Die Process.Science GmbH & Co. KG ist ein deutsches Softwareunternehmen mit Sitz in Hamburg, das sich auf Process Mining und datengetriebene Prozessanalysen spezialisiert hat. Das vor sieben Jahren gegründete Unternehmen beschäftigt rund 15 Mitarbeitende und unterstützt Unternehmen dabei, Geschäfts- und Logistikprozesse auf Basis vorhandener Daten systematisch zu analysieren und weiterzuentwickeln. Geführt wird Process.Science von Lucas M. Schroth, Gründer und CEO, der gemeinsam mit einem interdisziplinären Team aus IT-, Daten- und Logistikexpertinnen und -experten praxisnahe Analyseansätze verfolgt.

Heute arbeiten mehr als 40 Kunden aus Industrie, Produktion und Logistik mit den Lösungen des Unternehmens. Parallel dazu befindet sich Process.Science in einem RebrandingProzess mit geschärfter Produktstruktur und dem Leitmotiv „Insights Drive Performance“.

Gerade für Besucherinnen und Besucher der LogiMAT 2026 ist das Thema relevant. In vielen Logistikorganisationen liegen große Mengen an Prozessdaten in ERP-, WMS- oder TMS-Systemen vor, sie werden jedoch häufig nur fragmentiert ausgewertet. Klassische Reports liefern Kennzahlen, lassen aber kaum Rückschlüsse auf tatsächliche Prozessabläufe, Engpässe oder Abweichungen zu. Process Mining setzt genau hier an: Reale Prozesse werden aus Event-Logs rekonstruiert, visualisiert und analysiert. Dadurch lassen sich Ineffizienzen, Medienbrüche oder Verzögerungen systemübergreifend erkennen und bewerten.

Ein zentrales Merkmal des Ansatzes von Process.Science ist die native Integration in bestehende BI-Systeme wie Power BI, Qlik Sense oder Tableau. Die Prozessanalysen werden direkt dort durchgeführt, wo Unternehmen ihre Daten bereits auswerten. Zusätzliche Plattformen oder umfangreiche IT-Einführungsprojekte sind nicht erforderlich. Das reduziert Implementierungsaufwand und ermöglicht es Fachbereichen, Analysen schneller produktiv zu nutzen. Für Logistikverantwortliche bedeutet dies unter anderem mehr Transparenz entlang der gesamten Supply Chain, eine fundierte Identifikation von Optimierungs- und Automatisierungspotenzialen sowie die Grundlage für kürzere Durchlaufzeiten und stabilere Lieferketten.

Über die Analyse bestehender Systemdaten hinaus arbeitet Process.Science an neuen Funktionen für zukünftige Anforderungen. Mit dem sogenannten IoT Miner werden Maschinen-, Sensor- und Scan-Daten in die Prozessanalyse einbezogen. So lassen sich Abläufe aus Produktion, Lager und Transport mit Echtzeitinformationen aus der Industrieautomation verknüpfen und als durchgängige Prozesse abbilden. Ergänzend dazu erweitert das Modul Process.Science Intelligence die Analyse um KI-gestützte Verfahren, etwa zur automatisierten Erkennung von Anomalien, zur Früherkennung von Prozessrisiken oder zur Ableitung von Handlungsempfehlungen. Ziel ist es, Logistikprozesse schrittweise in Richtung Echtzeit-Transparenz und datenbasierter, teilautonomer Steuerung weiterzuentwickeln.

Auf der LogiMAT 2026 zeigt Process.Science anhand praxisnaher Demonstrationen, wie sich Process Mining direkt im BI-Umfeld einsetzen lässt und welche Erkenntnisse Unternehmen daraus gewinnen können. Im Mittelpunkt stehen reale Anwendungsbeispiele, kurze Time-to-Value und die Frage, wie datengetriebene Prozessanalysen dazu beitragen können, Effizienz, Transparenz und Resilienz in der Logistik nachhaltig zu verbessern.