KURZDEFINITION
Moderne Prozessanalyse umfasst ein systematisches Framework von Methoden — von Process Audit und Process Discovery über Process Capture, Process Extraction und Process Mapping bis hin zu Process Design und Process Intelligence. Erst ihr Zusammenspiel schafft die Grundlage, um Menschen, KI und Unternehmenssysteme zu durchgängigen End-to-End-Prozessen zu verbinden.
Unternehmen investieren heute in Workflow Automation, KI-Agenten und moderne Unternehmensplattformen. Gleichzeitig zeigt die Praxis, dass viele Automatisierungsprojekte hinter den Erwartungen zurückbleiben. Nicht, weil die Technologie fehlt — sondern weil Prozesse unvollständig verstanden, dokumentiert oder neu gedacht werden.
Eine erfolgreiche Prozessautomatisierung beginnt deshalb lange vor der eigentlichen Automatisierung. Sie startet mit einem strukturierten Verständnis darüber, wie Menschen arbeiten, welche Systeme beteiligt sind, wo Informationen entstehen und wie Entscheidungen getroffen werden.
Methoden wie Process Audit, Process Discovery, Process Capture, Process Extraction, Process Mapping und Process Design verfolgen dabei unterschiedliche Ziele. Erst ihr Zusammenspiel schafft die Grundlage für intelligente Prozessorchestrierung — und damit für echte Human-AI Collaboration.
Kurzdefinition
Moderne Prozessanalyse umfasst ein systematisches Framework von Methoden — von Process Audit und Process Discovery über Process Capture, Process Extraction und Process Mapping bis hin zu Process Design und Process Intelligence. Erst ihr Zusammenspiel schafft die Grundlage, um Menschen, KI und Unternehmenssysteme zu durchgängigen End-to-End-Prozessen zu verbinden.
Früher bestand Prozessanalyse häufig aus Workshops, Whiteboards und Flussdiagrammen in Visio oder Excel. Ein Prozess wurde dokumentiert, abgestimmt und anschließend umgesetzt — häufig als lineares Projekt mit Anfang und Ende.
Heute arbeiten Unternehmen in einer deutlich komplexeren Umgebung. Geschäftsprozesse verlaufen über verschiedene Abteilungen, Unternehmenssysteme und Kommunikationskanäle hinweg. Informationen entstehen in ERP- und CRM-Systemen, Dokumenten, E-Mails, Microsoft Teams oder Wissensdatenbanken. Hinzu kommen KI-Agenten und digitale Assistenten, die selbst Teil eines Prozesses werden.
Das bedeutet: Der Reklamationsprozess, der offiziell acht Schritte hat, läuft in der Realität über Telefonanrufe, Excel-Listen, Teams-Chats, SharePoint-Dokumente und ERP-Buchungen ab — mit 23 tatsächlichen Aktivitäten. Eine reine Prozessdokumentation bildet diese Realität nicht ab.
Moderne Prozessanalyse muss Prozesse sichtbar machen, verstehen, strukturieren und weiterentwickeln. Das gelingt nicht mit einer einzelnen Methode — sondern mit einem systematischen Framework.
Die verschiedenen Methoden der Prozessanalyse ergänzen sich. Jede beantwortet eine andere Fragestellung und baut auf der vorherigen auf — wie Bausteine eines durchgängigen Wegs von der ersten Analyse bis zur kontinuierlichen Optimierung.
