{"id":122951,"date":"2026-04-30T09:00:19","date_gmt":"2026-04-30T07:00:19","guid":{"rendered":"https:\/\/startupvalley.news\/de\/?p=122951"},"modified":"2026-04-30T09:00:20","modified_gmt":"2026-04-30T07:00:20","slug":"noreja-process-intelligence-knowledge-graph","status":"publish","type":"post","link":"https:\/\/startupvalley.news\/de\/noreja-process-intelligence-knowledge-graph\/","title":{"rendered":"Wer versteht eigentlich noch, was in Unternehmensprozessen wirklich passiert?"},"content":{"rendered":"\n
Noreja entwickelt Process Intelligence auf Basis eines Knowledge Graph, um Unternehmensprozesse transparenter und besser steuerbar zu machen<\/h2>\n\n\n\n
Wie ist Noreja entstanden und wer steht hinter der Idee der Plattform?<\/h3>\n\n\n\n
Noreja ist aus dem wissenschaftlichen Kontext heraus entstanden. Wir sind ein Spin off der Wirtschaftsuniversit\u00e4t Wien und haben im Jahr 2021 ausgegr\u00fcndet. Hinter der Idee steht die \u00dcberzeugung, dass Unternehmen ihre Prozessdaten deutlich besser nutzen k\u00f6nnen, wenn diese nicht nur technisch analysiert, sondern in ihrem tats\u00e4chlichen fachlichen und organisatorischen Kontext verstanden werden. Der Ursprung lag in unserer Forschungsarbeit im Bereich Process Intelligence und datenbasierter Prozessanalyse. Gemeinsam mit einem Industriepartner, einem ERP Anbieter aus Salzburg, haben wir uns intensiv mit den Schwachstellen bestehender Process Mining L\u00f6sungen besch\u00e4ftigt. Aus dieser Forschungskooperation heraus entstand schlie\u00dflich der Impuls, Noreja als eigenst\u00e4ndiges Unternehmen aufzubauen.<\/p>\n\n\n\n
Was war der Ausl\u00f6ser, sich mit Noreja auf Process Intelligence und datenbasierte Prozessoptimierung zu fokussieren?<\/h3>\n\n\n\n
Der konkrete Ausl\u00f6ser war die Beobachtung, dass klassische Process Mining L\u00f6sungen in der Praxis oft an zwei Stellen an ihre Grenzen sto\u00dfen: bei der Datenanbindung und bei der Nutzbarkeit der Ergebnisse. Viele bestehende L\u00f6sungen setzen voraus, dass Daten zun\u00e4chst aufwendig transformiert und in bestimmte Formate, etwa Event Logs, \u00fcberf\u00fchrt werden. Das passt aus unserer Sicht aber h\u00e4ufig nicht zur Realit\u00e4t heutiger IT und ERP Systemlandschaften. Unternehmensdaten liegen verteilt, relational, historisch gewachsen und oft sehr komplex strukturiert vor. Zugleich sind die resultierenden Prozessmodelle h\u00e4ufig so komplex, dass sie nur von sehr spezialisierten Analysten interpretiert werden k\u00f6nnen. F\u00fcr Fachbereiche, Process Owner oder Management sind sie dadurch nur eingeschr\u00e4nkt nutzbar. Genau hier wollten wir ansetzen: Wir wollten Process Intelligence so neu denken, dass sie schneller integrierbar, fachlich verst\u00e4ndlicher und n\u00e4her an der tats\u00e4chlichen Datenrealit\u00e4t von Unternehmen ist.<\/p>\n\n\n\n
Welche Vision verfolgt Noreja im Umgang mit Unternehmensdaten und Entscheidungsprozessen?<\/h3>\n\n\n\n
Unsere Vision ist es, beliebige IT Systeme miteinander in Verbindung zu setzen und daraus einen umfassenden Knowledge Graph aufzubauen, der die Realit\u00e4t der Unternehmensprozesse m\u00f6glichst vollst\u00e4ndig abbildet. Dabei geht es nicht nur um operative Prozessdaten, sondern auch um Kontextdaten: also Informationen dar\u00fcber, warum bestimmte Prozessvarianten entstehen, welche Abh\u00e4ngigkeiten bestehen, welche Systeme beteiligt sind und welche Auswirkungen bestimmte Prozessmuster haben. Ein zentraler Bestandteil unserer Vision ist die Kombination aus Knowledge Graph, Agentic AI und sogenannten Frontier Agents. Darunter verstehen wir KI Agenten, die im Hintergrund kontinuierlich und zunehmend autonom an Prozessproblemen arbeiten. Sie sollen beispielsweise dauerhaft Root Causes f\u00fcr Prozessabweichungen identifizieren, die Compliance eines Prozesses \u00fcberwachen oder relevante Risiken und Optimierungspotenziale erkennen.<\/p>\n\n\n\n
