Der entscheidende Anspruch von Celonis geht über das reine Sichtbarmachen hinaus: Die Plattform versteht sich heute nicht mehr nur als Process-Mining-Werkzeug, sondern als Process-Intelligence-Schicht. Sie deckt nicht nur auf, wo ein Prozess klemmt, sondern beziffert das Wertpotenzial in Euro und stößt über die sogenannte Action Engine konkrete Maßnahmen an – bis hin zur ausgelösten Automatisierung. Aus „Wir sehen, dass jede dritte Rechnung zu spät bezahlt wird“ wird „Diese Verzögerung kostet 1,8 Mio. Euro Skonto pro Jahr, und hier sind die fünf Lieferanten, bei denen sich eine Sofortmaßnahme am meisten lohnt“.
Drei Eigenschaften definieren Celonis und erklären seine Marktstellung:
Celonis nimmt eine seltene Position ein: Es ist ein in Deutschland gegründetes Software-Unternehmen, das in einer von US-Anbietern dominierten Kategorie global führend wurde. Diese Herkunft ist mehr als Marketing – sie bedeutet, dass die Plattform mit europäischen Datenschutzanforderungen, deutscher Vertragspraxis und den Eigenheiten von DACH-Konzernen gut vertraut ist. Gleichzeitig ist Celonis längst ein internationaler Anbieter mit großem US-Geschäft, was bei der Datenschutz-Bewertung (Kapitel 06) eine eigene Rolle spielt.
Im Marktgespräch verschwimmen die Begriffe. Process Mining ist die Disziplin, Prozesse aus System-Logs zu rekonstruieren. Task Mining ergänzt das um Tätigkeiten auf dem Desktop einzelner Mitarbeitender (Klicks, Copy-Paste, Tool-Wechsel) und schließt damit Lücken, die in ERP-Logs nicht sichtbar sind. Process Intelligence ist Celonis’ Dachbegriff für die Kombination aus Mining, Wertquantifizierung und Aktion. Wer diese drei Ebenen auseinanderhält, versteht schneller, warum Celonis sich von reinen Visualisierungs- oder BI-Werkzeugen abgrenzt.
Jede Aktion in einem Geschäftssystem hinterlässt eine Datenspur. Wird eine Bestellung angelegt, eine Rechnung geprüft, ein Auftrag freigegeben oder eine Zahlung verbucht, schreibt das System einen Datensatz mit drei Kernangaben: einer Fall-ID (welcher Vorgang, etwa eine bestimmte Bestellung), einer Aktivität (was geschah, etwa „Rechnung freigegeben“) und einem Zeitstempel (wann). Aus tausenden solcher Einträge entsteht ein Ereignisprotokoll – das Event Log. Celonis extrahiert diese Logs aus SAP, anderen ERP-Systemen, CRM-Plattformen und Fachanwendungen und setzt sie zu vollständigen Prozessverläufen zusammen.
Der Aha-Moment in fast jedem Projekt: Der real gelebte Prozess sieht ganz anders aus als das Soll-Diagramm an der Bürowand. Statt eines geraden Pfades von der Bestellung zur Bezahlung zeigt sich ein dichtes Geflecht aus Schleifen, Rücksprüngen, manuellen Korrekturen und Ausnahmen. Genau diese Abweichungen sind der Hebel: Sie kosten Zeit, Geld und Compliance.
Process Mining kennt zwei zentrale Analysearten. Process Discovery rekonstruiert den tatsächlichen Prozess aus den Daten – ohne Vorannahmen. Das Ergebnis ist eine Prozesskarte, die jeden real vorgekommenen Pfad zeigt, mit Häufigkeiten und Durchlaufzeiten. Conformance Checking vergleicht diese Realität mit dem definierten Soll-Prozess oder mit Compliance-Regeln und deckt jede Abweichung auf: die Rechnung, die ohne Vier-Augen-Prinzip freigegeben wurde; die Bestellung, die nachträglich geändert wurde; den Auftrag, der eine Genehmigungsstufe übersprungen hat.
Für den Mittelstand ist diese Kombination wertvoll: Discovery zeigt, wo Zeit und Geld verloren gehen, Conformance zeigt, wo Risiken und Regelverstöße lauern. Beides zusammen ist die Grundlage für die Wertquantifizierung, die Celonis darüber legt.
