Welchen Platz nimmt KI in Ihrer Unternehmensarchitektur ein?

KI zählt zu den wenigen Investitionen, bei denen das größte Risiko und die größte Chance am selben Punkt zusammentreffen. Richtig eingesetzt, steigert sie die Leistungsfähigkeit zentraler Geschäftsprozesse. Fehlt die Kontrolle, kann sie gegen Vorschriften verstoßen oder Daten offenlegen, für die das Unternehmen verantwortlich ist – oft, bevor überhaupt jemand bemerkt, dass sie im Einsatz ist. Chance und Risiko wachsen gemeinsam, und beide hängen von derselben Grundlage ab: zu wissen, wo im Unternehmen KI zum Einsatz kommt und was sie berührt.

Diese eine Anforderung lässt sich in zwei Fragen aufteilen, die meist aus unterschiedlichen Teilen des Unternehmens kommen:

• Wo schafft KI den größten geschäftlichen Nutzen, und wohin sollten künftige Investitionen fließen?
• Wie lässt sich KI verantwortungsvoll und transparent einsetzen – im Einklang mit internen Richtlinien und externen Vorschriften?

Diese beiden Fragen entsprechen zwei Disziplinen: KI-Strategie und KI-Governance. Sie verfolgen unterschiedliche Ziele, bauen aber auf demselben Fundament auf. Beide müssen wissen, wo KI eingesetzt wird und wie sie mit den umgebenden Geschäftsprozessen, Anwendungen, Daten und Menschen verknüpft ist.

Die meisten Unternehmen greifen zunächst auf Discovery-Tools zurück, und diese leisten durchaus wertvolle Arbeit: Sie durchsuchen die Systemlandschaft und machen die KI-Dienste und Integrationen sichtbar, die dort bereits laufen. Das Ergebnis ist eine zuverlässige Bestandsliste – doch genau dort endet das Bild auch schon. Die Liste zeigt nicht, welcher Geschäftsfunktion ein System dient, wovon es abhängt oder welche Regeln dafür gelten. Enterprise Architecture Management führt dieses Bild weiter: Es ordnet jedes KI-System in Beziehung zu den Prozessen, Anwendungen und Kontrollen um es herum ein und schafft damit die gemeinsame Grundlage, auf der KI-Strategie und KI-Governance aufbauen.

Moderne Discovery-Tools erkennen KI-Dienste, Foundation Models, APIs, Cloud-Ressourcen, KI-fähige Anwendungen und weitere technische KI-Artefakte. Diese technische Sichtbarkeit ist ein wichtiger erster Schritt zum Verständnis der KI-Landschaft.

Doch KI zu entdecken ist nicht dasselbe wie KI zu verstehen.

Einen KI-Agenten in Azure AI Foundry zu finden oder eine Copilot-Integration in Microsoft 365 zu entdecken, beantwortet noch keine der folgenden Fragen:

• Warum existiert diese KI?
• Welche Business Capability unterstützt sie?
• Welcher Geschäftsprozess hängt von ihr ab?
• Wer ist dafür verantwortlich?
• Welche Geschäftsdaten verarbeitet sie?
• Welche Governance-Kontrollen gelten?
• Was wäre betroffen, wenn sich etwas ändert?

Technische Discovery zeigt, was existiert. Enterprise Architecture Management erklärt, warum es existiert, wie es genutzt wird und was es beeinflusst.

Es liegt nahe anzunehmen, KI gehöre ausschließlich zur Technologie-Architektur, schließlich basiert sie auf Foundation Models, Cloud-Diensten und Inferenzplattformen.

Tatsächlich erstreckt sich KI über das gesamte Enterprise Architecture Management:

• Im Rahmen der Geschäfts-Architektur unterstützt KI Business Capabilities, ermöglicht Geschäftsprozesse und hilft Mitarbeitenden im Arbeitsalltag.
• In der Applikations-Architektur zeigt sich KI als KI-Agenten, KI-fähige Anwendungen und Integrationen mit Unternehmenssystemen.
• In der Daten-Architektur verarbeitet und erzeugt KI Geschäftsdaten, nutzt Wissensdatenbanken, greift auf Retrieval-Quellen zu und ist auf eine solide Data Governance angewiesen.
• In der Technologie-Architektur stützt sich KI auf Foundation Models, Cloud-Plattformen, Vektordatenbanken und die dazugehörige Infrastruktur.

Betrachtet man nur einen dieser Aspekte, bleibt das Bild unvollständig. Enterprise Architecture Management führt sie zu einer einzigen, stimmigen Gesamtsicht zusammen.