| Methode | Leitfrage | Ergebnis |
|---|---|---|
| Process Audit | Welche Prozesse sind relevant? | Prioritäten und Reifegrad |
| Process Discovery | Wie läuft der Prozess tatsächlich ab? | Transparenz über den Ist-Zustand |
| Process Capture | Wie erfassen wir Prozesswissen? | Dokumentiertes Wissen aus Menschen und Quellen |
| Process Extraction | Welche Informationen lassen sich automatisch gewinnen? | Strukturierte Prozessdaten |
| Process Mapping | Wie stellen wir den Prozess verständlich dar? | Prozessmodell (z. B. BPMN 2.0) |
| Process Design | Wie soll der zukünftige Prozess aussehen? | Soll-Prozess mit klarer Aufgabenteilung Mensch / KI |
| Process Intelligence | Wie verbessern wir Prozesse kontinuierlich? | Monitoring, KPIs, automatische Optimierungshinweise |
Gemeinsam bilden diese Methoden den vollständigen Weg vom ersten Überblick bis zur dauerhaften Prozessverbesserung. Im Folgenden werden alle sieben Bausteine anhand eines durchgängigen Praxisbeispiels erklärt.
Roter Faden: Alle sieben Methoden werden am selben Praxisfall erklärt — dem Reklamationsprozess eines mittelständischen Maschinenbauers mit rund 800 Mitarbeitenden. Das Unternehmen stellt fest, dass die Bearbeitung von Kundenreklamationen durchschnittlich 14 Werktage dauert — obwohl intern ein Ziel von 5 Tagen definiert ist. Woher kommt die Abweichung?
Ein Process Audit bewertet bestehende Geschäftsprozesse hinsichtlich Reifegrad, Aufwand, Risiken und Automatisierungspotenzial. Ziel ist nicht die detaillierte Analyse einzelner Abläufe — sondern die Priorisierung: Welche Prozesse sollten überhaupt betrachtet werden?
Dabei werden unter anderem folgende Fragen beantwortet: Welche Prozesse verursachen den größten manuellen Aufwand? Wo entstehen Wartezeiten oder Medienbrüche? Welche Prozesse sind besonders geschäftskritisch? Wo bietet KI einen echten Mehrwert?
Praxisbeispiel: Reklamationsprozess
Der Maschinenbauer besitzt über 250 dokumentierte Prozesse — von der Anfrage bis zur Auslieferung. Ein Process Audit bewertet alle relevanten Abläufe systematisch. Das Audit zeigt:
Ergebnis des Audits: Nicht alle Prozesse werden analysiert oder automatisiert — sondern die richtigen. Der Fokus liegt auf dem Reklamationsprozess.
Process Discovery macht sichtbar, wie ein Prozess tatsächlich abläuft — unabhängig davon, wie er in Handbüchern beschrieben ist. Ziel ist echtes Verständnis, keine Dokumentation. Dabei werden beteiligte Rollen, Systeme, Entscheidungen, Informationsflüsse, Ausnahmen und Verantwortlichkeiten erfasst.
Process Discovery ist der Unterschied zwischen dem offiziellen Prozess und dem realen. Ohne diesen Schritt automatisiert man nicht selten bestehende Schwachstellen — man digitalisiert sie nur.
Praxisbeispiel: Reklamationsprozess
Im Service existiert offiziell ein Reklamationsprozess mit acht Schritten. Nach Interviews mit Sachbearbeitenden, Teamleitungen und IT stellt sich heraus:
Ergebnis der Discovery: Der reale Prozess besitzt 23 Aktivitäten statt 8. Die Hauptursache für die 14-Tage-Bearbeitungszeit liegt in ungeplanten Warte- und Medienbruchphasen — nicht in der eigentlichen Sachbearbeitung.
Ein erheblicher Teil des Prozesswissens existiert nicht in Handbüchern, sondern im Erfahrungsschatz der Mitarbeitenden. Process Capture beschreibt die strukturierte Erfassung dieses impliziten Wissens — durch Interviews, Workshops, Audio- und Videoaufzeichnungen, Bildschirmaufnahmen und Beobachtungen im Arbeitsalltag.
Moderne KI-Lösungen unterstützen diesen Schritt erheblich: Sie transkribieren Gespräche automatisch, strukturieren Inhalte und leiten erste Prozessmodelle ab. Aus Erfahrungswissen entsteht so dokumentiertes Prozesswissen — ohne aufwändige manuelle Nachbereitung.