Entscheidend ist dabei, dass diese Agenten nicht nur Informationen anzeigen, sondern im richtigen Moment auch konkrete Aktionen vorbereiten oder ableiten k\u00f6nnen \u2013 etwa indem sie Verantwortliche informieren, Handlungsempfehlungen geben oder Ma\u00dfnahmen zur Prozessverbesserung ansto\u00dfen. Die Verbindung aus tiefem Prozessverst\u00e4ndnis im Knowledge Graph und autonom arbeitenden KI Agenten ist f\u00fcr uns der n\u00e4chste gro\u00dfe Entwicklungsschritt in der Process Intelligence. Unser Ziel ist es, Unternehmensdaten so aufzubereiten, dass k\u00fcnstliche Intelligenz sie optimal verstehen und nutzen kann. Auf dieser Grundlage sollen Manager, Process Owner und Fachbereiche k\u00fcnftig deutlich besser in ihren Entscheidungsprozessen unterst\u00fctzt werden \u2013 nicht nur durch Dashboards, sondern durch konkrete, kontextbezogene und handlungsorientierte Erkenntnisse.<\/p>\n\n\n\n
Wie m\u00f6chtet ihr diese Vision in den kommenden Jahren konkret umsetzen?<\/h3>\n\n\n\n
Wir werden unseren Knowledge Graph konsequent weiterentwickeln und ihn noch st\u00e4rker darauf ausrichten, von KI Systemen verstanden und genutzt zu werden. Bereits heute bildet unsere L\u00f6sung sehr differenzierte Zusammenh\u00e4nge in Unternehmensprozessen ab. Ein besonderer Fokus liegt dabei auf kausalen Zusammenh\u00e4ngen, nicht nur auf zeitlichen Abl\u00e4ufen.<\/p>\n\n\n\n
Das ist ein wichtiger Unterschied: Wir m\u00f6chten nicht nur zeigen, dass etwas passiert ist oder in welcher Reihenfolge Prozessschritte erfolgt sind. Wir m\u00f6chten besser verstehen, warum bestimmte Muster entstehen, welche strukturellen Ursachen dahinterliegen und welche Ma\u00dfnahmen tats\u00e4chlich Wirkung zeigen k\u00f6nnen.<\/p>\n\n\n\n
In den kommenden Jahren werden wir deshalb die Schnittstelle zwischen Knowledge Graph und k\u00fcnstlicher Intelligenz weiter ausbauen. Dazu geh\u00f6ren agentenbasierte KI Funktionen, die gezielt Informationen aus dem Graphen abrufen, interpretieren und f\u00fcr konkrete Fragestellungen nutzbar machen. Perspektivisch sollen solche Agenten immer autonomer im Hintergrund arbeiten und Unternehmen kontinuierlich dabei unterst\u00fctzen, Prozessprobleme zu erkennen, Ursachen zu analysieren und geeignete Ma\u00dfnahmen abzuleiten. Damit wollen wir Unternehmen noch pr\u00e4zisere Analysen und bessere Entscheidungsgrundlagen liefern.<\/p>\n\n\n\n
An welche Zielgruppen richtet sich eure L\u00f6sung und welche Probleme l\u00f6st ihr f\u00fcr diese konkret?<\/h3>\n\n\n\n
Unsere L\u00f6sung richtet sich vor allem an gr\u00f6\u00dfere mittelst\u00e4ndische Unternehmen sowie an Enterprise Kunden. Besonders relevant sind f\u00fcr uns Unternehmen ab etwa 1.000 Mitarbeitenden bis hin zu Organisationen mit 20.000 Mitarbeitenden oder mehr. Im Markt positionieren wir uns insbesondere unterhalb der sehr gro\u00dfen Fortune 500 Konzerne und sprechen damit Unternehmen an, die komplexe Prozesse und Systemlandschaften haben, aber zugleich pragmatische, schnell integrierbare und wirtschaftlich sinnvolle L\u00f6sungen ben\u00f6tigen. Wir helfen diesen Unternehmen, Transparenz \u00fcber ihre Prozesse zu gewinnen, Engp\u00e4sse und Fehlmuster zu erkennen und operative Verbesserungen datenbasiert abzuleiten. Dabei geht es nicht nur um Analyse, sondern auch um die konkrete Wertgenerierung. Deshalb begleiten wir unsere Kunden im Rahmen unserer Lizenzen aktiv dabei, aus den gewonnenen Erkenntnissen tats\u00e4chliche Verbesserungsma\u00dfnahmen abzuleiten und umzusetzen.<\/p>\n\n\n\n