EAM-Frameworks wie ArchiMate stellen eine gemeinsame Sprache bereit, um diese Architekturdomänen und die Beziehungen zwischen ihnen zu beschreiben. Anstatt KI als eigenständige Architekturdisziplin zu behandeln, ermöglicht ArchiMate es Unternehmen, KI als integralen Bestandteil ihres bestehenden Enterprise Architecture Managements zu modellieren.

KI gehört nicht zu einer einzelnen Architekturebene. Sie durchzieht das gesamte Unternehmen. Enterprise Architecture Management liefert die integrierte Sicht, die nötig ist, um sie zu verstehen, zu steuern und weiterzuentwickeln.

Ein Inventar kann jedes KI-System korrekt seiner Geschäfts-, Applikations-, Daten- oder Technologie-Domäne zuordnen und trotzdem die entscheidende Frage offenlassen: Was passiert an anderer Stelle, wenn sich eines dieser Systeme ändert?

Dieses Verständnis beruht auf einer bestimmten Reihe von Fragen:

• Welche Business Capabilities unterstützt diese KI?
• Welche Geschäftsprozesse nutzen sie?
• Welche Geschäftsrollen interagieren mit ihr?
• Welche Anwendungen stellen sie bereit oder nutzen sie?
• Welche Geschäftsdaten verarbeitet sie?
• Welche Foundation Models nutzt sie?
• Welche Governance-Kontrollen gelten?
• Wer ist dafür verantwortlich?
• Welche Systeme hängen von ihr ab?
• Was ist betroffen, wenn sich das KI-System oder das Foundation Model ändert?

Enterprise Architecture Management macht diese Fragen beantwortbar. Eine Modellierungssprache wie ArchiMate gibt Architekt:innen eine standardisierte Möglichkeit, ein KI-System mit den Business Capabilities und Geschäftsprozessen zu verknüpfen, die es unterstützt, und dieselben Verbindungen bis zu den Applikationen und Daten weiterzuführen, von denen es abhängt, sowie zu den Governance-Kontrollen, die dafür gelten. Aus verstreuten Notizen werden Beziehungen, die Teil eines Modells sind – abfragbar und nachvollziehbar.

Tipp: Erfahren Sie, wie Sie mit ArchiMate und ADOIT ein governance-konformes KI-Inventar aufbauen.

Schauen wir uns beispielsweise einen KI-Agenten näher an, der Mitarbeitende im Kundenservice unterstützt. Enterprise Architecture Management zeigt, welche Kundenservice-Prozesse er unterstützt und welche Anwendung ihn umsetzt, ebenso wie die Kundendaten, auf die er zugreift, und das Modell, auf dem er basiert. Es zeigt außerdem, wer für den Betrieb des Agenten verantwortlich ist und welche Governance-Kontrollen gelten. Ändert sich das zugrunde liegende Modell oder der Geschäftsprozess, erkennen Architekt:innen die Auswirkungen sofort unternehmensweit.

Diese Beziehungen ermöglichen es Architekt:innen, Abhängigkeiten nachzuvollziehen und die Auswirkungen einer Änderung zu erkennen, bevor sie eintritt. Sie machen es zudem möglich, Governance-Lücken aufzuspüren und Planungen im Kontext des gesamten Unternehmens vorzunehmen. KI liegt im selben Repository wie die Anwendungen, Daten und Technologien, mit denen sie verbunden ist – und schafft damit eine gemeinsame Grundlage für Business-, IT- und Governance-Teams.

Enterprise Architecture Management ersetzt weder KI-Strategie noch KI-Governance. Es liefert vielmehr den architektonischen Kontext, auf den beide Disziplinen angewiesen sind.

KI-Strategie definiert, wie KI geschäftlichen Nutzen schafft. Sie hilft Unternehmen zu entscheiden, wo KI eingeführt werden sollte, welche Initiativen Investitionen verdienen und wie KI zu den strategischen Zielen beiträgt. Sie beantwortet Fragen wie:

• Welche Business Capabilities bieten das größte Potenzial für KI?
• Welche KI-Initiativen unterstützen strategische Prioritäten?
• Wo werden ähnliche KI-Initiativen unabhängig voneinander entwickelt?
• Welche Anwendungen sollten zuerst KI-fähig gemacht werden?
• Welche Abhängigkeiten beeinflussen Umsetzungs- und Investitionsentscheidungen?

So können Unternehmen Investitionen priorisieren, bestehende Capabilities wiederverwenden und KI-Initiativen an der Geschäftsstrategie ausrichten.

