Detailanalyse: Wie Sie Entscheidungen mit DMN automatisieren

In einem früheren Artikel mit dem Titel „Von Daten zu Entscheidungen: Die Entwicklung von Business Intelligence“ haben wir erörtert, wie moderne Unternehmen Daten nutzen können, um fundierte Entscheidungen zu treffen.

Da sich Unternehmen weiterentwickeln, ist der nächste natürliche Schritt in dieser Entwicklung die Automatisierung von Entscheidungen. In diesem Artikel wird das Framework „Decision Model and Notation“ , kurz  DMN als Mittel zur Automatisierung von Entscheidungsprozessen näher beleuchtet, wobei auf der Rolle von Business Intelligence (BI) und Tools zur Workflow-Automatisierung aufgebaut wird.

Die Grundlage: Formalisierung der Entscheidungslogik mit DMN

In der heutigen Geschäftswelt sind Entscheidungen nicht mehr auf Vorstandsetagen oder manuelle Eingriffe beschränkt. Unternehmen versuchen zunehmend, geeignete Entscheidungen zu automatisieren – sei es bei der Genehmigung von Krediten, der Verwaltung von Lieferketten oder der Bewertung von Kundenrisiken – und dabei formale Modelle zu verwenden, die von Maschinen ausgeführt werden können. An dieser Stelle kommt DMN ins Spiel.

DMN bietet eine formale, beschreibende und strukturierte Methode zur Modellierung der Entscheidungsfindung. Im Kern ermöglicht DMN den Unternehmen, die Entscheidungslogik von den Workflow-Prozessen zu trennen, um sicherzustellen, dass die Entscheidungen transparent und nachvollziehbar sind und mit den Unternehmenszielen übereinstimmen. Die Logik wird in Entscheidungstabellen oder Entscheidungsanforderungsdiagrammen kodifiziert, die dann von Maschinen verwendet werden können, um automatisch Entscheidungen auf der Grundlage von Echtzeit-Dateneingaben zu treffen.

Abbildung 1 – Ein Diagramm der Entscheidungsanforderungen (Quelle https://www.drools.org/learn/dmn.html)

Ein Beispiel: Prozess der Darlehensgenehmigung

Um dies zu verdeutlichen, betrachten wir einen typischen Kreditgenehmigungsprozess, bei dem DMN zur Definition der Entscheidungsregeln verwendet wird. Das System bewertet die Kreditwürdigkeit und das Verhältnis von Schulden zu Einkommen eines Kunden, und eine (vereinfachte) Entscheidungstabelle könnte wie folgt definiert werden:

• Genehmigen Sie den Kredit, wenn die Kreditwürdigkeit über 700 liegt und das Verhältnis von Schulden zu Einkommen unter 40 % liegt.
• Lehnen Sie den Kredit ab, wenn die Kreditwürdigkeit unter 600 liegt.
• Manuelle Überprüfung bei Punktzahlen zwischen 600 und 700.

Die Logik würde in einer DMN-Entscheidungstabelle ausgedrückt, wodurch die Entscheidungsfindung automatischer, konsistenter und überprüfbar würde. Die Regeln können mit FEEL („Friendly Enough Expression Language“), die für die formale Beschreibung von Automatisierungsregeln für die Entscheidungsfindung entwickelt wurde.

Beispiel einer Entscheidungslogik, ausgedrückt in „FEEL“

Man kann nun sagen, dass diese nicht zu anspruchsvolle Logik auch in anderen Programmiersprachen beschrieben werden kann. Es handelt sich aber bei FEEL um eine Notation im Rahmen einer anderen Notation, die auch für Nicht-Entwickler einfach verständlich ist und einheitlich für alle Plattformen bleiben soll.

Dies bietet einen formalisierten, maschinenlesbaren Rahmen für die Automatisierung von Kreditgenehmigungen, wobei der CreditScore eine potenziell komplexe Interpretation einer Vielzahl von Faktoren für Gruppen und individuelle (und/oder historische) Daten darstellt.

Rahmenwerke für DMN und FEEL

Mehrere Plattformen, viele davon Open-Source, unterstützen die Interpretation und Ausführung von DMN- und FEEL-Logik. Diese Plattformen stellen sicher, dass die DMN-Entscheidungstabellen und -Regeln von Maschinen korrekt verarbeitet werden. Hier einige Beispiele:

Camunda: Camunda ist eine Open-Source-Plattform für die Prozessautomatisierung, die DMN und FEEL unterstützt und eine in BPMN-Workflows integrierte Entscheidungsfindung in Echtzeit ermöglicht.

