Veränderungsmotor Technologie: KI-Einsatz im Software-Engineering verändert Organisation und Zusammenarbeit

Veränderungsmotor Technologie: Das verändert KI im Software-Engineering bei Organisation und Zusammenarbeit

Im ersten Teil dieses Artikels haben wir einen Überblick über KI-Werkzeuge und ihren möglichen Impact im Bereich des Softwareengineerings gegeben. In diesem Teil beschäftigen wir uns mit den Auswirkungen auf Organisationen und die Zusammenarbeit von Menschen.

Der Schwerpunkt in der Zusammenarbeit von Teams wird auf Flexibilität, Lernbereitschaft und einer stärkeren Ausrichtung auf Innovation und Kundenzufriedenheit liegen. Die Unternehmen, die diese Veränderungen am besten bewältigen, werden wettbewerbsfähiger und in der Lage sein, die Chancen der KI-Revolution optimal zu nutzen.

Verschiedene Modelle zur Beschreibung des Verhältnisses von Mensch und KI.
Verschiedene Modelle zur Beschreibung des Verhältnisses von Mensch und KI.

Integration von KI im Arbeitsprozess

Teams werden vermehrt mit KI-Systemen zusammenarbeiten, um Aufgaben effizienter zu erledigen. Dies erfordert eine Anpassung an die Integration von KI in den Entwicklungsprozess. Entwickler werden KI-Systeme als Werkzeuge zur Unterstützung nutzen und lernen, wie sie am besten von diesen profitieren können. Die Zusammenarbeit zwischen Mensch und Maschine wird zur Norm.

Skills – Entwicklung agiler Fähigkeiten

Mitarbeiter müssen flexibler sein und sich schnell an neue Technologien und Tools anpassen können, da sich KI-Systeme und -Technologien dynamisch und schnell weiterentwickeln. Mitarbeiter müssen möglicherweise neue Fähigkeiten und Kenntnisse erwerben, um KI effektiv nutzen zu können, sei es im Bereich Machine Learning, Datenanalyse oder der Nutzung von KI-Entwicklungstools.

Veränderung von Rollen und Aufgaben

Es entstehen innerhalb der Organisation neue Rollen, die sich auf KI spezialisieren, wie z.B. KI-Architekten, Datenwissenschaftler oder KI-Ethikbeauftragte. Gleichzeitig können bestimmte Aufgaben, die bisher von Menschen durchgeführt wurden, wie das Schreiben von Code oder das Testen von Software, stärker automatisiert werden. Mitarbeiter werden sich (wie auch in bisherigen Digitalisierungswellen) nach und nach auf komplexere Aufgaben konzentrieren. Die Weiterentwicklung und Höherqualifizierung des bestehenden Personals wird damit eine zentrale Change-Aufgabe.

Ethik und Governance

Eine Organisation, die künstliche Intelligenz (KI) einsetzt, muss klare Richtlinien zur Ethik und Governance entwickeln. Diese Richtlinien sind entscheidend, um sicherzustellen, dass die Nutzung von KI die Werte der Organisation und die Interessen aller relevanten Interessensgruppen berücksichtigt – Stichworte dazu sind Transparenz, Datenschutz, Fairness und Sicherheit. Die Einhaltung ethischer und rechtlicher Standards sollte überwacht und die Mitarbeiter entsprechend geschult werden. Eine transparente Kommunikation mit Kunden über den Einsatz von KI ist ebenfalls wichtig.

Wissensaufbau und -transfer

Wissen über den effektiven Einsatz von KI muss innerhalb der Organisation geteilt und verbreitet werden, um sicherzustellen, dass alle Mitarbeiter von den neuen Technologien profitieren können. Die Mitarbeiter in einem Unternehmen müssen ein grundlegendes Verständnis für KI-Technologien entwickeln. Dies beinhaltet die Kenntnis der verschiedenen Arten von KI, ihrer Anwendungsbereiche und ihrer Funktionsweise. Darüber hinaus erfordert der Einsatz von KI in einem Unternehmen spezifisches Domänenwissen über die Geschäftsprozesse und Ziele des Unternehmens. Dies ist entscheidend, um relevante Daten zu identifizieren, Modelle zu validieren und die Ergebnisse in die Geschäftsstrategie zu integrieren. Unternehmen müssen darüber hinaus in den Aufbau von Datenwissen investieren. Dies beinhaltet die Sammlung, Bereinigung und Organisation von Datenquellen, um qualitativ hochwertige Datensätze für KI-Anwendungen zu erstellen.

Schließlich ist die kontinuierliche Weiterbildung und Anpassung von entscheidender Bedeutung. Da sich KI-Technologien ständig weiterentwickeln, müssen Mitarbeiter und das Unternehmen als Ganzes auf dem neuesten Stand bleiben. Dies erfordert Schulungen, den Austausch von Best Practices und die Bereitschaft, neue Erkenntnisse und Technologien in den Arbeitsablauf zu integrieren.

