Der aktuelle Kreuzzug
Goliath gegen Goliath … derzeit kämpfen gerade Microsoft stellvertretend für OpenAI und Google um ihr … naja nicht letztes … aber „the next“ Hemd. OpenAI hat mit der Veröffentlichung von seinem einfachen User interface auf sein Sprachenmodell etwas losgetreten. Die Frage ist: ist es real oder ist es nur eine Schlacht, die die oder den Einzelnen eigentlich nicht interessieren muss. Eins ist klar: es geht ums ganz große Geld. Entziehen wird man sich dem ganzen nicht können, also geht es darum, das Potential abzuwägen und dann sinnvolle Lösungen zu entwickeln.
Einige Dinge sprechen dagegen. Erstens, der unglaubliche Hype. Mittlerweile weiß glaube ich schon jede*r, dass TikTok oder Instagram wesentlich länger als 1 Monat gebraucht haben, um 1 Million Nutzer*innen anzuziehen. Wobei selbst „wesentlich länger“ hier relativ zu sein scheint. Das ist eben das digitale Modell: die ganze Welt ist Dein*e potentielle*r Kund*in.
Doch warum gibt es in einem Blog-Artikel in einer Community eines EAM Tool Herstellers einen Artikel, den es mittlerweile überall anders auch gibt? Nun, auch hier muss man sich die Frage stellen: ist das ein Hype, muss man mit und wie kann man die Goldgräberstimmung auch für EAM nutzen?
Allgemeine Fragen an das Orakel
Warum fragt man nicht gleich das Expert*in (mangels sozialem oder körperlichem Geschlecht tu ich mir mit der KI schwer)? Was sagt ChatGPT dazu (gekürzt)?
Welche Vorteile bringen die künstliche Intelligenz für Hersteller von Unternehmensarchitektur Werkzeugen?
Die Anwendung von künstlicher Intelligenz (KI) bietet mehrere Vorteile für Hersteller von Unternehmensarchitektur-Werkzeugen. Einige der wichtigsten Vorteile sind:
Automatisierung von Aufgaben: […]
Verbesserung der Entscheidungsfindung: […]
Bessere Vorhersagefähigkeit: […]
Personalisierung: KI-Technologien können auch dazu beitragen, Unternehmensarchitektur-Werkzeuge zu personalisieren.[…]
Insgesamt bietet die Anwendung von KI-Technologien für Hersteller von Unternehmensarchitektur-Werkzeugen viele Vorteile, die dazu beitragen können, die Effizienz und Effektivität ihrer Produkte zu verbessern.
Na das hätte ich mir auch selbst denken können. Aber vielleicht fällt die Antwort deswegen etwas mau aus, weil diese Frage im Sprachenmodell von vor 2022 einfach nicht enthalten ist.
Ich frage nochmal nach (gekürzt):
Bitte konkretisiere die Aussagen zu "Automatisierung von Aufgaben".
Künstliche Intelligenz (KI) kann für die Automatisierung verschiedener Aufgaben im Bereich der Unternehmensarchitektur eingesetzt werden. Einige konkrete Beispiele für die Automatisierung von Aufgaben sind:
Generierung von Architekturmodellen: Hersteller von Unternehmensarchitektur-Werkzeugen können KI-basierte Funktionen implementieren, die das Erstellen von Architekturmodellen automatisieren. Zum Beispiel können KI-Modelle auf der Grundlage von Daten aus anderen Quellen wie Prozessmodellen, Datenflüssen oder IT-Systemen automatisch ein neues Architekturmodell generieren.
Automatische Identifikation von Abhängigkeiten: […]
Automatische Aktualisierung von Architekturmodellen: KI-basierte Funktionen können auch dazu beitragen, Architekturmodelle automatisch zu aktualisieren, wenn Änderungen an der zugrunde liegenden Architektur vorgenommen werden. Zum Beispiel können KI-Modelle automatisch erkennen, wenn ein neues IT-System hinzugefügt oder entfernt wird, und das Architekturmodell entsprechend aktualisieren.
