Enterprise Architecture Tools sind zentral, um die IT effektiv am Business auszurichten, dennoch liegen sie oft brach. Ein Projekt des Anwenderverbands CBA Lab hat untersucht, wie sich die Werkzeuge endlich wirkungsvoll einsetzen und typische Fehler vermeiden lassen.

Unternehmen brauchen heute volle Transparenz über ihre IT-Landschaften, um sich vorausschauend an veränderte Bedingungen anzupassen – und nicht zuletzt ihre KI-Transformation voranzutreiben. Dafür hat sich als Standard in den letzten Jahren Enterprise Architecture Management (EAM) durchgesetzt. Als Werkzeug für Enterprise Architecture, mit dem alle IT-Assets in einem Gesamtbild katalogisiert, visualisiert und gesteuert werden, nutzen innerhalb des Anwenderverbands CBA Lab rund 80 Prozent der Mitglieder das EA Tool SAP LeanIX.

Überraschend für die 15 teilnehmenden Enterprise Architects aus Unternehmen von Pharma über Logistik und Transport bis Automotive: Die Herausforderungen sind unabhängig vom eingesetzten Tool und der jeweiligen Branche gleich. Mehr als ein Drittel der verfügbaren IT-Daten wird durch die Bank nicht zur systematischen Unternehmenssteuerung genutzt. Dabei sind nicht die Tools oder Lizenzen das Problem, sondern organisatorische Fragen: Das größte Dilemma liegt für die meisten Unternehmen darin, dass der Nutzen des EA-Werkzeugs nicht ausreichend breit verstanden wurde. Enterprise Architecture kann also den eigenen Mehrwert oft noch nicht überzeugend genug vermitteln. Regeln existieren, werden aber ignoriert: So bleibt Governance ein zahnloser Tiger.

Nummer eins: Governance als Beziehung.

Am wichtigsten ist deshalb der Mut, klein zu starten, sichtbar Wert zu schaffen, anstatt den großen Wurf zu planen. Ebenso zentral ist es, Governance als Beziehung, also als Zusammenarbeit im Unternehmen zu verstehen, nicht als Regelwerk. Um in die Lage zu kommen, künftig Transformation im Unternehmen mittels EA aktiv steuern zu können, gilt es, die Unterstützung von allen Stakeholdern auf sämtlichen Ebenen zu erhalten, insbesondere aus dem Upper Management. So lernen Entscheider etwa aus FinOps und Portfolio Management, welche EA-Methoden und -Werkzeuge ihnen den entscheidenden Vorteil bringen, um die IT zu steuern. Erst damit entsteht bei den Stakeholdern eine echte, intrinsische Motivation, das Problem der brachliegenden Daten zu lösen. In der Praxis will der Fachbereich oft nicht die Verantwortung (Ownership) übernehmen, obwohl er das Domänenwissen hat. Kommunikation und Vertrauensaufbau sind also zentrale Erfolgsbausteine, um diese Haltung zu verändern.

Das gelingt am besten, wenn die Menschen sehen, wie die von ihnen gepflegten Daten auf das Gesamtbild einzahlen – und sie in Dashboards ganz konkrete Kennzahlen etwa zu Reifegrad oder Aktualität ihrer Domänen erhalten. Dabei rückt auch eine Kernfrage in den Blick, die Unternehmen beantworten müssen: Was soll genau mit dem Werkzeug betrachtet werden? Es geht um sehr unterschiedliche Sichten: Wie teuer ist meine Landschaft? Wie sicher? Wie reif für die KI?

Den Nutzen in Use Cases verdeutlichen.

Hier hat sich die Herangehensweise über konkrete Anwendungsfälle bewährt, um das EA-Tool zu einer strategischen Entscheidungsplattform auszugestalten. Im Projekt wurde dafür ein standardisiertes Template entwickelt, mit dem sich sehr gezielt und schnell ein Use Case themenübergreifend anhand einer geführten Fragestellung beschreiben lässt – einschließlich Ausgangsproblematik, Hürden, Einschränkungen und Stakeholdern [1]. Zudem entstanden 20 Use Cases als Industry Insights – beispielsweise für Financial Insights oder Security Insights.

