Der Weg zu einer Information Architecture beginnt mit vergleichsweise banalen Fragen: Über welche Art von Daten verfügt das Unternehmen? Wo sind sie gespeichert und wozu werden sie vorgehalten?
Foto: Sergey Nivens, Fotolia.com
Auch der wichtigste Zweck einer IA klingt zunächst nicht nach einem hochgesteckten Ziel, sondern eher nach einer Selbstverständlichkeit. "Die wesentliche Aufgabe einer Information Architecture ist es", heißt es im Grundsatzpapier des SOA Innovation Lab, "die benötigte Information zu jederzeit an jedem geforderten Ort in adäquater Qualität dem autorisierten Nutzer zur Verfügung zu stellen." Bei genauerer Betrachtung, ist das aber gar nicht so einfach zu erreichen. Ist dieses Ziel schon in einem 1-Mann-Unternehmen nicht immer ohne eine intensive Suche nach der richtigen Datei zu erreichen, gerät es in mittleren und großen Unternehmen zu einer Aufgabe, die nur dann in akzeptabler Zeit erledigt werden kann, wenn zumindest auf die eingangs gestellten Fragen aktuelle Antworten gegeben werden können.
Selbst dann, bleibt es ohne eine Information Architecture (IA) schwierig, die nicht nur diese Fragen beantwortet, sondern auch die richtigen Vorgehensweisen und Steuerungsmechanismen bereitstellt. Das gilt vor allem dann, wenn zahlreiche verschiedene Informationstöpfe an diversen Orten von unterschiedlichen Applikationen in vielen Abteilungen und Bereichen mit Daten gefüllt werden. Wenn dann noch unstrukturierte Daten aus sozialen Netzen zu Analysezwecken in die Unternehmensapplikationen eingespeist werden, ist die Forderung nach einer ortsunabhängigen, zügigen Bereitstellung einer Information ohne IA nicht erfüllbar.
Allerdings geht es nicht nur um das Auffinden von Informationen, sondern auch um die Qualität der gespeicherten Daten und um ihre Sicherheit. Diese beiden Attribute sind angesichts der enorm wachsenden Datenmengen, die in Unternehmen gespeichert werden, ebenfalls nicht herstellbar, wenn die Daten nicht im Sinne einer IA klassifiziert, strukturiert und definiert werden. Thomas Brunk,Mitglied des SOA Innovation Lab und Enterprise Architect bei der Telekom geht noch weiter. Seiner Auffassung zufolge ist die digitale Transformation, der sich zurzeit immer mehr Unternehmen unterziehen ohne eine Information Architecture nicht möglich: "Daten und Ihr Gebrauch bilden eine wichtige Grundlage aller digitalen Geschäftsmodelle und damit ist ihre Beherrschung die Voraussetzung der Digitalisierung."
Virulentes Problem
Um die Virulenz dieses Problems zu untermauern, führt Brunk eine Zahl ins Feld: "Umfragen haben ergeben, dass nur rund 19 Prozent der Unternehmen von sich behaupten, ihre Daten in guter Qualität und Konsistenz vorzuhalten." Durch einen kleinen Test lässt sich leicht feststellen, dass dieser Wert nicht nur statistische Relevanz hat. "Rufen Sie ein beliebiges Unternehmen an und lassen sie ihre Kundendaten ändern. Dann warten Sie 14 Tage und bitten um eine weitere Änderung. Wenn die Mitarbeiter im Call Center von den letzten Änderungen nichts wissen, dann können Sie davon ausgehen, dass die Daten dieses Unternehmens nicht konsistent sind, beziehungsweise eindeutige Regeln für die Datenverteilung fehlen. Sie wären überrascht, wie viele Unternehmen sich mit diesen Themen herumschlagen."
Da die 14 Mitgliedsunternehmen des SOA Innovation Labs, zu denen zum Beispiel Daimler, Telekom, Post, Wacker Chemie gehören, den Herausforderungen begegnen wollen, die die enormen Datenzuwächse bereithalten, kümmert sich seit Mitte 2012 eine eigene Arbeitsgruppe (Workstream) um das Thema IA. Mit den Ergebnissen, die der Workstream im Dezember letzten Jahres vorgelegt hat, will das SOA Lab seinen Mitgliedern beim Aufbau einer IA helfen.
