Process Mining ist die Disziplin, reale Geschäftsprozesse nicht aus Workshops, Interviews und Annahmen abzuleiten, sondern aus den digitalen Datenspuren der eigenen IT-Systeme zu rekonstruieren. Jede Buchung, jede Freigabe, jeder Statuswechsel hinterlässt in ERP-, CRM- oder Fachsystemen einen Datensatz. MPM liest diese Ereignisprotokolle aus, setzt sie zu vollständigen Prozessverläufen zusammen und macht sichtbar, wie ein Prozess tatsächlich abläuft – inklusive aller Schleifen, Nacharbeiten und Ausnahmen, die kein sauber gemaltes Flussdiagramm je zeigt.
Drei Eigenschaften prägen MPM und erklären seine Position im Markt:
Der wichtigste konzeptionelle Unterschied von MPM zu vielen Wettbewerbern liegt darin, dass Process Mining hier nicht als isolierte Speziallösung, sondern als Bestandteil einer allgemeinen Analyse-Plattform verstanden wird. Die assoziative Engine von Qlik erlaubt es, Prozessdaten frei zu durchdringen: Nutzer können filtern, kombinieren und Zusammenhänge erkunden, ohne vorab jede Auswertung zu definieren. Für Fachanwender, die Qlik-Dashboards ohnehin gewohnt sind, verkürzt das die Lernkurve erheblich. Prozesskennzahlen lassen sich zudem im selben Kontext mit anderen Geschäftsdaten – Umsatz, Kosten, Kundendaten – kombinieren, was in einer reinen Process-Mining-Insel schwieriger wäre.
MPM zielt auf datenreiche, prozessgetriebene Organisationen im deutschsprachigen Raum – vom größeren Mittelständler mit gewachsener ERP-Landschaft bis zum Konzernbereich, der einen pragmatischen Einstieg in Process Mining sucht. Besonders anschlussfähig ist die Lösung dort, wo Qlik als Analyse-Standard bereits verankert ist oder bewusst als solcher eingeführt werden soll. Weniger naheliegend ist MPM für Unternehmen, die eine strikt herstellerunabhängige, plattformübergreifende Process-Intelligence-Schicht mit sehr großem Ökosystem suchen, oder für sehr kleine Organisationen ohne relevantes Prozessvolumen, für die jede Process-Mining-Investition schwer zu rechtfertigen ist.
Qlik ist eine seit Langem etablierte Plattform für Business Analytics mit einem charakteristischen assoziativen Datenmodell. Statt Daten in starre, vordefinierte Berichtspfade zu zwingen, hält Qlik sie in einem verknüpften In-Memory-Modell, in dem Anwender frei navigieren können. Für Process Mining ist dieses Prinzip ein gut passendes Fundament: Prozessdaten sind naturgemäß vielschichtig, und die Fähigkeit, spontan zwischen Prozesssicht, Kennzahlen und Detaildaten zu wechseln, entspricht genau der explorativen Arbeitsweise, die eine gute Prozessanalyse braucht. MEHRWERK nutzt diese Basis, ergänzt sie um die spezifische Logik des Process Mining – Fall-IDs, Aktivitäten, Zeitstempel, Prozessgraphen – und liefert so eine Lösung, die technisch auf einem bewährten, breit verbreiteten Unterbau steht.
Im Markt der Process-Mining-Werkzeuge positioniert sich MPM nicht als globaler Kategorie-Marktführer, sondern als spezialisierter, im deutschsprachigen Raum verwurzelter Anbieter mit einem klaren Alleinstellungsmerkmal: der Qlik-Integration. Während die bekanntesten Wettbewerber eigene, große Plattform-Ökosysteme aufbauen, adressiert MEHRWERK gezielt Unternehmen, die Pragmatismus, Nähe und die Verbindung zu einer vorhandenen Analyse-Landschaft schätzen. Diese Positionierung ist kein Nachteil, sondern eine bewusste Fokussierung – sie macht MPM für den passenden Anwenderkreis besonders anschlussfähig, verlangt aber eine ehrliche Einordnung dort, wo Reichweite, Partnerdichte oder Analyse-Spitzenfunktionen den Ausschlag geben.