Klassisches Process Mining betrachtet einen Prozess immer aus der Perspektive einer einzigen Fall-ID – etwa „die Bestellung“. Reale Prozesse hängen aber an mehreren Objekten gleichzeitig: Eine Bestellung umfasst mehrere Positionen, hängt an einem Lieferanten, führt zu mehreren Wareneingängen und mehreren Rechnungen. Wer alles auf eine einzige Fall-ID zwingt, verzerrt das Bild oder verliert Zusammenhänge. Object-Centric Process Mining (OCPM) – ein Ansatz, den Celonis stark vorantreibt – modelliert den Prozess stattdessen über mehrere verknüpfte Objekttypen hinweg. Das ist datenmodellseitig anspruchsvoller, bildet die Realität in komplexen ERP-Welten aber deutlich präziser ab und ist die Grundlage für den Process Intelligence Graph der Plattform (Kapitel 03).
Ein verbreitetes Missverständnis lohnt die Klarstellung: Process Mining ist weder eine Simulation noch eine KI-Prognose und auch kein Ersatz für die Fachkenntnis der Prozessverantwortlichen. Es ist eine faktenbasierte Rekonstruktion dessen, was nachweislich passiert ist. Der Wert liegt genau darin, dass es Diskussionen versachlicht: Statt darüber zu streiten, ob ein Prozess „eigentlich rund läuft“, liegt der tatsächliche Verlauf mit Zahlen auf dem Tisch. In unseren Projekten ist dieser Effekt oft genauso wertvoll wie die konkreten Einsparungen – weil er Bauchgefühl durch Belege ersetzt und damit Entscheidungen beschleunigt. Voraussetzung bleibt, dass die zugrunde liegenden Logs den Prozess vollständig genug abbilden; schlichte Lücken im Datenmodell führen sonst zu falschen Schlüssen.
Die Stärke der Plattform liegt nicht in einer einzelnen Funktion, sondern im Zusammenspiel. Der Process Intelligence Graph hält die Prozesswahrheit objektzentriert vor. Analysen und Apps lesen daraus Engpässe und Abweichungen heraus und quantifizieren ihr Wertpotenzial. Die Action Engine verwandelt die priorisierten Erkenntnisse in zugewiesene Maßnahmen und kann nachgelagerte Automatisierungen anstoßen. Die KI-Schicht macht das Ganze auch für Fachanwender ohne Analyse-Hintergrund zugänglich. Erst diese durchgehende Kette von der Datenanbindung bis zur ausgelösten Aktion begründet den Anspruch „Process Intelligence“ statt „nur Process Mining“.
ERP-Logs zeigen, was im System passiert ist – aber nicht, was davor auf dem Bildschirm der Sachbearbeiterin geschah. Task Mining erfasst (mit klaren Datenschutz-Leitplanken, siehe Kapitel 06) Tätigkeiten auf dem Desktop: manuelle Übertragungen zwischen Systemen, wiederholtes Nachschlagen, Medienbrüche. Diese Sicht schließt die Lücke zwischen den Systemereignissen und macht Automatisierungspotenziale sichtbar, die im reinen ERP-Log unsichtbar bleiben. Für die Priorisierung von RPA-Vorhaben ist das oft der entscheidende Detailgrad.
Es ist kein Zufall, dass nahezu jedes Celonis-Projekt mit Purchase-to-Pay oder Order-to-Cash beginnt. Beide Prozesse sind hochvolumig, laufen sauber durch ERP-Systeme (also gut messbar), und ihre Ineffizienzen lassen sich unmittelbar in Geld übersetzen: verpasste Skonti, gebundenes Working Capital, verspätete Zahlungseingänge. Damit ist der Wertnachweis vergleichsweise einfach zu führen – die wichtigste Voraussetzung, um ein Process-Mining-Programm intern zu rechtfertigen und auszuweiten.
In unserer Beratungspraxis sehen wir immer wieder denselben Bruch: Die Analyse ist beeindruckend, das Dashboard glänzt – und dann passiert nichts. Der Wert eines Use Case entsteht erst, wenn aus der Erkenntnis eine umgesetzte Maßnahme wird. Deshalb empfehlen wir, jeden Use Case von Anfang an mit einer konkreten Maßnahme, einem Verantwortlichen und einem Wertziel zu hinterlegen. „Wir analysieren mal P2P“ ist kein Use Case. „Wir heben die Skonto-Quote von 60 auf 80 Prozent, verantwortet vom Einkaufsleiter, gemessen monatlich“ ist einer.
