Home / News / BARC Start-up Award 2017: Sieger ist eine Lösung für Embedded Process Mining

BARC Start-up Award 2017: Sieger ist eine Lösung für Embedded Process Mining

Von links nach rechts: Timo Nolle (Data Scientist, Process Analytics Factory), Tobias Rother (Geschäftsführer und Gründer von Process Analytics Factory), Dr. Carsten Bange (Gründer BARC)

Der Start-up Award für Analytics und Datenmanagement 2017 von BARC ging in diesem Jahr an Process Analytics Factory. Mit der Lösung „PAFnow Process Mining“ konnte sich das junge Unternehmen aus Darmstadt im Finale gegen fünf Kontrahenten durchsetzen. Die Auszeichnung wurde um zweiten Mal verliehen.

PAFnow ist laut BARC eine einfach anzuwendende Software für die operative Prozessanalyse, mit der Process-Mining-Algorithmen in Anwendungen implementiert und dadurch Geschäftsprozesse optimiert werden können. Für die Entwicklung des Tools, das seit Mai 2017 auf dem Markt ist, lasse die Process Analytics Factory Erfahrung aus Kundenprojekten mit Erkenntnissen aus der Innovationsforschung zusammenspielen. Die Anwender sollen von einer intuitiven Arbeitsweise und der Identifikation von Verbesserungspotentialen in ihren Prozessen profitieren. Durch die Visualisierung der tatsächlich ablaufenden Prozesse in Echtzeit, kombiniert mit Business-Intelligence (BI)-Methoden, erhalten sie einen einfachen Überblick über komplexe Unternehmensabläufe und könnten entsprechend frühzeitig handeln.

Bedeutung von Process Mining steigt in Zeiten von IoT und Industrie 4.0

„Process Mining ist nicht unbedingt eine neue Idee. Aber aktuell steigt die Bedeutung, zum Beispiel im Kontext von IoT und Industrie 4.0. Damit eröffnen sich neue Chancen und durch die Integration von Technologien für maschinelles Lernen und Business Intelligence auch neue, innovative Lösungen“, begründet Dr. Carsten Bange, Gründer von BARC und Mitglied des Boards der CXP Group, die Entscheidung der Jury.

„Wir sind stolz darauf, dass die Process Analytics Factory den renommierten BARC Start-up Award für Analytics und Datenmanagement gewonnen hat. Die Auszeichnung bestätigt die Vorreiterrolle der PAF bei Process Mining“, so der Preisträger Tobias Rother, Geschäftsführer und Gründer von Process Analytics Factory. „Die Auszeichnung unterstreicht einmal mehr die Notwendigkeit, KI-gestützte Process-Mining-Techniken Anwendern in den Fachbereichen einfach und leicht zugänglich zu machen, um Geschäftsprozesse digital zu steuern.“

Neben Process Analytics Factory standen die Start-ups 5Analyticsleadtributor, Lana Labsminubo und Scitis.io mit im Finale. Mitte November 2017 traten sie auf dem BARC Congress für Business Intelligence und Datenmanagement gegeneinander an und präsentierten ihre innovativen Lösungen vor der neunköpfigen Experten-Jury aus Anwenderunternehmen, größeren Software- und Service-Anbietern sowie Kapitalgebern.

Die Themen reichten in diesem Jahr von Process Mining und Operationalisierung von Machine Learning über datengetriebene Omni-Channel-Management und Vertriebssteuerung bis hin zu IoT-/Industrie 4.0-Datenanalyse. Neben den Jurymitgliedern musste auch das Fachpublikum vor Ort überzeugt werden, denn die Meinung der Zuschauer floss per Online-Abstimmung in die Juryentscheidung ein.

Über den Award: Mit dem BARC Start-up Award zeichnet BARC Start-ups aus, die innovative Ideen für die Aufbereitung und Nutzung von Daten in nutzenstiftende Lösungen für Unternehmen übertragen konnten und hierfür eine Softwarelösung oder softwaregestützte Dienstleistung entwickelt haben. Teilnehmen dürfen Unternehmen, deren Gründung maximal sechs Jahre zurückliegt und deren Hauptsitz in Deutschland, Österreich oder in der Schweiz liegt.

Bei der eingereichten Lösung musste es sich um eine Software oder softwareunterstützende Dienstleistung handeln, die im Umfeld von Business Intelligence, Datenanalyse, Planung und Simulation, oder dem Datenmanagement für diese Aufgaben angesiedelt ist. Das vorgestellte Produkt sollte zudem mindestens als funktionsfähiger und demonstrierbarer Prototyp vorliegen.

Share

Leave a Reply

Your email address will not be published. Required fields are marked *

*