Automatische Analyse von Architekturmodellen: […]
Diese sind nur einige Beispiele dafür, wie KI-Technologien zur Automatisierung von Aufgaben in der Unternehmensarchitektur eingesetzt werden können. Durch die Automatisierung von Aufgaben können Benutzer Zeit sparen und sich auf die wichtigeren Aspekte ihrer Arbeit konzentrieren.
Nun, das ist schon etwas konkreter, schafft aber mein kleines Hien auch noch. Aber es ist schon eine wesentlich bessere Grundlage, um kontemplativ auf diese Anregungen aufzubauen. Wobei es für Teile diese Anregungen wie dem automatischen Erkennen von Modelländerungen eigentlich keine KI benötigt.
Ich frage nocheinmal nach (gekürzt):
Bitte konkretisiere die Generierung von Architekturmodellen. Welche Mengen von Daten über Prozesse und Datenflüsse müssten in ein KI Modell integriert werden, damit sinnvolle Aussagen möglich werden?
Die Menge an Daten, die in ein KI-Modell zur Generierung von Architekturmodellen integriert werden müssen, hängt von verschiedenen Faktoren ab, wie der Größe und Komplexität des Unternehmens und der gewünschten Granularität des Architekturmodells.
Im Allgemeinen können große Mengen an Daten aus verschiedenen Quellen, wie beispielsweise Prozessmodellen, Datenflüssen, IT-Systemen und anderen Quellen, in das KI-Modell integriert werden. Je mehr Daten zur Verfügung stehen, desto genauer kann das Modell das Verhalten und die Beziehungen zwischen verschiedenen Komponenten in der Unternehmensarchitektur erfassen.
[…]
Insgesamt hängt die Menge an Daten, die in ein KI-Modell zur Generierung von Architekturmodellen integriert werden müssen, von verschiedenen Faktoren ab. Es ist jedoch wichtig, dass das Modell in der Lage ist, relevante Daten zu identifizieren und zu filtern, um nur diejenigen Daten zu verwenden, die für die Generierung eines genauen und relevanten Architekturmodells erforderlich sind.
Konkrete Fragen an das Orakel
Aber vielleicht sind die großen Fragen nicht die Richtigen? Die Frage ist, ob KI in der derzeitigen ChatGPT Ausprägung tatsächlich für die Praxis geeignet ist.
Ich könnte mir z.B. gut vorstellen, dass ChatGPT bei „fader“ EAM Dokumentation oder Frage-Antwort-Szenarien unterstützen könnte. Daraus ergibt sich vielleicht die Hoffnung, dass regulatorische Verpflichtungen oder die interne Compliance Dokumentation wieder in den Hintergrund tritt, und die Menschen in den Unternehmen sich wieder mehr aufs Wesentliche konzentrieren können. Doku macht die KI.
Ich frage nach (gekürzt):
Wie kann ChatGPT in ein Werkzeug zur Unternehmensarchitektur integriert werden? Welche Funktionen können unterstützt werden?
ChatGPT könnte auf verschiedene Arten in ein Werkzeug zur Unternehmensarchitektur integriert werden, um die Benutzererfahrung zu verbessern und bestimmte Funktionen zu unterstützen. Einige mögliche Beispiele sind:
Chatbot-ähnliche Funktionen: ChatGPT könnte als virtueller Assistent oder Chatbot integriert werden, um Benutzern bei der Navigation durch das Werkzeug und der Beantwortung von Fragen zu helfen. […]
Analyse von Text- und Spracheingaben: ChatGPT könnte auch dazu verwendet werden, Text- und Spracheingaben von Benutzern zu analysieren, um wichtige Informationen zu extrahieren. Zum Beispiel könnte ChatGPT auf der Grundlage von Texteingaben automatisch Architekturmodelle oder -diagramme generieren oder auf der Grundlage von Spracheingaben Benutzeranweisungen verstehen und ausführen.
Natürliche Sprachverarbeitung (NLP): ChatGPT könnte auch dazu verwendet werden, NLP-Technologien zu implementieren […] Dies könnte es Benutzern ermöglichen, komplexe Aufgaben oder Fragen in natürlicher Sprache zu formulieren, anstatt eine komplizierte Benutzeroberfläche navigieren zu müssen.
