MGP 2 Automatisierung Analyse

Ziele von IT im GPM

Prozessverbesserung (zentrale Datenbank, Prozessanalyse, Augmentation) und Prozessautomatisierung (Orchestrierung, Aufgabenautomatisierung).

Augmentation vs. Automatisierung

Augmentation: IT unterstützt, Mensch bleibt involviert. Automatisierung: IT führt aus, Mensch ist im Schritt nicht mehr beteiligt.

Neun Arten von IT

Unternehmenssoftware, WFMS/BPMS, ACM/BOAT, RPA, prädiktive KI, generative KI, KI-Agenten, Modellierungstools, Process Mining.

Unternehmenssoftware (ERP, CRM): Hauptfähigkeit

Zentrale Datenbank (primär); Anpassung oft aufwändig oder unmöglich.

BPMS = ?

WFMS + EAI; orchestriert und automatisiert stark strukturierte Prozesse; Anpassung durch Konfiguration statt Code.

EAI

Enterprise Application Integration: integriert den Datenfluss zwischen Applikationen über APIs.

BPMS vs. ACM

BPMS: Mensch definiert in der Designphase DEN Ablauf (BPMN). ACM: Mensch definiert MÖGLICHE Abläufe und wählt ad hoc (CMMN); für moderat strukturierte Prozesse.

BOAT

Business Orchestration and Automation Technologies: Oberbegriff für BPMS, WFMS, ACM und EAI.

RPA

Softwareroboter bedienen Programme über die Benutzeroberfläche wie ein Mensch; für Drehstuhlaufgaben, stark strukturiert, stabile Applikationen.

Drehstuhlaufgabe

Daten manuell von einem Frontend-System ins andere übertragen; typischer Fall für RPA.

Prädiktive vs. generative KI

Prädiktiv: Muster erkennen und vorhersagen, domänenspezifisch, mit Unternehmensdaten trainiert. Generativ: Inhalte erzeugen, generalistisch, Foundation Models.

RAG

Retrieval-Augmented Generation: interne Dokumente werden als Kontext im Prompt mitgegeben, damit GenAI organisationsspezifisch antwortet.

KI-Agent

Verfolgt ein Ziel über mehrere Schritte, wählt Aktionen und Tools, prüft Zwischenergebnisse und passt sich an.

Process Mining

Leitet aus Event-Logs Prozessmodelle ab und vergleicht reale mit modellierten Abläufen.

CleverLoan: unbeabsichtigte Folgen

Kompetenz- und Ansehensverlust der Mitarbeitenden, Missbrauch des Systems, systematischer Ausschluss bestimmter Kunden (Kundenakzeptanz war hoch!).

Rettig (2007)

«Dunkle Seite» von Unternehmenssoftware: je umfangreicher und komplexer, desto unflexibler werden Prozesse.

Fünf Kriterien zur IT-Auswahl

Häufigkeit des Prozesses, Strukturiertheit, regel- vs. musterbasiert, modulare vs. monolithische Applikationen, Umweltdynamik.

Monolithische Applikation ohne APIs → welche IT?

RPA oder KI-Agent (Nutzung über die Benutzeroberfläche).

Hohe Umweltdynamik → welche IT?

BOAT, RPA, generative KI, KI-Agenten (leicht anpassbar).

Niedrige Umweltdynamik → welche IT?

Unternehmenssoftware, prädiktive KI.

Aufgabe nicht gut durch Regeln beschreibbar → ?

KI (statt BOAT oder RPA).

CableSwiss (MK 13/14)

«Auftrag abwickeln» läuft immer gleich → BPMS. «Kundenanfrage bearbeiten» je nach Anliegen → ACM.

Baugesuche mit fallabhängigen Prüfungen → ?

ACM (moderat strukturiert).

Prozesszeit vs. Durchlaufzeit

PZ = reine Bearbeitungszeit. DLZ = gesamte Zeit inkl. Warten. Es gilt DLZ ≥ PZ.

Prozesszeit: Sequenz

Summe der Zeiten.

Prozesszeit: parallel (AND)

Maximum der Zeiten.

Prozesszeit: alternativ (XOR)

Summe von p mal T über alle Zweige.

Prozesszeit: Nacharbeitsschleife

T / (1 − r); r = Rücksprungwahrscheinlichkeit, T = Zeit aller Aktivitäten in der Schleife.

Musterklausur 22: Prozesszeit

12 + 0.4·1 + 0.6·(2+6)/(1−0.8) = 36.4 Monate.

Kapazitätsanalyse: Multiplikator

Wie oft eine Aktivität pro Auftrag anfällt: Sequenz und parallel 1, alternativ p, Schleife 1/(1−r).

