Mittelstandsunternehmen führen Geschäftsprozesse aus, die im Lastenheft anders aussehen als im Tagesgeschäft. Order-to-Cash hat sieben Soll-Schritte und im SAP-Log dreiundzwanzig Ist-Varianten. In unseren Projekten begegnet uns das Muster konsistent — es ist kein Datenproblem, sondern ein Sichtbarkeitsproblem.
Process Mining macht diese Lücke datenbasiert sichtbar. Aus Zeitstempeln, Aktivitätsnamen und Fall-IDs der Event-Logs eines ERP-, MES- oder CRM-Systems wird der tatsächlich gelebte Prozess rekonstruiert. Die Methode wurde ab 1999 von Wil van der Aalst an der RWTH Aachen formalisiert und 2019 mit dem Deutschen Zukunftspreis ausgezeichnet. Aus unserer Erfahrung verkauft sich die Methode im Mittelstand häufig als Werkzeug — dort beginnt das Problem.
Der Bitkom-Studienbericht 2025 hält fest, dass 53 Prozent der deutschen Unternehmen Probleme bei der Steuerung ihrer Digitalisierung haben. Wir haben in unseren Projekten beobachtet, dass diese Steuerungslücke fast immer prozessseitig sitzt: Niemand verantwortet den End-to-End-Ablauf, niemand kennt die echten Durchlaufzeiten. Process Mining ist die Antwort auf genau diese Lücke.
Wie wir Process Mining methodisch angehen
Process Mining ist methodisch in vier Phasen gegliedert, die in unseren Projekten konsequent in dieser Reihenfolge laufen: Daten-Aufnahme und Event-Log-Extraktion, Discovery des Ist-Prozesses, Conformance-Check gegen den Soll-Prozess und Enhancement mit Kennzahlen-Verankerung. Wer eine dieser Phasen überspringt — typischerweise Conformance — produziert hübsche Diagramme ohne messbare Wirkung im Geschäftsbetrieb.
Process Mining ist keine Software, sondern eine Methode mit vier Phasen. Wir haben die Reihenfolge in unseren Projekten konsequent eingehalten — sie integriert sich in die SCOReX®-orientierte Prozesslandkarte, die wir bei ERP-bezogenen Mandaten pflegen.
Phase 1 — Daten-Aufnahme und Event-Log-Extraktion. Im Mittelstand ist das die anspruchsvollste Phase. Wir benötigen drei Felder pro Aktivität: Fall-ID, Aktivitätsname und Zeitstempel. Im ERP liegen diese verteilt über Tabellen wie VBAK/VBAP/LIPS (SAP) oder OINV/ORDR (Business One). Die Fraunhofer FIT beschreibt diese Phase als kritischsten Hebel.
Phase 2 — Prozessmodell-Generierung (Discovery). Aus dem Event-Log wird der Ist-Prozess als Graph dargestellt. Alpha-Miner und Inductive Miner liefern unterschiedliche Sichten; Fraunhofer IAO empfiehlt vendor-neutrale Analyse. Aus unserer Erfahrung ist die erste Visualisierung selten schön — gerade das ist der Wert.
Phase 3 — Conformance-Check. Der Soll-Prozess wird mit dem rekonstruierten Ist-Prozess abgeglichen. Hier zeigt sich, wo Compliance-Risiken liegen und Vier-Augen-Prinzipien umgangen werden. Wir haben bei einem Dreher-Consulting-Klienten aus dem Maschinenbau mit 280 Mitarbeitern festgestellt, dass 18 Prozent aller Kundenaufträge die freigaberelevanten Schritte technisch übersprungen haben — dokumentiert, aber niemandem aufgefallen.
Phase 4 — Optimierung und Enhancement. Das Modell wird angereichert (Durchlaufzeiten, Engpässe), Optimierungshypothesen werden datenbasiert priorisiert. Process Mining liefert die Fakten, das Prozessmanagement liefert die Veränderung.
Celonis und SAP Signavio Process Intelligence bündeln diese vier Phasen — bequem, aber den methodischen Kern verschleiernd. Unsere Einordnung: Tools exzellent, Reihenfolge entscheidend.
Praxisbeispiel: Process-Mining-Pilot bei einem mittelständischen Maschinenbau-Unternehmen
Anonymisierte Fallstudie aus dem Maschinenbau: 320 Mitarbeiter, drei Werke in Süddeutschland und Österreich, SAP S/4HANA Public Cloud, Ziel 20 Prozent Durchlaufzeit-Reduktion im Auftragsabwicklungsprozess. Erreicht wurden 23 Prozent in neun Monaten — leicht über Plan.