Personalisierte Empfehlungen: ChatGPT könnte auch als personalisierter Assistent fungieren, der Benutzern Empfehlungen basierend auf ihren bisherigen Aktionen und Präferenzen gibt. […]
Insgesamt gibt es viele Möglichkeiten, wie ChatGPT in ein Werkzeug zur Unternehmensarchitektur integriert werden könnte […] Die konkreten Funktionen, die unterstützt werden können, hängen jedoch von den spezifischen Anforderungen und Zielen des Werkzeugs ab.
Das klingt interessant. Aber wie ist es eigentlich mit den Daten? Ich frage abermals nach (gekürzt):
Muss das Unternehmen dazu die Datenbasis an ChatGPT übergeben, oder ist es aus Sicherheitsgründen möglich, diese Datenbasis im internen Rechenzentrum zu speichern?
Es ist durchaus möglich und sogar empfehlenswert, dass Unternehmen ihre Datenbasis im internen Rechenzentrum speichern, um die Sicherheit und Kontrolle über ihre Daten zu gewährleisten. […]
Um ChatGPT effektiv nutzen zu können, müssen jedoch einige Daten zur Verfügung gestellt werden, damit das Modell trainiert werden kann. Dies bedeutet, dass einige Daten aus dem internen Rechenzentrum extrahiert und an ChatGPT übergeben werden müssen. Es ist jedoch möglich, den Umfang und die Art der Daten, die an ChatGPT übergeben werden, zu kontrollieren und zu begrenzen, um die Datensicherheit zu gewährleisten.
[…]
Das hilft tatsächlich weiter, aber … wäre es nicht schön, wenn ChatGPT bei der Dateneingabe bzw. bei Nutzerinteraktion hilft? Oder noch einen Schritt weitergedacht: wie sieht es mit einer intelligenten Ausgabe aus?
Beispiel: Welche Anwendungen in unserer Landschaft wären entscheidend für die Verbesserung der Zufriedenheit unserer Kunden? Dazu müsste es eine Möglichkeit geben, das eigene Repository mit in die Inferenz für die Antwort mit einzubeziehen, was wiederum bedeutet, dass dieses Repository erstens eine hohe Maturität im Sinne der Datenqualität haben und zusätzlich in die Systematik des ChatGPT Sprachen-Modells eingebaut werden müsste.
Man könnte auch noch etwas kleiner aber gleichzeitig pragmatisch denken und ChatGPT nutzen, um die User Experience zu verbessern. Oft beinhalten Werkzeuge der Unternehmensarchitektur mächtige Metamodelle und Funktionen, die entgegengesetzt proportional zur Nutzerfreundlichkeit wirken. ChatGPT als “Vereinfachungs-Ermöglicher”. Die bekannte Komplexität greifbar machen, auch oder gerade wenn man das Werkzeug nur einmal im Jahr benutzt. Das wäre doch was!
Ohne Orakel
Wie geht es im EAM und dem Tooling weiter, ohne dass man irgendwelche Orakel befragt? Könnte man ChatGPT noch für andere Zwecke als für personalisierte Assistenten oder Chat Bots nutzen?
Dazu zunächst eine grobe Aufzählung der funktionalen Anforderungen an ein EAM Tool:
- Statische Funktionen zur EAM Organisation
- Verwaltung des Metamodells
- Verwaltung von Architekturelementen
- Verwaltung von Kennzahlen zum Metamodell (inkl. Nudging/Badge Konzept)
- Personalisierte Dashboard Sichten
- Integration von Informationen aus anderen IT-Management Tools (z.B. Projekt-Portfolio, ITSM)
- Ad hoc Reporting
- Standard Reporting
- IST/ZIEL Vergleich
- Dynamische Funktionen zum EAM Prozessablauf
- Automatisches Polling (Datenerhebung mit Statusveränderung)
- Verteilung automatischer Informationen (z.B. über Abos)
- Qualitätschecks (dynamisch, statisch)
- Konfiguration von Workflows/Wizards
- Generierung von Compliance und regulatorisch bedingter Dokumentation (Kennzeichnung von falschen oder falsch abgeleiteten Schlussfolgerungen, Aufdeckung von fahrlässigen oder vorsätzlich falschen Texten mit Betrugs- oder Verdunklungsabsicht)
- Unterstützende Hilfe-/Wissensfunktionen
- Personalisierte und kontextbezogene Hilfe
- Glossar und Begrifflichkeiten
- Jeweils so einfach erklärt, dass auch nicht-Tool Expert*innen das Tool einsetzen können
Auf nicht funktionale Anforderungen (z.B. SSO, Verfügbarkeit, Datenspeicherung, Informationssicherheit) gehe ich nicht ein.
