KI in der Enterprise Architecture: ein gesteuerter Assistent

Warum KI jetzt in die Enterprise Architecture eintritt

Enterprise Architecture hat immer mit einem stillen Problem gerungen: Das Modell ist nie ganz aktuell. Anwendungen ändern sich, Eigentümer wechseln, Abhängigkeiten driften, und die Dokumentation, von der Entscheidungen abhängen, hinkt der Realität hinterher. Der Großteil dieser Lücke ist manuelle Arbeit — lesen, abbilden, abgleichen — und genau diese Art von Arbeit beschleunigt moderne KI gut.

Das Interesse ist also real, nicht nur Hype. Aber der Wert hält nur, wenn KI dort eingesetzt wird, wo sie wirklich stark ist, und von dort ferngehalten wird, wo sie schwach ist. Dieser Artikel nimmt eine nüchterne Sicht ein: was KI realistisch zur EA beiträgt, wo ihre Grenzen liegen und wie man sie nutzt, ohne die Kontrolle über Entscheidungen aufzugeben, die kosten- und compliancerelevant sind.

Wobei KI realistisch hilft

Die ehrliche Liste ist schmaler als das Marketing, aber sie ist dennoch bedeutsam. KI ist am nützlichsten bei Aufgaben, die mühsam, repetitiv und in Daten verankert sind, die Sie bereits halten. Sie komprimiert die Zeit zwischen dem Vorhandensein einer Landschaft und einem nutzbaren Bild davon.

• Auto-Dokumentation: Entwerfen von Beschreibungen, Zusammenfassungen und Fähigkeitsnotizen aus vorhandenen Daten, die ein Mensch dann prüft
• Lückenerkennung: Markieren fehlender Eigentümer, nicht abgebildeter Anwendungen und verwaister Abhängigkeiten, die Menschen routinemäßig übersehen
• Landschaftsanalyse: Zusammenfassen eines großen Bestands, damit ein Architekt Konzentration, Redundanz und Risiko schneller sieht
• Optionsgenerierung: Vorschlagen möglicher Rationalisierungs- oder Modernisierungsschritte mit angehängter Begründung und Quellen

Wo die Grenzen der KI liegen — und warum das wichtig ist

Ein Sprachmodell kann sich selbstsicher irren. Es kann eine Abhängigkeit erfinden, die nicht existiert, einen Kontext verfehlen, den ein Modell nie erfasst hat, oder eine „saubere“ Rationalisierung vorschlagen, die eine vertragliche oder regulatorische Einschränkung ignoriert, die niemand aufgeschrieben hat. In der Enterprise Architecture sind solche Fehler nicht kosmetisch — sie speisen Budgets, Audits und operatives Risiko.

Deshalb ist die richtige Haltung skeptisch by design. KI-Output sollte als Entwurf und als Anstoß zum menschlichen Urteil behandelt werden, nie als Autorität. Die Rolle des Architekten schrumpft nicht; sie verschiebt sich von der manuellen Zusammensetzung hin zum Prüfen, Hinterfragen und Entscheiden. So genutzt, erhöht KI den Durchsatz, ohne das Risiko zu erhöhen.

Governance: der nicht verhandelbare Teil

Wenn KI Architekturarbeit berühren soll, muss Governance mitkommen. Drei Eigenschaften machen den Unterschied zwischen einem nützlichen Assistenten und einem unkontrollierten.

• Human-in-the-Loop: Eine Person validiert, bevor etwas zur Entscheidung wird — KI bereitet vor, der Mensch genehmigt, bearbeitet oder lehnt ab
• Keine autonomen Änderungen: Der Assistent schreibt Ihr Modell nicht still um; er schlägt vor, und das Modell ändert sich erst, wenn ein Mensch die Änderung bestätigt
• Auditierbarkeit: Jeder Vorschlag, die Daten, auf die er sich stützte, und die menschliche Entscheidung werden protokolliert, sodass das Ergebnis einem Prüfer oder Regulierer erklärt werden kann

Warum das zu regulierten und risikobewussten Organisationen passt

In der regulierten Finanzwelt, im öffentlichen Sektor und in anderen risikobewussten Kontexten ist „die KI hat es geändert“ keine akzeptable Antwort für einen Auditor. Was diese Organisationen brauchen, ist Nachvollziehbarkeit: wer entschieden hat, auf welcher Grundlage und mit welchen Belegen. Ein gesteuerter Assistent stärkt diesen Nachweis, statt ihn zu untergraben, weil er jeden Vorschlag durch eine protokollierte menschliche Entscheidung zwingt.

Das deckt sich auch mit der breiteren Governance-Arbeit, die eine Architekturfunktion bereits leistet — Review-Boards, dokumentierte Entscheidungen, Anwendungsregister und Abhängigkeitskarten. KI sitzt innerhalb dieser Disziplin, nicht um sie herum. Wie dieser Governance-Rahmen in einem DORA- und NIS2-Kontext funktioniert, sehen Sie in der unten verlinkten Governance-Säule.

Wie Archilu KI in der EA angeht

Archilu behandelt KI als gesteuerten Assistenten, nicht als autonomen Agenten. Sie analysiert die vernetzte Landschaft, erkennt Abbildungslücken, generiert mit Quellen belegte Optionen und bereitet Entscheidungen zur menschlichen Validierung vor. Das Prinzip ist im Produkt explizit: gesteuerte Entscheidungen unterstützen, ohne die Freigabe zu umgehen.

Konkret bedeutet das, dass der Assistent nie von sich aus eine Änderung an Ihrem Modell bestätigt. Er erledigt die Vorarbeit — den Bestand lesen, aufzeigen, was fehlt, mögliche Optionen mit ihren Quellen entwerfen — und übergibt dem Architekten dann einen klaren, prüfbaren Vorschlag. Der Mensch bleibt verantwortlich, und die Auditspur bleibt intakt. Das Diagramm oben zeigt die Schleife: analysieren, erkennen, generieren, dann validieren.

Ein praktischer Einstieg

Sie brauchen keine fertige KI-Strategie, um zu profitieren. Beginnen Sie damit, sicherzustellen, dass Ihre Landschaft vernetzt und Ihre Entscheidungen dokumentiert sind, denn KI ist nur so gut wie das Modell, das sie liest, und die Governance, in der sie arbeitet. Lassen Sie von dort den Assistenten die Vorarbeit übernehmen — Dokumentationsentwürfe, Lückenmarkierungen, Optionsvorschläge — während Ihre Architekten das letzte Wort behalten.

Wenn Sie einen konkreten Ausgangspunkt wollen, bewertet Archilus kostenlose EA-Reifebewertung zehn Dimensionen und liefert in etwa zehn Minuten einen priorisierten Aktionsplan. Es ist ein fundierter Weg, zu sehen, wo KI-Unterstützung Ihrer Organisation tatsächlich helfen würde, statt dort, wo ein Anbieter es behauptet.