Kernfrage Neu
KI-aufbereitet
Wie beeinflussen das Verhalten und die Einstellungen einzelner Nutzer den Geschäftswert von Process Mining?
Lädt den Spotify-Player; Spotify kann Cookies setzen. Dieses Gerät merkt sich Ihre Auswahl.
Zentrale Ergebnisse
- Die Übersichtsarbeit identifiziert und etabliert Nutzerverhalten, Nutzungsmuster und Affekt (wie Unsicherheit und Vertrauen) als die drei Kernelemente der individuellen Ebene des Process Mining, gestützt durch die synthetisierte Literatur.
- Die Analyse zeigt, dass technische, individuelle und organisationale Kontextfaktoren das Nutzerverhalten und den Affekt systematisch beeinflussen; beispielsweise untergraben Datenungenauigkeiten das Vertrauen der Nutzer, während formale Schulungen und methodische Anleitungen die korrekte Ausführung unterstützen.
- Es wird nachgewiesen, dass individuelles Verhalten und affektive Zustände direkte Auswirkungen auf den Wertbeitrag haben, wobei strukturierte Verhaltensweisen wie das Testen von Hypothesen die Analysedauer verkürzen und die Qualität der Erkenntnisse steigern.
- Zu den wesentlichen Einschränkungen der Studie gehören die Beschränkung auf eine Stichprobe von lediglich 23 überprüften Arbeiten, ein statischer Rahmen, der sequentielle oder zeitliche Dynamiken nicht erfasst, sowie das Fehlen einer echten Inter-Coder-Reliabilität während des qualitativen Kodierungsprozesses.
Bedeutung für die Praxis
CIO / IT-Leitung
Initiate a data audit of the source pipelines feeding your enterprise process mining tools to eliminate data discrepancies, directly addressing the research finding that data inaccuracies severely undermine user trust and derail tool adoption.
IT-Management
Add a mandatory 'Hypothesis-First' template to your team's process mining workflow, requiring analysts to document their specific diagnostic hypothesis before running queries to enforce structured behavior and reduce analysis duration.
Unternehmensstrategie
Redesign the process mining ROI dashboard to measure actual business value outcomes (e.g., cost savings from process changes) rather than user log-in frequency, linking individual analytical insights directly to operational KPIs.
Forschung
Draft a research design for a longitudinal study tracking 20 process mining analysts over six months to capture the sequential and temporal dynamics of user affect and trust, directly addressing the static limitations of current literature.
Politische Entscheidungsträger
Establish an internal organizational standard mandating that no department may deploy process mining software without integrating a formal training and methodological guidance program, ensuring compliant and high-quality data execution.
Zusammenfassung
Diese Studie führt eine systematische Literaturübersicht von 23 wissenschaftlichen Artikeln durch, um die Forschung auf der individuellen Ebene des Process Mining zu konsolidieren und zu analysieren. Die Autoren fassen die fragmentierte Literatur zusammen, um darzustellen, wie individuelles Verhalten, Nutzungsmuster und Emotionen mit verschiedenen Kontextfaktoren interagieren, um geschäftlichen Nutzen zu schaffen.
Problemstellung
Bisherige Forschung zum Process Mining konzentrierte sich überwiegend auf technische Algorithmen oder die Einführung auf Organisationsebene, während die entscheidende Rolle einzelner Nutzer weitgehend übersehen wurde. Diese Lücke führt zu einer fragmentierten Terminologie und dem Fehlen eines einheitlichen Verständnisses darüber, wie individuelles Handeln und Entscheiden tatsächlich in realisierten Geschäftswert übergehen.
Transkript
Expert: Hallo Anna. Die Autoren Julian Dyong, Sandro Franzoi und Jan vom Brocke führen eine systematische Übersicht über 23 wissenschaftliche Arbeiten durch. Ziel ist es, die Forschung auf der Ebene des einzelnen Nutzers im Process Mining zusammenzuführen und zu analysieren, wie individuelles Verhalten, Nutzungsmuster und Emotionen mit dem jeweiligen Kontext interagieren, um Mehrwert für Organisationen zu schaffen.
