Aus Hype wird Vortrieb: Wie Business Architecture GenAI auf die Sprünge hilft

„Generative KI“ kann nützen – muss aber nicht. In Verbindung mit Geschäftsstrategie-fördernden Strukturen bringt’s die Technik aber durchaus.

Hand aufs Herz: Wer von uns hat in den letzten Monaten nicht mit einem GenAI-Tool experimentiert? Ob Chatbot, der E-Mails schreibt, oder eine KI, die Reports zusammenfasst – die Faszination ist da. Aber so oft kommt dann die Ernüchterung. Der große Quantensprung, den alle versprochen haben, fühlt sich eher wie ein Tropfen auf den heißen Stein an.

Eine Sache, die wir immer wieder sehen: GenAI wird eingeführt, ohne wirklich zu überlegen, wo es am besten hinpasst. Man hofft einfach, dass alles irgendwie besser, schneller, smarter wird. Das passiert aber selten. Am Ende optimieren Sie nur Silos, ohne die Abteilungen wirklich zu vernetzen. Der Output mag steigen, aber die Wirkung im Großen fehlt. Das ist so, als würden Sie ein Elektro-Upgrade in ein Auto einbauen, das noch mit angezogener Handbremse fährt.

Genau das ist das Ding: GenAI ist kein Wundermittel gegen Strukturprobleme. Im Gegenteil, ohne die richtige Basis kann es sogar das Chaos verstärken.

Hier kommt die Business Architecture ins Spiel. Sehen Sie sie als den Bauplan für Ihr Unternehmen. Sie sorgt dafür, dass Strategie, Prozesse, Fähigkeiten und Datenlogisch zusammenpassen. Ohne diesen Plan ist GenAI wie ein Satellit ohne Umlaufbahn – beeindruckend, aber ohne Orientierung.

Wenn Sie Ihre Business Architecture klar definiert haben, können Sie wichtige Fragen beantworten:

• Wo wollen wir als Unternehmen hin?
• Was können wir heute schon (und was fehlt uns noch)?
• Welche Fähigkeiten bringen uns echten Wert?

Mit diesen Antworten wird Business Architecture zu einer echten Steuerungsarchitektur. Und GenAI? Wird dann zum Beschleuniger.

Klar – GenAI unterstützt auch Architekten!

Ja, das ist kein Scherz. GenAI kann Sie sogar dabei unterstützen, Ihren Bauplan zu erstellen und aktuell zu halten:

• Knowledge Mining: Die KI durchsucht Berge von Dokumenten, E-Mails und Protokollen und extrahiert wichtige Informationen über bestehende Fähigkeiten oder Lücken in Ihren Prozessen.
• Automated Modelling: Aus einer einfachen Beschreibung kann die KI ein erstes Prozessmodell (z. B. ein BPMN-Diagramm) vorschlagen – inklusive Tipps, wie Sie es verbessern können.
• Consistency Checks: Die KI prüft, ob Ihre Dokumente, Spezifikationen und User Stories widerspruchsfrei sind und zueinanderpassen.

So macht die Technologie die Architektur besser, und die Architektur macht die Technologie effektiver.

Stellen Sie sich vor, Sie sind in einem mittelständischen Unternehmen, das bereits GenAI nutzt, um Reports zu erstellen. Die Ergebnisse sind aber oft widersprüchlich und die Abteilungen arbeiten isoliert.

Unser Ansatz wäre hier: Wir entwickeln zuerst eine Capability-Map für Ihre Fachbereiche. Dann sehen wir uns an, wo die GenAI-Dokumente am besten in die bestehenden Prozesse passen. Erst danach würden wir klare Verantwortlichkeiten, Erwartungen und Standards definieren und dann sowohl Mitarbeiter als auch die KI-Lösung entsprechend instruieren.

Das Ergebnis wäre dann unmittelbar: Ein klarer strukturierter, erheblich besser instruierter und vor allem viel präziserer Werkzeugeinsatz … und mit Sicherheit entsprechend bessere Ergebnisse.

Wie das im Geschäftsalltag aussehen könnte? Nehmen wir dieses – fiktive, aber realitätsnahe – Beispiel:

(Fiktive) Ausgangslage:

Eine mittelständische Bank erprobt GenAI, um in verschiedenen Bereichen zeitaufwendige Reportings schneller zu erzeugen. Die ersten Ergebnisse sind allerdings durchwachsen: Die Berichtsinhalte sind inkonsistent, Überlegungen der Software sind nur schwer nachvollziehbar, der „Nachbearbeitungsaufwand“ bleibt hoch. Dies alles übrigens nicht zuletzt, weil dem KI-Einsatz oft Klarheit, Spezifität und Präzision fehlen.

Ein möglicher Eingriff:

1. Gemeinsame Entwicklung einer Capability-Map über Fachbereiche hinweg: Welche Entscheidungen treffen wir überhaupt, welche Berichte brauchen wir zur Steuerung?
2. Betrachtung, wo und wie GenAI bestehende Prozesse überhaupt signifikant beschleunigen kann; umfängliche Auswertung dieser Ansatzpunkte (v.a. zwecks Entwicklung präziser Prompts).
3. Operationalisierung einer KI-Support-Architektur, inklusive Services,  Service-Verantwortlicher, KPIs, Traceability-Logik; anschließende Entwicklung von Prompt-Beispielen und -Templates sowie von Governance-Regeln für menschliche Eingriffe und Kontrollen (Human-in-the-Loop).
4. Modell-Entwicklung, Konfiguration, „Schulung“ und Testung; Ziel hierbei: dezidierte Ausrichtung des Werkzeugs auf gewählten – und jetzt speziell beschriebenen – Aufgaben.
5. Rekonfiguration des KI-Einsatzes; statt Vorverpackter Services sorgen eine neue, Bankeigene Oberfläche, Experten-konfigurierte Prompts (werden Nutzereingaben “hinzugefügt”) und ein speziell eingerichtetes, per API genutztes LLM für stark verbesserte Outputs.

Zu erwartende Ergebnisse:

• Prozessqualität: Unnötige Berichte und Mehrfach-Arbeiten vermieden, Reporting-Governance gestrafft.
• KI-Einsatz: Klarheit bez. zielgerichtetem, wertschöpfendem KI Einsatz erreicht; Einschränkungen des Werkzeugs beschrieben, Governance eingeführt.
• Output-Qualität: Mittels klarer Standards, verbessertem Prompting und konsequentem Human-in-the-Loop bereits messbar verbessert.

GenAI ist ein super Werkzeug, aber nur, wenn die Grundlage stimmt. Business Architecture gibt diesem Potenzial das Fundament und die Steuerung, die es braucht, um wirklich für mehr Leistungsfähigkeit zu sorgen.

Überlegen Sie sich doch einmal: Was müssten Sie in Ihrem Business Architecture Blueprint ändern, damit GenAI morgen nicht nur ein kleines, sondern ein wirklich großes Ding für Sie wird?

Dieser Beitrag wurde verfasst von:

Thomas Forwe, Geschäftsführer FINIUS