Was ist Task Mining?

Diese Technologie nutzt optische Zeichenerkennung (OCR), Verarbeitung natürlicher Sprache (NLP) und  Algorithmen für maschinelles Lernen, um diese Daten zu interpretieren und zu analysieren, was es Analysten und Stakeholdern wiederum ermöglicht, betriebliche Ineffizienzen zu identifizieren.

Task-Mining-Lösungen gelten als Teil der Process Discovery, einer Untergruppe von Process Mining, und laut Gartners „Market Guide for Process Mining“ wächst der Markt für diese Technologie rasant.

Da die COVID-19-Pandemie die Bemühungen um die digitale Transformation weiter vorantreibt, wird erwartet, dass die Akzeptanz der Technologie nur noch zunehmen wird, wenn ihre Vorteile voll ausgeschöpft werden.

Process Mining konzentriert sich auf die durchgängige Prozessoptimierung, beispielsweise auf einen gesamten Beschaffungsprozess. Im Gegensatz dazu konzentriert sich Task Mining auf die einzelnen Aufgaben, die zu diesem größeren Prozess führen, wie z. B. die Genehmigung des Budgets für die Kreditorenbuchhaltung. Sie unterscheiden sich auch hauptsächlich in der Art der Daten, die sie für die jeweilige Analyse verwenden.

Beim Process Mining werden in erster Linie Geschäftsmetriken und Ereignisprotokolldaten aus Informationssystemen, wie beispielsweise ERP-Tools oder Tools für das Kundenbeziehungsmanagement, herangezogen. Im Gegensatz dazu kann Task Mining Daten zur Benutzerinteraktion verwenden, zu denen Tastenanschläge, Mausklicks oder Dateneingaben auf einem Computer gehören. Es kann auch Benutzeraufzeichnungen und Screenshots zu verschiedenen Zeitstempelintervallen enthalten.

Diese Datenpunkte helfen Analysten und Forschern zu verstehen, wie Einzelpersonen mit einem Prozess und Teilprozess interagieren, um eine Aufgabe zu erledigen. Beide setzen auch Techniken der Data Science ein, um diese Erkenntnisse zu gewinnen und Prozesse zu optimieren. Task Mining ermöglicht diesen Prozess nur auf einer differenzierteren Ebene.

Obwohl sich sowohl Task Mining als auch RPA beide auf die Prozessautomatisierung konzentrieren, sind die beiden Technologien unterschiedlich, ergänzen sich aber gut. Während die Task-Mining-Technologie Unternehmen dabei hilft, Engpässe in ihren Workflows zu identifizieren, implementieren RPA-Tools die durch diese Analysen entdeckten Automatisierungsmöglichkeiten und führen sie aus.

Task-Mining-Tools beginnen mit der Erfassung von Daten von den Computern der Benutzer, die Tastenanschläge, Klicks, Benutzereingaben, Aufzeichnungen, Screenshots und mehr umfassen können. Von dort aus können die Funktionen der optischen Zeichenerkennung mehr Kontext zu dem hinzufügen, was der Benutzer tut.

So können beispielsweise die Zeitstempeldaten verwendet werden, um einen allgemeinen Zeitplan für die Aktivitäten in einem Teilprozess zusammenzustellen. Sobald diese Daten entsprechend strukturiert sind, können Algorithmen des maschinellen Lernens verwendet werden, um Daten in bestimmte Aufgaben im Teilprozess zu clustern, beispielsweise „Absenden einer Bestellung“.

Die Daten können dann mit Ereignisprotokolldaten kombiniert werden, um die Leistung zu kontextualisieren. Diese datengesteuerte Erkenntnis hilft Unternehmen, Engpässe zu erkennen und die notwendigen Schritte zu deren Behebung zu ergreifen.

Task-Mining-Techniken werden zur Verbesserung der Prozessabläufe in einer Vielzahl von Branchen eingesetzt. Prozesslandkarten können Unternehmen dabei unterstützen, sich stärker auf die wesentlichen Leistungsindikatoren (KPIs) zu fokussieren. Mithilfe von Process Mining und Task Mining können sie zudem ihre betrieblichen Ineffizienzen überprüfen.

