nach oben

Erschienen in:

2022 | OriginalPaper | Buchkapitel

5. Nutzung von Process Mining in RPA-Projekten

verfasst von : Jonathan Brock, Sebastian von Enzberg, Arno Kühn, Roman Dumitrescu

Erschienen in: Praxishandbuch Robotic Process Automation (RPA)

Verlag: Springer Fachmedien Wiesbaden

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Zusammenfassung

Robotic Process Automation (RPA) ermöglicht Unternehmen ihre Prozesse zu automatisieren, ohne dass Eingriffe in die darunterliegenden IT-Systeme notwendig werden. Eine strukturierte Identifikation von Prozessen für diese Roboterautomatisierung, aber auch deren anschließende Überwachung, sind sehr zeitintensive Vorgänge. Process Mining bietet eine effiziente Lösung für diese Herausforderungen an und stellt daher eine logische Ergänzung in jedem RPA-Projekt dar. Process Mining nutzt die Daten, die bei der Anwendung von IT-Systemen zur Durchführung von Prozessen entstehen, um Prozessmodelle zu erstellen und zu analysieren. In diesem Beitrag werden die Grundlagen des Process Mining erläutert und ein umfassender Einblick in die Unterstützungsmöglichkeiten von RPA-Projekten geboten. Process Mining kann alle RPA-Phasen (Assess, Develop und Sustain) sinnvoll ergänzen, indem beispielsweise Nutzeraktionen aufbereitet und analysiert oder Benchmarkings neuer Roboterautomatisierungen durchgeführt werden können. Da Process Mining auf anderen Werkzeugen und Techniken aufbaut, werden zudem Hilfestellungen hinsichtlich der Toolauswahl und Erfolgsfaktoren für Projekte geboten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Wirtschaftlichkeitsbewertung einer Prozessautomatisierung mit RPA zur Unterstützung der Investitionsentscheidung

Nächstes Kapitel Datengestütztes RPA-Pipeline-Management mit Process Mining

BPM ist neben der IT, Prozessautomation, Operations Research oder Stochastik eine Subdisziplin der Process Science (van der Aalst 2016). Tatsächlich vereint Process Mining die beiden Disziplinen Process- und Data Science. Für das Verständnis und die praktische Anwendung ist die Einordnung in das BPM ausreichend.

Data Science ist die Wissenschaft von Daten und vereint wiederum selbst verschiedene Disziplinen wie die Mathematik, Statistik, Computerwissenschaft und eine jeweilige Anwendungsdomäne (Cao 2017; Schutt und O’Neil 2014).

Dies stellt eine vereinfachende Sicht dar. Alternativ könnte RPA als Werkzeug für die Prozess-Redesign und -implementierungs-Phase gesehen oder der BPM-Lebenszyklus mit dem Vorgehen in einem Process-Mining-Projekt verglichen werden. Zum Verständnis dieser Arbeit ist die gewählte Betrachtungsweise ausreichend.

https://github.com/apromore/RPA_UILogger.

https://www.processmining-software.com/

https://apromore.com/download/bzw. https://github.com/apromore/ApromoreDocker.

https://pm4py.fit.fraunhofer.de/bzw. https://github.com/pm4py/pm4py-core.

https://bupar.net/bzw. https://github.com/bupaverse/bupaR.

https://www.promtools.org/doku.php.

https://www.uipath.com/de/product/process-mining.

https://www.celonis.com/solutions/initiatives/rpa-automation/

Bitkom Research: Bitkom Digital Office Index 2018: Eine Studie zur Digitalisierung von Büro- und Verwaltungsprozessen in deutschen Unternehmen. https://www.bitkom.org/sites/default/files/file/import/180813-Studienbericht-Bitkom-Digital-Office-Index-2018.pdf (2018). Zugegriffen: 17. Febr. 2022

Cao, L.: Data science: a comprehensive overview. ACM Comput. Surv. 50, 1–42 (2017). https://doi.org/10.1145/3076253CrossRef

Dreher, S., Reimann, P., Gröger, C.: Application fields and research gaps of process mining in manufacturing companies. Annual Conference of the German Informatics Society, 621–634 (2020)

Dumas, M., La Rosa, M., Mendling, J., Reijers, H.A.: Fundamentals of business process management. Springer Berlin Heidelberg (2018)

Dunzer, S., Zilker, S., Marx, E., Grundler, V., Matzner, M.: The status quo of process mining in the industrial sector. International Conference on Wirtschaftsinformatik, 629–644, (2021)

Drakoulogkonas, P., Apostolou, D.: On the selection of process mining tools. Electronics 451, 451–474 (2021). https://doi.org/10.3390/electronics10040451