Dass MEHRWERK ein deutsches Softwarehaus ist, wirkt sich in mehreren praktischen Dimensionen aus. Beratung und Support erfolgen im deutschsprachigen Raum und in der Zeitzone der Kunden. Die Vertrags- und Datenschutzpraxis ist an europäischen Anforderungen orientiert. Und die Nähe zum DACH-Mittelstand zeigt sich oft in einer pragmatischeren, weniger konzernlastigen Herangehensweise. Für Unternehmen, die einen greifbaren Ansprechpartner und kurze Wege bevorzugen, ist das ein qualitativer Vorteil, der sich schwer in einer Funktionsliste abbilden lässt, im Projektalltag aber spürbar wird. Konkrete Angaben zu Unternehmensgröße, Referenzen oder Marktanteilen sollten direkt beim Anbieter erfragt werden, statt sich auf pauschale Zahlen zu verlassen.
Unabhängig von der Plattform gilt für jedes Process Mining dieselbe Grundlage: Es lebt von Ereignisprotokollen. Ein solches Event Log besteht im Kern aus drei Angaben je Ereignis – einer Fall-ID (welcher Vorgang, etwa eine bestimmte Bestellung), einer Aktivität (was geschah, etwa „Rechnung freigegeben“) und einem Zeitstempel (wann). MPM extrahiert diese Logs aus den Quellsystemen, verknüpft sie über das Qlik-Datenmodell und rekonstruiert daraus den Prozessfluss. Die Qualität dieser Datengrundlage entscheidet über die Aussagekraft jeder späteren Analyse – ein Punkt, der unabhängig vom gewählten Werkzeug gilt und in Kapitel 07 vertieft wird.
Der Ausgangspunkt jeder Arbeit mit MPM ist die Prozessentdeckung. Aus den extrahierten Event Logs entsteht ein Prozessgraph, der jeden real vorgekommenen Pfad zeigt – nicht das Soll-Diagramm, sondern die gelebte Wirklichkeit. Anwender erkennen auf einen Blick, welche Varianten häufig sind, wo sich Schleifen und Rücksprünge häufen und an welchen Stellen die Durchlaufzeit auseinanderläuft. Weil die Darstellung auf Qlik aufsetzt, lässt sie sich frei filtern: nach Zeitraum, Werk, Kundengruppe oder beliebigen anderen Dimensionen. Der Aha-Moment ist in fast jedem Projekt derselbe – der reale Prozess ist deutlich verzweigter und schleifenreicher als jede Powerpoint-Darstellung vermuten lässt.
Während die Prozessanalyse zeigt, wie es läuft, prüft das Conformance-Checking, ob es so laufen darf. MPM vergleicht den real gelebten Prozess mit einem definierten Soll oder mit hinterlegten Regeln und deckt jede Abweichung auf: die Rechnung, die ohne die vorgesehene Freigabe bezahlt wurde; die Bestellung, die nachträglich verändert wurde; den Auftrag, der eine Kontrollstufe übersprungen hat. Für die interne Revision und das interne Kontrollsystem ist das ein objektiver, datengestützter Prüfblick, der über klassische Stichproben hinausgeht. Wichtig: Sobald Bearbeiterkennungen Teil der Auswertung sind, entsteht Personenbezug – ein Thema, das in Kapitel 09 datenschutzseitig aufgegriffen wird.
Die Stärke von Qlik als Visualisierungsplattform kommt bei den Dashboards zum Tragen. Prozesskennzahlen lassen sich nicht isoliert, sondern im Zusammenhang mit anderen Geschäftsdaten betrachten – etwa Durchlaufzeiten neben Umsatz, Kosten oder Kundenzufriedenheit. Führungskräfte erhalten verdichtete Übersichten, Fachbereiche detaillierte, frei explorierbare Sichten. Auf dieser Grundlage setzt die Prozessoptimierung an: MPM hilft, Engpässe, wiederkehrende Nacharbeiten und Automatisierungskandidaten zu identifizieren und nach Wirkung zu priorisieren. Entscheidend – und das gilt für jedes Process-Mining-Werkzeug – bleibt, dass aus den Erkenntnissen tatsächlich umgesetzte Maßnahmen werden. Ein Dashboard allein verbessert keinen Prozess.