Praxisbeispiel: Reklamationsprozess
Eine erfahrene Sachbearbeiterin erklärt einer neuen Kollegin, wie sie komplexe Reklamationsfälle bearbeitet: Wann sie eskaliert, wie sie Kulanzentscheidungen vorbereitet, welche Rückfragen typischerweise beim Kunden landen. Dieses Wissen ist nirgendwo dokumentiert.
Eine KI zeichnet das Gespräch auf, transkribiert es, erkennt Prozessschritte, identifiziert beteiligte Rollen und erstellt automatisch einen ersten BPMN-Entwurf. Parallel werden weitere Quellen erschlossen: Arbeitsanweisungen, E-Mail-Vorlagen, Protokolle früherer Eskalationen.
Ergebnis des Capture: Das implizite Wissen der Sachbearbeiterinnen und Sachbearbeiter ist erstmals strukturiert verfügbar — als Grundlage für Process Mapping und Process Design.
Während Process Capture Wissen aktiv sammelt, gewinnt Process Extraction Prozessinformationen automatisch aus vorhandenen Datenquellen. Dazu zählen: Standard Operating Procedures (SOPs), PDFs, Ticketsysteme, ERP- und CRM-Systeme, E-Mails, Wikis und Wissensdatenbanken.
KI-Systeme analysieren diese Quellen, erkennen Zusammenhänge, identifizieren Prozessschritte, Rollen und Abhängigkeiten — und strukturieren sie automatisch. Das Ergebnis: Prozesswissen ohne einen einzigen Workshop.
Praxisbeispiel: Reklamationsprozess
Das Unternehmen besitzt 47 Dokumente rund um den Reklamationsprozess: SOPs aus verschiedenen Jahren, Arbeitsanweisungen der Qualitätssicherung, E-Mail-Vorlagen, Service-Tickets aus dem letzten Quartal und Einträge aus dem internen Wiki. Eine KI analysiert alle Dokumente und erkennt automatisch:
Ergebnis der Extraction: Strukturierte Prozessdaten aus vorhandenen Quellen — ohne Mehraufwand für die Teams. Diese Daten fließen direkt in das Process Mapping ein.
Erst wenn Prozesse nachvollziehbar dargestellt werden, können sie gemeinsam bewertet und verbessert werden. Process Mapping übersetzt das gesammelte Prozesswissen in eine grafische Darstellung — häufig als BPMN 2.0-Modell, Swimlane-Diagramm oder Flowchart.
Dabei werden Aktivitäten, Rollen, Entscheidungen, Systeme, Schnittstellen und Informationsflüsse visualisiert. Eine gemeinsame Visualisierung schafft ein einheitliches Prozessverständnis über Fachbereiche hinweg — und macht Schwachstellen sichtbar, die in Gesprächen oft unsichtbar bleiben.
Praxisbeispiel: Reklamationsprozess
Der gesamte Reklamationsprozess — jetzt mit 23 bekannten Aktivitäten — wird als BPMN 2.0-Modell in Swimlanes dargestellt. Die Swimlanes zeigen: Kunde, Innendienstmitarbeitende, Qualitätssicherung, Teamleitung und die beteiligten Systeme (ERP, CRM, SharePoint, Teams). Jetzt erkennt jede Abteilung sofort:
Ergebnis des Mappings: Die Diskussion basiert erstmals auf demselben Prozessbild. Das Mapping zeigt: 60 % der Bearbeitungszeit entstehen in Warte- und Übergabephasen zwischen Abteilungen — nicht in der fachlichen Bearbeitung.
Ist der bestehende Prozess verstanden und dokumentiert, beginnt die eigentliche Gestaltung. Process Design entwickelt den zukünftigen Soll-Prozess. Es geht nicht darum, den Ist-Prozess zu digitalisieren — sondern ihn neu zu denken.
