EAM#32: AI Context - Wie viel muss AI über dein Unternehmen wissen?

00:00:04: Architektur entscheidet über Komplexität, über Kosten und Übersteuerbarkeit.

00:00:09: Ich bin David Hohl und heiße dich herzlich willkommen.

00:00:12: bei Enterprise-Architektura wirkt der Podcast zu ERM!

00:00:20: Servus grüßt Dich und herzlich Willkommen zu einer neuen Folge.

00:00:25: also ich beschäftige mich jetzt schon seit einigen folgen Jahr damit wie EI eigentlich sauber in unserer bestehenden Enterprise-Achthektur wirklich hinein passt.

00:00:35: Je länger ich mich damit beschäftige, desto stärker komme ich immer wieder auf den selben Punkt zurück.

00:00:42: Ihr Ei wird für ein Unternehmen umso interessanter je besser sie dessen Zusammenhänge versteht.

00:00:51: Somit genau diese Zusammenhänge sind für mich als Entpreisarchitekt extrem interessant.

00:00:57: vor allem sie legen nicht nur in einem System Sie entstehen halt quer durch unsere Architektur Und vor allem zwischen Business, Daten, Applikationen und Technologien kosten natürlich die Abhängigkeiten.

00:01:15: Wenn ich mich recht entsinne in der Folge siebenundzwanzig hatten wir ja schon die grundsätzliche Einordnung das EI keine komplette neue Architektur welt braucht.

00:01:27: In Folge einunddreißig ging es sehr stark darum wiederum was passiert wenn Kontext dauerhaft bestehen bleibt und daraus Wissen entsteht.

00:01:38: Nun, danach kam für mich eigentlich nur der Schritt davor.

00:01:42: Also bevor etwas dauerhaft wissen oder bevor EI das dauerhaft wissen kann muss dieser Kontext überhaupt erstens stehen.

00:01:51: Genau da bin ich leider hängen geblieben.

00:01:55: EI verbindet Informationen miteinander die wir im Unternehmen oft getrennt betrachten.

00:02:00: Daraus entstehen plötzlich halt neue Bilder.

00:02:03: aus diesem Bild kann nicht eine ganz andere Bedeutung haben als die einzelnen Informationen darunter.

00:02:11: Genau deshalb beschäftige ich mich als Enterprise-Detekt mit diesem Thema, nicht weil es eigentlich erklären möchte wie irgendwelche AI Modelle funktionieren das können glaube ich andere viel besser als ich sondern weil EI aus unserer bestehenden Architektur ein ziemlich genaues Bild des Unternehmens zusammensetzen kann.

00:02:30: heute geht es deshalb nicht um einen neuen EI Use Case.

00:02:35: der Use Case ist nur unser Beispiel.

00:02:37: Heute geht es vor allem um den Kontext.

00:03:02: Haben die ja gerade erzählt so wie das Wochenende war, wie es halt so ist an der Montag aber irgendwann halt sitzen dann in den komischen Management-Meeting.

00:03:10: Hier macht sich der Sports auf, die üblichen Zahlen ploppen auf da ein bisschen grün da und bis sie gelbt dort und irgendwo natürlich ein bisschen rot muss auch sein.

00:03:19: Und dann kommen halt die strategischen Kippeis auf dem Bildschirm.

00:03:24: Stellen wir uns weiter vor ihr Tracked IT Changeability und nennen wir Sie mal Für unseren Beispiel einfach so vereinfacht, wenn du nicht weißt was das genau ist.

00:03:36: Wie kann ich unsere IT-Veränderungen im Unternehmen unterstützen?

00:03:40: Und jetzt stellen wir uns einfach weiter vor... Das poppen halt zu Zahlen!

00:03:44: Vor sechs Monaten haben wir auch das auf die seventy- acht Punkte auf drei Monaten Wasser von neunundsechzig und heute.

00:03:50: Oh, siebenundfünfzig.

00:03:53: Mist!

