Nederlands meest geciteerde datawetenschapper, prof. Wil van der Aalst, krijgt de functie van chief scientist bij Celonis, een van Europa’s snelst groeiende softwarebedrijven. De grondlegger van de process mining-techniek blijft als hoogleraar verbonden aan de RWTH Aachen University, maar doet afstand van zijn adviesfuncties bij andere techbedrijven. Een vraaggesprek over een opmerkelijke overstap.
Reden voor deze transfer is de ontwikkeling van process mining, een technologie die van bedrijfsprocessen een soort röntgenfoto maakt. Via datalogs uit bestaande informatiesystemen wordt inzicht verkregen in de gang van zaken binnen een organisatie. Bedrijfsprocessen zijn zo aanzienlijk te verbeteren. Inefficiënties en bottlenecks worden trefzeker opgespoord.
De process mining tools zijn oorspronkelijk vanuit de wetenschap ontwikkeld, de wereld waarin Van der Aalst bijna 35 jaar excelleerde. Nu op zijn 55ste ziet de Brabander dat zijn vakgebied volwassen is geworden. Bovendien zijn niet meer de universiteiten maar de bedrijven leidend als het gaat om de software. De ontwikkelcapaciteit bij een onderneming als Celonis is vele malen groter dan die van academische onderzoeksgroepen.
Voor onderzoek voldoet niet langer offline-informatie op basis van historische data. Volgens Van der Aalst komt het nu aan op grote hoeveelheden online-gegevens van goede kwaliteit. ‘Bij veel nieuwe onderzoeksvragen wil je voorspellen wat er gaat gebeuren en welke actie je moet ondernemen. Zulke experimenten en onderzoeken zijn alleen in de werkelijkheid te doen,’ zo verklaart hij zijn overstap.
Voorvechter
Van der Aalst vergelijkt de situatie met die bij spraakherkenning twintig jaar geleden. Belgische onderzoekers waren toen leidend op dit gebied. Nu deze techniek toepasbaar is geworden, hebben bedrijven als Microsoft, Google en Amazon de rol overgenomen. Een andere grote verandering betreft de aard van de software zelf. De eerste tools voor process mining die de universiteiten ontwikkelden, waren opensource. Van der Aalst was daar een voorvechter van. Die tools waren krachtig maar niet gebruiksvriendelijk. Bij de implementatie is inbedding nodig in bestaande systemen.
Om die reden stimuleerde Van der Aalst zijn studenten bedrijven te stichten. Dat leidde tot meer dan 35 commerciële aanbieders van process mining-software. Volgens hem is Celonis het succesvolst met een marktaandeel dat tussen de zestig en tachtig procent wordt geschat.
Qua marktpositie is het bedrijf uit München vergelijkbaar met ASML, stelt hij. UIPath, komend vanuit de hoek van robotic process automation (rpa), is minder een pure process mining-speler. Deze Amerikaans-Roemeense onderneming verkreeg haar process mining engine door overname van ProcessGold, een bedrijf dat ontstond uit een fusie van een spin-off van de TU Eindhoven en een Duits bedrijf.
Bruggen bouwen
Celonis, een bedrijf waar Van der Aalst al tien jaar adviseur is, biedt de Nederlandse wetenschapper de kans nieuwe analysetechnieken op grote schaal uit te proberen in de praktijk van alledag. In een laboratorium lukt dat niet meer. Van der Aalst heeft zich daarbij exclusief aan Celonis verbonden. Hij kan zijn onbezoldigde advieswerk voor andere process mining-bedrijven waarvan er velen door zijn oud-studenten zijn opgezet, niet langer voortzetten. ‘Want dat zou belangenconflicten opleveren. Als ik op de loonlijst van Celonis sta, kan ik niet meer geloofwaardig andere bedrijven adviseren.’
Hij gaat het Duitse bedrijf dat wereldwijd marktleider is op gebied van ‘procesontginning’ helpen met de softwarestrategie. Daarnaast bouwt hij bruggen tussen de theoretische grondslagen van deze techniek en de software zelf. Verder geeft hij binnen Celonis sturing aan de r&d. Verschillende groepen onderzoekers werken aan nieuwe functionaliteit waarmee Celonis voorop moet blijven.
Concurrenten
Behalve UIPath zijn SAP en IBM concurrenten. SAP nam vorig jaar Signavio voor ongeveer een miljard euro over, terwijl IBM afgelopen april het Italiaanse MyInvenio kocht. Volgens Van der Aalst duurde het lang voordat deze software-reuzen de waarde van process mining onderkenden. Twintig jaar geleden zagen SAP en IBM helemaal niets in het idee van de Eindhovense hoogleraar om modellen voor automatiseringsprocessen af te leiden uit de alledaagse werkelijkheid.
Van der Aalst bezocht het belangrijkste researchcentrum van IBM in de buurt van New York zonder enig gehoor voor zijn visie te krijgen. Ook zijn bezoek aan Walldorf waar SAP’s hoofdkantoor staat, was tevergeefs. Het duurde twee decennia voordat SAP en IBM de potentie van process mining inzagen. In de luwte kon het in 2011 opgerichte Celonis uitgroeien tot een bedrijf dat na de laatste investeringsronde (series D) een marktwaarde van ruim elf miljard dollar heeft. Daarmee is het Duitslands hoogst gewaardeerde jonge techbedrijf.