Aus unserer Beratungspraxis sind die Stärken klar. Erstens, wenn Process Mining strategisch und wertorientiert betrieben werden soll – mit Quantifizierung in Euro und ausgelösten Maßnahmen, nicht nur mit schönen Diagrammen. Hier ist die Action-Engine-Philosophie kaum zu schlagen. Zweitens, bei großen, datenreichen und komplexen Prozesslandschaften, in denen der Object-Centric-Ansatz seine Stärke ausspielt. Drittens, wenn Process Mining anbieterübergreifend als zentraler Analyse-Layer für ein Hyperautomatisierungs-Programm dienen soll – Celonis bindet RPA, BPM und KI verschiedener Hersteller an, ohne ein bestimmtes Automatisierungs-Ökosystem vorauszusetzen.
Ebenso ehrlich gehören die Gegenfälle benannt. Celonis ist nicht die naheliegende Wahl, wenn der Bedarf rein SAP-zentriert ist und SAP Signavio – das nativ in die SAP-Welt integriert und häufig schon im SAP-Vertrag enthalten ist – die Anforderungen abdeckt; dann ist Signavio oft wirtschaftlicher. Es ist auch nicht richtig, wenn das eigentliche Ziel Automatisierung mit einem konkreten RPA-Tool ist – dann kann das in dieses Ökosystem integrierte Process Mining (etwa UiPath) ausreichen. Und es ist überdimensioniert, wenn lediglich aggregiertes KPI-Reporting gewünscht ist; dafür genügt klassische Business Intelligence, die keine Prozesssicht ersetzt, aber auch keine braucht. Schließlich gilt: Ohne brauchbare Event-Logs und ohne Umsetzungsbereitschaft schlägt kein Tool an – auch der Marktführer nicht.
Ein Blick auf die Marktbewegung hilft bei der Einordnung. Process Mining, RPA und BPM wachsen zunehmend zusammen – erkennbar daran, dass Automatisierungsanbieter Process-Mining-Fähigkeiten zukaufen und ERP-Häuser wie SAP mit Signavio eigene Angebote bündeln. Für Anwenderunternehmen bedeutet das zweierlei: Erstens verwischen die Grenzen zwischen den Kategorien, weshalb die Frage „welches Tool“ immer häufiger zur Frage „welche Gesamtarchitektur“ wird. Zweitens erhöht die Konsolidierung den Wert eines herstellerneutralen Analyse-Layers: Wer wie mit Celonis die Prozesswahrheit unabhängig vom Automatisierungswerkzeug erhebt, bleibt flexibel, wenn sich das nachgelagerte Ökosystem ändert. Diese strategische Unabhängigkeit ist im DACH-Mittelstand, der oft über Jahre mit gewachsenen Systemlandschaften lebt, ein nicht zu unterschätzendes Argument.
Celonis bindet die Quellsysteme über Connectoren an – mit besonders ausgereifter Unterstützung für SAP, daneben für andere ERP-Systeme, CRM-Plattformen und Fachanwendungen. Die Anbindung kann als regelmäßige Extraktion oder in Richtung Echtzeit erfolgen. Der entscheidende Designpunkt: Welche Felder werden überhaupt extrahiert? Für Process Mining werden Fall-IDs, Aktivitäten und Zeitstempel benötigt – nicht zwingend Klarnamen. Wo Bearbeiter-Kennungen Teil des Logs sind (etwa für Conformance-Prüfungen), entsteht Personenbezug, der bewusst gesteuert werden muss.
Celonis ist als deutsches Unternehmen mit den DACH-Datenschutzanforderungen gut vertraut. In der Praxis sind drei Fragen vorab vertraglich und technisch zu klären: Erstens der Verarbeitungsort – die Nutzung einer EU-Region für die Datenverarbeitung ist regelmäßig die naheliegende Wahl und sollte vertraglich festgehalten werden. Zweitens der Auftragsverarbeitungsvertrag (AVV / DPA) mit dem Anbieter, der Gegenstand, Dauer, Art und Zweck der Verarbeitung sowie die technisch-organisatorischen Maßnahmen regelt. Drittens – weil Celonis auch ein internationales Geschäft mit US-Bezug hat – die Frage nach Subprozessoren und etwaigen Drittlandtransfers, die im Einzelfall zu prüfen und mit geeigneten Garantien abzusichern sind.
