Die digitale Transformation stellt besonders mittelständische Unternehmen vor große Herausforderungen, weil im Gegensatz zu Großunternehmen häufig keine dedizierten Digitalisierungs-Teams oder Fachexperten verfügbar sind, um Themen ganzheitlich und langfristig anzugehen. Dies führt häufig zu silo-artigen und kurzfristig angestoßenen Digitalisierungsmaßnahmen, von denen der Nutzen und die Auswirkungen auf beteiligte Stakeholder im Nachgang nur schwer nachvollziehbar sind.
Ganz speziell in langen Prozessketten (Ende-zu-Ende) wie dem Order-To-Cash oder dem Purchase-To-Pay verbergen sich an unzähligen Stellen Herausforderungen, denn sie sind geprägt von Schnittstellen, Medienbrüchen und manuellen Tätigkeiten. All diese Elemente sind potenzielle Quellen für unterdurchschnittlichen Kunden- und Lieferantenservice, hohe Personalkosten oder ineffizientes Cash-Management im Kontext von Rechnungsstellung und -erfassung.
Bei der Herstellung von Transparenz helfen datengetriebene Ansätze wie Process Mining während drei zentralen Schritten (Abb. 1):
- 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 anschließendes kontinuierliches Monitoring.
In Kooperation mit Blumatix demonstrieren wir nun anhand eines anonymisierten Beispielfalls, wie schnell sich ein Return-On-Invest einstellen kann. Dabei machen wir ersichtlich, wie sinnvoll eine ganzheitliche Betrachtung der Problematik durch eine Kombination von Prozessanalyse (mit Noreja Process Mining) und Umsetzung eines optimierten Rechnungeingangs (mit BLU DELTA AI) sein kann:
1. Analysis-To-Cause: Ein Blick auf das Dashboard (Abb. 2) für den Purchase-To-Pay Prozess verschafft erste Transparenz:
-
- Es werden 15.000 Prozessdurchläufe betrachtet.
- Zwischen den Aktivitäten „Lieferschein erstellen“ und „Rechnung buchen“ liegen durchschnittlich 13h 18m (mit einer Gesamtdurchlaufzeit des Purchase-To-Pay-Prozesses von 5 Tagen und 9h)
- Es lässt sich eine hohe Nachbearbeitungsrate von 2,1 bei der Rechnungsbuchung identifizieren.
- Es gibt 384 Abweichungen vom vorgegebenen Prozessstandard.
Für eine genauere Analyse lohnt sich ein Blick auf die Zeitleiste (Abb. 3). Hier erkennt man die zuvor lediglich in Kennzahlen-Form dargestellte Übergangszeit zwischen „Lieferschein erstellen“ und „Rechnung buchen“ und dessen zeitliche Veränderung. Zwischen den Jahren 2016 und Ende 2018 verschlechterte sich die Laufzeit zwischen diesen beiden Prozessschritten kontinuierlich von 12h 30m auf 14h 35m. Zudem lassen sich saisonale Muster ablesen: Im Januar scheinen starke Laufzeitspitzen zu entstehen; Im Mai lassen sich kurzfristige Rückgänge der Laufzeit beobachten. Um den negativen Entwicklungen entgegenzuwirken sollten gezielte Maßnahmen ergriffen werden.
2. Cause-To-Change: Die zuvor geschaffene Transparenz zu der Problemursache muss nun in konkrete Optimierungsmaßnahmen überführt werden. 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.
Abhilfe kann hier z.B. mit einer KI-gestützten Dokumentenerfassung von Blumatix geschaffen werden (Abb. 4). Deren Lösung erkennt beliebige Merkmale via OCR vollautomatisch und ohne kundenspezifische Konfiguration mit einer Genauigkeit von >95%. Die Modelle sind dabei intelligent und lernen mit jeder neu erfassten Rechnung hinzu.
3. Change-To-Impact: Durch ein kontinuierliches Monitoring mittels Process Mining werden die durchgeführten Maßnahmen der OCR/KI-gestützten Lösung von Blumatix messbar. Das Ergebnis zeigt, dass sich die Laufzeiten und Nachbearbeitungsaufwände im Geschäftsprozess durch die Optimierung des Rechnungseingangs stark reduzieren ließen. In unserem konkreten Beispiel reduzierte sich die Gesamtlaufzeit des Prozessschrittes von 14h 35m auf 13h 11m (Abb. 5), was einer Reduktion von 84 Minuten entspricht (da es sich hierbei um Übergangszeiten handelt sind hier Wartezeiten inkludiert). Die Optimierung der Durchlaufzeit hat weitere positive Auswirkungen auf das Unternehmen:
- Reduktion der Durchlaufzeit senkt Personalkosten und gibt gebundenes Kapital frei.
- Mitarbeiterentlastung führt zu höherer Motivation und Produktivität.
- Reduktion regulatorischer Risiken durch weniger absichtliche oder unabsichtliche menschliche Interaktion.
Recent Comments