Was sind digitale Prozesszwillinge und wie hängen sie mit Process Mining zusammen?

Stellen Sie sich eine Welt vor, in der Sie eine vollständig digitale Version Ihrer selbst haben - einen Avatar, der nicht physisch real ist, aber in digitaler Form wie Sie handelt und sich verhält. Dieser digitale Zwilling könnte sich wie Sie verhalten, Ihnen helfen, produktiv zu bleiben, und Ihnen sogar helfen, potenzielle Gesundheitsprobleme zu erkennen, bevor sie diagnostiziert werden. Das klingt zwar nach virtueller Realität (VR), aber das Konzept des digitalen Zwillings taucht auch in der realen Geschäftswelt auf, und zwar dank Fortschritten bei Software zur Prozessanalyse. Digitale Zwillinge sind Teil der breiteren digitalen Transformation, die Geschäftsabläufe und -modelle grundlegend verändert und optimiert.

Was sind digitale Zwillinge?

Digitale Zwillinge sind virtuelle Abbilder physischer Objekte. Der Begriff wurde erstmals in den 1990er Jahren verwendet, um ein hypothetisches Computermodell zu beschreiben, das auf einem Objekt basiert und vorhersagen kann, wie sich dieses Objekt unter verschiedenen Bedingungen verhalten würde.

Seitdem hat der Begriff an Bedeutung gewonnen, und heute wird er häufig für jedes virtuelle Modell eines physischen Objekts verwendet, unabhängig davon, ob es prädiktive Analysen verwendet oder nicht. Digitale Zwillinge dienen als digitales Modell physischer Objekte, das deren Funktionen und Verhalten umfasst.

Für Fertigungsunternehmen liegt ein wesentlicher Vorteil digitaler Zwillinge in der Vorhersage von Fehlern und der Verbesserung von Wartungsroutinen. Ein sehr praktisches Beispiel: Windturbinen können mit kleinen internetfähigen Sensoren ausgestattet werden, um potenzielle Probleme zu erkennen oder vorherzusagen, wann ein bestimmtes Teil oder System ausfallen wird oder sich dem Ende des Produktlebenszyklus nähert. Sensordaten sind von entscheidender Bedeutung für die Übertragung von Echtzeitinformationen von physischen Objekten an ihre digitalen Gegenstücke und ermöglichen so Einblicke in Leistungs-, Diagnose- und Optimierungsprozesse.

Was ist Process Mining?

Prozess-Mining ist eine Methode zur Analyse von Geschäftsprozessen. Durch den Einsatz von Process-Mining-Tools können Unternehmen Einblicke in ihre Geschäftsprozesse gewinnen, indem sie Engpässe, Ineffizienzen und andere Probleme, die in ihren Abläufen auftreten können, identifizieren. Process Mining ist in verschiedenen Branchen weit verbreitet und kann Unternehmen helfen, ihre operative Exzellenz und Effizienz zu verbessern. Ein gutes Beispiel hierfür sind Versicherungsunternehmen, die eine große Anzahl von sich wiederholenden Ansprüchen oder Transaktionen zu bearbeiten haben und mit Hilfe von Process Mining Anomalien oder Abweichungen von Standardverfahren aufdecken können.

Entstehung digitaler Prozess-Zwillinge

Während die ersten Anwendungen digitaler Zwillinge aus der Fertigungs- und Produktionsumgebung stammen, werden sie zunehmend im Kontext des Geschäftsprozessmanagements und der Workflow-Optimierung gesehen. Digitale Prozesszwillinge erstellen eine digitale Darstellung von Geschäftsprozessen, die reale Einheiten und ihre Interaktionen widerspiegeln. Obwohl es sich hierbei noch um eine theoretische und neu entstehende Möglichkeit handelt, können Sie die Kombination von digitalen Zwillingen und Process Mining in Form von digitale Zwillinge verarbeiten.

