Reibungslose Prozesse beim Meter-to-Cash sind für Energieunternehmen entscheidend. Mit KI lassen sich die Ursachen von Problemen erkennen, erläutert Dan Wucherpfennig* .

 

Energieversorger müssen jährlich hunderttausende Ablesungen durchführen, Rechnungen prüfen, Belege erstellen und Stornierungen vornehmen. Aufgrund ihrer Komplexität sind diese Vorgänge höchst störanfällig.

Wollen Unternehmen Ineffizienzen analysieren, müssen sie zunächst meist die IT beauftragen, um die Daten zu erfassen und aufzuarbeiten – ein langwieriger und kostenintensiver Vorgang. Denn Informationen zu den Prozessschritten sind gewöhnlich in einer Vielzahl unterschiedlicher Systeme verborgen und werden oftmals nur an einzelnen Datenpunkten aufgezeichnet, nicht aber über den gesamten Prozess. Zudem erfolgen die Überprüfung von Abweichungen und auch die Performanz-Analysen oftmals manuell.

Modernes Process Mining verschafft hier Abhilfe, denn es befähigt Unternehmen, komplexe Datenanalysen in deutlich kürzerer Zeit durchzuführen. Es zeichnet sich dadurch aus, dass die nötigen Datentransformationen- und Anbindungen auch ohne IT-Kenntnisse durchführbar sind. Connectoren-Software greift auf die vorhandenen Daten in Systemen wie Schleupen, Powercloud oder SAP zu, erfasst sie und stellt sie der Process-Mining-Software zur Verfügung. Diese baut dann selbständig ein komplettes Prozessmodell.

Die Visualisierung zeigt im Abgleich zwischen Soll- und Ist-Zustand kritische Werte wie Engpässe, hohe Bearbeitungszeiten und lange Liegezeiten auf. Algorithmen analysieren die Prozessdaten auf Muster hin und erkennen von allein die wahrscheinlichsten Problemursachen. 

Die großen Datenmengen und Fallzahlen der Energieversorger sind ein ideales Anwendungsszenario, um mithilfe von Process Mining komplexe Analysen vorzunehmen, Transparenz zu schaffen und Optimierungsmaßnahmen faktenbasiert zu steuern.

Ein Praxisbeispiel: Mithilfe von KI-getriebenen Process Mining war es einem Energieversorger möglich, über 200.000 Positionen analysiert und strukturiert darzustellen. Dabei zeigten sich sehr hohe Liegezeiten, bevor gemahnt wurde - durchschnittlich fast sechs Monate. Auf Grundlage der Analysen wurden die verschiedenen Instanzen von Mehrarbeit, Prozessschleifen und Wartezeiten optimiert.

Durch die Automatisierung im Forderungsmanagement setzte der Energieversorger zudem Arbeitsstunden frei -– und diese hat er genutzt, um Rückzahlungen um mehr als 30 Prozent schneller vorzunehmen. Modernes Process Mining kann also nicht nur zu mehr Effizienz verhelfen und die Wettbewerbsfähigkeit erhöhen – es entlastet auch den Kundenservice und steigert die Zufriedenheit von Kundinnen und Kunden.

* Dan Wucherpfennig, Experte für KI-gestützte Analysen von Geschäfts- und Produktionsprozessen und CEO, Lana Labs, Berlin