AI@Scale in IT-Altsystemen – so gelingt der Übergang

Die Zeiten, in denen die Umsetzung von KI-Piloten ausreicht, um sich auf der sicheren Seite des Fortschritts zu wähnen, nähern sich mit großen Schritten dem Ende. Erfolgreich ist, wem es gelingt, das Momentum der KI-Entwicklung über bloße Leuchtturmprojekte hinweg zu erhalten und über alle Geschäftsbereiche zu skalieren. Dabei stoßen viele Business Intelligence und Data Warehouse Systeme (BI/DWH) an ihre Grenzen: Ein siloartiger Aufbau behindert multidisziplinäre Auswertungen, die Datenaktualität ist nicht ausreichend für Echtzeit-Use Cases und Verknüpfungen mit externen Datenquellen sind nicht möglich.

Moderne Architektur und Übergangsarchitekturen

Deswegen ist die Weiterentwicklung der BI-/DWH-Infrastruktur zu einer modernen Datenplattform erforderlich bei gleichzeitiger Erhaltung bestehender Funktionalitäten. Hierzu müssen Übergangsarchitekturen geschaffen werden, welche die Umsetzung neuer Use Cases ermöglichen, ohne dabei die Verfügbarkeit geschäftskritischer Auswertungen zu riskieren. Dafür müssen sowohl Datenzugriffe über neue Schnittstellenmodelle geregelt, als auch die Migration von Altreports geplant werden. Dies kann oft schon durch Erweiterung der Datenvorbereitungsstrecken (Staging Areas) oder Verwendung einer übergreifenden Datenplattform erreicht werden.

Technik ist nur der erste Schritt

Jedoch sind Schwachstellen bei der Skalierung von KI nicht auf die Infrastruktur beschränkt. Vielmehr ergeben sich Einschränkungen oft aus Wechselwirkungen organisatorischer, technischer und fachlicher Rahmenbedingungen in den Dimensionen Vision, Organisation und Governance, sowie Prozessen und Fähigkeiten. Daher müssen diese aufeinander abgestimmt werden.
Bei der Organisationsgestaltung existieren drei Ansätze zur Realisierung der Verteilung von Kompetenzen: Zentral, dezentral oder in hybrider Form. Jedes dieser Modelle ist plausibel – die Herausforderung besteht darin, die für das Unternehmen optimale Form zu finden. Die Auswahl sollte zwingend von individuellen Begebenheiten wie Roadmap, KISkills, etc. ausgehen und bei ihrer Realisierung ggf. auf Zwischenstufen aufbauen. Ein erprobter Ansatz besteht in einer temporären Zentralisierung der Wissensträger zum initialen Kompetenzaufbau mit anschließendem Übergang in ein dezentrales Modell. Dort fungieren die Wissensträger als Multiplikatoren und unterstützen bei der Umsetzung.
Außerdem müssen bestehende Governance- Mechanismen agilisiert werden. Dies betrifft u.a. die Berechtigungsverwaltung und die Entwicklungsmechanismen (Versionierung, Tools, etc.). Die Gestaltung sollte so erfolgen, dass Anforderungsgeber ihre Bedarfe eigenständig erfüllen können. Häufig ist die Umsetzung hier zu stark abhängig von Eingriffen der IT, was langfristig zu Ressourcenengpässen führt.
Zudem müssen neue Rollen und Fähigkeiten geschaffen werden. Dabei werden neben dem offensichtlichen Bedarf an neuem Know-how für KI-Technologien häufig Skills im Kontext Integration, Daten, IT, Betrieb und Fachlichkeit übersehen, die durch die zunehmend interdisziplinären Anwendungsfälle unverzichtbar werden.

Wie anfangen?

Die alte Infrastruktur aufgeben und ganz neu beginnen? In den meisten Fällen ist dies weder die günstigste noch die beste Option. Deswegen sollten konkrete Anwendungsfälle das zentrale Vehikel für die (Weiter-) Entwicklung von Infrastruktur, Organisation und Prozessen sein, mit denen die Datenplattform sukzessive ausgebaut wird. Stark formalisierte Governance-Mechanismen (bspw. mehrschrittige Freigabeprozesse) sollten erst ausgerollt werden, wenn die Entwicklung von Use Cases bereits auf mehrere agile Teams übertragen wurde. Use Cases, welche u.a. neue, vielversprechende Datenquellen anbinden, sollten frühestmöglich eingeplant werden, um den Optionsraum für künftige Anwendungsfälle zu erweitern und die technische Basis zu härten.

„Die neue Platt form muss vor allem eines leisten: Use Cases effizient, flexibel und schnell entwickeln und bereitstellen.“

Die ausgewählten Use Cases müssen einen ausreichenden Leuchtturmcharakter besitzen, um einen spürbaren Beitrag für Motivation, Wahrnehmung und Unterstützung des Gesamtvorhabens zu leisten. Außerdem sollten sie einen sinnvollen, strategischen Fit mit der Modernisierungs-Roadmap aufweisen und in iterativen Ansätzen mit geringem Risiko umsetzbar sein.
Entscheidend ist es, das Ziel nicht aus den Augen zu verlieren. Kurzfristige Erfolge sind wichtig – am Ende wird sich die neue Plattform jedoch vor allem an einer Fähigkeit messen müssen: Use Cases effizient, flexibel und schnell entwickeln und bereitstellen zu können.

 

 

 

 

Jakob Gliwa
Chief IT, Architect, BCG Platinion

 

www.bcgplatinion.com

[Advertorial]