Der Trend im Process Mining geht dahin, dass Anwender nicht mehr jede Auswertung manuell aufbauen müssen. KI- und Assistenzfunktionen sollen Auffälligkeiten hervorheben, Muster erkennen und Vorschläge machen, wo sich ein genauerer Blick lohnt. Für MPM bedeutet das, dass die Analyse für Fachanwender ohne tiefes Methodenwissen zugänglicher wird – gestützt durch die ohnehin explorative Qlik-Oberfläche. Weil KI-Funktionen in der gesamten Branche derzeit stark ausgebaut werden, ist der jeweils aktuelle Funktionsstand ein bewegliches Ziel; verlässlich ist er nur in der aktuellen Produktdokumentation und im Gespräch mit dem Anbieter zu klären. Erfundene Feature-Versprechen helfen bei der Entscheidung nicht weiter.
Process Mining und Automatisierung gehören zunehmend zusammen. Der typische Ablauf: MPM deckt auf, welche Prozessschritte hohen manuellen Aufwand verursachen, häufig vorkommen und stabilen Regeln folgen – genau die Kandidaten, bei denen sich eine Automatisierung (etwa per RPA) am ehesten lohnt. Damit wird Process Mining zum Priorisierungsinstrument für Automatisierungsvorhaben: Das Budget fließt dorthin, wo der Hebel nachweislich am größten ist, statt in Lieblingsprojekte. Ob und wie MPM Maßnahmen direkt anstoßen oder an nachgelagerte Automatisierungswerkzeuge übergeben kann, hängt von der konkreten Ausbaustufe und den angebundenen Systemen ab und sollte projektspezifisch geklärt werden.
Ein oft unterschätzter Wert entsteht nach der ersten Analyse: das laufende Monitoring. Statt einer einmaligen Momentaufnahme kann MPM Prozesse dauerhaft beobachten und Abweichungen oder eintretende Verbesserungen sichtbar machen. So entsteht ein Regelkreis aus Messen, Handeln und Nachmessen – die eigentliche Grundlage kontinuierlicher Verbesserung. Kombiniert mit den Qlik-Dashboards lässt sich dieser Regelkreis in bestehende Steuerungsroutinen einbetten, sodass Prozesskennzahlen neben anderen Steuerungsgrößen laufend im Blick bleiben. Der Nutzen von Automatisierung und KI zeigt sich gerade hier: Je mehr die Überwachung automatisiert erfolgt, desto eher wird aus einem Projekt eine dauerhafte Fähigkeit.
Die engste und wichtigste Integration von MPM ist die zu Qlik selbst. MPM lebt auf der Qlik-Plattform und nutzt deren Datenintegrations-, Modellierungs- und Visualisierungsfähigkeiten. Das hat einen doppelten Effekt: Zum einen erben Unternehmen, die Qlik bereits betreiben, viele Integrationsmöglichkeiten, die Qlik ohnehin mitbringt – von Datenbank-Konnektoren bis zu Schnittstellen in andere Systeme. Zum anderen bedeutet es, dass die Qlik-Umgebung selbst ein zentraler Bestandteil der Architektur ist und in Planung, Betrieb und Lizenzierung mitgedacht werden muss. Wer Qlik neu einführt, führt faktisch zwei zusammenhängende Bausteine ein; wer Qlik schon hat, baut auf Vorhandenem auf.
Der eigentliche Rohstoff für Process Mining liegt in den operativen Systemen. MPM zieht seine Event Logs typischerweise aus ERP-Systemen wie SAP und anderen, aus CRM-Plattformen sowie aus Fach- und Branchenanwendungen. Über die Datenintegrationsschicht werden die relevanten Tabellen und Felder extrahiert und zu Prozessdaten aufbereitet. Entscheidend ist dabei weniger die schiere Zahl der Konnektoren als die Fähigkeit, die für den jeweiligen Prozess passenden Daten sauber zu erschließen. Welche Systeme konkret unterstützt werden und in welcher Tiefe – etwa bei SAP – ist ein Punkt, der projektspezifisch und beim Anbieter zu klären ist. Als Faustregel gilt: Was sich als Ereignisprotokoll mit Fall-ID, Aktivität und Zeitstempel abbilden lässt, ist grundsätzlich für Process Mining zugänglich.