00:03:54: Damit ist der Motor geht dann eigentlich schon gelaufen, dass der Sport macht seinen Job und somit zeigt es ganz klar Unsere Veränderungsfähigkeit wird immer schlechter im Unternehmen.

00:04:06: Aber es erklärt mir noch überhaupt nichts, nur wenn ich jetzt weiß dass irgendwas falsch läuft.

00:04:12: Und dann beginnt das bekannte Spiel!

00:04:15: Man fängt halt die Operations schon auf die Incidence Application Management auf, welche komischen Systeme die aufpoppen oder auffällig sind... ...oder vielleicht auch irgendwelche Deliries und Kosten kommen noch dazu.

00:04:30: Der Punkt ist jeder hat seiner Sicht darauf.

00:04:32: Jeder hat wahrscheinlich sogar sicher recht in der Aussage was gerade nicht alles schief geht, aber es fehlt jetzt etwas.

00:04:39: das Gesamtbild richtig Somit dass Dashboard liefert mir halt nur das Fass.

00:04:46: Das.

00:04:46: warum müssen wir uns mühsam zusammen suchen?

00:04:49: und deswegen kann man halt dieser Gedanke für diese Folge beziehungsweise Neben diesem GBI gibt es immer so für mich diesen imaginären Weibart.

00:04:59: Warum ist das jetzt so?

00:05:00: Bitte drück mal und dann spuck's mal aus!

00:05:03: Ich drücke drauf und hoffe mir natürlich eher hilft mir dabei, die Zusammenhänge richtig zu verstehen.

00:05:10: Wichtig ist natürlich EISOL mit dem GBI soll das jetzt nicht berechnen oder so.

00:05:15: Wenn ich die Vorwahl kenne brauche dafür ja keine.

00:05:17: da muss ich mein BI-Tool meiner Lytics.

00:05:20: Das kann glaube ich sogar ächseln Und wenn ich die vor einmal kenne, brauche ich wie gesagt das alles nicht.

00:05:28: Wichtig nochmal als Botschaft!

00:05:30: Die ganze Folge ist jetzt kein Uskis und ich möchte auch keine Uskies beschreiben aber der Uskif hilft mir meine Botschaft zu so vermitteln dass du weißt um wo es am Schluss beim Kontext oder AI-Kontext geht.

00:05:44: dann lass uns starten.

00:05:50: Kapitel eins Nicht die Zahl ist spannend sondern das warum?

00:05:54: Also die GPI zeigt mir immer das was etwas zu tun, ob das hier nicht war.

00:06:01: EI wird halt interessant wenn sie mir hilft zu verstehen was dahinter zusammen kommt.

00:06:05: also nehmen wir einfach mal ein paar Auffälligkeiten aus unserer Landschaft.

00:06:09: die Release-Zeiten werden bei eiligen zentralen Applikationen länger oder verleichter Maintenance steigt gleichzeitig durch den Aufwand der Lifecycle.

00:06:21: bei Teilen dieser Landschaft kommen zusätzliche technologische Risiken hinzu.

00:06:25: jeder dieser Punkte Für sich kann erstmals völlig erklärbar sein.

00:06:32: Aber wenn wir wieder dieselben Applikationen und diese Auffälligkeiten halt auftauchen, verändert sich halt das Bild.

00:06:41: Dann geht es nicht mehr um die einzelnen Kennzahl.

00:06:44: dann entsteht möglicherweise ein strukturelles Muster Und genau hier finde ich wird dann extrem spannend für mich und auch sehr interessant.

00:06:54: Also nicht weil sie schnell rechnen kann Ich glaube das kann jeder, weil ich bin im Arte nicht wirklich ein Schnee.

00:07:01: Sondern weil sie Informationen aus unterschieden Bereichen zusammenbringen kann und es ist ja die Hauptstärke dahinter.

00:07:08: Wer mit diesem Use-Case darauf aufgesetzt sofort einen zu setzen um ihre kommischen GPS zu bauen.

00:07:17: schön heißt aber kein Mehrwert.