Dabei werden zentrale Fragen beantwortet: Welche Aufgaben übernimmt der Mensch? Welche Schritte automatisiert die KI? Welche Systeme müssen integriert werden? Welche Entscheidungen bleiben bewusst beim Menschen — weil sie Empathie, Erfahrung oder Verantwortung erfordern? Das Ergebnis ist kein digitalisierter Altprozess. Es ist ein neu gestalteter Geschäftsprozess mit klarer Aufgabenteilung zwischen Mensch, KI und System.
Praxisbeispiel: Reklamationsprozess — Vorher vs. Nachher
| Schritt | Vorher (Ist-Prozess) | Nachher (Soll-Prozess) |
|---|---|---|
| 1. Eingang | E-Mail an Sammelpostfach — Zuweisung manuell | KI klassifiziert und routet automatisch nach Produktgruppe |
| 2. Prüfung | Sachbearbeitende lesen Unterlagen manuell | KI prüft Unterlagen, ergänzt Produkthistorie aus ERP |
| 3. Entscheidung | Kulanzentscheidung nach Rücksprache mit Teamleitung via Teams | KI schlägt Entscheidung vor; Mensch bestätigt oder korrigiert |
| 4. Rückmeldung | Manuelle E-Mail-Vorlage — Freitextanpassung | Automatisch generierte Antwort, von Mensch freigegeben |
| 5. Abschluss | Manuelle Buchung in ERP und CRM getrennt | Automatische Synchronisation ERP + CRM nach Freigabe |
Ergebnis des Designs: Der neue Soll-Prozess reduziert die Bearbeitungszeit von 14 auf prognostizierte 4 Werktage. Der Mensch bleibt an allen Entscheidungspunkten eingebunden — KI übernimmt Routineaufgaben, Klassifikation und Dokumentation. Das ist Human-AI Collaboration in der Praxis.
Mit der Einführung eines neuen Prozesses endet die Optimierung nicht. Process Intelligence überwacht Prozesse anhand definierter Kennzahlen in Echtzeit und erkennt Engpässe, Wartezeiten oder Abweichungen — bevor sie zu Problemen werden.
Dadurch entsteht ein kontinuierlicher Verbesserungsprozess. Statt jährlicher Prozessreviews fließt Prozesswissen laufend in die Optimierung ein. KI-Systeme können dabei Muster erkennen, Ursachen analysieren und Verbesserungsvorschläge ableiten.
Praxisbeispiel: Reklamationsprozess
Nach drei Monaten mit dem neuen Prozess zeigt das Dashboard:
Ergebnis der Intelligence: Der Prozess verbessert sich kontinuierlich — nicht durch ein einmaliges Projekt, sondern durch dauerhaftes Monitoring und gezielte Anpassungen. Der Mensch trifft die Entscheidungen; die KI liefert die Basis.
Künstliche Intelligenz verändert nicht nur die Ausführung von Geschäftsprozessen — sie verändert auch die Art, wie Prozesse analysiert und gestaltet werden.
| Früher | Heute — mit KI |
|---|---|
| Interviews manuell dokumentieren | Gespräche automatisch transkribieren und strukturieren |
| Prozesse manuell in Visio modellieren | BPMN-Entwürfe automatisch aus Gesprächsaufzeichnungen ableiten |
| Dokumente manuell lesen und auswerten | SOPs, PDFs und Tickets automatisch auf Prozessschritte analysieren |
| Monatliche manuelle Prozessreviews | Kontinuierliches Monitoring mit automatischen Optimierungshinweisen |
| Wissenstransfer durch Shadowing | Implizites Wissen durch KI-gestützte Capture-Methoden sichern |
Dabei gilt: KI ersetzt in der Prozessanalyse keine menschliche Urteilskraft. Sie beschleunigt Routineaufgaben, erkennt Muster in großen Datenmengen und macht Prozesswissen schneller zugänglich. Die Entscheidung, wie ein Prozess gestaltet werden soll — welche Aufgaben beim Menschen bleiben, welche Systeme integriert werden, welche Werte ein Unternehmen in seinen Abläufen verankern möchte — trifft weiterhin der Mensch.