Der häufigste Stolperstein ist nicht der Anbieter, sondern die eigene Datengrundlage. Event Logs beantworten oft die Frage „wer hat wann was getan“ – und damit sind sie potenziell eine Leistungs- und Verhaltenskontrolle der Beschäftigten. Das berührt nicht nur die DSGVO, sondern in Deutschland regelmäßig die betriebliche Mitbestimmung. Wer Task Mining oder bearbeiterbezogene Conformance-Analysen plant, sollte Betriebsrat und Datenschutzbeauftragten von Anfang an einbinden, Auswertungen wo möglich aggregieren oder pseudonymisieren und transparent kommunizieren, dass das Ziel die Prozessverbesserung ist – nicht die Überwachung Einzelner.
Für besonders sensible Umgebungen – etwa bei Berufsgeheimnisträgern, kritischen Infrastrukturen oder besonders schutzwürdigen Datenbeständen – stellt sich die Frage nach maximaler Datenhoheit. Je nach Bereitstellungsmodell und Vertragsgestaltung lassen sich Verarbeitungsort und Kontrolle über die Daten unterschiedlich weit fassen. Wer hier strenge Anforderungen hat, sollte frühzeitig klären, welche Betriebsmodelle der Anbieter anbietet, wie Schlüsselverwaltung und Subprozessoren geregelt sind und ob eine EU-seitige Verarbeitung vollständig garantiert werden kann. Der zweite Hebel ist organisatorisch: Je konsequenter bereits bei der Extraktion auf nicht benötigte personenbezogene Felder verzichtet wird, desto kleiner wird die Angriffsfläche – sowohl rechtlich als auch sicherheitstechnisch. Datenschutz ist hier kein nachgelagerter Haken auf einer Liste, sondern ein Gestaltungsprinzip, das von der ersten Datenanbindung an mitgedacht gehört.
Anders als bei einer Pro-Nutzer-SaaS lässt sich Celonis nicht mit einem einzigen Eurobetrag beziffern. Die Kosten hängen von Datenvolumen, Anzahl und Komplexität der Prozesse, genutzten Apps und dem Umfang der Anbindung ab. Jeder im Internet kursierende „Listenpreis“ ist deshalb mit Vorsicht zu genießen. Seriös ist nur eine individuelle Kalkulation nach einem Scoping. Was sich verlässlich sagen lässt: Celonis ist eine Investition im oberen Segment, und die Implementierungs- und Datenaufwände machen einen erheblichen Teil der Gesamtkosten aus.
Die richtige Frage lautet nicht „Was kostet die Lizenz?“, sondern „Welche quantifizierten Hebel stehen welchen Gesamtkosten gegenüber?“. Total Cost of Ownership umfasst Lizenz, Datenanbindung, Implementierung, Betrieb und internes Enablement. Dem gegenüber steht der realisierte – nicht der theoretische – Wert: gehobene Skonti, gesenkte DSO, reduzierte Nacharbeit, vermiedene Compliance-Risiken. Der ROI rechtfertigt sich bei großen, datenreichen Kernprozessen mit klarem Wertpotenzial regelmäßig deutlich. Aber: Er entsteht nur, wenn die gefundenen Hebel tatsächlich umgesetzt werden. Eine Analyse, die im Dashboard endet, erzeugt Kosten ohne Gegenwert.
Weil seriöse Pauschalpreise nicht möglich sind, ersetzen wir Wunschzahlen durch ein nachvollziehbares Prinzip. Stellen Sie der erwarteten Jahres-Gesamtkostenbelastung – Lizenz plus anteilige Implementierung plus Betrieb – die quantifizierten Hebel des ersten Use Case gegenüber. Wenn allein die realistisch hebbare Skonto-Quote oder die Working-Capital-Wirkung eines einzigen Kernprozesses die Gesamtkosten mehrfach übersteigt, ist die Investitionslogik tragfähig. Bleibt der gegenübergestellte Wert dagegen vage oder klein, ist das ein deutliches Warnsignal: Entweder ist der Use Case falsch gewählt, oder Celonis ist für den konkreten Bedarf überdimensioniert. Diese disziplinierte Gegenüberstellung ist aus unserer Sicht die wichtigste Entscheidungshilfe – und sie schützt zugleich davor, eine teure Plattform mit dem Versprechen kaufen, der Wert werde sich „schon irgendwie“ einstellen.