00:07:20: Ich denke mal, gerade für diesen Art von Yousges sind diese Auffälligkeiten die ich brauche immer rauszufinden wenn etwas nicht so läuft wie es läuft.

00:07:27: und warum mich jetzt in dem Fall einen Punkt der Abschwung hat meiner Veränderungsfähigkeit.

00:07:33: Ich muss natürlich genau schauen was mit den Applikationen gerade passiert die darauf kommt, dass vielleicht die Applikation nicht so größer Treiber ist und deswegen unsere Veränderungsfähigkeit sinkt.

00:07:54: Naja dann hat AI damit sicherlich automatisch eine Ursache gefunden.

00:08:00: sie liefert mir einfach nur eine Hypothese einen besseren Startpunkt wo ich selbst auch vielleicht einsteigen kann oder vielleicht sogar einen bessere Entscheidungen.

00:08:07: Impuls Das können wir grundsätzlich schon in der Folge Drei sich besprochen Wo AI kann Informationen verdichten soll oder kann eine Recommendation vorbereiten.

00:08:21: Heute interessiert mich aber einen Schritt eher darunter, damit halt die EI dieses Muss überhaupt erkennen konnte oder kann muss sie verdammt viel über mein Unternehmen wissen.

00:08:34: und genau damit kommen wir auf der KPI oder vom der KBI weg.

00:08:40: um zu einem eigenen Thema und zwar EI Kontext Kapitel zwei aus der Arten wird Kontext.

00:08:54: Die einzelnen Informationen ist oft gar nicht der spannende, spannend wird was aus ihren Verbindungen entsteht.

00:09:00: Nimm wir genau die Informationen aus unserem Beispiel mal her.

00:09:06: Wir reden über vier Hauptpunkte Applikation, Life Cycle, Costs und Incidence.

00:09:13: Applikations für sich erstmal eine normale Architektur Information.

00:09:18: interessant wird sie durch die Business Criticalität und den Abhängigkeit klarerweise Bei Lifecycle für sich nur ein Status.

00:09:25: für mich relevant wird er, wenn diese Technologie in eine geschäftskritische Applikation steckt und nach unten geht.

00:09:32: Für den Kosten für sich bereits sensibler.

00:09:35: zusammen mit den Abherrigkeiten und Lifecycle zeigt es für mich vielleicht nur ein strukturelles Problem.

00:09:41: Wenn man jetzt auf die Inzidenzen schaut allein oft nur ein operativer Signal klar.

00:09:48: In Verbindung aber mit Applikationen, Change-Historie und Life-Circle bekommt es eine komplett andere Bedeutung.

00:09:55: Und schon mit diesen wenigen Informationen passiert etwas Interessantes.

00:10:00: Keine dieser Informationen ist halt neu.

00:10:03: Neu ist halt genau das Gesamtbild Das daraus entsteht.

00:10:08: Ich hoffe du verstehst langsam wo die Reise jetzt hingehen wird.

00:10:11: Was muss EI eigentlich alles wissen um mir diese Antwort zu geben zu können?

00:10:18: Vorher haben wir ja noch geredet, AI erklärt mir endlich warum meine KPI fällt.

00:10:23: Jetzt schaut man schon anders drauf.

00:10:25: AI heißt ziemlich genau was mein IT wirklich teuer abhängig veraltet oder schwer veränderbar ist.

00:10:33: Die Data Criticality wäre es ContextCriticality und das geht jetzt eigentlich so ein bisschen.

00:10:41: In der Folge einundzwanzig haben wir auch schon ausführlich über Data Entities Kritikalität gesprochen.

00:10:45: falls sich das interessiert einfach mal kurz zurückgehen.

00:10:49: Heute setzen wir auf einfach diesen weiteren Fortsetzung darauf auf oder wir setzen darauf auf, wenn ich das mal so anders umformuliere.

00:10:57: Gerade Applikation und Lifecycle funktionieren sauber zueinander.