Das ist das Prinzip der Human-AI Collaboration: Mensch und KI arbeiten in ihren jeweiligen Stärken zusammen. Die KI analysiert, strukturiert und schlägt vor. Der Mensch entscheidet, bewertet und trägt Verantwortung.
Jede der sieben Methoden erfüllt einen eigenen Zweck. Aber sie entfalten ihren vollen Wert erst im Zusammenspiel — als aufeinander aufbauendes Framework.
Ein Audit zeigt, wo Handlungsbedarf besteht. Process Discovery und Capture machen Prozesse transparent und erschließen verborgenes Wissen. Process Extraction strukturiert vorhandene Informationen automatisch. Process Mapping visualisiert Zusammenhänge und schafft ein gemeinsames Verständnis. Process Design entwickelt den Zielprozess mit klarer Aufgabenteilung zwischen Mensch und Maschine. Und Process Intelligence sorgt dafür, dass Prozesse nicht einmalig optimiert, sondern dauerhaft weiterentwickelt werden.
So entsteht ein durchgängiger Ansatz, der Menschen, KI und Unternehmenssysteme intelligent miteinander verbindet — die Grundlage für intelligente Prozessorchestrierung und nachhaltige Business Process Automation.
Die Begriffe der Prozessanalyse werden am Markt häufig synonym verwendet — obwohl sie unterschiedliche Methoden und Ziele beschreiben. Dieser Überblick ordnet sie fachlich ein.
| Begriff | Definition | Praxisbeispiel |
|---|---|---|
| Process Audit | Strukturierte Bewertung bestehender Prozesse hinsichtlich Reifegrad, Aufwand, Risiken und Automatisierungspotenzial. | Welche 12 von 250 Prozessen bieten das größte KI-Potenzial? |
| Process Discovery | Analyse des tatsächlichen — nicht des dokumentierten — Prozessablaufs. Ziel: Transparenz über Rollen, Systeme, Entscheidungen und Informationsflüsse. | Warum dauert der Reklamationsprozess wirklich 14 Tage statt 5? |
| Process Capture | Strukturierte Erfassung von implizitem Prozesswissen direkt bei Mitarbeitenden — durch Interviews, Workshops, Audio- und Videoaufzeichnungen. | Experteninterview der Senior-Sachbearbeiterin automatisch transkribieren und als BPMN ableiten. |
| Process Extraction | Automatische Gewinnung von Prozessinformationen aus vorhandenen Datenquellen (SOPs, PDFs, ERP, CRM, Tickets, E-Mails). | Drei Prozessvarianten und acht Genehmigungsschritte aus 47 Dokumenten automatisch extrahieren. |
| Process Mapping | Grafische Visualisierung von Prozessen — häufig als BPMN 2.0, Swimlane-Diagramm oder Flowchart — mit Rollen, Systemen, Entscheidungen und Schnittstellen. | BPMN für den Reklamationsprozess erstellen, das alle 23 Aktivitäten und Systemübergaben zeigt. |
| Process Design | Entwicklung des zukünftigen Soll-Prozesses mit definierter Aufgabenteilung zwischen Mensch, KI und Unternehmenssystemen. | Neuen Reklamationsprozess gestalten: KI klassifiziert und schlägt vor — Mensch entscheidet und gibt frei. |
| Process Intelligence | Kontinuierliche Überwachung und Analyse laufender Prozesse anhand von KPIs, mit automatischer Erkennung von Engpässen und Optimierungspotenzialen. | Dashboard zeigt: 70 % aller Rückfragen entstehen in Schritt 1 — KI empfiehlt geführtes Eingabeformular. |
Moderne Prozessanalyse besteht nicht aus einer einzelnen Methode, sondern aus einem systematischen Vorgehen. Unternehmen, die ihre Prozesse verstehen, Wissen strukturiert erfassen und Abläufe gezielt weiterentwickeln, schaffen die Grundlage für nachhaltige Business Process Automation und intelligente Prozessorchestrierung.