Egger, A., ter Hofstede, A., Kratsch, W., Leemans, S., Röglinger, M., Wynn, M.T.: Bot Log Mining: Using Logs from Robotic Process Automation for Process Mining. International Conference on Conceptual Modeling, 51–61 (2020). https://doi.org/10.1007/978-3-030-62522-1_4

Gausemeier, J., Plass, C.: Zukunftsorientierte Unternehmensgestaltung. Strategie, Geschäftsprozesse und IT-Systeme für die Produktion von morgen. Carl Hanser Verlag, München (2014)

Geyer-Klingeberg, J., Nakladal, J., Baldauf, F., Veit, F.: Process Mining and Robotic Process Automation: A Perfect Match. International Conference on Business Process Management (BPM), 124–131 (2018)

Hammond, K., Mathur, A., Moura, B., Mehra, P.: Process mining and its impact on BPM. https://assets.ey.com/content/dam/ey-sites/ey-com/fi_fi/pdf/ey-process-mining-and-its-impact-on-bpm.pdf (2019). Zugegriffen: 05. Febr. 2022

Joppen, R., von Enzberg, S., Kühn, A., Dumitrescu, R.: Data map – method for the specification of data flows within production. Conference on Intelligent Computation in Manufacturing Engineering (ICME), 461–465 (2018). https://doi.org/10.1016/j.procir.2019.02.127

König, M., Bein, L., Nikaj, A., Weske, M.: Integrating robotic process automation into business process management. In: Asatiani et al. (Hrsg.), Business Process Management, S. 132–146. Seville, Spain (2020)

Lechner, P.: BMW: Process Mining @ Production. In: Reinkemeyer, L. (Hrsg.), Process Mining in Action, S. 65–74. Cham. (2020)

Leno, V., Polyvyanyy, A., La Rosa, M., Dumas, M., Maggi, F.M.: Action logger: Enabling process mining for robotic process automation. BPM Demos. 124–128 (2019)

Leno, V., Polyvyanyy, A., Dumas, M., La Rosa, M., Maggi, F.M.: Robotic process mining: Vision and challenges. Bus. Inf. Syst. Eng. 63, 301–314 (2021). https://doi.org/10.1007/s12599-020-00641-4CrossRef

Mans, R., Reijers, H., Berends, H., Bandara, W., Prince, R.: Business Process Mining Success. 21st European Conference on Information Systems, 102–114 (2013)

Reinkemeyer, L.: How to get started. In: Reinkemeyer, L. (Hrsg.), Process Mining in Action, S. 11–14. Cham. Springer (2020a)

Reinkemeyer, L.: Purpose: Identifying the right use cases. In: Reinkemeyer, L. (Hrsg.), Process Mining in Action, S. 15–26. Cham. Springer (2020b)

Reinkemeyer, L.: People: The human factor. In: Reinkemeyer, L. (Hrsg.), Process Mining in Action, S. 27–30. Cham. Springer (2020c)

Reinkemeyer, L.: Processtraces: Technology. In: Reinkemeyer, L. (Hrsg.), Process Mining in Action, S. 31–36. Cham. Springer (2020d)

Reinkemeyer, L.: Challenges, pitfalls, and failures. In: Reinkemeyer, L. (Hrsg.), Process Mining in Action, S. 37–40. Cham. Springer (2020e)

Schmelzer und Sesselmann: Geschäftsprozessmanagement in der Praxis. Carl Hanser Verlag, München (2010)

Schutt, R., O’Neil, C.: Doing Data Science. O’Reilly, Sebastopol (2014)

Tay, M.: Enhancing business process management with process mining. https://apromore.com/enhancing-business-process-management-with-process-mining/ (2020). Zugegriffen: 05 Febr. 2022

Van der Aalst, W.M.P et al.: Process mining manifesto. Lecture Notes in Business Information Processing, 169–194 (2011)

Van der Aalst, W.M.P: Process mining. Data science in action. Springer, Berlin Heidelberg (2016)

Van der Aalst, W.M.P., Bichler, M., Heinzl, A.: Robotic process automation. Bus. Inf. Syst. Eng. 60, 269–272 (2018). https://doi.org/10.1007/s12599-018-0542-4CrossRef

Van der Aalst, W.M.P.: On the pareto principle in process mining, task mining, and robotic process automation. DATA 5–12 (2020)

Weske, M.: Business process management. Springer, Berlin Heidelberg (2019)CrossRef

Titel: Nutzung von Process Mining in RPA-Projekten
verfasst von: Jonathan Brock
Sebastian von Enzberg
Arno Kühn
Roman Dumitrescu
Verlag: Springer Fachmedien Wiesbaden
Buch: Praxishandbuch Robotic Process Automation (RPA)
Print ISBN: 978-3-658-38378-7

Electronic ISBN: 978-3-658-38379-4

Copyright-Jahr: 2022
DOI: https://doi.org/10.1007/978-3-658-38379-4_5

Springer Professional

Zusammenfassung

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"