00:11:03: aber sobald Applikations-Live-Symbolumkost dann habe ich auch einmal schon sensible Daten drinnen und dann noch Dependencies mit Business Credit der Zufügger Dann wird es plötzlich wird daraus ein ziemlich genaues Bild nicht wahr, dann sehe ich nämlich nicht nur die einzelnen Fakten.

00:11:23: Ich sehe welche Systeme wichtig sind wo es technologisch kritisch vielleicht wird?

00:11:28: Wo Kosten steigen?

00:11:30: Wo Abhängigkeiten wirklich sitzen und welche Business Impact das ganze haben kann.

00:11:38: Das ist irgendwann kein einzelner Datensatz mehr richtig.

00:11:42: Das ist fast schon wie ein Röntgenbild in deiner Gesamtorganisation, wenn ich das mal in den medizinischen Kontext drücke.

00:11:49: Somit die Data-Kritikalität und der Contextkritikalität – also das Bild darauf – sind nicht automatisch dasselbe, wie du siehst.

00:11:57: Die einzelnen Informationen können halt relativ harmlos sein aber in einer Kombination wird supersensibel.

00:12:16: Wir klären's gleich.

00:12:17: Oder wir klären es gleich auf!

00:12:20: Aber vorab... Nur weil EI auf Daten zugreifen darf, heißt das noch lange nicht dass jeder daraus in ständigem Kontext automatisch sinnvoll oder gewollt ist.

00:12:30: Nicht wahr?

00:12:32: Das schauen wir immer sehr stark auf die Zuggriffe.

00:12:34: Darf EI diese Datenquellen nutzen oder nicht?

00:12:38: Darf sie finanzieren?

00:12:39: Darfs sie in den effektiven Rechnungen oder irgendwie Bestellungen auslesen?

00:12:43: Oder darf sich sogar auf mein EI Repository

00:12:45: zurückgreifen?!

00:12:46: Das ist natürlich wichtig, aber damit beschreiben wir eigentlich nur den technischen Zugang darauf.

00:12:51: Wir beschreiben noch nicht das Gesamtbild und daraus entstehen kann oder was daraus entstehen kann so.

00:12:58: Für mich braucht es deshalb eine zweite Ebene.

00:13:02: Der Zweck ist klar, was wollen wir eigentlich wirklich verstehen?

00:13:07: Und der Kontext dahinter welcher Zusammenhänge braucht EI?

00:13:10: dafür wird dann wirklich... ...und die Boundary verfasst.

00:13:13: wie weit darf dieses Bild gehen?

00:13:15: also boundary heißt Grenzen.

00:13:18: Der Punkt ist halt, wir wollen nicht den maximalen Zugriff gemessen oder diesen Zudo, wie man das aus der Entwicklung vielleicht noch kennt.

00:13:26: Sondern einfach den passenden Kontext nur für unsere IT-Changability.

00:13:31: Die Beispiel braucht eher wahrscheinlich Informationen über Applications, Life Cycle, Dependences... ...die Kostenentwicklung wäre nicht schlecht und natürlich die Business Relevanz.

00:13:42: Das heißt wohl noch lange nicht automatisch, dass sie halt einen kompletten Finanzbestand bekommt oder jeden vollständigen Insidenticket in allen irgendwelchen Ausprägungen und schon gar nicht jede technische Dokumentation.

00:13:54: Sämtliches historische Daten vielleicht auch nicht.

00:13:58: nur weil etwas verfügbar ist muss es nicht automatiskt Teil des Kontext werden und ich glaube das ist ein Verständnis was wir erst lernen gerade.

00:14:08: Kontext Boundary.

00:14:10: Für mich beschreibt die Kontext-Boundary genau diesen Spielraum, also genauer zu wissen für eine gute Analyse aber nicht automatisch das maximale Unternehmenswissen damit teilen.

00:14:22: Nicht jeder mögliche Zugriff besteht oder bestimmt den Kontext.

00:14:27: Der benötigte Erkenntnisraum bestimmt den Context und es verändert so ein bisschen die Perspektive.