KI-Governance stellt sicher, dass KI verantwortungsvoll, transparent und im Einklang mit internen Richtlinien sowie externen Vorschriften eingesetzt wird. Wirksame Governance bremst Innovation nicht aus und überwacht KI-Einführung nicht im negativen Sinne – sie schafft Transparenz, Verantwortlichkeit und architektonische Orientierung, damit Unternehmen KI sicher und konsistent skalieren können.

Ist KI im Enterprise Architecture Management modelliert, können Architekt:innen Fragen beantworten wie:

• Welche KI-Systeme verarbeiten sensible Geschäftsdaten?
• Welche KI-Systeme gelten laut EU AI Act als Hochrisiko-Systeme?
• Welche Business Capabilities und Geschäftsprozesse sind auf KI angewiesen?
• Welche Anwendungen nutzen ein bestimmtes Foundation Model oder einen bestimmten KI-Dienst?
• Welche KI-Systeme erfordern menschliche Aufsicht?
• Welche Governance-Kontrollen gelten für welches KI-System, und welche wurden bereits geprüft?
• Wer ist für welches KI-System fachlich und technisch verantwortlich?
• Welche KI-Systeme wären betroffen, wenn sich ein Foundation Model oder eine unterstützende Anwendung ändert?

Diese Erkenntnisse helfen Unternehmen, Risiken zu managen, Compliance zu unterstützen und vertrauenswürdige KI zu etablieren, ohne Innovation auszubremsen.

Als integraler Bestandteil des Enterprise Architecture Managements wird KI zur Grundlage für Analyse, Planung, Governance und fundierte Entscheidungen im gesamten Unternehmen.

Unternehmen können:

• doppelte KI-Initiativen identifizieren,
• Möglichkeiten zur Wiederverwendung bestehender KI-Fähigkeiten entdecken,
• Abhängigkeiten verstehen, bevor Änderungen eingeführt werden,
• KI-Investitionen nach geschäftlichem Nutzen priorisieren,
• Verantwortlichkeits- und Governance-Lücken erkennen,
• architektonische Auswirkungen vor der Einführung neuer KI-Dienste bewerten,
• die Weiterentwicklung von KI im gesamten Unternehmen planen.

Ziel ist es nicht, KI lediglich zu dokumentieren, sondern zu verstehen, wie sie zum Unternehmen beiträgt und wie sie sich weiterentwickeln sollte.

ADOIT erweitert Enterprise Architecture Management um KI als eigenständigen architektonischen Aspekt. Statt separate KI-Inventare, Governance-Tabellen und Discovery-Ergebnisse zu pflegen, können Unternehmen KI dort dokumentieren, wo sie hingehört: im EAM-Repository.

ADOIT Connect importiert und synchronisiert KI-bezogene Informationen aus externen Quellen wie Microsoft Entra, Azure AI Foundry, ServiceNow, Cloud-Plattformen und weiteren Unternehmenssystemen. Statt die technische Discovery zu ersetzen, schafft es die Grundlage für ein sich kontinuierlich weiterentwickelndes KI-Repository, indem es KI-bezogene Informationen aus dem gesamten Unternehmen konsolidiert.

ADOIT Forms reichern erfasste KI-Systeme um den geschäftlichen und architektonischen Kontext an, den Discovery allein nicht liefern kann. Architekt:innen können unterstützte Business Capabilities, Geschäftsprozesse, Verantwortlichkeiten, Geschäftsdaten, Governance-Informationen, Foundation Models und Beziehungen zu Unternehmensanwendungen strukturiert und governance-konform dokumentieren.

Workspaces verwandeln diese vernetzte Architektur in fundierte Entscheidungen. Ob es darum geht, Business Capabilities mit dem größten KI-Potenzial zu identifizieren, KI-Investitionen zu priorisieren, Governance und Compliance zu bewerten, architektonische Auswirkungen einzuschätzen oder künftige Zielarchitekturen zu planen – geführte EAM-Workflows helfen Unternehmen, architektonische Erkenntnisse in konkrete Maßnahmen umzusetzen.

Berichte und Dashboards schaffen Transparenz über KI-Adoption, Verantwortlichkeiten, Governance-Status, Dokumentationsgrad, Hochrisiko-KI-Systeme und weitere entscheidungsrelevante Informationen.

Das Ergebnis ist ein lebendiges EAM-Repository, das Unternehmen befähigt zu verstehen, wo KI Wert schafft, die Auswirkungen von Veränderungen einzuschätzen, KI konsistent zu steuern und im gesamten Unternehmen bessere strategische Investitionsentscheidungen zu treffen.