Bringt man die Orakelsprüche mit diesen Funktionen zusammen, so ergeben sich Überschneidungen vor allem bei:
- Automatisches Polling (Datenerhebung mit Statusveränderung)
- Personalisierte Dashboard Sichten
- Personalisierte und kontextbezogene Hilfe
Es geht also stark um die Gestaltung und Unterstützung der User Experience, dem besseren Verständnis für die Funktionen des Tools. Das ist stimmig und wäre hilfreich, da gerade EAM Tools nicht regelmäßig und immer in längeren Abständen benutzt werden müssen.
Eine nicht zu unterschätzende Funktion liegt in der simulierten Planung, also dem IST/ZIEL-Vergleich. Viele EAM Tools haben derartige Funktionen, doch meist überfordert es Unternehmen, die schon mit der IST Darstellung kämpfen. Hier Unterstützung zu bieten, Szenarien mit potentieller Wiederverwendung, Benchmarks und Vergleiche zu generieren und zugänglich zu machen, wäre ein KI Feld mit wirklichem Mehrwert.
Fazit
Noch wird mit auch bei ChatGPT viel Wasser gekocht, und viel Energie geht in den Kampf auf, wer die*der Erste ist. Was OpenAI und Google wirklich im Keller haben, wissen wir nicht.
Eine Out of the Box Lösung gibt es zur Zeit nicht. ChatGPT hilft aus meiner Sicht sehr stark in Brainstorming Phasen, um Themen zu erkennen, auf die man sonst vielleicht nicht kommen würde.
Eine tatsächliche Integration in ein EAM-Tool braucht noch etwas mehr, aber, man sollte wohl starten, um den Zug nicht zu verpassen. Die grundlegende Frage ist, wie man die Funktionen in das EAM Tool integriert. Microsoft hat das für Bing und Teams angekündigt und bereits einige Ansichten veröffentlicht, wobei die zugrundeliegenden Daten aus dem Internet kommen.
Im Unternehmenskontext muss man sich schon die Frage stellen, ob Daten aus dem Internet geeignet sind, um komplexe EAM Fragestellungen sinnvoll zu beantworten, und ob Unternehmen einmal mehr den Datenschutz etwas leichter nehmen oder darauf vertrauen, dass KI Hersteller hier nicht patzen. Meiner eigenen Erfahrung zufolge wird aber letzteres Realität werden, weil auch konservative Unternehmen auch ihre Kernsysteme bereits in die Cloud auslagern, ohne genau zu wissen, was passiert, wenn z.B. einmal der Strom ausfällt oder der Cloud Anbieter spontan die Preise verdoppelt. Da KI noch weitaus abstrakter und schwerer verständlich ist, die Hersteller aber sicherlich gute Folienpinsler haben, gehe ich davon aus, dass eine Phase der Euphorie kommt.
Ist das schon alles? Natürlich nicht, denn über die technische Dimension hinaus stellt sich die Frage, wie der Faktor Mensch sich weiter entwickelt oder in diese künstliche Welt integriert. Das ist der eigentliche Hebel. Sich wieder aufs Wesentliche konzentrieren können, das wäre schon eine schöne Utopie.
Wie wird die Zukunft von EAM mit KI aussehen? Das ist auch eine philosophisch ethische Frage.
Keine*r weiß es, nicht einmal die KI!
Formuliere darüber hinaus einen Ausblick, wie sich Ende 2023 die künstliche Intelligenz entwickelt haben wird.
Da ich nur bis September 2021 trainiert wurde, kann ich keine Vorhersagen über die zukünftige Entwicklung der künstlichen Intelligenz machen.