Kultureller Wandel

Die Einführung von KI erfordert oft einen kulturellen Wandel, bei dem Mitarbeiter Offenheit für neue Ideen und Technologien zeigen müssen, um die Transformation erfolgreich zu gestalten. Im Zuge der Beschleunigung technologischer Innovation müssen sich auch Organisationen öffnen und vorhandene Potentiale besser nutzen.

Agile Organisationen kommen mit diesem Change schneller zurecht und können Trends besser zu ihrem Nutzen aufnehmen. Hierarchische Organisationen stehen vor der Herausforderung, dass agile Methoden mit einer Änderung des Mindsets und der Kultur einhergehen, was die Zusammenarbeit und Entscheidungsfindung radikal verändert.

Kundenorientierung und Kundenbeziehungen

Unternehmen werden KI nutzen, um Software stärker an die Bedürfnisse ihrer Kunden anzupassen und mit ihnen direkter zu interagieren. Dies erfordert eine stärkere Kundenorientierung und die Fähigkeit, Kundenrückmeldungen in die Produktentwicklung zu integrieren.

Fazit: Die Chance KI nutzen

Die Integration von KI in den Software-Entwicklungsprozess bietet unzählige Vorteile, von der Automatisierung routinemäßiger Aufgaben bis hin zur Personalisierung der Weiterbildung.

Es ist jedoch wichtig zu betonen, dass KI nicht als Ersatz für menschliche Fachkenntnisse und Intuition gesehen werden sollte, sondern vielmehr als ein Werkzeug, das Softwareentwickler in ihrer Arbeit unterstützt. Durch die Kombination menschlicher Kreativität mit der Leistungsfähigkeit der KI können wir eine neue Ära des Software-Engineerings einläuten, die produktiver, effizienter und innovativer ist als je zuvor.

Veränderungsmotor Technologie: KI-Einsatz im Software-Engineering bringt neue Werkzeuge und Chancen

Veränderungsmotor Technologie: KI-Werkzeuge im Software-Engineering und ihre Auswirkung auf Arbeitsformen

Der technologische Wandel erweist sich oft als Veränderungsmotor für Arbeitsweisen und Organisationsformen. Ein Blick auf mögliche Auswirkungen der KI auf die Softwarebranche in zwei Teilen. In diesem ersten Teil beschäftigen wir uns mit neuen Werkzeugen und Arbeitsformen, die sich aus Neuerungen im Bereich der KI Ergeben. Der zweite Teil der Serie beschäftigt sich dann mit Auswirkungen auf die Organisation & Zusammenarbeit.

Die digitale Transformation schreitet in rasantem Tempo voran, und mit ihr die Notwendigkeit, die Softwareentwicklung zu optimieren und effizienter zu gestalten. Eine der Schlüsseltechnologien dafür ist die künstliche Intelligenz (KI) – sie wirkt sich auf Arbeitsformen, Organisationsformen und letztlich auch die Kultur in Unternehmen aus.

Der Einsatz von KI im Softwareengineering wirkt sich auf Werkzeuge und Arbeitsformen sowie Organisation und Zusammenarbeit aus.

Im folgenden bieten wir einen Überblick über die aus unserer Sicht relevantesten KI-getriebenen Werkzeuge und ihre Auswirkungen auf die Branche.

Automatisierte Code-Generierung

Stellen Sie sich vor, anstatt Code Zeile für Zeile zu schreiben, könnten Sie Ihre Anforderungen in natürlicher Sprache formulieren, und eine KI würde den entsprechenden Code generieren. Modelle wie OpenAI‘s GPT-4 sind bereits in der Lage, einfache Programmieraufgaben basierend auf natürlichen Sprachanfragen zu erfüllen. Dies kann die Entwicklungszeit stark verkürzen und die Codequalität verbessern.

Code-Review und Qualitätssicherung

Jeder Entwickler kennt die Herausforderungen, die mit Code-Reviews verbunden sind. KI-Systeme können kontinuierlich Code überprüfen, potenzielle Fehler identifizieren und Best Practices empfehlen. Dies ergänzt menschliche Review-Prozesse und trägt zur Reduzierung von Fehlern bei.

Optimierung und Testautomatisierung

KI kann nicht nur dabei helfen, effizienteren Code zu schreiben, sondern auch Tests zu automatisieren. Statt manuell Testszenarien zu erstellen, können KI-Modelle basierend auf dem vorhandenen Code automatisch Testfälle generieren und ausführen.

Effektives Projektmanagement

Eine der größten Herausforderungen im Software-Engineering ist die Ressourcenallokation. Wie lange wird die Entwicklung eines Features dauern? Welche Ressourcen werden benötigt? Durch die Analyse historischer Daten kann KI Entwicklungszeiten präziser vorhersagen und die Zuweisung von Ressourcen optimieren.

Personalisierte Schulungen

KI kann den Bildungsbedarf jedes Entwicklers individuell erkennen und maßgeschneiderte Lernpfade vorschlagen. Dies ermöglicht es die Qualität und Effizienz des gesamten Teams kontinuierlich zu steigern.

Der Einsatz von KI in der Softwareentwicklung wird die Art und Weise, wie Menschen zusammenarbeiten und welche Rollen sie in Organisationen einnehmen, grundlegend verändern.

