Durchführung der Prozessanalyse, -generierung, -bewertung und -implementierung, sowie die laufende Wartung und Überwachung der Prozesse.

(2) Die Nutzen des Projekts umfassen die Einsparungen, die durch die Verbesserung der Prozesseffizienz, -qualität oder -flexibilität, die Reduzierung von Kosten oder Risiken, oder die Erhöhung der Kundenzufriedenheit erzielt werden können. Diese können in Form von Kennzahlen wie Durchlaufzeit, Fehlerquote, Kundenzufriedenheit, Umsatz oder Gewinn gemessen werden.

(3) Die Rentabilität des Projekts kann anhand von Indikatoren wie Return on Investment (ROI), Net Present Value (NPV) oder Internal Rate of Return (IRR) berechnet werden, die das Verhältnis zwischen den Kosten und dem Nutzen des Projekts ausdrücken. Das muss im Projekt Controlling des Mandanten definiert werden, bevor das Projekt gestartet wird.

Ich möchte an dieser Stelle nochmals ausdrücklich hervorheben, dass ein andere Projektkontext mit hoher Wahrscheinlichkeit eine andere Gewichtung hervorbringt. Mit iMB.Solutions haben wir schon in diversen Projekten generative AI-Applikationen eingesetzt, so z.B. in der Auswertung von analogen Maschinen- und Produktionsdaten durch IoT-Technologie, wie auch in der Administration zur Generierung von CO2-Zertifikaten basierend auf einem nativen Wald.

Siehe hierzu auch nachfolgenden Link zu Blog:

https://www.unitedinterim.com/blogs/maschinenbau-iot-meets-genai.html

Nachfolgend möchte ich einige aktuell gängigen GenAI Lösungen für Process Mining vorstellen. Die Auflistung erhebt keinen Anspruch auf einen kompletten Überblick, da der Markt sich aktuell dynamisch entwickelt. Diese Applikationen wurden intensiv in meinem Projekt eingesetzt und ausgiebig getestet.

Pega Process Mining

Diese Software ermöglicht es, mit generativen KI-Modellen wie OpenAI's ChatGPT neue Prozessmodelle oder -varianten vorzuschlagen, die auf den analysierten Ereignisdaten basieren und die Prozessleistung verbessern.

Die generativen KI-Modelle können als eine Front-End-Schnittstelle genutzt werden, um die Prozessanalyse und -verbesserung zu erleichtern.

Pega Process Mining ist eine Software, die es Unternehmen ermöglicht, ihre Geschäftsprozesse zu analysieren und zu optimieren. Mit Hilfe von KI-basierten Prozess-Mining können Benutzer Einblicke in ihre Prozesse gewinnen und Optimierungsmöglichkeiten identifizieren. Pega Process Mining ist eine benutzerfreundliche Lösung, die es Benutzern aller Fähigkeiten ermöglicht, von Geschäftsanwendern bis hin zu Datenwissenschaftlern, zu verstehen, wo ihre wichtigsten Prozessoptimierungs- und Automatisierungsmöglichkeiten liegen.

Mit Process Mining und der Pega Platform erhalten Unternehmen eine einfach zu bedienende Lösung, um Prozessineffizienzen aufzudecken und Optimierungsinitiativen innerhalb einer einzigen, nahtlosen Lösung umzusetzen.

Celonis

Diese Software bietet eine Funktion namens "Process Automation Discovery", die mit GenAI-Algorithmen neue Prozessmodelle oder -varianten erzeugt, die auf den analysierten Ereignisdaten basieren und die Prozessautomatisierung unterstützen.

Die GenAI-Algorithmen können auch die Auswirkungen der vorgeschlagenen Prozessänderungen simulieren und bewerten. Celonis ist ein deutsches Unternehmen, das Software zur Prozessoptimierung anbietet. Die Software nutzt Prozess-Mining und KI, um Geschäftsprozesse zu analysieren und zu optimieren.

Celonis bietet eine benutzerfreundliche Lösung.

IBM Process Mining

Diese Software nutzt GenAI-Technologien wie "Generative Adversarial Networks" (GANs), um neue Prozessmodelle oder -varianten zu erzeugen, die auf den analysierten Ereignisdaten basieren und die Prozesseffizienz, -qualität oder -flexibilität erhöhen. Die GenAI-Technologien können auch die Robustheit und Anpassungsfähigkeit der generierten Prozesse gewährleisten.