Host: Process Mining ist in vielen Unternehmen bereits ein etabliertes Werkzeug zur Prozessanalyse. Wo lag bisher das Defizit in der Praxis und der Forschung?
Expert: Die bisherige Forschung konzentrierte sich überwiegend auf technische Algorithmen oder die Einführung auf Unternehmensebene. Weitgehend übersehen wurde dabei die Rolle der Menschen, die diese Werkzeuge bedienen. Das führte zu einer fragmentierten Terminologie und einer Lücke im Verständnis darüber, wie individuelle Handlungen und Entscheidungen tatsächlich in realisierten Geschäftswert übergehen.
Host: Wie sind die Autoren methodisch vorgegangen, um dieses Problem zu untersuchen?
Expert: Sie wählten einen qualitativen Ansatz und analysierten systematisch 23 relevante Fachbeiträge. Aus dieser Literatur extrahierten und synthetisierten sie wiederkehrende Dimensionen, um ein strukturiertes Rahmenwerk für die individuelle Ebene der Nutzung zu entwickeln.
Host: Welche zentralen Elemente hat die Studie dabei herausgearbeitet?
Expert: Die Studie identifiziert drei Kernelemente: das Nutzerverhalten, spezifische Nutzungsmuster und den Affekt, worunter emotionale Zustände wie Unsicherheit und Vertrauen fallen. Diese Faktoren bestimmen maßgeblich, wie effektiv Process-Mining-Tools eingesetzt werden.
Host: Welche Rolle spielen dabei die Rahmenbedingungen im Unternehmen?
Expert: Die Analyse zeigt, dass technische, individuelle und organisationale Kontextfaktoren das Verhalten und die affektiven Zustände systematisch beeinflussen. Wenn beispielsweise Daten ungenau sind, untergräbt das das Vertrauen der Nutzer in das System. Umgekehrt unterstützen formale Schulungen und methodische Leitfäden die korrekte Ausführung von Analysen.
Host: Und wie wirkt sich das direkt auf den messbaren Wertbeitrag aus?
Expert: Es wird nachgewiesen, dass individuelles Verhalten direkte Auswirkungen hat. Strukturierte Verhaltensweisen, wie etwa das gezielte Testen von Hypothesen, verkürzen die Analysedauer und steigern die Qualität der gewonnenen Erkenntnisse. Zu den Einschränkungen der Studie gehört jedoch, dass sie auf einer Stichprobe von lediglich 23 Arbeiten basiert. Zudem bildet das Rahmenwerk statische Zusammenhänge ab, ohne zeitliche Dynamiken zu erfassen, und im Kodierungsprozess wurde keine formale Inter-Coder-Reliabilität erhoben.
Host: Was bedeutet diese Erkenntnis nun ganz konkret für Unternehmen und Entscheidungsträger?
Expert: Unternehmen sollten Process Mining nicht ausschließlich als IT- oder Softwareprojekt betrachten. Der tatsächliche Nutzen entsteht erst durch die handelnden Personen. In der Praxis bedeutet das: Investitionen in die Datenqualität sind essenziell, um das Vertrauen der Anwender zu sichern. Zudem sollten Organisationen in methodische Schulungen investieren, damit Mitarbeiter strukturierte Vorgehensweisen anwenden, anstatt Daten ungezielt zu explorieren.
Host: Der Anwender bleibt also das entscheidende Bindeglied zwischen Analysesoftware und geschäftlichem Mehrwert. Vielen Dank für diese Einordnungen, Alex.
Expert: Sehr gerne, Anna.
Host: Und vielen Dank an Sie fürs Zuhören bei A.I.S. Insights — powered by Living Knowledge. Bis zur nächsten Ausgabe.
Process Mining, Individual Level, Literature Review, Research Framework, Value Creation, User Behavior