Wie stellt ihr sicher, dass komplexe Prozesse f\u00fcr Unternehmen verst\u00e4ndlich und nutzbar gemacht werden?<\/h3>\n\n\n\n
Wir arbeiten mit unterschiedlichen Prozessdimensionen beziehungsweise Perspektiven. Das bedeutet: Prozesse k\u00f6nnen bei uns auf verschiedenen Detailebenen modelliert und analysiert werden. Ein Process Owner, der f\u00fcr einen klar abgegrenzten Teilprozess verantwortlich ist, muss nicht den gesamten End to End Prozess in voller Komplexit\u00e4t sehen. Er bekommt genau die Perspektive, die f\u00fcr seinen Verantwortungsbereich relevant ist. Gleichzeitig kann eine Person, die einen system\u00fcbergreifenden End to End Prozess verantwortet, eine \u00fcbergreifende Perspektive auf den gesamten Ablauf erhalten. Dadurch machen wir komplexe Prozesse zielgruppengerecht nutzbar. Unterschiedliche Rollen im Unternehmen erhalten unterschiedliche Sichten auf dieselbe Datenbasis \u2013 von der operativen Detailanalyse bis zur Managementperspektive. Das reduziert Komplexit\u00e4t, ohne wichtige Informationen zu verlieren.<\/p>\n\n\n\n
Was unterscheidet Noreja von klassischen Process Mining oder Analytics L\u00f6sungen am Markt?<\/h3>\n\n\n\n
Ein wesentlicher Unterschied ist, dass wir keinen klassischen Event Log ben\u00f6tigen. Dadurch ist die Datenanbindung deutlich schneller und n\u00e4her an der Realit\u00e4t bestehender Quellsysteme. Wir k\u00f6nnen Daten so verarbeiten, wie sie tats\u00e4chlich in ERP oder anderen Unternehmenssystemen vorhanden sind, ohne dass sie zuvor umfangreich transformiert werden m\u00fcssen.<\/p>\n\n\n\n
Zweitens verfolgen wir einen anderen algorithmischen Ansatz. Mit unserem Causal Process Mining Ansatz betrachten wir nicht nur zeitliche Abfolgen, sondern auch strukturelle und kausale Zusammenh\u00e4nge innerhalb von Prozessen. Dadurch k\u00f6nnen Nutzer bestimmte Fehlermuster und Prozessprobleme pr\u00e4ziser identifizieren und besser verstehen, welche Ursachen dahinterliegen.<\/p>\n\n\n\n
Drittens unterscheiden wir uns durch unser Preismodell. Klassische Process Mining und Enterprise Analytics L\u00f6sungen bewegen sich h\u00e4ufig im mittleren bis hohen sechsstelligen Lizenzbereich; im Enterprise Segment k\u00f6nnen auch siebenstellige Betr\u00e4ge entstehen. Wir m\u00f6chten Process Intelligence f\u00fcr den gehobenen Mittelstand deutlich zug\u00e4nglicher machen \u2013 mit einem transparenteren und niedrigeren Pricing, das besser zur Realit\u00e4t dieser Unternehmen passt. Damit kombinieren wir technologische Tiefe mit einer Marktpositionierung, die nicht nur auf sehr gro\u00dfe Konzerne ausgerichtet ist, sondern auch Unternehmen adressiert, die komplexe Prozesse haben, aber wirtschaftlich pragmatische L\u00f6sungen ben\u00f6tigen.<\/p>\n\n\n\n
Welche Herausforderungen begegnen euch bei der Integration in bestehende Systemlandschaften?<\/h3>\n\n\n\n