Einzelbelastung, Einzelkapazität, Poolkapazität

Belastung = Σ Zeit × Multiplikator. Einzelkapazität = 60 / Belastung (pro h). Pool = Einzelkapazität × Anzahl Einheiten.

Prozesskapazität und Engpass

Prozesskapazität = Minimum der Poolkapazitäten; die Ressource mit dem Minimum ist der Engpass.

Parallele Aktivitäten derselben Ressource: Belastung?

Beide zählen (Summe), obwohl bei der Prozesszeit nur das Maximum zählt.

DLZ-Effizienz

Prozesszeit / Durchlaufzeit.

Auslastung Ressource / Prozess

Durchsatz / Poolkapazität bzw. Durchsatz / Prozesskapazität.

Grenzen deterministischer Prozessflüsse

Keine Wartezeiten, feste Zeiten, keine Variabilität.

Gesetz von Little

L = λ · W (bzw. Lq = λ · Wq); gilt unabhängig von Verteilungen und Kanälen, im stationären Zustand.

λ, μ, ρ

λ = Ankunftsrate = 1/Zwischenankunftszeit. μ = Abfertigungsrate = 1/Bedienzeit. ρ = λ/μ (muss < 1 sein).

Kendall-Notation A/B/s

A = Verteilung der Zwischenankunftszeit, B = Verteilung der Bedienzeit, s = Anzahl Kanäle. M = exponentiell, D = deterministisch, G = generell.

Exponentialverteilung: Merkmale

Erwartungswert 1/λ, streng fallend, gedächtnislos, P(X ≤ Mittelwert) = 63.2 %; «meistens kurz, manchmal sehr lang».

M/M/1-Annahmen

Exponentielle Zwischenankunfts- und Bedienzeit, 1 Kanal, FIFO, unendlicher Warteraum, Wartezwang, stationär.

M/M/1: L

ρ / (1 − ρ) = λ / (μ − λ).

M/M/1: Lq

L − ρ = ρ² / (1 − ρ).

M/M/1: P(leer), P(genau n), P(mehr als n)

1 − ρ; ρⁿ · (1 − ρ); ρⁿ⁺¹.

Musterklausur 21: alle 5 min ein Kunde, 3 min Bedienung

λ = 12/h, μ = 20/h, ρ = 0.6; L = 1.5; Lq = 0.9; Wq = 0.9 / (0.2/min) = 4.5 min.

Musterklausur 11: im Schnitt alle 5 min, meist kürzer, manchmal viel länger

Exponentialverteilung mit λ = 0.2 1/min.

Was passiert bei ρ nahe 1?

Lq und Wq explodieren (bei ρ = 0.95: Lq ≈ 18).

Warum ist Barbaras Crêpe-Stand kein M/M/1-System?

Zwischenankunftszeit gleichverteilt (1–6 min), Bedienzeit fix 3 min: nicht exponentiell.

Monte-Carlo-Simulation

Prozess sehr oft simulieren und Kennzahlen als Mittelwert aller Durchläufe schätzen (Gesetz der grossen Zahl).

Simulationsart im Kurs

Stochastische, dynamische, diskrete ereignisorientierte Simulation (discrete-event simulation).

Komponenten einer ereignisorientierten Simulation

Entitäten (Ressourcen, Warteschlangen, transiente Objekte), Zustandsvariablen, Aktivitäten, Ereignisse, Zufallszahlengeneratoren, Kalender, Statistik-Kollektoren.

Simulationsmodell validieren

Vom Modell vorhergesagte Kennzahl (z. B. DLZ) mit empirisch gemessener vergleichen; Einzelschrittmodus.

Analytische Verfahren vs. Simulation

Analytisch: exakte Optima, aber strikte Annahmen. Simulation: näherungsweise, mächtiger, Struktur leicht änderbar, anschaulich für Stakeholder.

Simulationsoutput: durchschnittlich offene Fälle

L = λ · W mit λ = abgeschlossene Instanzen / Simulationsdauer; Einheiten angleichen (MK 17b: 8.6).

Musterklausur 17a: DLZ-Effizienz

Mittlere Arbeitszeit / mittlere Zykluszeit = 1.4975 / 54.0513 = 2.8 %.

Welche Analysemethode wann?

Kapazität/Engpass → Prozessflüsse. Wartezeit an einer Station mit exponentiellen Zeiten → M/M/1. Mehrere Stationen oder andere Verteilungen → Simulation.

Musterklausur 5: Pastastand, mehrere Köche, glockenförmige Bearbeitungszeit

Nur Simulation ist geeignet (nicht M/M/n, nicht Prozessflüsse).

Bahnschalter-Simulation: Lehre

Zusammenlegen (Pooling) der Schalter senkt die Wartezeit bei gleicher Prozesszeit (DLZ-Effizienz 66 % → 82 %).