00:14:33: Früher hat man alles... Was heißt früher?

00:14:36: ist doch noch heute noch, haben wir alles in die Cloud und wir brauchen einfach alles an Informationen.

00:14:41: Wenn wir aus den NCM reinpacken dann wollen wir auf alles zugreifen.

00:14:45: klar weil wir das wissen wollen.

00:14:47: aber wir wollen nicht dass die anderen oder mit der anderen auch nicht das die EI alles von Haus aus wissen muss.

00:14:53: und darüber habe ich mir wirklich sehr lange Gedanken gemacht wie man das eingrenzt.

00:15:02: Kapitel vier Kontext verändert sich mit der Aufgabe.

00:15:07: Der Kontext ist kein statischer Datenblock Er verändert sich einfach mit der Analyse.

00:15:13: Und genau deshalb müssen wir verstehen, wie weit dieses Bild des Unternehmens eigentlich gehen soll.

00:15:21: Geht mir wieder zurück zu unserem Why-Button!

00:15:24: Also ich suche den noch immer auf einer Tastatur... Der ist nicht da.

00:15:29: Am Anfang möchte ich eigentlich ja nur verstehen warum meine IT-Genjibility fehlt.

00:15:34: Das ist das erste Gedanke.

00:15:36: Warum geht es jetzt hier runter?

00:15:38: Und warum habe ich diesen Sinkflug gerade?

00:15:42: Dafür reicht vielleicht erst mal ein relativ grobes Bild.

00:15:46: Bei bestimmten Applikationen werden Changes langsamer verleicht und dort steigen Gleichzeichen Dependences und Maintenance.

00:15:53: Und zusätzlich kommen vielleicht noch Lifecycle-Risiken dazu und blau, blau... Also für den ersten Hinweis brauche ich vielleicht noch gar nicht jedes Detail richtig.

00:16:02: Was ist.

00:16:03: aber wenn das halt nicht reicht?

00:16:05: Jetzt müssen wir das Ganze ein bisschen schärfen.

00:16:08: jetzt liefert mir halt eher einfach nur eine Hübe Hypothese, meine Güte kriegen wir das Wort raus.

00:16:16: Also ein bestimmter Teil der Landschaft sieht auffällig aus, Junge.

00:16:21: Erst jetzt möchte ich genauer hinschauen und welche Applikationen schaue ich nicht so auffölliger?

00:16:28: Wo sind gleich?

00:16:28: welche Abhängigkeiten habe ich da?

00:16:30: Wie stark steigen gerade die Kosten dahinter?

00:16:34: oder auch welche Business-Bereiche hängen dran?

00:16:37: Der Punkt ist der Kontext wird halt jetzt auf einmal tiefer weil die Analyse tiefer werde noch mal wissen oder der Wissensbedarf dahinter und genau dabei verändert sich einfach wieder das Bild, dass sie auch von unseren Unternehmen bekommt.

00:16:50: Also mehr Erkenntnis, die bedeutet meistens natürlich auch mehr Unternehmenskontext.

00:16:57: Das ist für mich ein klassisches Trade-off Es ist kein technisches sondern einfach ein architektonisches.

00:17:04: Und jetzt kommen wir wieder auf den Punkt vom Folge einund dreißig.

00:17:08: Für mein Why-Button brauche ich diesen Kontext vielleicht genau jetzt Weil der KPI-Feld.

00:17:15: Kontext wird zusammengesetzt, haben wir schon geredet, Analyse findet statt.

00:17:19: Ich bekomme ein Entscheidungsimpuls und damit kann der Zweck bereits erfüllt sein.

00:17:26: Wenn wir von einem Temporary... Also ich rede jetzt von zwei verschiedenen Arten vom Kontext.

00:17:33: Den Temporaricontext, da geht es darum EI braucht das Wissen für einen Moment also Temporare, also für rübergehend.

00:17:41: Und dann haben wir Persistent Context.

00:17:43: Also AI behält dieses Wissen und kann später wieder darauf aufbauen.

