Process Mining ist eine Technik, bei der Geschäftsprozesse aus Ereignisprotokollen von Informationssystemen extrahiert und analysiert werden. Es handelt sich um eine Geschäftsprozessmanagement-Praxis, die dazu dient, neue Prozesse zu entdecken, den bestehenden Prozess mit dem Workflow-Modell zu vergleichen und den Prozess zu verbessern. Data Mining von Ereignisprotokollen kann wertvolle Informationen liefern, die mit anderen Methoden möglicherweise nicht abgerufen werden können.
Es gibt drei Kategorien von Process Mining. Das erste ist das Discovery-Modell, das so genannt wird, weil es das Entdecken zuvor unbekannter oder undokumentierter Prozesse beinhaltet. Diese Art des Data Mining wird durchgeführt, wenn kein Modell für den Workflow existiert oder wenn die vorhandene Dokumentation als fehlerhaft bekannt ist. Die Ereignisprotokolle werden dann nach Informationen durchsucht, die analysiert werden, um den Prozess neu erstellen zu können. Anhand der aus den Ereignisprotokollen extrahierten Daten wird dann eine Dokumentation für den Prozess erstellt.
Die zweite Art des Process Mining ist das Konformitätsmodell. Der Name leitet sich von seinem Zweck ab, zu überprüfen, ob der laufende Workflow mit dem geplanten Prozess übereinstimmt. Die Ereignisprotokolle sind Data Mining, um Unterschiede zwischen dem bestehenden Prozess und dem Modell zu lokalisieren.
Sobald solche Unterschiede lokalisiert wurden, werden sie analysiert, um zu sehen, ob sie den Prozess verbessert haben. Sollten sich solche Änderungen als vorteilhaft für den Prozess erweisen, wird das Modell daraufhin überarbeitet, um diese Abweichungen zu berücksichtigen. Entscheidungen, die an Prozesskontrollpunkten getroffen werden, werden hinsichtlich der an jedem Punkt verfügbaren Informationen und der Daten, die diese Entscheidungen beeinflussen, überprüft. Wenn solche Änderungen nachteilig sind, können Änderungen am bestehenden Prozess vorgenommen werden, damit dieser leichter an das Modell angepasst werden kann.
Die dritte Klasse des Process Mining ist das Erweiterungsmodell. Diese Art des Data Mining versucht, ein bestehendes Modell um eine Verbesserung zu erweitern. Daten aus den Ereignisprotokollen werden auf mögliche Verbesserungsbereiche in der Struktur des Modells analysiert. So können beispielsweise Engpässe auf mögliche Alternativwege im Workflow geprüft werden.
Process Mining ist nicht ohne Schwierigkeiten. Einige Aufgaben werden ausnahmslos aus den Ereignisprotokollen ausgeblendet und können nicht mit Data Mining ausgewertet werden. Diese können durch sorgfältige Analyse der sichtbaren Aufgaben rekonstruiert werden, aber nicht immer. Schlussfolgerungen, die ausschließlich auf Informationen aus den Ereignisprotokollen basieren, können daher von fragwürdiger Qualität sein.
Doppelte Aufgaben im Ereignisprotokoll verursachen ebenfalls Probleme, da es unterschiedliche Aktivitäten unter derselben Aufgabenkategorie oder demselben Namen geben kann. Es kann daher schwierig sein, gleichnamige Aufgaben trotz unterschiedlicher Funktionen voneinander zu unterscheiden. Weitere Probleme sind ausreichende Daten zur Entscheidungsfindung, die Einbeziehung von Zeit in das Modell, unterschiedliche Perspektiven, falsch erfasste Daten und schlichtweg unzureichende Informationen. Process Mining muss mit Erfahrung und gutem Urteilsvermögen ausgestattet sein, um solche Probleme bei der Anwendung dieser Technik zu überwinden.