Eine der gr\u00f6\u00dften Herausforderungen ist die Datenqualit\u00e4t. In vielen Unternehmen sind Daten historisch gewachsen, uneinheitlich gepflegt oder \u00fcber mehrere Systeme verteilt. Besonders anspruchsvoll wird es, wenn unterschiedliche Systeme miteinander verbunden werden m\u00fcssen und die Beziehungen zwischen den Daten nicht sauber dokumentiert oder nicht eindeutig sind. Ein zentrales Thema sind dabei Schl\u00fcsselbeziehungen, also zum Beispiel IDs, Fremdschl\u00fcssel oder andere Identifikatoren, \u00fcber die Objekte und Ereignisse system\u00fcbergreifend miteinander verkn\u00fcpft werden k\u00f6nnen. Diese Verbindungen m\u00fcssen korrekt erkannt und gematcht werden, damit ein belastbares Prozessbild entsteht. Hinzu kommen Anforderungen rund um IT Security, Datenschutz und den Einsatz von KI. Viele Unternehmen stellen sich zurecht die Frage, ob \u00f6ffentliche Large Language Models oder Cloud Dienste eingesetzt werden d\u00fcrfen. Deshalb bieten wir auch vollst\u00e4ndig lokale und isolierte LLM Setups an, um Datenschutz und Sicherheitsanforderungen gerecht zu werden.<\/p>\n\n\n\n
Wie geht ihr mit der Komplexit\u00e4t gro\u00dfer Datenmengen und unterschiedlicher Datenquellen um?<\/h3>\n\n\n\n
Unsere Architektur ist darauf ausgelegt, sehr gro\u00dfe und heterogene Datenmengen zu verarbeiten. Im Knowledge Graph k\u00f6nnen auch mehrere Milliarden Objekte abgebildet werden. Dadurch lassen sich komplexe Prozessrealit\u00e4ten sehr granular modellieren. Eine besondere Herausforderung besteht darin, dass Unternehmensdaten h\u00e4ufig nicht linear zusammenh\u00e4ngen. Daten laufen oft divergent und konvergent zusammen: Ein Objekt kann sich in viele Folgeobjekte verzweigen, mehrere Objekte k\u00f6nnen sp\u00e4ter wieder in einem gemeinsamen Vorgang zusammengef\u00fchrt werden. Gerade bei Audit Tabellen oder \u00c4nderungsprotokollen entstehen dadurch sehr komplexe Join Bedingungen. Dort liegen teilweise Millionen oder Hunderte Millionen Events vor, die korrekt interpretiert und in ihren tats\u00e4chlichen fachlichen Zusammenhang gebracht werden m\u00fcssen.<\/p>\n\n\n\n
Hinzu kommen komplexe Kardinalit\u00e4ten, etwa 1 n, n 1 oder n m Beziehungen. Klassische Prozessmodelle vereinfachen diese Realit\u00e4t h\u00e4ufig stark. Unser Anspruch ist es dagegen, diese Zusammenh\u00e4nge so abzubilden, wie sie in den Quellsystemen tats\u00e4chlich existieren. Genau daf\u00fcr eignet sich der Knowledge Graph Ansatz besonders gut, weil er auch komplexe Objektbeziehungen, Abh\u00e4ngigkeiten und Prozessstrukturen flexibel modellieren kann. F\u00fcr die Verbindung unterschiedlicher Datenquellen nutzen wir unter anderem sogenannte Makro Entit\u00e4ten. Damit k\u00f6nnen Daten aus verschiedenen Quellsystemen miteinander in Beziehung gesetzt werden. Voraussetzung ist in der Regel ein gemeinsamer Identifier oder eine fachlich belastbare Logik, \u00fcber die sich Datenpunkte aus System A mit Datenpunkten aus System B verbinden lassen. So entsteht ein \u00fcbergreifendes Prozessverst\u00e4ndnis, das nicht an Systemgrenzen endet. Gerade das ist f\u00fcr viele Unternehmen entscheidend, weil reale Gesch\u00e4ftsprozesse selten nur in einem einzigen System stattfinden.<\/p>\n\n\n\n
Welche Rolle spielt k\u00fcnstliche Intelligenz in eurer Plattform und wie entwickelt ihr diesen Bereich weiter?<\/h3>\n\n\n\n