Vergleich IBM Process Mining vs. Pega Process Mining

IBM Process Mining und Pega Process Mining sind beides Softwarelösungen, die Unternehmen dabei helfen, ihre Geschäftsprozesse zu analysieren und zu optimieren. Beide Lösungen nutzen GenAI-basiertes Prozess-Mining, um Benutzern Einblicke in ihre Prozesse zu geben und Optimierungsmöglichkeiten zu identifizieren. Beide Lösungen sind benutzerfreundlich und bieten eine einfache Möglichkeit, Prozessineffizienzen aufzudecken und Optimierungsinitiativen innerhalb einer einzigen, nahtlosen Lösung umzusetzen. Es gibt jedoch einige Unterschiede zwischen den beiden Lösungen. Gemäß unserer spezifischen Projektnutzung fanden wir als Benutzer IBM Process Mining einfacher zu verwenden und besser geeignet für ihre Geschäftsanforderungen als Pega Process Mining.

Auf der anderen Seite waren wir als Benutzer über die Einrichtung von Pega Platform und die Verwaltung von Prozesse ausgesprochen beeindruckt. Wenn es um die Qualität der laufenden Produktunterstützung geht, bevorzugten wir im Mexico-Projekt IBM Process Mining. In Bezug auf Funktionen und Roadmaps bevorzugen wir Pega Platform.

Zusammenfassend lässt sich sagen, dass IBM Process Mining und Pega Process Mining ähnliche Funktionen bieten, aber es gibt Unterschiede in der Benutzerfreundlichkeit und den Funktionen. Es ist essentiell wichtig, die spezifischen Anforderungen Ihres Unternehmens zu berücksichtigen, um die beste Lösung für Ihre Bedürfnisse zu finden. Eine klare Präferenz würde ich nicht äußern – die hängt massiv vom individuellen Projekt und Ihrem Geschäftsmodell ab.

Key Learning

Nachfolgend finden Sie die Szenarien und Ergebnisse, die sich aus der Kombination von Process Mining und GenAI ergeben haben; die internen Managementimplikationen und Schlussfolgerungen wurden vom Kunden nicht zur Veröffentlichung freigegeben.

(1) Optimierung und gesteigerte Effizienz: Durch die Implementierung von Process Mining und GenAI können die Geschäftsprozesse deutlich optimiert werden. GenAI hat definitiv geholfen, neue Prozessmodelle zu generieren und Engpässe und ineffiziente Prozesse schnell zu identifizieren und zu beseitigen. Diese machten sich vor allem in der Reduzierung der Durchlaufzeiten, einer Steigerung der Ergebnisqualität/Sinnhaftigkeit und einer allgemeinen Verbesserung der Prozessleistung bemerkbar. Diese Effizienzgewinne führten wiederum zu

(2) Kosteneinsparungen und verbesserter Kundenzufriedenheit.

(3) Herausforderungen und Verzögerungen: Es besteht die Möglichkeit, dass das Projekt länger dauert als erwartet. Das liegt vor allem daran, dass keiner von uns wirklich tiefgreifende Erfahrungen mit dem ganzheitlichen Einsatz von GenAI hatte. Die Gründe, die dafür genannt wurden, sind vielfältig:

(3a) Datenqualität und -verfügbarkeit: Die Qualität und Vollständigkeit von Ereignisprotokollen ist entscheidend für den Erfolg des Process Mining. Unvollständige oder falsche Daten können den Prozess verlangsamen und die Ergebnisse beeinträchtigen. Dies gilt sowohl für die traditionelle als auch für die GenAI-gestützte Projektumsetzung.

(3b)Technologische Komplexität: Die Integration von GenAI in das Process Mining erfordert tiefgreifende IT-Kenntnisse und möglicherweise auch umfangreiche Schulungen für praktisch alle beteiligten Mitarbeiter. Der Bedarf an hochspezialisierten IT-Spezialisten könnte zu Verzögerungen führen, insbesondere wenn diese Ressourcen knapp sind. Der Umfang der erforderlichen Schulungen wurde anfangs unterschätzt.