Digitale Prozesszwillinge kombinieren Methoden des Process Mining und digitale Zwillinge

In Bearbeitung befindliche digitale Zwillinge:

• Die Daten werden aus Geschäftsdatenobjekten wie Ereignisprotokollen und Transaktionsdaten und nicht aus physischen Objekten wie Internet-of-Things (IoT)-Sensoren gesammelt.
• Ein Hauptziel der digitalen Prozesszwillinge ist die Durchführung von Szenarien und prädiktiven Analysen zu Veränderungen, die sich auf den Geschäftsbetrieb auswirken. Stellen Sie sich zum Beispiel einen plötzlichen Inflationsdruck oder Unterbrechungen der Lieferkette vor.
• Der größte Mehrwert ergibt sich aus der Fähigkeit, auf Markt- oder Lieferbedingungen zu reagieren, anstatt Wartungsprobleme oder Reparaturen vorherzusagen.

Ein digitaler Prozesszwilling kann verwendet werden, um zu sehen und zu simulieren, wie die Prozesse in einem Unternehmen tatsächlich funktionieren und welche Wechselwirkungen zwischen Arbeit, Prozessen und IT-Systemen bestehen. Ein sehr praktisches Beispiel könnte ein Unternehmen sein, das von einem alten ERP-System auf ein cloudbasiertes ERP-System umstellt. Der digitale Prozesszwilling könnte dabei helfen, Probleme bei der potenziellen Umstellung zu diagnostizieren und auch die Vorteile der Migration hervorzuheben.

Vier Schritte zum Aufbau digitaler Prozess-Zwillinge

Schritt 1: Datenerfassung - Der erste Schritt besteht in der Sammlung von Prozessdaten, typischerweise aus der Auswertung von Ereignisprotokollen, aber zunehmend auch unter Verwendung hybrider Prozessintelligenz. Diese erste Datenerfassung ist entscheidend für die Erstellung eines digitalen Zwillingsprototyps, der als vorläufiges Modell vor der vollständigen Implementierung dient.

Schritt 2: Visualisierung - Prozessintelligenz-Software wird dann verwendet, um sowohl End-to-End-Prozesse als auch einzelne Aufgaben zu visualisieren. Betrachten Sie dies wie eine Röntgenaufnahme und einen MRT-Scan - Sie erhalten eine Visualisierung Ihres gesamten Systems.

Schritt 3: Simulation - Der dritte Schritt besteht darin, den digitalen Prozesszwilling in Simulationen zu verwenden, um vorherzusagen, wie sich Prozessänderungen auf die Leistung auswirken.

Schritt 4: Validierung - Jedes Simulations- und Prognosemodell muss abgestimmt und verbessert werden. Der letzte Schritt bei der Pflege digitaler Zwillinge besteht darin, sicherzustellen, dass Ihr Datenmodell genau ist und einen Mehrwert bietet.

Potenzieller Nutzen von digitalen Zwillingen in Prozessen

Das Konzept der digitalen Prozesszwillinge ist noch weitgehend theoretisch, so dass es nur wenige ausgereifte und erprobte Konzepte gibt, wie sie eingesetzt werden können. Beim derzeitigen Reifegrad kann die fortgeschrittene Prozesserkennung als ein Wegbereiter für digitale Zwillinge angesehen werden. Zu den Vorteilen digitaler Prozesszwillinge gehören:

• Schnelles Prototyping von neuen Prozessen oder Verfahren,
• Agile schrittweise Anpassungen von Aufgaben oder Prozessen,
• Identifizierung von neuen Möglichkeiten zur Prozessverbesserung,
• Nachweis des Nutzens größerer Umstellungen, z. B. der Migration zu cloudbasierten ERP-Systemen,
• Validierung von Prozessautomatisierungsmöglichkeiten vor größeren Investitionen in RPA.

