Alle Episoden

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.

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.

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

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

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.

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.

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.

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.

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...

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...