Red Hat Decision Manager: Bietet eine DMN-Entscheidungsmaschine mit FEEL-Unterstützung, die in das breitere Red Hat-Ökosystem für die Automatisierung integriert ist. (Link)

Trisotech: Eine umfassende digitale Automatisierungsplattform, die DMN und FEEL unterstützt und Werkzeuge zur Modellierung und Ausführung von Geschäftsentscheidungen bietet. (Link)

Drools: Drools ist eine Regelmaschine, die DMN und FEEL unterstützt und eine regelbasierte Automatisierung von Geschäftsprozessen ermöglicht.

OpenRules: Eine weitere Plattform, die robuste Funktionen für das Entscheidungsmanagement bietet, einschließlich DMN und FEEL, um die Entscheidungsautomatisierung für die Benutzer zu vereinfachen. (Link)

Mit diesen Frameworks kann die DMN-Entscheidungslogik beschrieben, automatisch interpretiert und den entsprechenden Systemumgebungen ausgeführt werden, was die Prozess- und Entscheidungsautomatisierung in großem Umfang unterstützt.

Integration von DMN mit BPMN: Vollständige Prozessautomatisierung

DMN formalisiert die Entscheidungslogik und eignet sich auch hervorragend für die Integration mit BPMN (Business Process Model and Notation), um eine vollständige Prozessautomatisierung zu erreichen. BPMN modelliert den Arbeitsablauf – wie Aufgaben von einem zum anderen fließen – während DMN die Entscheidungslogik beschreibt, die diese Aufgaben leitet.

In unserem Beispiel für einen Kreditgenehmigungsprozess modelliert BPMN den gesamten Arbeitsablauf: von der Einreichung eines Antrags durch einen Kunden bis zur Durchführung erster Prüfungen durch die Bank und schließlich zur Entscheidung. Am kritischen Entscheidungspunkt ruft BPMN ein DMN-Modell auf, um automatisch zu beurteilen, ob der Kredit auf der Grundlage der definierten Regeln genehmigt, abgelehnt oder zur manuellen Überprüfung weitergeleitet werden soll.

Diese Aufgabenteilung zwischen BPMN und DMN ermöglicht es Unternehmen, Prozesse zu rationalisieren und gleichzeitig sicherzustellen, dass jede Entscheidung auf gut strukturierten, konsistenten Regeln beruht. Außerdem bietet sie mehr Flexibilität: Wenn das Unternehmen Entscheidungsregeln ändern muss (z. B. die Schwellenwerte für die Kreditwürdigkeit), kann es dies im DMN-Modell tun, ohne den gesamten BPMN-Workflow zu verändern. Es ermöglicht auch, in Begriffen wie „Entscheidung als Service“ zu denken, die Konzepte von „zentralen Entscheidungsspeichern“ und verteilter Entscheidungsfindung beinhalten.

Abbildung 2 – Integration von BPMS und DNM – Quelle https://www.drools.org/learn/dmn.html

Handlungsfähige Entscheidungsautomatisierung: Die Rolle von Business Intelligence-Plattformen

Der nächste Schritt in der Entscheidungsautomatisierung ist die „schnelle, umsetzbare Entscheidungsfindung„. Mit aktuellen Daten in Verbindung mit potenziell großen historischen Kontextfenstern können Entscheidungsmodelle die dort verfügbaren Daten und Informationen nutzen, bzw. Daten und Erkenntnisse spielen eine wichtige Rolle bei der Definition von Entscheidungsmodellen. BI-Plattformen sind in der Lage, historische und Echtzeitdaten zu analysieren und Erkenntnisse zu gewinnen, die direkt in DMN-basierte Entscheidungen einfließen können.

In einem Einzelhandelsszenario könnte ein BI-System beispielsweise feststellen, dass die Verkäufe in einer bestimmten Region geringer sind als erwartet. Das DMN-Entscheidungsmodell kann dann automatisch beschließen, eine lokalisierte Marketingkampagne zu starten oder die Produktbestände anzupassen, um auf den Nachfragerückgang zu reagieren. Es würde dann die entsprechenden Maßnahmen auslösen – sei es die Benachrichtigung des Marketingteams oder die Anpassung der Lagerbestände auf der Grundlage der von der DMN-Logik getroffenen Entscheidung.

Diese Feedback-Loop zwischen verwertbaren BI-Erkenntnissen und automatisierten Entscheidungen sorgt dafür, dass Unternehmen schnell und mit weniger manuellen Eingriffen auf Marktveränderungen reagieren können.