00:17:47: Da redet man dann von klassischem Memory.

00:17:50: Das sind halt zwei komplett unterschiedliche Situationen.

00:17:54: Also, AI weiß etwas jetzt ist aber was anderes, wenn man es dauerhaft weiß.

00:18:01: So genau da ist das, was ich im Endeffekt bei Folge einund dreißig im Memory gesprochen habe.

00:18:07: Aber der entscheidende Schritt für heute ist auch ein anderer.

00:18:10: Nicht jeder Kontext muss überhaupt in Memory werden und das bringt mich einfach zu einem... Ne, bleiben wir bei deinem eigenen Beispiel.

00:18:22: Also diese Applikation oder eine Applikktion hat einen Lifecycle-Risiko.

00:18:26: Klassisches Problem!

00:18:28: Nicht spektakulär aus, ne?

00:18:30: Dazu kommt halt blöderweise.

00:18:32: es ist geschäftskritisch.

00:18:33: Haben hohe Kosten, hohe Abhängigkeiten.

00:18:37: Der Maintenance Aufwand steigt uns unermessliche.

00:18:39: Jetzt haben wir nicht einfach nur mehr Daten, wir wissen plötzlich ziemlich genau wo ein relevantes strukturelles Risiko im Unternehmen sitzt?

00:18:49: Der Kontext hat sich leider schon wieder verändert oder nun verändert!

00:18:53: Nicht weil eine einzelne Information kritisch geworden ist... Nein nein sondern weil das Bild immer vollständiger ist geworden ist und das ist für mich ja nicht ein interessanter Gedanke.

00:19:05: also ich habe echt die letzten Kage, damit verbracht mir Gedanken über diese Kontext zu machen.

00:19:11: Das ist eigentlich wieder sehr ähnlich zum klassischen Slush nach Texturen.

00:19:16: Da redet man auch immer von Temporerespeicherung oder halt Längerspeicherungen in Datenbanken oder einen Ramm oder so und das ist eigentlich ein sehr ähnlicher Bereich wie auch immer.

00:19:31: zurück zur Story.

00:19:33: Was ich mir in Gedanken gut vorantreiben wollte, ist der Kontext.

00:19:37: Der Kontext kann wirklich soll oder sollte immer grob beginnen und dann erst tiefer werden und nicht immer gleich alles rein ballern was das Zweig haltet und dann hoffen passt schon also für einen Moment entstehen oder halt dauerhaft bleiben die fragerisch sollst du dir stellen und mit jeder Verbindung an Aussagekraft wird es halt einfach stärker.

00:19:59: man gewinnt ja damit.

00:20:00: unterdurch kann ich auch Kritikalität gewinnen Aber ich muss daraus kein neues, six-dimensionales Kontextmaterial natürlich aufbauen.

00:20:08: Für mich reicht einfach mal die Erkenntnis.

00:20:10: Kontext verändert sich und mit ihm verändert sich das was EI über mein Unternehmen verstehen kann.

00:20:23: Kapitel fünf.

00:20:25: Was Enterprise Architektur Management damit eigentlich zu tun hat?

00:20:31: EM muss diesen Kontext nicht technisch bauen Aber wir müssen einfach verstehen, welche Zusammenhänge dadurch sichtbar werden und welche Wirkungen das auf uns Unternehmen hat.

00:20:44: Und genau dieser Stelle wird das Ganze für mich eindeutig zu einer Enterprise-Architektur Thema.

00:20:52: Vielleicht noch mal einen Schritt zurück.

00:20:55: dieses Speichern nochmal... Also das ist gerade in der Enterprise Architektur extrem wichtig.

00:21:01: Ich verlang zum Beispiel sehr häufig von Architekten, sie sollen mir halt Dataflow Diagrams machen.

00:21:08: Weil diese Dataflower Diagram Sie geben mir eine Information die ich sonst nirgendsuch ausbekomme.

00:21:14: Sie geben mit Informationen dass etwas gespeichert wird.

