Rechnungseingang: Den Automatisierungs-Hebel mit Process Mining identifizieren

Was genau versteht man eigentlich unter Process Mining?

Process Mining nennt man die datengetriebene Analyse und Optimierung von Prozessen. Mensch und Maschine hinterlassen durch ihre Aktivitäten in Workflow Systemen wie in einem DMS oder ERP System Spuren (Ereignisdaten) - also von wem was, wo und wann verarbeitet wurde. Process Mining nutzt moderne Data Science Methoden und diese Daten um Prozesse wie den Rechnungseingang als Teil des Purchase-To-Pay Prozesses zu analysieren, zu simulieren und zu optimieren.

Process Mining: Neue Automatisierungsformen an der richtigen Stelle einsetzen

Während Process Mining ursprünglich dazu gedacht war, auftretenden Problemen bei der Automatisierung von Arbeitsabläufen entgegenzuwirken, verbindet es heute Workflow Schwachstellen mit neuen Automatisierungsformen. Beispielsweise unterstützt Process Mining Ansätze wie KI Automatisierung oder Robotic Process Automation (RPA) auf zwei Arten:

• Identifizierung von repetitiven und einfachen Aktivitäten, bei denen Maschinen Menschen assistieren können, und
• Überwachung des korrekten Verhaltens von Maschinen und der gesamten Organisation der Arbeitsabläufe.

Während Low Code Tools, wie die KI-basierte Erfassung von Dokumenten und Rechnungen, Robotic Process Automation, etc. spezialisierte Aktivitäten automatisieren, betrachtet das Process Mining den gesamten End-to-End Prozess.

Process Mining im Einsatz bei Purchase-To-Pay und Rechnungseingang

Es gibt drei zentrale KPIs für die Optimierung von Geschäftsprozessen, wo modernes Process Mining basierend auf neue Data Science Methoden (wie z.B. das kausale Process Mining wie es Noreja anbietet) hilft:

Analysis-To-Cause: Reduktion der Zeit vom Beginn der Prozessanalyse bis hin zur Identifizierung der Problemursache.

Cause-To-Change: Schnellerer und effektiverer Erkenntnisgewinn darüber, wo, wie und warum es optimal wäre, eine Prozessoptimierung durchzuführen.

Change-To-Impact: Gewinnen von Transparenz und Schnelligkeit bei der Bewertung von bereits implementierten Änderungen durch anschließend kontinuierliches Monitoring.

Purchase-To-Pay Verbesserung durch KI-Rechnungseingang

Noreja hat den Purchase-To-Pay Prozess bei einem unserer ERP Partner Kunden analysiert und uns diese Informationen zur Verfügung gestellt. Dabei wurde nach der Analyse die BLU DELTA KI für die Rechnungserfassung (geringer Integrationsaufwand und hochwertige Erfassung bei geringen False Positive Werten bzw. Fehlerrate) empfohlen und umgesetzt.

Fakten zum Purchase-to-Pay Prozess

Analysis-To-Cause:

Ein Blick auf das Analyse Dashboard für den Purchase-To-Pay Prozess verschafft Transparenz.

Basierend auf 15.000 Prozessdurchläufen:

• Zwischen „Lieferschein erstellen“ und „Rechnung buchen“ liegen vor der Optimierung: 14 Stunden und 35 Minuten
• Gesamtdurchlaufzeit des Purchase-To-Pay-Prozesses: 5 Tage und 9 Stunden
• Nachbearbeitungsrate: 2,1 bei Rechnungsbuchung (hoch)
• Es wurden 384 Prozess-Anomalien identifiziert

Cause-To-Change:

Die zuvor geschaffene Transparenz zu der Problemursache wird daraufhin in konkrete Optimierungsmaßnahmen überführt. Hohe Nachbearbeitungsraten und stetig steigende Laufzeiten lassen auf Ressourcenengpässe im Rechnungswesen (Rechnungseingang, Archivierung, Rechnungsprüfung, Rechnungsfreigabe) schließen. Speziell beim Rechnungseingang entstehen aufgrund von Medienbrüchen zwischen Rechnung und ERP-System hohe manuelle Aufwände, die zudem Fehlerpotential bergen.

Optimierungsempfehlung:

OCR in Form einer Ready-to-Use KI Service einbinden. Neueste Technologien (Deep Learning und NLP) in Kombination mit neuesten KI-Architekturen ermöglichen hier die Reduktion ab dem ersten Tag. Modelle sind hier bereits vortrainiert und können gewöhnlich einen Großteil der Rechnungen ohne initialen Aufwand und mit geringerer Fehlerrate automatisiert erfassen.

Change-To-Impact:

Durch ein kontinuierliches Monitoring mittels Process Mining werden die durchgeführten Maßnahmen der AI-as-a-Service Lösung messbar.

Gesamtlaufzeit nach Optimierung: 13 Stunden 11 Minuten (-84 Minuten)

Webinar zu Process Mining mit automatischer Rechnungserfassung

Das Ergebnis zeigt, dass sich die Laufzeiten und Nachbearbeitungsaufwände (geringer Nachbearbeitungsrate) im Geschäftsprozess durch die Optimierung des Rechnungseingangs stark reduzieren ließen.

Wenn Sie mehr zu diesem speziellen Fall erfahren möchten, dann empfehlen wir ihnen auch beim zugehörigen Webinar teilzunehmen: Donnerstag, 12. Mai 2022, 15.00 bis 16.00 Uhr

Der Vortrag findet Online über Microsoft Teams statt, hier geht's zur Anmeldung.