Die Mitglieder, bei denen Enterprise Architecture Top-down zum Beispiel durch CIO-geführte Surveys gesponsert wird, konnten deutlich bessere Ergebnisse bei der Akzeptanz erzielen als diejenigen mit reinen Bottom-up-Strategien. Mit guter Kommunikation, Governance und Vertrauen in die Daten steigt die Akzeptanz für EA überproportional und wird von deutlich mehr Mitarbeitenden genutzt. Ein Unternehmen aus dem Transportbereich konnte den Nutzungsgrad unter anderem durch Incentivierung, Self-Service-Dashboards und gute Governance steigern, bei einem anderen Projektteilnehmer nutzen rund 27.000 User das EA Tool SAP LeanIX regelmäßig.

Automatisierung und Integration als Erfolgsfaktoren.

Die Anbindung an CMDB-Systeme wie ServiceNow (Configuration Management Database), Jira, GitHub und Cloud-Ressourcen ist entscheidend für die Akzeptanz, denn von Entwicklern gepflegte Daten veralten schnell. Je mehr Intelligenz in das Design einer Integrations-Pipeline für Daten fließt, desto effektiver und robuster ist das EA Tool später. So ersetzte ein Projektteilnehmer mit über 30 automatisierten Qualitätsprüfungen wie Plausibilitäts-Checks die manuelle Validierung und konnte so das Onboarding neuer Daten von Wochen auf Minuten beschleunigen.

Eine wichtige Motivation von EA besteht zudem darin, die passenden Methoden bereitzustellen, um mit einer möglichst schlanken IT kostengünstig die Produkte zu betreiben. Große und selbst mittelgroße Unternehmen wissen über 10 bis 25 Prozent ihrer Software nicht ausreichend Bescheid – die damit verbundenen Kosten und Sicherheitsrisiken werden immer weiter mitgeschleppt. Bei der Beantwortung der Frage nach der Effizienz ihres Portfolios gibt es noch erhebliches Optimierungspotenzial, denn das bedeutet letztlich, mit EA Ordnung zu schaffen.

Klar ist auch, die Zeit drängt. Ohne EA Tool wird die anstehende KI-Transformation deutlich erschwert; perspektivisch braucht die KI zudem die Daten zur IT-Struktur. Auch deshalb geht es nicht um die perfekte Modellierung und vermeintliche Vollständigkeit, sondern um einen Anschluss an konkrete Entscheidungen rund um Kosten, Projekte, CMDB und Transformation. Ausschlaggebend ist die Frage: »Welche Entscheidungen wollen wir morgen besser und schneller treffen als heute?«.

Diese klassischen Fehler sollten Unternehmen vermeiden
Werkzeuge wie SAP LeanIX erzeugen nicht einfach durch ihre Einführung einen Wert, sondern nur, indem sehr viel Energie in Vertrauensaufbau, Kommunikation und Change Management gesteckt wird. Ohne diesen Aufwand werden sie als leere Hülle in der Regel nur oberflächlich und statisch genutzt. Mehr Daten führen nicht automatisch zu einer besseren Architektur: Im Gegenteil hat sich in vielen Unternehmen gezeigt, dass zu viele Daten eher »Rauschen« erzeugen und das Vertrauen in die Aussagekraft des Systems sinkt. Die Idee, zunächst ein vollständiges Metamodell zu entwickeln, hat sich als erhebliches Hindernis erwiesen. Auch der Ansatz »ein Datenmodell für alles« funktioniert nicht, denn er geht allzu oft an der Realität der Stakeholder vorbei. Eine weitere typische Stolperfalle ist die Konsolidierung der Verantwortung in der Enterprise Architecture, denn so wird nachhaltige Datenqualität verhindert.

Detlev Persson,
Lead Enterprise Architect bei Bayer und Leiter
des Projekts »Best Practices für EA Tools«
vom Cross-Business-Architecture Lab

[1] Link auf die Projektseite: https://cba-lab.de/ergebnisse/best-practices-leanix

Illustration: © Eugenesergeev, GenAI | Dreamstime.com

252 Artikel zu „ Enterprise Architecture“

Ausgabe 7-8-2020 | Business | News | Strategien

Enterprise Architecture Management – Übertriebener Formalismus oder nützliches Werkzeug?

17. August 2020

Gibt es in Ihrem Unternehmen einen IT-Architekten oder gar ein Architektur-Team? Wenn Ihre Antwort »nein« heißt, steht Ihr Unternehmen damit nicht allein da. Und falls Sie einen Architekten haben: Wie wichtig ist er oder sie für den Erfolg der IT und des Unternehmens a) in seiner eigenen Wahrnehmung und b) in der Wahrnehmung des Unternehmens?