Volgens Van der Aalst zagen de drie Duitse studenten die Celonis oprichtten algauw dat niet alleen data-wetenschappers maar een veel grotere groep bedrijfsmedewerkers uit de software profijt kan halen. Bij Siemens bijvoorbeeld gebruiken zesduizend werknemers de software om processen te verbeteren. Een ander belangrijk verschil is dat de software van Celonis de workflow automatiseert als problemen zoals afwijkingen en lussen in productieprocessen worden waargenomen. Als vertragingen ontstaan doordat een leverancier voortdurend de prijs verandert of een andere ongewenste ontwikkeling zich voordoet dan genereert de software een actie.
Van der Aalst: ‘Vanuit process mining trigger je de workflow.’ Een process mining-dashboard maakt veel inzichtelijk. Bedrijven zijn vaak blind voor problemen. Ze denken algauw dat alles goed gaat. Soms zijn er in werkelijkheid wel honderdduizend verschillende manieren hoe een proces is te volgen terwijl maar tien manieren bekend zijn. Process mining laat het verbeterpotentieel zien. Van der Aalst ziet vaak een 80/20-situatie. Tachtig procent verkoopt volgens plan, terwijl twintig procent verkeerd loopt. Twintig procent genereert ook tachtig procent van de varianten. We maken dat allemaal zichtbaar. Dat geldt voor verkoopprocessen aan de klant, maar ook voor behandelingen van patiënten in ziekenhuizen. Dezelfde behandelprocessen kunnen leiden tot zeer verschillende uitvoeringen.
Volwassen
Volgens Van der Aalst mag process mining dan redelijk volwassen zijn geworden, er liggen voor de r&d nog aardig wat uitdagingen in het verschiet. Te denken valt aan de verbinding tussen process mining en simulatie. Wat er in het echt gebeurd moet worden gecombineerd met simulatie. ‘We moeten what if vragen zien te beantwoorden. Vanuit process mining moet automatisch een model worden gegenereerd. Het simulatiemodel moet uiteindelijk hetzelfde doen als het echte proces; een digital twin ofwel een digitale kopie van een organisatie of proces. Die kan je gebruiken om allerlei scenario’s te evalueren. Voor wetenschappers is zo’n simulatiemodel dat de werkelijkheid goed vat, een natte droom.
Een andere grote uitdaging bij process mining is meer vat te krijgen op sterk verweven processen en de data die daarmee samenhangen. Vaak is daarbij niet duidelijk waar het echt in de kern omgaat. Verder proberen onderzoekers beter bottlenecks op te sporen als mensen bij meerdere processen zijn betrokken. Wanneer sprake is van interactie tussen verschillende processen kan het nog wel eens lastig zijn om op te sporen waar de problemen vandaan komen.
Van der Aalst probeert al 24 jaar problemen rond ‘process discovery’ op te lossen. De uitdaging is modellen te ontwikkelen die zulke processen goed beschrijven. Nieuwe ideeën zijn nodig om daarmee verder te komen. Process discovery met een dynamische component is lastiger dan standaard data mining, aldus Van der Aalst. Jaar voor jaar wordt vooruitgang geboekt. De basis is er zeker. Maar het werk is nog niet ten einde. Van der Aalst: ‘Het is hetzelfde als het voorspellen van het weer. Ook process discovery werkt beter dan twintig jaar geleden.
Eenvoudig
Toch is er nog veel ruimte tot verbetering.’ De techniek van process mining is volgens hem relatief eenvoudig. Het is duidelijk wat er in moet en wat er uit komt. Wat het gereedschap doet, is wel helder. Complex kunnen de data en de processen zijn waarop de mining-techniek op wordt losgelaten. SAP Hana bijvoorbeeld kan uit honderdduizend verschillende tabellen bestaan. Het wordt lastig als bedrijven geen idee hebben waar de data in hun organisatie liggen en wat die data betekenen. Van der Aalst: ‘Kernpunt is dat je bij de toepassing van process mining goed moet begrijpen wat voor data je hebt.
Voor de analyse van standaardprocessen zoals in- en verkoop heeft Celonis execution-apps. Daarmee kan je snel tot resultaten komen. Want in die apps zit ervaring verwerkt waar de knelpunten zitten. Voor niet-standaardprocessen en maatwerk is handmatig werk nodig. Dat kost meer moeite.
Vodafone, Siemens, BMW, Akzo, Shell, Uber, Dell, L’Oréal en BT behoren tot de klanten. De meesten beginnen lokaal met proof of concepts om die gaandeweg uit te rollen over de hele onderneming. Bij toepassing op grotere schaal gaat het rendement op de investering in dit soort software pas echt zoden aan de dijk zetten. Hoe breder het gebruik des te hoger de opbrengst. Na de initiële fase waarin ervaring is opgedaan, loont het om flink op te schalen. Van der Aalst besluit met de stelling dat process mining over niet al te lange tijd een grotere betekenis krijgt dan robotic process automation.
Van der Aalst startte destijds zijn onderzoek naar process mining op de TU Eindhoven nadat hij eerder tot de conclusie kwam dat de in de jaren negentig zo populaire workflow-techniek in de praktijk niet goed werkte. In 2018 vertrok hij naar de RWTH Aachen University toen hij de Humboldt-prijs, de hoogste Duitse wetenschapsprijs (vijf miljoen euro), had gewonnen.
