Warum Process Intelligence, nicht Process Mining
Process Mining zeigt, was passiert ist. Process Intelligence erfasst, was passiert, modelliert es live und schließt den Kreis.
Process Mining ist rückblickend. Sie exportieren ein Event Log, lassen einen Discovery-Algorithmus laufen und bekommen ein Modell dessen, was im letzten Quartal passiert ist. Bis Sie handeln, hat sich die Operation längst weiterbewegt.
Process Intelligence ist anders. Sie erfasst, was gerade passiert, baut ein Live-Modell und speist Ergebnisse zurück ins System. Mining ist ein Bericht. Intelligence ist ein Loop.
Gartners Kategorieverschiebung 2026 macht den Unterschied schwerer als bloßes Branding abzutun. Die öffentliche Marktdefinition beschreibt Process Intelligence inzwischen über Mining, Analyse, Modellierung, Design, Monitoring, Alarme, Anomalieerkennung, Simulation, KPI-Reporting und Entscheidungsunterstützung. Das ist ein breiteres Betriebssystem als klassisches Process Mining.
Das Lag-Problem
Die meisten Process-Mining-Implementierungen laufen wöchentlich oder monatlich. Jemand exportiert eine CSV aus SAP, lädt sie in ein Mining-Tool, wartet auf den Algorithmus und präsentiert die Erkenntnisse anschließend einem Steering Committee. Zwischen Beobachtung und Handlung liegen Wochen.
Dieser Zeitversatz ist der eigentliche Preis. Nicht die Lizenzkosten, nicht der Integrationsaufwand. Der Lag. Jede Woche mit Daten vom letzten Monat ist eine Woche, in der der echte Prozess bereits gedriftet ist.
Was “live” wirklich bedeutet
Ein Live-Modell ist kein Dashboard, das alle fünf Minuten aktualisiert. Es bedeutet, dass sich das Modell selbst aktualisiert, sobald neue Ereignisse eintreffen. Der Prozessgraph entwickelt sich. Varianten verschieben sich. Engpässe tauchen auf und verschwinden, ohne dass jemand Discovery neu anstößt.
Das erfordert eine andere Architektur. Erfassung, Modellierung und Ausführung müssen auf demselben Ereignisstrom arbeiten, statt Live-Aktualisierungen nachträglich an eine Batch-Pipeline anzubauen.
Den Kreis schließen
Der wichtigste Unterschied zeigt sich nach der Erkenntnis. Im klassischen Mining werden Findings zu Folien. Folien werden Projekte. Projekte dauern Monate.
In einem geschlossenen System schlägt das Modell eine Intervention vor, das System führt sie aus, und das Modell beobachtet das Ergebnis. Wenn die Intervention hilft, lernt es. Wenn nicht, wird zurückgerollt. Kein Committee nötig.
Das ist keine Zukunftsrhetorik. Es ist Regelungstechnik auf Geschäftsprozesse angewandt. Der Feedback Loop ist der Mechanismus, nicht die Metapher.
Deshalb wird der Namensstreit durch KI-Agenten praktisch. Ein Agent, der Prozessmodell, aktuellen Ausführungszustand und erlaubte Kontrollen nicht lesen kann, automatisiert aus Teilkontext. Die öffentlichen Gartner-Reportseiten beschreiben Process Intelligence als operative Kontextschicht, die Unternehmen brauchen, wenn sie entscheiden, wo und wie KI-Agenten eingesetzt werden. Das sollte jeden nervös machen, der Agenten nur an alte Prozessdashboards schrauben will.
Warum der Name zählt
“Process Mining” setzt die falsche Erwartung. Es klingt nach Ausgrabung: durch die Vergangenheit graben, ein paar Nuggets finden, weiterziehen. “Process Intelligence” klingt nach Bewusstsein: Das System weiß, was passiert, und kann reagieren.
Die Tools, die wir bauen, folgen dem Namen, den wir ihnen geben. Wer für Mining baut, baut Batch-Pipelines und statische Reports. Wer für Intelligence baut, baut Live-Modelle und Feedback Loops.
Wir haben uns für Intelligence entschieden.
Quellen
- Gartner: Process Mining Platforms, Übergang zu Process Intelligence Platforms, Kategorieseite
- Gartner: 2026 Magic Quadrant for Process Intelligence Platforms, Reprint-Seite
- Pega: 2026 Gartner Magic Quadrant Seite, genutzt für öffentliche Report-Einordnung zum Prozesskontext für KI-Agenten
Antworten