Was ist Causal Process Mining?

Causal Process Mining ist ein Ansatz, der nicht nur die zeitliche Abfolge von Aktivitäten betrachtet, sondern die tatsächlichen Ursache-Wirkungs-Beziehungen zwischen ihnen aufdeckt. Statt aus bloßer Reihenfolge auf Zusammenhänge zu schließen, modelliert es, welche Ereignisse welche anderen wirklich auslösen.

Warum ist das wichtig?

Klassische Ansätze verwechseln zeitliche Nähe häufig mit Kausalität und erzeugen dadurch irreführende Prozessmodelle. Causal Process Mining liefert korrekte Zusammenhänge – entscheidend für verlässliche Ursachenanalysen, fundierte Entscheidungen und den sinnvollen Einsatz von KI.

Wie sieht das konkret aus?

Klassisches Process Mining zeigt, dass auf die Kreditprüfung häufig eine Nacharbeit folgt. Das ist eine Häufigkeit, keine Ursache. Causal Process Mining prüft, ob die Nacharbeit tatsächlich aus der Kreditprüfung folgt oder ob beide von einer dritten Größe abhängen — etwa unvollständigen Stammdaten. Erst diese Unterscheidung sagt dir, wo eine Maßnahme überhaupt wirken kann.

Nicht zu verwechseln mit

Nicht mit Directly-Follows-Analysen zu verwechseln: die zählen, welcher Schritt auf welchen folgt. Aufeinanderfolge ist aber keine Kausalität — zwei Schritte können regelmäßig hintereinander auftreten, ohne dass der eine den anderen auslöst. Genau diese Lücke schließt der kausale Ansatz.