Die zentrale Spannung bei Celonis lautet: Mächtigkeit versus Komplexität. Keine andere Plattform geht so weit von der Datenanbindung über die Wertquantifizierung bis zur ausgelösten Aktion. Genau diese Tiefe bedeutet aber auch, dass Celonis nichts für nebenbei ist. Die Datenanbindung erfordert Fach- und Technikwissen, das objektzentrierte Datenmodell will durchdacht sein, und die Organisation muss in der Lage sein, auf Erkenntnisse zu handeln. Wer diese Voraussetzungen mitbringt, erhält ein außergewöhnlich wirksames Werkzeug. Wer sie nicht mitbringt, kauft Komplexität ohne Gegenwert.
Analyse ohne Umsetzung ist der Klassiker: beeindruckende Dashboards, aber keine Maßnahmen – kein ROI. Die Lösung ist, Maßnahmen und Verantwortliche von Beginn an zu verankern. Start ohne Wertziel führt zur Verzettelung über zu viele Prozesse; besser mit einem einzigen wertstarken Use Case beginnen. Schlechte Datenqualität verzerrt die Hebel; Logs und Connectoren müssen sauber aufgesetzt sein. Datenschutz übersehen rächt sich, wenn Personenbezug in Logs zu spät auffällt; Anonymisierung, Berechtigungen und Betriebsrat gehören an den Anfang. Und unklarer Kosten-Nutzen erzeugt Budgetdruck; der ROI je Hebel sollte transparent gemacht werden.
In unseren Projekten ist nicht der technische Go-live der kritische Punkt, sondern der erste belastbare Wertnachweis. Erst wenn der Einkaufsleiter sieht, dass die Skonto-Quote messbar gestiegen ist, oder der CFO, dass die DSO gesunken sind, kippt die Stimmung von „interessantes Tool“ zu „strategischer Hebel“. Deshalb planen wir jeden Piloten so, dass am Ende eine umgesetzte Maßnahme und eine gemessene Wirkung stehen – nicht nur eine Analyse. Dieser Nachweis trägt dann die Entscheidung für die Breite.
Eine seriöse Celonis-Einführung ist kein Wochenprojekt. Die Use-Case-Definition und Datenanbindung beanspruchen je nach Systemlandschaft und Datenqualität spürbare Zeit, der Pilot inklusive Maßnahmen und Wirkungsmessung weitere Wochen bis Monate. Der zeitintensivste und am häufigsten unterschätzte Teil ist die Datenanbindung – sind die Logs uneinheitlich oder die Quellsysteme komplex, verschiebt das den ganzen Plan. Wer hier von Anfang an realistisch plant und mit einem einzigen Prozess beginnt, kommt schneller und sicherer zum belegten Wert als ein ambitioniertes Programm, das sich an zu vielen Prozessen gleichzeitig verhebt.
Technik und Datenmodell sind nur die halbe Miete. Eine Process-Intelligence-Plattform verändert, wie Abteilungen über ihre eigenen Prozesse sprechen – und das berührt Befindlichkeiten. Wenn plötzlich datenbasiert sichtbar wird, wo Nacharbeiten entstehen oder Regeln umgangen werden, entscheidet die Führungshaltung darüber, ob daraus Lernen oder Abwehr wird. Erfolgreiche Einführungen kommunizieren von Beginn an, dass das Ziel die Verbesserung des Prozesses ist und nicht die Bewertung einzelner Personen. Genauso wichtig sind klare Rollen: ein fachlicher Owner pro Use Case, ein technisches Team für die Datenanbindung und ein kleines Center of Excellence, das Methodik und Standards hütet. Wo diese Rollen fehlen, versandet selbst eine technisch perfekte Implementierung – und wo sie besetzt sind, skaliert der Nutzen oft schneller als erwartet.