00:21:17: Was sie mir aber leider nicht geben und das ist genau das wo jetzt eigentlich so ein Ankerpum für mich gefunden hat wenn es um eher Implementierungen geht dass es mir aufgeben, nicht nur wo das ganze gespeichert wird sondern zum Kontext jetzt.

00:21:33: Ob der Kontext tempo mehr ist oder halt, dass er persistent ist.

00:21:37: Das ist natürlich in der Entwicklung klar.

00:21:43: mache ich so oder mache ich nicht so aber aus der Enterprise-Rechtur gibt man da seinen kommenden anderen Puls und ein anderer Denkweise.

00:21:50: Denn alles was unser WIPerappen gerade verwendet hat kennen wir eigentlich schon.

00:21:56: Wir wissen, welche Gebäude das Geschäftskritisch oder geschäftlich relevant sind.

00:22:01: Wir können unsere Applikationen und ihre Abhängigkeiten verbunden haben.

00:22:05: Wir kennen auch Lifecyclerisiken und wir haben Kosten- und Betriebsinformationen.

00:22:10: Ja er findet davon ja nichts!

00:22:12: Und jetzt kommt es entscheidend an was für mich so lange gebraucht hat in meinem Kopf.

00:22:16: Das ist einfach so behindert eigentlich.

00:22:18: Er verbindet einfach nur diese Dinge effizienter als ich es vielleicht immer machen kann oder vielleicht einfach meine Software zu blöde.

00:22:26: Das ist so schön nicht, aber genau diese Verbindung ist dann halt für mich einfach Enterprise-Architektur und hat für mich nie betreutert.

00:22:39: einfach nur Listen also ihr emiss für mich kein Listmanagement oder irgendwelche Technologien zu pflegen.

00:22:44: der eigentliche Wert entsteht wenn wir Zusammenlänge sichtbar machen Und das gleiche habe ich ja euch schon im letzten Folgen mal wieder gesagt, wenn eine Business Capability hängt an einer Applikation oder Applikationshänge an anderen ApplikATIONen.

00:22:59: Technologie müssen halt bewusst oder beeinflussen einfach unseren Lifecycle.

00:23:05: Grosten und Risiken wirken wiederum auf unsere Fähigkeiten diese Capability weiterzuentwickeln.

00:23:10: Und genau das ist halt das Feine und das große Ganze im ERM!

00:23:16: Jetzt in unserem Juskis macht es jetzt einfach nur möglich, dass diese Zusammenhänge auf eine Art auszuwerten.

00:23:23: Für unseren Y-Button müsste ich als Enterprise-Elekt nicht entscheiden welche Technologie eingesetzt wird oder kontextgespeichert wird welches Modell ihn verarbeitet.

00:23:34: das ist ein soloschen Architektur arbeiten.

00:23:35: mich interessiert einfach dieses.

00:23:37: vorher also dieser Juskeys braucht den Unternehmenskontext.

00:23:42: Er verbindet geschäftliche Kritiklikität mit Applikationen, Kosten der Berenzis und Lifecycling zum Beispiel.

00:23:49: Dadurch entsteht ein sehr sensibles Gesamtbild, gerade was die Datenentitäten an Gedicht dafür benötigen.

00:23:55: Und für diese Analyse ist es halt gewollt dauerhaft.

00:23:59: Brauche ich diesen vollständigen Kontext vielleicht nicht?

00:24:05: Halt nicht jeder prompte Musk- Trollieren, nicht jede EI Abfrage muss sich freigeben und bitte auch keine Achtzig Seiten Kontext Governance Frameworks aufsetzen.

00:24:19: Eigentlich muss ich ja nur verstehen wo entstehen durch EI neue Querverbindungen?

00:24:25: Wo wird aus normalen Informationen ein kritisches Gesamtbild also mit gesamtkritisches Gesamppel vielleicht nochmal Einordnung?

00:24:31: dieses Terms es geht einfach nur darum sind damit werden da mit kritischen Informationen sichtbar.