Wir haben in unseren Projekten mit Mittelstand-Unternehmen — in über 30 Projekten — beobachtet: Sobald mehr als 250 Mitarbeiter im Geltungsbereich liegen, kippt die Initiative ohne klaren Process-Owner in eine reine IT-Übung. Konkretes Beispiel: ein Sondermaschinenbauer mit 320 Mitarbeitern, drei Werken in Süddeutschland und Österreich, SAP S/4HANA Public Cloud seit 2023, rund 1.400 Aufträge jährlich. Ziel: 20 Prozent Durchlaufzeit-Reduktion im Auftragsabwicklungsprozess.
In Phase 1 brauchten wir sechs Wochen für saubere Event-Log-Extraktion — nicht weil Daten fehlten, sondern weil drei parallele Auftragsnummernkreise (Standard, Sondermaschine, Service) keine durchgängige Fall-ID hatten. Wir haben mit der IT eine Mapping-Tabelle aufgebaut. In Phase 2 zeigte Discovery 41 Prozessvarianten — geplant waren drei. In Phase 3 entdeckten wir, dass 11 Prozent aller Sondermaschinen-Aufträge ohne technische Klärung in die Fertigung gingen. Die Durchlaufzeit-Verlängerung: 17 Tage im Schnitt.
In Phase 4 verankerten wir vier Kennzahlen und einen Process-Owner aus dem Vertrieb. Nach neun Monaten lag die Durchlaufzeit-Reduktion bei 23 Prozent — leicht über Ziel. Aus unserer Erfahrung ist diese Geschwindigkeit nur erreichbar, wenn drei Vorbedingungen erfüllt sind: Process-Owner steht fest vor Tool-Auswahl, Fall-ID ist eindeutig, und die Geschäftsführung akzeptiert, dass Phase 1 mehr Zeit kostet als Phase 2 bis 4 zusammen.
Häufige Fehler bei der Process-Mining-Einführung
Fünf wiederkehrende Muster sortieren Mittelstands-Initiativen verlässlich aus: Tool-Auswahl vor dem Process-Owner, fehlende End-to-End-Fall-ID, Discovery ohne Conformance, Konzern-Skalierung ohne Mittelstands-Anpassung und Process Mining ohne Anschluss ans laufende Prozessmanagement.
Wir haben in unseren Projekten fünf Muster identifiziert, die im Mittelstand zum Scheitern führen — unabhängig vom Werkzeug.
Fehler 1 — Tool vor Process-Owner. Die Einkaufsentscheidung für Celonis oder SAP Signavio fällt vor der Rollenklärung. Drei Monate später: teure Lizenz, kein Verantwortlicher. Process-Owner zuerst, Tool danach.
Fehler 2 — Fehlende End-to-End-Fall-ID. Vorgänge tragen im Mittelstand selten eine durchgängige ID. Order-to-Cash beginnt im CRM, läuft durch ERP, endet in der Buchhaltung — jedes System hat eigene IDs. Ohne Mapping-Konzept liefert Discovery drei getrennte Teilprozesse.
Fehler 3 — Discovery ohne Conformance. Viele Initiativen stoppen nach Phase 2. Die Bilder werden gezeigt, jeder nickt, nichts passiert. Erst Conformance-Checks quantifizieren Abweichungen vom Soll.
Fehler 4 — Konzern-Skalierung ohne Mittelstands-Anpassung. Die Computerwoche-Analyse zeigt: Produktive Einsätze konzentrieren sich auf Unternehmen über 1.000 Mitarbeiter. Mittelständler starten typischerweise mit einem einzigen End-to-End-Prozess.
Fehler 5 — Process Mining ohne Anschluss ans Prozessmanagement. Erkenntnisse verpuffen ohne Soll-Prozesse, Kennzahlen und Reviews. Process Mining ersetzt kein Prozessmanagement; es liefert dessen Faktenbasis. Die IEEE Task Force on Process Mining verankert diese methodische Trennung im Process Mining Manifesto.
Was Process-Mining-Anbieter im Mittelstand verschweigen
Drei Lücken zwischen der Vendor-Story und der DACH-Mittelstandsrealität: die 80-Prozent-Datenlücke in der Event-Log-Aufbereitung, die Tatsache dass Discovery die einfache Hälfte ist und nicht die Veränderung, und die nüchterne Frage, wann ein klassischer BPMN-Workshop schlicht effizienter ist als Process Mining.
Die Vendor-Präsentationen sind weltweit dieselben, die Mittelstands-Realität in der DACH-Region eine andere. Drei Lücken erleben wir konsistent — sichtbar auch in der Computerwoche-Marktanalyse, die den Mittelstands-Rückstand offenlegt.
1. Die 80-Prozent-Datenlücke
Anbieter zeigen sauber strukturierte Event-Logs aus Konzernumgebungen. Im Mittelstand fehlen aus unserer Erfahrung in mindestens 80 Prozent der Fälle entweder konsistente Aktivitätsnamen, durchgängige Fall-IDs oder belastbare Zeitstempel über Systemgrenzen hinweg. Die Folge: Was als 6-Wochen-Pilot verkauft wurde, dauert real 14 bis 18 Wochen, davon zwei Drittel für Datenaufbereitung. In Phase 1 entscheidet sich, ob die Initiative gelingt — nicht in der Tool-Auswahl.