Datenmanagement und -verwaltung: Die Grundlage der Automatisierung

Damit die Automatisierung von Entscheidungen zuverlässig ist, müssen Unternehmen sicherstellen, dass die Daten, die die DMN-Modelle umgeben, von hoher Qualität sind. Eine schlechte Datenqualität kann unweigerlich zu falschen Entscheidungen führen und den gesamten Automatisierungsprozess unterminieren. Daher sind Data Governance und Datenqualitätskontrolle unerlässlich, um die Integrität der Daten zu gewährleisten, die durch diese Entscheidungsmodelle fließen.

Data Governance stellt sicher, dass die Daten korrekt und zeitnah sind und den gesetzlichen Vorschriften entsprechen.

In diesem Zusammenhang bieten Plattformen wie SAP Signavio Werkzeuge für die Optimierung von Geschäftsprozessen und die Automatisierung von Entscheidungen. Sie tragen dazu bei, dass Entscheidungen nicht nur auf gut definierten Regelwerken und automatisiert getroffen werden, sondern auch auf vertrauenswürdigen, gut verwalteten Daten basieren.

SAP Signavio’s erste Einblicke in das Entscheidungsmanagement

Interessanterweise hat SAP Signavio – ein führender Anbieter von Lösungen für Geschäftsprozessmanagement und Process Mining – bereits 2020 die Bedeutung von Entscheidungsmanagement betont und 2024 aktualisiert, wie Unternehmen die Entscheidungsautomatisierung nutzen können, um sich einen Wettbewerbsvorteil zu verschaffen. Der Artikel hebt hervor, dass die Entscheidungsautomatisierung nicht nur die Arbeitsabläufe rationalisiert, sondern auch sicherstellt, dass die Entscheidungen mit den Anforderungen der Data Governance und der Compliance übereinstimmen, was in Branchen wie dem Finanz- und Gesundheitswesen von entscheidender Bedeutung ist.

Lesen Sie mehr zu SAP Signavio in unserem Whitepaper: 

Whitepaper-SAP-Signavio-DE-v2

SAP Signavio argumentiert, dass DMN es ermöglicht, Entscheidungen durchzusetzen, die zurückverfolgt und validiert werden können, um die Einhaltung von Vorschriften wie GDPR oder Finanzprüfungsanforderungen sicherzustellen. Die Möglichkeit, Entscheidungen zu überprüfen, ist zu einem Kernpunkt von DMN geworden, insbesondere da Unternehmen einer zunehmenden Kontrolle durch die Behörden ausgesetzt sind. Darüber hinaus gibt es, wie bereits erwähnt, zusätzliche Softwareplattformen, die DMN-Regeln nutzen und berücksichtigen und Entscheidungen auf der Grundlage formaler Logik automatisieren.

Weitere Details für den interessierten Leser, wie SAP Signavio DMN interpretiert und nutzt, finden Sie in dieser Lernreise von SAP: https://learning.sap.com/learning-journeys/design-business-processes-with-sap-signavio-solutions/introducing-decision-modeling-notation-dmn-_ef489705-f09f-4e81-9c77-970163340bd6 und den folgenden Abschnitten.

Schlussfolgerung: Die Zukunft der Entscheidungsautomatisierung

Wie hoffentlich gezeigt wurde, ist die Formalisierung und spätere Automatisierung von Entscheidungen durch DMN von großem Interesse. Durch die Integration von DMN mit Analyseplattformen und BPMN-Workflows können Unternehmen nicht nur die alltäglichen, sich wiederholenden Aufgaben automatisieren, sondern auch automatisierte Entscheidungsprozesse auf eine höhere Ebene heben.

Dieser Übergang von der manuellen zur automatisierten Entscheidungsfindung stellt die nächste Stufe intelligenter Prozesse dar. Während ich in meinem ersten Artikel Möglichkeiten zur Nutzung von Daten für formalisierte Entscheidungen skizziert habe, geht es in diesem Artikel darum, wie Unternehmen einen Schritt weiter gehen können: Sie denken an die Automatisierung dieser Entscheidungen auf der Grundlage strukturierter, formaler Modelle, die transparent, konsistent und konform sind.

Wie Plattformen wie SAP Signavio bereits gezeigt haben, liegt die Zukunft des Geschäfts nicht nur in datengesteuerten Entscheidungen, sondern in überprüfbaren und automatisierten datengesteuerten Entscheidungen.

Autor: Philipp Nell, Solution Architect Data Management und AI, Sulzer España, Oktober 2024