Der strategische Vorteil des Qlik-Ansatzes liegt in der Einbettung. Weil Qlik in vielen Unternehmen als Analyse-Plattform bereits etabliert ist, fügt sich MPM in eine vorhandene Governance-, Rechte- und Betriebsstruktur ein, statt eine weitere Insel zu schaffen. Prozessdaten werden Teil derselben Analyse-Landschaft wie andere Geschäftsdaten, was Redundanzen vermeidet und die Datenlandschaft konsolidiert. Zugleich lässt sich MPM in eine breitere Automatisierungs- und Prozessarchitektur einordnen: Die Analyseergebnisse können als Grundlage für Verbesserungs- und Automatisierungsinitiativen dienen, deren Umsetzung dann in spezialisierten Werkzeugen erfolgt. Diese Rolle als analytischer Ausgangspunkt eines größeren Prozessprogramms ist typisch für Process Mining insgesamt und gilt auch für MPM.
Rund um jede Process-Mining-Lösung entsteht ein Umfeld aus Implementierungspartnern, Beratern und Schulungsangeboten. Bei einem fokussierten DACH-Anbieter wie MEHRWERK ist dieses Ökosystem enger und regionaler als bei den globalen Marktführern – was Nähe und kurze Wege bedeutet, aber auch, dass die Auswahl an spezialisierten Dienstleistern kleiner ausfallen kann. Für Unternehmen, die ohnehin eine Qlik-Landschaft betreiben, ist die Schnittmenge mit dem Qlik-Partnerumfeld ein zusätzlicher Anknüpfungspunkt. INAGRO begleitet solche Vorhaben herstellerunabhängig und bewertet im Einzelfall, welche Kombination aus Werkzeug, Partnern und interner Kapazität zum jeweiligen Unternehmen passt.
Celonis ist der bekannteste und reichweitenstärkste Anbieter der Kategorie, mit eigener, sehr tiefer Plattform, ausgeprägter Wertquantifizierung und einem großen Partner-Ökosystem. MPM tritt hier nicht als Kopie an, sondern mit einer anderen Philosophie: pragmatischer Einstieg, Qlik-Integration und DACH-Nähe. Für Unternehmen mit sehr großen, komplexen Prozesslandschaften und dem Wunsch nach maximaler Analysetiefe und einem breiten Ökosystem ist Celonis häufig die naheliegende Wahl. Für Organisationen, die eine schlankere, in eine vorhandene Qlik-Landschaft integrierte Lösung suchen und keinen Enterprise-Schwergewicht-Aufwand betreiben wollen, kann MPM der wirtschaftlichere und schneller wirksame Weg sein.
SAP Signavio verbindet Process Mining mit BPM-Modellierung und ist nativ in die SAP-Welt eingebettet – oft ist es bereits Teil bestehender SAP-Verträge. Für Unternehmen, deren Prozessuniversum stark SAP-zentriert ist und die ohnehin in die SAP-Analytics-Landschaft investieren, ist Signavio dadurch besonders anschlussfähig. MPM spielt seine Stärke spiegelbildlich dort aus, wo die Analyse-Landschaft auf Qlik statt auf SAP-Analytics beruht. Die Leitfrage ist also weniger „welches Tool ist besser“, sondern „in welche vorhandene Datenwelt fügt sich Process Mining am natürlichsten ein“.
ARIS Process Mining steht in der Tradition der starken Prozessmodellierung der ARIS-Welt und ist besonders dort attraktiv, wo formale Prozessmodellierung und -dokumentation einen hohen Stellenwert haben. MPM legt den Schwerpunkt stärker auf die datengetriebene Analyse und die Visualisierung über Qlik, weniger auf das umfassende BPM-Modellierungserbe. Unternehmen, die vor allem ihre real gelebten Prozesse datenbasiert verstehen und optimieren wollen, finden in MPM einen direkten Weg; wer eine tief integrierte BPM-Suite mit Modellierungsschwerpunkt sucht, sollte ARIS und Signavio gezielt gegenüberstellen.
Anders als bei einer vollständig eigenständigen Process-Mining-Suite ist bei MPM die Qlik-Plattform ein integraler Bestandteil der Architektur. Das ist die zentrale Weichenstellung jeder Einführung. Für Unternehmen mit vorhandener, gut betriebener Qlik-Landschaft ist das ein echter Beschleuniger: Lizenzen, Kompetenzen, Governance und Betriebsroutinen existieren bereits, und Process Mining wird zur Erweiterung des Bekannten. Für Unternehmen ohne Qlik-Erfahrung kommt die Einführung der Plattform als zusätzlicher Baustein hinzu, der in Aufwand, Kosten und Betrieb einzuplanen ist. Diese Weiche sollte ganz am Anfang bewusst gestellt und nicht implizit übergangen werden.