(3c) Kulturelle und organisatorische Widerstände: Prozessänderungen können innerhalb der Organisation auf Widerstand stoßen. Der Umgang mit diesen Veränderungen erfordert Zeit und sorgfältige Planung, um die Akzeptanz der Beteiligten zu erhöhen. Solche Widerstände können grundsätzlich auftreten, werden aber derzeit durch den Einsatz von GenAI noch verstärkt, da noch ein hohes Maß an Misstrauen besteht.

Erfolgreiche Implementierung und Ausweitung

Da die Implementierung erfolgreich war und die erwarteten Verbesserungen eingetreten sind, könnte das Pilotprojekt als Modell für andere Standorte und Projekte dienen. Unser Kunde könnte Process Mining und GenAI als fest etabliertes Projektmanagement-Tool übernehmen und in anderen Bereichen einsetzen. Dies würde die Wettbewerbsfähigkeit des Unternehmens erhöhen und seine Position am Markt stärken.

Unvorhergesehene Ergebnisse und Anpassungen

Die Kombination von Process Mining und GenAI führte zu unvorhergesehenen Ergebnissen. Dies lag zum einen an der sehr tiefgehenden Prozessanalyse und zum anderen an den Ergebnissen, die durch die Kombination generiert wurden. So stellten wir beispielsweise häufig fest, dass die von GenAI generierten Modelle und Optimierungsvorschläge nicht immer den gewünschten oder erwarteten Effekt hatten. In solchen Fällen musste das Projektteam flexibel genug sein, um Anpassungen vorzunehmen und alternative Lösungen zu entwickeln. Wir haben hier sehr eindrucksvoll gelernt, dass uns der Einsatz von GenAI im Process Mining auch als intensiver Prozess-Design-Thinking-Assistent gute Dienste leistet.

Langfristiger Innovationsnutzen

Langfristig konnte unser Kunde durch die Integration von GenAI im Process Mining einen Innovationsvorsprung gewinnen. Die Fähigkeit, Prozesse nahezu in Echtzeit zu analysieren und zu optimieren, könnte zu einer kontinuierlichen Verbesserung und Anpassung an veränderte Marktbedingungen führen. Dies könnte auch die Fähigkeit des Unternehmens zur Innovation und schnellen Reaktion verbessern.

Nachbetrachtung

Das Projekt hatte sich mit Blick auf den Zeithorizont faktisch verdoppelt, was allerdings schon vor Projektbeginn in das Szenario eingespeist wurde. Allen Beteiligten war klar, dass in der Anwendung der neuen generativen AI-Technologie eine erhebliche Unsicherheit lag. Es handelte sich hier um ein Projekt im Rahmen der Geschäftsmodelltransformation und nicht Reorganisation. Es ist Konsens, dass transformatorische Projektmissionen durch den sehr weiten und nicht immer klar definierbaren Horizont ein breites Feld für Trial & Error in sich bergen. Und genau hier liegt auch die große Chance.

Es sei an dieser Stelle angemerkt, dass es sich bei dem europäischen Mandanten nicht um einen Kunden des deutsch-sprachigen Kulturraums handelt. Die Toleranz, mit transformatorischen Unsicherheiten umzugehen, ist höher als bei deutsch-sprachigen Unternehmen.

Im ersten Semester 2024 war ich in der Zwischenzeit wieder in Mexico und habe u.a. die Fabrik unseres langjährigen Mandanten besucht. Process Mining unter Anwendung von generativer AI ist in der Zwischenzeit fest implementiert und wird global eingesetzt. Die Entwicklung ist weiter offen – im gleichen Sinne wie sich auch die generative AI rasant entwickelt.

Das Projekt wurde vor 1,5 Jahren durchgeführt. Aufgrund der Schweigepflicht für die Veröffentlichung des Business Case kann die Fallstudie erst jetzt veröffentlicht werden. Aus anderen Projektaufträgen wissen wir, dass sich das Umfeld für GenAI-Anwendungen in der Zwischenzeit massiv verändert hat, auch im Process Mining – und dass sich die Anwendungen extrem schnell entwickelt haben. Daher könnten die in dieser Fallstudie gemachten Aussagen auch in neuen Projekten neu evaluiert werden.

Frank P. Neuhaus
Profil bei UNITEDINTERIM

Video

Playlist: Brasilien-Special

Marechal Deodoro, 135, 19th. floor
04738000 São Paulo
Brasilien

Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein!
+55 119 910 39 149