K\u00fcnstliche Intelligenz spielt f\u00fcr uns eine zentrale Rolle. Wir verstehen uns als AI first Unternehmen. Der Knowledge Graph bildet die fachliche, strukturelle und prozessuale Grundlage, damit KI Unternehmensprozesse nicht nur oberfl\u00e4chlich auswertet, sondern in ihrem Kontext versteht. Daf\u00fcr haben wir ein agentenbasiertes System entwickelt. Unterschiedliche Agenten \u00fcbernehmen unterschiedliche Aufgaben: Ein Agent liest Informationen aus dem Graphen aus, ein anderer interpretiert Kontextinformationen, ein weiterer kann externe Informationen recherchieren oder bestimmte Properties und Datenstrukturen analysieren. Unser Ziel ist es, KI nicht isoliert auf Daten loszulassen, sondern ihr eine strukturierte, kontextreiche Wissensbasis zur Verf\u00fcgung zu stellen. Dadurch sollen Analysen pr\u00e4ziser, Antworten relevanter und Handlungsempfehlungen belastbarer werden. Insbesondere die Weiterentwicklung in Richtung Frontier Agents ist f\u00fcr uns zentral: also KI Agenten, die dauerhaft an Prozessproblemen arbeiten, Ursachen identifizieren, Compliance \u00fcberwachen und bei relevanten Abweichungen geeignete n\u00e4chste Schritte ableiten k\u00f6nnen. Diesen Bereich werden wir in den kommenden Jahren konsequent weiter ausbauen.<\/p>\n\n\n\n
Welche n\u00e4chsten Schritte und Entwicklungen plant ihr f\u00fcr Noreja?<\/h3>\n\n\n\n
Der n\u00e4chste gro\u00dfe Schritt ist der gezielte Aufbau von Vertrieb und Customer Success. Wir m\u00f6chten im DACH Markt bekannter werden, unsere L\u00f6sung breiter in den Markt bringen und insbesondere Unternehmen im gehobenen Mittelstand gewinnen. Ein wichtiger Fokus liegt darauf, gemeinsam mit Kunden konkrete Success Stories aufzubauen. Wir m\u00f6chten zeigen, welchen messbaren Wert Process Intelligence schaffen kann \u2013 etwa durch effizientere Abl\u00e4ufe, bessere Prozesssteuerung, geringere Fehlerquoten oder fundiertere Entscheidungen. Produktseitig werden wir weiterhin daran arbeiten, Kontext und Content in der Plattform zu verbessern, damit Nutzer noch schneller zu relevanten Erkenntnissen gelangen. Gleichzeitig treiben wir die Weiterentwicklung unseres Knowledge Graphs und unserer KI Funktionen konsequent voran.<\/p>\n\n\n\n
Welche drei Ratschl\u00e4ge w\u00fcrdet ihr anderen Gr\u00fcndern geben, die datengetriebene Gesch\u00e4ftsmodelle aufbauen m\u00f6chten?<\/h3>\n\n\n\n
Erstens: Nicht zu technisch denken. Gerade bei datengetriebenen Gesch\u00e4ftsmodellen ist die Versuchung gro\u00df, vom Produkt oder von der Technologie her zu denken. Entscheidend ist aber das konkrete Nutzerproblem. Man sollte sehr genau verstehen, f\u00fcr wen man welches Problem l\u00f6st und welchen Wert die L\u00f6sung tats\u00e4chlich schafft. Das haben auch wir im Laufe der Zeit immer st\u00e4rker gelernt.<\/p>\n\n\n\n
Zweitens: Risiken eingehen. Als Gr\u00fcnder muss man manchmal Entscheidungen treffen, ohne alles bis ins letzte Detail abgesichert zu haben. Nat\u00fcrlich braucht es Analyse und Vorbereitung, aber zu langes Z\u00f6gern kann gerade in fr\u00fchen Phasen gef\u00e4hrlich sein. Man muss bereit sein, Dinge auszuprobieren, zu lernen und bei Bedarf schnell nachzusch\u00e4rfen.<\/p>\n\n\n\n
Drittens: Bei der Personalsuche auf Seniorit\u00e4t achten. Gerade in einem anspruchsvollen technischen Umfeld ist es enorm wertvoll, Menschen ins Team zu holen, die wirklich Verantwortung \u00fcbernehmen und Arbeit abnehmen k\u00f6nnen. Nat\u00fcrlich ist das initial teurer, aber sehr juniorige Profile erzeugen am Anfang h\u00e4ufig mehr Betreuungsaufwand, als sie entlasten. Gute Senior Leute k\u00f6nnen f\u00fcr ein junges Unternehmen ein echter Beschleuniger sein.<\/p>\n\n\n\n
![\"noreja](\"https:\/\/startupvalley.news\/de\/wp-content\/uploads\/sites\/2\/2026\/04\/noreja_logo.png\")
<\/figure>\n<\/div>\n\n\n\n\n