2. Discovery ist die einfache Hälfte, Veränderung die andere
Process Mining liefert hervorragende Diagnosen. Dass aus einer Diagnose Veränderung wird, ist eine andere Disziplin — und sie hängt am Process-Owner, an Kennzahlen-Verankerung und an inkrementeller Optimierung statt radikalem Re-Engineering. Wir haben Initiativen gesehen, in denen das Mining-Tool nach zwölf Monaten exzellente Reports lieferte, an denen niemand etwas veränderte. Der Jo-Jo-Effekt setzt verlässlich ein: Prozess-Disziplin schläft ohne Kennzahlen ein.
3. Wann klassisches BPMN-Mapping ausreicht
Nicht jeder Prozess braucht Process Mining. Wenn ein Prozess unter 20 Varianten hat, von einer Person verantwortet wird und in einem einzigen System läuft, ist ein vierstündiger Lean-Workshop mit BPMN-Skizze meist effizienter als ein vierwöchiges Mining-Projekt. In unseren Projekten haben wir folgende Entscheidungsregel verankert: Mehr als drei beteiligte Systeme, mehr als 20 Varianten und mindestens 250 Fälle pro Monat — dann lohnt sich Process Mining. Darunter selten.
Unsere Einordnung
Process Mining ist im Mittelstand kein Werkzeugproblem und kein Algorithmenproblem. Es ist ein Methodikproblem, das mit den drei oben genannten Punkten anfängt — und dort, in dieser Reihenfolge, entschieden wird.
Anwendung in Mittelstands-Branchen — Wann Process Mining das richtige Werkzeug ist
Process Mining liefert in Maschinenbau, Sondermaschinenbau, Küchenhersteller-Konfiguration, Logistik-Reklamationsbearbeitung sowie Purchase-to-Pay und Periodenabschluss messbare Hebel. In dünn besiedelten Prozessen mit wenigen Varianten und einem einzigen System ist ein vierstündiger Lean-Workshop mit BPMN-Skizze schneller, billiger und genauso wirksam.
Wir haben Process Mining branchenübergreifend eingesetzt — die Eignung ist nicht überall gleich. Einordnung aus 30+ Mittelstands-Einführungen.
Maschinenbau und Sondermaschinenbau. Hochrelevant: viele Varianten, lange Durchlaufzeiten, mehrere Systeme im Order-to-Cash. Hebel typischerweise 15 bis 25 Prozent Durchlaufzeitreduktion.
Küchenhersteller und konfigurationsintensive Möbelindustrie. Bei einem Dreher-Consulting-Klienten aus dem Küchenhersteller-Segment analysierten wir Mass Customization: 800 Konfigurationen pro Monat, sieben Systeme von Konfigurator bis Versand. Discovery zeigte zwei parallele Prozesse, die historisch verzahnt liefen. Aufwand: zwei Quartale, Effekt nachhaltig.
Logistik und Handel. Inbound-/Outbound-Reklamationsbearbeitung: viele Fälle, hohe Varianz, mehrere Systeme. Conformance-Checks decken regelmäßig Vier-Augen-Verstöße auf.
Buchhaltung und Finance. Purchase-to-Pay und Periodenabschluss sind im Mittelstand oft die ersten produktiven Anwendungen, weil Daten sauber im ERP liegen. Die Bitkom-Studie 2025 ordnet Finance als Funktion mit der höchsten BPM-Reife ein.
Service- und Spracheinrichtungen. Begrenzt geeignet: Die Methode setzt strukturierte Event-Daten voraus. Eine Sprachakademie mit unstrukturierten Touchpoints profitiert eher von klassischem Prozessmanagement.
Häufig gestellte Fragen
Nächste Schritte
Process Mining wirkt im Mittelstand, wenn Methodik vor Werkzeug steht. Wir prüfen mit Ihnen drei Punkte: Ist ein Process-Owner benannt? Existiert eine durchgängige Fall-ID? Ist das Ziel Discovery, Conformance oder Enhancement? Wenn zwei der drei Antworten „noch nicht" lauten, beginnen wir dort — nicht bei der Tool-Auswahl. Mehr zu unserer Methodik finden Sie auf der Seite unabhängige ERP-Beratung sowie im Überblick zu unseren Digitalisierungs-Dienstleistungen.
Erstgespräch zum Process-Mining-Pilot
30 Minuten mit unseren Senior Consultants — wir prüfen Process-Owner-Rolle, Fall-ID-Mapping und Zielbild Ihres ersten End-to-End-Prozesses.