Die Zukunft der Prozessoptimierung liegt nicht in der isolierten Automatisierung einzelner Aufgaben. Sie liegt in der intelligenten Zusammenarbeit von Menschen, KI und Unternehmenssystemen — entlang durchgängiger Geschäftsprozesse, die kontinuierlich verbessert werden.
Process Discovery, Capture, Extraction, Mapping und Design sind dabei keine isolierten Projekte. Sie sind aufeinanderfolgende Bausteine eines Frameworks — das am Ende nicht nur effizientere Prozesse liefert, sondern eine andere Art zu arbeiten: transparenter, lernfähiger und näher an den Menschen.
Process Discovery ist eine Methode der Prozessanalyse, die den tatsächlichen Ablauf eines Geschäftsprozesses sichtbar macht — unabhängig davon, wie er dokumentiert ist. Ziel ist echtes Prozessverständnis durch Interviews, Workshops und moderne KI-gestützte Analyse. Das Ergebnis ist Transparenz über Rollen, Systeme, Entscheidungen und Informationsflüsse.
Process Discovery analysiert, wie ein Prozess wirklich abläuft. Process Mapping visualisiert das Ergebnis dieser Analyse als grafisches Modell — häufig in BPMN 2.0. Discovery ist der Erkenntnisprozess, Mapping ist die Darstellung.
Ein Process Audit bewertet bestehende Prozesse hinsichtlich Reifegrad, Aufwand und Automatisierungspotenzial. Es liefert keine detaillierte Prozessanalyse, sondern eine fundierte Priorisierung: Welche Prozesse sollten zuerst analysiert oder optimiert werden?
Process Capture beschreibt die strukturierte Erfassung von implizitem Prozesswissen direkt bei Mitarbeitenden — durch Interviews, Workshops, Audio- und Videoaufzeichnungen. Moderne KI-Systeme unterstützen dabei, indem sie Gespräche transkribieren, strukturieren und erste Prozessmodelle ableiten.
Process Extraction gewinnt Prozessinformationen automatisch aus vorhandenen Datenquellen — SOPs, PDFs, ERP-Systemen, Ticketsystemen, E-Mails und Wikis. KI-Systeme analysieren diese Quellen, erkennen Prozessschritte, Rollen und Abhängigkeiten und strukturieren sie automatisch.
Process Design ist der richtige Schritt, wenn ein Prozess nicht nur digitalisiert, sondern grundlegend neu gedacht werden soll. Es beantwortet die Frage: Wie soll der Prozess zukünftig aussehen — mit klarer Aufgabenteilung zwischen Mensch, KI und Systemen?
KI beschleunigt und verbessert alle Phasen der Prozessanalyse: Sie transkribiert Interviews, extrahiert Prozessinformationen aus Dokumenten, erstellt BPMN-Entwürfe und überwacht Prozesse kontinuierlich. Entscheidungen über Prozessgestaltung und Automatisierung trifft weiterhin der Mensch.
Dieser Artikel ist Teil des ACP Digital Themenclusters rund um Prozessorchestrierung, Human-AI Collaboration und Business Process Automation:
Möchten Sie erfahren, wie Sie Ihre Prozesse von der ersten Analyse bis zur intelligenten Orchestrierung weiterentwickeln können?
Moderne Prozessanalyse umfasst ein systematisches Framework von sieben Methoden: Process Audit, Process Discovery, Process Capture, Process Extraction, Process Mapping, Process Design und Process Intelligence. Jede Methode beantwortet eine andere Fragestellung und baut auf der vorherigen auf. Erst ihr Zusammenspiel schafft die Grundlage für intelligente Prozessorchestrierung, Human-AI Collaboration und nachhaltige Business Process Automation — in der Menschen, KI und Unternehmenssysteme durchgängige End-to-End-Prozesse bilden.