Digitale Prozesszwillinge ermöglichen Prozesssimulationen

Beim Process Mining können Prozessdaten nicht nur zur Analyse, sondern auch zur Simulation der Auswirkungen von End-to-End-Prozessen in verschiedenen Szenarien genutzt werden. Sie können sich vorstellen Prozess-Simulationen von digitalen Zwillingen auf viele Geschäftsabläufe auswirken, darunter:

• Finanzoperationen - Erstellung von Szenarien zum Cashflow oder zum Betriebskapital,
• Beschaffung - Vorhersage von und Reaktion auf Einkaufspreisschwankungen,
• Auftragsmanagement - Analyse und Verbesserung der Auftragsabwicklungszeiten,
• Logistik und Bestandsmanagement - Vorhersage der Auswirkungen der Saisonalität auf die Prozesse,
• Lieferkettenmanagement - Vorhersage der Auswirkungen von Unterbrechungen der globalen Lieferkette,
• Finanzplanung und -analyse - Simulation der Auswirkungen wichtiger finanzieller Entscheidungen und neuer Investitionen.

Grenzen der digitalen Zwillinge im Prozess

Digitale Zwillinge sind eine leistungsstarke neue Technologie - aber frühe Anwender stehen möglicherweise vor großen Herausforderungen. 

• Die Quelldaten müssen genau und gut erhoben sein,
• Um relevant zu sein, müssen die Daten in Echtzeit oder nahezu in Echtzeit vorliegen,
• Simulationen und fortgeschrittene Analysen erfordern Fachkenntnisse in der Datenanalyse,
• Prognosen und Simulationen können die Unternehmensstrategie beeinflussen, aber nicht ersetzen.

Herausforderungen im Zusammenhang mit digitalen Zwillingen

Digitale Zwillinge bringen eine Reihe von Herausforderungen mit sich, die Unternehmen bewältigen müssen. Sie erfordern qualitativ hochwertige Daten, eine anspruchsvolle Integration und kontinuierliche Aktualisierungen. Einige der inhärenten Herausforderungen sind:

• Datenkomplexität und -volumen: Die Verwaltung riesiger, in Echtzeit generierter Datenmengen kann entmutigend sein und erfordert robuste Speicher- und Verarbeitungsfunktionen.
• Integration mit Altsystemen: Die Einführung der Technologie des digitalen Zwillings bedeutet oft die Integration älterer, bestehender Systeme, die möglicherweise nicht von Natur aus kompatibel sind.
• Auswirkungen auf die Kosten: Die Einrichtung und Pflege digitaler Zwillinge kann kapitalintensiv sein, insbesondere für kleine und mittlere Unternehmen.
• Datensicherheit und Datenschutz: Die Gewährleistung der Sicherheit von Dateneinspeisungen und der Schutz vor unbefugtem Zugriff sind von größter Bedeutung.
• Genauigkeit und Präzision: Ein digitaler Zwilling ist nur so gut wie seine Genauigkeit bei der Darstellung seines realen Gegenstücks; jegliche Diskrepanzen können zu fehlerhaften Erkenntnissen führen.

Digitaler Zwilling einer Organisation (DTO)

Wie sieht die Zukunft der digitalen Prozesszwillinge aus?

Das Marktforschungsunternehmen Gartner hat das Entstehen eines digitalen Zwillings für ein ganzes Unternehmen (DTO) beschrieben.

"Gartner geht davon aus, dass DTOs von entscheidender Bedeutung sein werden, da digitale Geschäftssysteme zunehmend auf die kontinuierliche Integration von menschlicher und maschineller Intelligenz angewiesen sind. Ein DTO spiegelt diese reale Umgebung wider, in der echte Menschen und Maschinen zusammenarbeiten, und ermöglicht es den Anwendern, verschiedene Szenarien zu modellieren, eines auszuwählen und es dann in der realen Welt umzusetzen."

Implikationen für Prozess-Exzellenz in der digitalen Transformation

Es bleibt abzuwarten, wann die DTO-Technologie für den Mainstream-Einsatz in Unternehmen bereit ist. Bis dahin können die ersten Anwender von Methoden und Anwendungen des digitalen Prozesszwillings die Prozessintelligenz nutzen, um ihre Prozessqualität zu verbessern.