Datenqualität ist der Treiber für wertstiftendes Enterprise Architecture Management – doch wie schafft man den Sprung von fragmentierten Excel-Listen zu konsistenten, strategisch nutzbaren Architekturdaten? In dieser praxisnahen Case Study der Zeppelin GmbH zeigen wir, wie KI-basierte Datenanreicherung und semi-automatisierte Workflows die EA-Datenqualität revolutionieren können. Ausgangspunkt war ein Luy-basiertes EA-Repository mit unvollständigen Anwendungszuordnungen, uneinheitlichen Beschreibungen und fehlenden Business-Capability-Mappings. Durch eine Python-gesteuerte Pipeline extrahieren wir Architekturmetadaten, validieren diese mittels LLMs (Large Language Models) und generieren kontextsensitive Vorschläge für Beschreibungen, Vendor-Zuordnungen und Capability-Mappings – immer mit dem Architekten als finalem Entscheider. Der Vortrag beleuchtet Lessons Learned aus der Zusammenarbeit von KI-Systemen und Architektur-Experten, zeigt konkrete Implementierungsbeispiele und diskutiert, wie dieser Ansatz strategische Entscheidungsprozesse durch verlässliche Daten unterstützt. Ein Must-Know für alle, die EA-Repositories vom Kostenfaktor zum Innovationstreiber transformieren wollen.

Erfahren Sie, wie wir:

• Anwendungsbeschreibungen automationsgestützt standardisieren
• Business-Capability-Zuordnungen durch KI-Vorklassifizierung beschleunigen
• Manuelle Bereinigungsaufwände signifikant reduzieren