Folgende Fragen, wollen die Teilnehmer des Workstream beantworten:
Über welche Informationen verfügen wir?
Welche Art von Daten haben wir?
Welche Informationen speichern wir und warum?
Sind unsere Daten gesichert?
Wie können wir unsere Daten/informationen schützen?
Müssen wir unsere Informationen/Daten kategorisieren?
Welche Informationen/Daten können wir in der Cloud speichern?
Wie können wir Daten definieren?
Thomas Brunk, Leiter dieses Workstreams, erklärt: "Es geht neben der Klassifizierung von Daten natürlich auch um die semantische Definition." Während mit einer Klassifizierung Datenarten identifiziert werden zum Beispiel nach Sensibilität, Zugehörigkeit oder Standardisierungsgrad, zielt die semantische Definition auf den Inhalt der Daten. "Die Frage, was ist ein Kunde? klingt zunächst einmal trivial. Doch wenn fünf Leute aus einer Firma fünf verschiedene Definitionen liefern, wird man schon stutzig und fragt sich als Datenverantwortlicher, ob es nicht besser wäre, wenn alle Beteiligten den Begriff Kunde gleich verstehen, beziehungsweise wüssten, was der jeweils andere meint, wenn er von Kunden spricht. Das heißt, man einigt sich besser auf einheitliche Syntax und Semantik", fordert Brunk die Anwender auf.
Ohne IA keine Entscheidung für oder gegen die Cloud
Ohne Klassifizierung kann die Frage nach der Speicherung in der Cloud genauso wenig beanwortet werden, wie Services in einer Service Orientierten Architektur wiederverwendet werden können, ohne die verwendeten Daten semantisch zu definieren.
Eine IA sorgt zum Beispiel auch dafür, dass Daten eines Systems von einem anderen weiterverarbeitet werden können. "Wenn ein Unternehmen nicht weiß, welche Daten von welcher Applikation verarbeitet werden und an welches Programm in welcher Form weiter gegeben werden, lässt sich zum Beispiel die Komplexität einer Landschaft nicht reduzieren", erklärt Brunk. Ein weiteres Problem ist die redundante Vorhaltung von Daten. Heute sei das in der Regel kein Kostenproblem, sondern ein Verteilungs- und Konsistenzproblem. "Wenn nicht klar ist, in welcher Applikation Daten geändert werden dürfen und von welchem Mastersystem kopiert werden darf, haben Sie in ganz kurzer Zeit ein wildes Durcheinander."
Grundvoraussetzung für Standardisierung
Darüber hinaus ist IA Grundvoraussetzung für Standardisierung, gleichgültig, auf welcher Ebene diese stattfinden soll - ob Prozess - Daten oder Softwarestandardisierung. Jede Software hat ihr eigenes Datenmodell - die sie auch behalten soll. Aber damit Applikationen sinnvoll Daten austauschen können, ist in der Mitte eine Übersetzungsschicht nötig, die das Mapping zwischen den Porgrammen übernimmt. "Wenn ein Berliner, ein Bayer und ein Hesse sich miteinander übers Frühstücken unterhalten, gehören Brötchen unbedingt dazu. Nur heißen diese hochdeutschen Brötchen in Bayern Semmel, in Hessen Weck und in Berlin Schrippe. Im übertragenen Sinn sorgt die Transformationsschicht IA dafür, dass alle drei wissen, dass Brötchen gemeint ist, wenn von Semmel, Weck und Schrippe geredet wird. Dabei muss der Bayer nur wissen, welche Definition die Transformationsschicht nutzt. Er muss nicht wissen, was der Berliner benutzt, weil der Berliner auch den Begriff der Transformationsschicht kennt", versucht Brunk sich an einem Bild für Völkerverständigung. Dabei stellt er gleichzeitig den wichtigsten Unterschied zwischen einer Information Architecture und einem unternehmensweiten Datenmodell heraus. Letzteres verlange Unmögliches, in dem sie jeder Applikation und jedem Service das gleiche Datenmodell verordne. "Das ist nicht durchzuhalten," erklärt Brunk. Ein IA beschränkt sich dagegen auf das bilaterale Mappen.