Anwendungsfälle von Task Mining sind unter anderem:

• Aufgabendokumentation: Wenn neue Teammitglieder an Bord kommen, wird die Dokumentation regelmäßig überprüft, um etwaige Wissenslücken zu schließen. Je nach Projekt und verfügbaren Ressourcen kann es jedoch sein, dass die Dokumentation nicht verfügbar oder nicht aktuell ist. Mit Task-Mining-Tools können Teams Erkenntnisse über eine Aufgabe in einem größeren Prozess gewinnen und so die Abstimmung im Team fördern. Es reduziert außerdem den Bedarf an individuellen Abhängigkeiten und bietet eine einfache Möglichkeit, Dokumentation durch Prozesszuordnungen und andere Automatisierung zu erstellen.
• Governance und Compliance: Da Unternehmen mit strengeren Regierungs-Vorschriften konfrontiert sind, kann Task Mining dazu beitragen, Unternehmen zur Verantwortung zu ziehen, indem es Bereiche identifiziert, in denen Fehler bei der Einhaltung von Vorschriften auftreten. Diese Sichtbarkeit kann einen schnelleren Weg zur Lösung dieser Probleme bieten und Unternehmen so möglicherweise Kosten, z. B. Anwaltskosten und Imageverluste, ersparen.
• Aufgabenautomatisierung: Task Mining verschafft einen besseren Überblick über bestimmte Teilprozesse, sodass Programmmanager und Personalmanager auch verstehen können, welche Teile des Prozesses durch Tools wie RPA automatisiert werden können.

Obwohl Task Mining viele Nutzen bringen kann, sind die am häufigsten realisierten Nutzen:

• Gesteigerte Effizienz: Task Mining konzentriert sich auf die Identifizierung operativer Engpässe, um Prozessverbesserungen zu beschleunigen. Wenn diese Ineffizienzen gefunden und behoben werden, können die Unternehmen die Aufgaben schneller erledigen. Stehen für eine Aufgabe in einem Prozess zu viele Ressourcen zur Verfügung, kann dies auch dazu führen, dass das Personal anderen, vorrangigen Aufgaben zugewiesen wird. Das kann die Arbeitsmoral der Mitarbeiter verbessern, da sie eine sinnvollere Arbeit verrichten.
• Bessere Compliance: Task-Mining-Tools sammeln Daten von Benutzern und ermöglichen es Governance-Teams, Verstöße gegen die Compliance bei bestimmten Aufgaben festzustellen. Diese Fähigkeit, Probleme zu lokalisieren und sie schnell zu lösen, kann zu einer besseren Governance und Compliance im gesamten Unternehmen beitragen.
• Größere Transparenz: Task Mining kann Erkenntnisse auf der individuellen Ebene der Belegschaft liefern, sodass Manager bei Bewertungen wertvolles Feedback geben und Mitarbeiter fair für ihre Arbeit belohnen können. Es kann ihnen auch helfen, Mitarbeiter auf andere Aufgaben umzuverteilen, wenn sie nicht gut zu passen scheinen.

Allerdings ist Task Mining nicht ohne Herausforderungen. Zu den Hauptschwierigkeiten gehören: 

• Datenschutz: Task Mining kann Benutzeraktionen aufzeichnen und protokollieren und auch Bedenken in Bezug auf den Datenschutz aufwerfen. Als Ergebnis sollten die Benutzer diese Tools vor der Aktivierung genehmigen und sie sollten die personenbezogenen Daten der Benutzer durch eine angemessene Anonymisierung schützen.
• Fehlender Kontext: Da sich Task Mining auf einen Unterprozess innerhalb eines größeren konzentriert, kann der größere Kontext der Leistung manchmal verloren gehen. Es ist wichtig, die Task-Mining-Technologie zusammen mit Process Mining zu verwenden, um sich ein umfassenderes Bild von der Leistung aller Teams zu machen. Andernfalls laufen Unternehmen Gefahr, Aufgabenoptimierungen zu priorisieren, die nicht den größten Einfluss auf das Unternehmen haben.
• Konzeptabweichungen: Da Unternehmen sich schnell an das digitale Zeitalter anpassen, können sich Aufgaben und Prozesse in Echtzeit ändern. Änderungen an Aufgaben und Prozessen können sich auf Analysen auswirken und zu Konzeptabweichungen führen.