00:24:40: Und ich muss es einfach wissen, wo braucht EI diesen Kontext wirklich für den Business Value dahinter?

00:24:49: und wo wird aus einem temporären Analysebild plötzlich ein Dauer auf des Unternehmens Wissen?

00:24:56: Dass sich danach auch weiter verarbeiten und weiter verwenden möchte.

00:25:01: Er soll ja nicht ausbremsen, auf keinen Fall.

00:25:05: Aber EM soll halt sichtbar machen wo der Kontext architektonisch wirklich relevant wird und die Data Architecture stellt halt diese Informationsbausteine für mich bereit.

00:25:18: ich habe es jetzt vorallem schon ein paar mal angesprochen gerade meine Lieblings-DFDS oder Dataflow Diagrams liefern mir diese Ansätze und diese Sichten.

00:25:28: Ich glaube wir müssen sie einfach nur ein bisschen nachschärfen das noch ein bisschen anders hervorheben.

00:25:35: EI setzt halt Teile davon in einen neuen Bild zusammen für mich und Entpressarchitektur bewertet halt, welche Bedeutung dieses Bild am Schluss fürs Unternehmen oder fürs gesamte Unternehmen hat.

00:25:47: Vielleicht wird es auch mal so sein, dass halt EI diese Bewertung durchführt was auch legitim ist.

00:25:55: Und natürlich die Kladis Luchschnachtig-Dück kümmern sich einfach darum, Und somit sind wir schon wieder am Ende der Folge angelangt.

00:26:11: Wenn wir noch mal zurück zu unserem Montagmorgen kommen, da haben wir ja über unseren IT den Schiblädig gesprochen und den umenösen SIEMUND Fünfzig Punkten.

00:26:21: Der WI-Button, den wir uns hier geschaffen haben liefert vielleicht jetzt auffällige Zusammenhänge betroffene Applikationen die möglichen Treiber dahinter Bereiche, die wir genauer uns genauer anschauen sollten.

00:26:35: Das ist für mich echte AI mehr wertumächtig zu sein.

00:26:39: und nicht AI berechnet mir diese KPIs, sondern sie hilft mir das Wissen hinter eine Entwicklung zu verstehen.

00:26:50: Und wie gesagt ich habe es einen Leuten gesagt Ich will jetzt hier nicht diesen AI-Case positionieren.

00:26:56: der ist nebenbei auch relativ simpel aber er soll darauf hinweisen und ich hoffe die Story übergekommen, der Kontext dahinter ist wichtig und du solltest schon mit bewerten oder mitentscheiden ob diese Informationen da auch auf der Reihen gepumpt werden oder nur für eine kurze Zeit.

00:27:19: Aber dieser Mehrwert hat leider seinen Preis.

00:27:22: Leider jetzt keine Token nicht noch als ein noch mehr Infostour oder vielleicht noch weitere Lizenzen sondern der Unternehmenskontext.

00:27:33: je besser die Antwort werden soll, blöderweise desto tiefer muss halt EI die Zusammenhänge in einem Unternehmen verstehen.

00:27:42: Und somit musst du genau die nächsten drei Punkte wirklich im Auge halten und zwar die Data Criticality wie kritisch halt diese Information als Einzelne ist.

00:27:56: und jetzt kommt es diese Context Criticality.

00:28:00: Wie kritisch wird das Bild aus diesen Daten?

00:28:05: Und drittens ist halt diese Context-Boundary, von dem ich gesprochen habe.

00:28:10: Wie weit darf dieses Bild eigentlich wirklich genufe und wie groß und tief vor der Kritik Detove überhaupt ausgestrahlt werden?

00:28:20: Die bessere EI, dass warum beantworten soll, desto mehr muss sie über dein Unternehmen verstehen aber halt nicht alles und vor allem nicht dauerhaft und nicht für jeden Zweck sondern genau den Kontext für die konkrete Arbeit auch wirklich braucht.

00:28:38: Servus und Papa, bis auf bald!