Enterprise Architecture wirkt. Archiv
37 Episoden
27 Minuten
Eine richtige Information kann zu spät kommen. In Transport und Logistik beeinflusst der Zeitpunkt einer Information, welche Entscheidungen getroffen werden können. Aus meiner EAM-Perspektive betrachte ich, wie Fähigkeiten, Daten, Ereignisse und externe Partner zusammenwirken – und was daraus für Kritikalität, Resilienz und TCO folgt. Zum Abschluss der Oktober-Serie verbinde ich Produktion, Zulieferer, internationale Märkte und Logistik: Die Methoden bleiben stabil, während das Geschäftsumfeld ihre Gewichtung verändert. Im November geht es weiter mit Journeys in unterschiedlichen Unternehmensdomänen und ihrer Verbindung zu Fähigkeiten, Daten und Anwendungen.
25 Minuten
Internationales Geschäft verändert die Gewichtung von Architekturentscheidungen. Gemeinsame Business Capabilities treffen auf regionale Vertriebsmodelle, unterschiedliche Datenanforderungen und lokale Betriebsbedingungen. In dieser Folge betrachte ich meinen EAM-Ansatz für internationale Landschaften: von den geschäftlichen Anforderungen über Daten und Anwendungen bis zu Betriebsmodellen, Governance und TCO. Im Mittelpunkt steht die bewusste Entscheidung, welche Gemeinsamkeiten das Unternehmen braucht und welche regionalen Unterschiede sinnvoll bleiben.
30 Minuten
Ein produzierendes Unternehmen baut selten alles selbst. Komponenten, Technologien und teilweise sogar Innovationen kommen von Zulieferern und Partnern. In dieser Folge geht es darum: - Wann wird ein Zulieferer zu einer Architekturabhängigkeit? - Warum Produktdaten nicht an der Unternehmensgrenze enden - Supplier Lock-in jenseits von Software und Cloud - Wie externe Roadmaps die eigene Zielarchitektur beeinflussen - Warum Procurement und EAM unterschiedliche Perspektiven auf dieselbe Abhängigkeit haben - Wie kritische externe Abhängigkeiten sichtbar und steuerbar werden
27 Minuten
Nach zwei sehr AI-lastigen Monaten wechseln wir im Oktober bewusst die Perspektive und schauen uns an, wie unterschiedlich Enterprise Architecture je nach Industrie wirken muss. Zum Auftakt geht es um die **produzierende Industrie**: - Warum Business Criticality im Manufacturing sehr schnell physisch wird - Unterschiedliche Lebenszyklen von Maschinen und Software - Warum das Produkt oft der eigentliche rote Faden durch die Architektur ist - Zentrale Standards versus lokale Freiheit in einzelnen Werken - Warum Komplexität häufig mehr kostet als die eigentliche Software - Welche Rolle EAM zwischen Business, Produkt, Daten, Anwendungen und Produktion einnimmt
31 Minuten
AI Agents werden gerne als digitale Mitarbeiter oder Kollegen bezeichnet. Sie greifen auf Daten und Systeme zu, führen Prozesse aus und treffen zunehmend operative Entscheidungen. Gleichzeitig werden sie häufig deutlich weniger konsequent geführt und kontrolliert als menschliche Mitarbeiter.
29 Minuten
AI wird für Unternehmen umso interessanter, je besser sie Zusammenhänge versteht. Genau darin liegt aber auch die architektonische Herausforderung. In dieser Folge geht es nicht um einen neuen AI Use Case, sondern um Context: Wie aus bestehenden Daten, Applications, Abhängigkeiten, Kosten und Business-Relevanz ein neues Gesamtbild entsteht. Am Beispiel eines imaginären WHY-Buttons für eine strategische KPI schauen wir darauf, warum AI gerade dort spannend wird, wo nicht nur gerechnet, sondern Zusammenhänge erkannt, verdichtet und eingeordnet werden sollen.
29 Minuten
AI wird zunehmend Teil von Geschäftsprozessen, Entscheidungen und Wissensarbeit. Dabei entsteht nicht nur Output, sondern auch Kontext, Historie und neues Wissen. In dieser Folge geht es um die Frage, was passiert, wenn dieses Wissen langfristig stärker an AI-Systeme, Agents oder Plattformen gebunden ist als an das Unternehmen selbst.
36 Minuten
In dieser Folge geht es um eine zentrale Frage für den Einsatz von AI im Unternehmen: Welche Rolle darf AI in Entscheidungen tatsächlich übernehmen? Besonders spannend ist dabei die Trennung zwischen Entscheidung und Ausführung: Human Decide. AI Perform. Denn hohe Autonomie bedeutet nicht automatisch, dass AI auch die Entscheidungshoheit besitzen muss. Aus Sicht der Enterprise Architecture reicht RAPID allein jedoch nicht aus. Zusätzlich müssen Kriterien wie Kritikalität, Risiko, Reversibilität, Datenqualität und regulatorischer Einfluss berücksichtigt werden.
