Im Interview erklärt Sebastian Walter, wie Process Mining funktioniert, warum viele Unternehmen davon profitieren könnten und welche Rolle Celonis dabei spielt.
CRN: Was genau ist Process Mining und was hat Celonis damit zu tun?
Sebastian Walter: Das Process Mining gibt es schon länger. Es ist ein akademisches Konzept, das an der Uni Eindhoven entstanden ist. Professor Wil van der Aalst hat mehrere Publikationen dazu veröffentlicht. Die Idee dahinter ist, man möchte Prozesse visualisieren. Wenn man das klassischerweise macht mit Modellierungstools wie Aris, dann ist das Bild, das dabei entsteht, oft subjektiv eingefärbt. Process Mining ist datenbasiert. Wir nehmen die Daten, die in den IT-Systemen vorhanden sind, also ERP und CRM, und nutzen diese, um die Prozessvisualisierung zu bauen. Als Endergebnis hat man dann einen Prozessgraphen mit Boxen und mit Pfeilen, aber er ist eben datenbasiert automatisch rekonstruiert. Das ist die Basis, um Prozessoptimierung zu starten. Celonis ist quasi das Röntgengerät, aber man braucht immernoch den Fachartz, der die richtige Diagnose stellt. Das wäre dann unser Partnernetzwerk.
CRN: Wie funktioniert die Celonis-Software?
Walter: Die Software ist browserbasiert. Wir haben verschiedense Use Cases, aus dem Einkaufsbereich, aus dem Vertrieb, Accounting, wir haben Produktionsprozesse, Logistik, Ticketing, Banking, eCommerce, HR. Die Kernkomponente ist der Prozess Explorer. Hier sehe ich den Prozess so, wie er anhand der Daten rekonstruiert wurde. Wir haben dem System nicht gesagt »der Schritt kommt nach dem Schritt«, das passiert automatisch anhand der Zeitstempel, die wir aus dem System beziehen. Dazu kommen dann noch klassische BI-Analyse-Komponenten und der Conformance Checker. Wir haben den Ist-Prozess und sagen dem System, was der Soll-Prozess ist. Ich kann ein Aris-Modell hochladen oder es auch selbst modellieren. Und dann checkt das Programm, wie prozesskonform ich eigentlich bin.
CRN: Die Idee dazu ist an der Technischen Universität München entstanden?
Walter: Stimmt, die drei Gründer sind alle von der TU. Das war 2011. Wir waren in einer studentischen Unternehmenberatung und hatten ein Projekt und haben dann bei einem Kunden festgestellt, der Bedarf für Process Mining ist da. Wir haben von Anfang an die Software mit dem Kunden entwickelt. Es war also nicht so: Wir sitzen auf der grünen Wiese und überlegen uns etwas, verbrennen zwei Jahre lang Geld und stellen am Ende fest, das braucht gar keiner.
CRN: Wie sah und sieht die Finanzierung aus?
Walter: Wir waren lange Zeit rein umsatzfinanziert und haben mit den Umsätzen, die wir bei Kunden gemacht haben, letzendlich das Wachstum befördert. Mitte 2016 sind zwei Investoren eingestiegen in den USA, das waren Accel und North83. Das war letzendlich auch notwendig, um die Expansion in die USA etwas abzufedern. Normalerweise imortiert ja Deutschland die Ideen aus dem Silicon Valley, jetzt kommen wir mal in die USA.
CRN: Wissen viele Unternehmen nicht, was sie wissen könnten?
Walter: Absolut. Bei jedem Kunden gibt es einen Aha-Effekt. Mindestens einen. »Ach, das ist auch möglich? Wie kann das sein, dass das und das so läuft?« Viele Entscheidungen werden auf einer unklaren Faktenlage getroffen. Wenn der Fuß gebrochen ist, bauche ich nicht den Arm eingipsen.
CRN: Was ist Celonis Pi?
Walter: Das ist so ein bisschen Process Mining Plus. Das eine ist der Conformance Checker, dann haben wir noch eine Integration direkt ins SAP-System und eine Machine Learning-Komponente. Wir wollen da mehr Intelligenz reinbringen, dass der Anwender immer mehr vorgedacht bekommt. Hier ist dein Problem, das ist die mögliche Ursache und am besten gleich noch einen Lösungsvorschlag.
CRN: Ab welcher Größe ist Process Mining sinnvoll?
Walter: Wir fokussieren uns auf die etwas größeren Unternehmen. Als Hausnummer würde ich sagen vielleicht 500 Mitarbeiter aufwärts. Ab da gibt es genug Volumen. Wenn ich 100.000 Bestellpositionen pro Jahr habe, dann bringen auch drei Prozent Verbesserung was. Wenn ich 100 Bestellpositionen pro Jahr habe, dann lohnt sich auch der Invest nicht.