In unseren Projekten ist nicht der technische Go-live der kritische Punkt, sondern der erste belastbare Wertnachweis. Erst wenn ein Prozessverantwortlicher sieht, dass eine Durchlaufzeit messbar gesunken oder eine Nacharbeitsquote spürbar zurückgegangen ist, kippt die Stimmung von „interessantes Werkzeug“ zu „strategischer Hebel“. Deshalb planen wir jeden Piloten so, dass am Ende eine umgesetzte Maßnahme und eine gemessene Wirkung stehen – nicht nur eine hübsche Analyse. Dieser Nachweis trägt anschließend die Entscheidung für die Skalierung in die Breite.
Der gehobene Mittelstand steht bei Process Mining vor einem typischen Dilemma: Die großen Enterprise-Suiten sind oft mächtiger, als es der eigene Bedarf verlangt, und ihr Einführungs- und Kostenaufwand kann abschreckend wirken. Gleichzeitig ist der Prozessbedarf real – gewachsene ERP-Landschaften, manuelle Nacharbeiten und intransparente Abläufe kosten Geld. Genau in diese Lücke zielt MPM: pragmatischer Einstieg, Nutzung einer möglicherweise vorhandenen Qlik-Basis, ein deutscher Ansprechpartner auf Augenhöhe. Für Unternehmen, die Process Mining ausprobieren und schrittweise ausbauen wollen, ohne sofort ein Großprogramm aufzusetzen, ist das ein anschlussfähiger Weg.
Wie bei nahezu jeder Process-Mining-Lösung lässt sich MPM nicht mit einem einzigen Eurobetrag beziffern. Die Kosten hängen von Datenvolumen, Anzahl und Komplexität der Prozesse, der Ausbaustufe und – als Besonderheit – von der Qlik-Konstellation 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: MPM positioniert sich preislich zugänglicher als die großen Enterprise-Suiten, und die Qlik-Basis ist der entscheidende Faktor, der die Gesamtkosten in die eine oder andere Richtung verschiebt. Konkrete Zahlen gehören ins Angebot des Anbieters, nicht in einen Ratgeberartikel.
Process Mining wertet reale Prozessdaten aus – und die enthalten häufig personenbezogene Informationen. Event Logs beantworten oft die Frage „wer hat wann was getan“ und werden damit potenziell zu einer Leistungs- und Verhaltenskontrolle der Beschäftigten. Das berührt nicht nur die DSGVO, sondern in Deutschland regelmäßig die betriebliche Mitbestimmung. Die zentralen Leitplanken sind deshalb Datensparsamkeit (nur die für den Use Case nötigen Felder extrahieren), Pseudonymisierung von Bearbeiterkennungen, wo der Personenbezug nicht zwingend ist, ein rollenbasiertes Berechtigungskonzept sowie die frühzeitige Einbindung von Datenschutzbeauftragtem und Betriebsrat. Wer diese Punkte von Anfang an mitdenkt, verhindert teure Nacharbeit und schafft Akzeptanz.
Ein Aspekt hebt MPM datenschutzseitig positiv hervor: Weil die Lösung auf Qlik aufsetzt, hängt der Verarbeitungsort maßgeblich davon ab, wie die Qlik-Umgebung betrieben wird. Wo diese in der eigenen Infrastruktur oder in einer kontrollierten, EU-seitigen Umgebung läuft, bleibt die Kontrolle über die Prozessdaten weitgehend im Haus – ein klarer Vorteil für Unternehmen mit hohen Anforderungen an Datenhoheit, etwa bei sensiblen Beständen. Wird dagegen ein Cloud-Betrieb gewählt, gelten die üblichen Sorgfaltspflichten: Serverstandort und EU-Region benennen, den Auftragsverarbeitungsvertrag sauber aufsetzen und etwaige Subprozessoren prüfen. Das konkrete Betriebsmodell und dessen Konditionen sind beim Anbieter zu verifizieren.