33 Minuten
Mit dieser Folge schließen wir unsere erste AI-Serie ab. In den vergangenen Episoden haben wir den Weg von AI TCO, über AI Demand, Enterprise Architecture und Solution Architecture aufgebaut. Heute folgt der letzte Baustein: AI Governance. AI Governance bedeutet weit mehr als Datenschutz oder Compliance. Sie schafft den organisatorischen Rahmen, damit AI-Initiativen wirtschaftlich, sicher und langfristig erfolgreich betrieben werden können. In dieser Folge sprechen wir darüber, warum Governance bereits mit der ersten AI-Idee beginnt, weshalb klare Verantwortlichkeiten entscheidend sind und wie Enterprise Architecture, Solution Architecture und Governance gemeinsam dafür sorgen, dass AI im Unternehmen steuerbar bleibt. Denn am Ende entscheidet nicht das beste AI-Modell über den Erfolg einer AI-Initiative – sondern die Fähigkeit eines Unternehmens, AI verantwortungsvoll einzusetzen.
42 Minuten
In dieser Folge schließen wir unsere zweiteilige Serie zur AI Architecture ab. Nachdem wir in EAM#27 die Rolle der Enterprise Architecture betrachtet haben, wechseln wir heute bewusst in die Solution Architecture. Im Mittelpunkt stehen nicht einzelne AI-Technologien, sondern die Architekturentscheidungen, die darüber bestimmen, ob eine AI-Lösung langfristig erfolgreich betrieben werden kann. Du erfährst, welche Bausteine eine moderne AI-Lösung besitzt, welche Aufgaben ein Solution Architect übernimmt und warum eine gute Architektur wichtiger ist als die Wahl eines bestimmten AI-Modells. Außerdem vergleichen wir die drei führenden AI-Plattformen – ChatGPT (OpenAI), Claude (Anthropic) und Gemini (Google) – aus Sicht eines Enterprise- und Solution Architects.
24 Minuten
In dieser Folge beginnt der erste Teil der zweiteiligen Reihe zur AI Architecture. Nachdem wir in den vergangenen Episoden die wirtschaftliche Bewertung von AI (EAM#25) und die Priorisierung von AI Use Cases (EAM#26) betrachtet haben, geht es heute um die strategische Einordnung von AI in die Unternehmensarchitektur. Du erfährst, warum AI keine eigene Architekturdomäne ist, weshalb Business Capabilities und Data Entities weiterhin das Fundament bilden und welche Rolle Enterprise Architecture dabei spielt, AI-Initiativen unternehmensweit steuerbar und skalierbar zu machen. Die technische Umsetzung folgt in der nächsten Episode aus Sicht der Solution Architecture.
34 Minuten
Artificial Intelligence bringt Unternehmen nicht in die Situation, zu wenige Ideen zu haben – sondern zu viele. Die eigentliche Herausforderung besteht darin, die richtigen AI Use Cases auszuwählen und gezielt in diejenigen zu investieren, die den größten Business Value schaffen. In dieser Folge betrachten wir AI Demand aus der Perspektive der Enterprise Architecture. Es geht nicht um Formulare oder Genehmigungsprozesse, sondern um eine strukturierte Bewertungsmethodik für AI Use Cases. Außerdem stelle ich das Konzept einer AI Organization und eines AI Architecture Boards vor, die Unternehmen dabei unterstützen, AI-Initiativen strategisch zu priorisieren und nachhaltig zu steuern.
36 Minuten
Artificial Intelligence verändert nicht nur Technologien, sondern auch die wirtschaftliche Betrachtung von IT-Investitionen. Klassische TCO-Modelle reichen für AI nicht mehr aus, da neben Lizenzen und Betrieb neue Kostenarten wie Token, Modelle, APIs, Datenqualität und Governance entstehen. In dieser Folge startet die neue AI-Serie und zeigt, warum Enterprise Architecture die entscheidende Rolle spielt, um AI wirtschaftlich, nachhaltig und mit echtem Business Value einzusetzen. Außerdem wird der Zusammenhang zu den vorherigen Episoden rund um Business Capabilities und Daten hergestellt.
22 Minuten
Data Governance klingt oft nach Regeln, Boards, Policies und Bürokratie. Genau deshalb haben viele darauf wenig Lust. In dieser Folge geht es darum, Data Governance pragmatisch zu betrachten: nicht als großes Framework, sondern als Arbeitsmodell für bessere Daten. Denn Datenqualität entsteht nicht zufällig. Sie braucht Verantwortung, klare Definitionen, führende Systeme, Qualitätsregeln und Entscheidungswege. Der zentrale Punkt: Data Governance beginnt nicht mit Regeln. Sie beginnt mit Verantwortung.
19 Minuten
Viele Unternehmen glauben, dass Daten verfügbar sind, sobald eine Schnittstelle existiert. Doch eine Schnittstelle bewegt Daten nur von A nach B. Sie macht Daten nicht automatisch verständlich, vertrauenswürdig oder wiederverwendbar. In dieser Folge geht es um den Unterschied zwischen technischer Integration und echten Datenprodukten. Warum APIs wichtig sind, aber nicht ausreichen. Warum Datenprodukte mehr brauchen als Transport: klare Bedeutung, Qualität, Ownership, Nutzungskontext und Verantwortung.