Karl Schott, Gründer & CEO

Im zweiten Teil des Artikels untersuchen wir, welche Auswirkungen diese Werkzeuge auf die Organisation und Zusammenarbeit im Bereich Softwareengineering haben.

Spirit in Projects - ihr Partner für KI-Anwendungen und Anforderungsanalyse

KI im Requirements Engineering: Die Revolution für Softwareanalyse

Requirements Engineering steht an vorderster Front bei der Entwicklung von Software – und KI wird zukünftig eine transformative Rolle in diesem Bereich spielen.

Requirements Engineering (RE) definiert, was ein System tun soll, bevor der Bau überhaupt beginnt und befasst sich mit der systematischen Erfassung, Dokumentation und dem Management von Anforderungen. Die Einbindung von KI in den RE-Prozess ermöglicht ein effizienteres und präziseres Erfassen von Anforderungen.

Erkennung natürlicher Sprache

In der Kommunikation rund um Softwareprojekte (z.B. E-Mails, Kundenfeedback, Meetings) liegen oft verborgene Anforderungsdetails. KI-Modelle, insbesondere solche, die Natural Language Processing (NLP) nutzen, können Details aus der Flut von Informationen herausfiltern. Das Erkennen von Entitäten, Relationen und Kontext sind zentrale Funktionen hierbei. Ein Satz wie „Das Interface sollte schneller sein“ birgt für einen Menschen Mehrdeutigkeiten, kann aber von KI durch die Analyse anderer bekannter Informationen in Relation gebracht und in spezifischere Anforderungen übersetzt werden.

Automatische Klassifizierung

Bei der Entwicklung von Softwareprodukten können oft Hunderte oder sogar Tausende Anforderungen generiert werden. Die KI kann helfen, diese Anforderungen automatisch in vordefinierte Kategorien wie „funktional“, „nicht-funktional“, „benutzerzentriert“ oder „sicherheitsrelevant“ einzuteilen. Diese Einteilung hilft im RE auch die Vollständigkeit der Anforderungen zu erkennen. Die automatische Klassifizierung und Priorisierung von Anforderungen, unterstützt durch KI, ermöglicht, den Fokus auf kritische Aspekte des Projekts zu legen.

Kontinuierliches Lernen

Die dynamische Natur von Softwareprojekten erfordert Systeme, die sich anpassen und lernen können. KI-Modelle sind nicht statisch. Sie können und sollten regelmäßig mit neuen Daten trainiert werden, um aktuell zu bleiben. Durch Feedbackschleifen und aktive Lernansätze kann ein KI-System seine Genauigkeit im Laufe der Zeit verbessern. Allerdings ist eine sorgfältige Überwachung entscheidend, um sogenannte „Modelldriften“ zu vermeiden, bei denen die Vorhersagen eines Modells mit der Zeit weniger genau werden.

Abschließend bietet die Integration von KI in das Requirements Engineering immense Vorteile, die sich in effizienteren, genaueren und adaptiveren RE-Prozessen niederschlagen. Dennoch sollten Requirements Engineers und Softwareanalytiker stets wachsam sein und die Ergebnisse von KI-Modellen regelmäßig validieren. In der Balance zwischen Technologie und menschlichem Urteilsvermögen liegt
der Schlüssel zum Erfolg.


Trainingsangebote zu KI und RE:

Nutzen Sie die Chancen von KI - mit der richtigen Qualifikation durch Spirit in Projects!

Im Zeitalter der KI: Die Zukunft in Ihren Händen

Die Zukunft ist jetzt! Tauchen Sie ein in die Welt der künstlichen Intelligenz (KI) und entdecken Sie, wie sie die IT-Landschaft revolutioniert. In diesem Artikel erkunden wir die Relevanz von KI und warum ein vielfältiges Fachwissen der Schlüssel zum Erfolg ist.

Die rasante Entwicklung der künstlichen Intelligenz (KI) hat unsere Welt auf den Kopf gestellt und die IT-Branche nachhaltig verändert. In einer Ära, in der Daten zur wertvollsten Währung geworden sind, stellt KI das Herzstück unserer digitalen Transformation dar. Sie treibt Innovationen in beispiellosem Tempo voran und ermöglicht es Unternehmen, ihre Effizienz zu steigern, Kunden besser zu verstehen und bahnbrechende Lösungen zu entwickeln.

Entwicklung der KI

Die Entwicklung der künstlichen Intelligenz (KI) hat in den letzten Jahrzehnten bedeutende Fortschritte erlebt, welche die Art und Weise, wie wir Technologie und Geschäftsprozesse verstehen, grundlegend verändert haben. In den frühen Jahren der KI, von den 1950er bis zu den 1970er Jahren, lag der Fokus auf symbolischer KI, bei der Regeln und Symbole verwendet wurden, um menschenähnliche Intelligenz zu simulieren. Dies führte zur Entwicklung von Expertensystemen, die spezialisiertes Wissen in Form von Regeln nutzen konnten.

Die folgende Phase, bekannt als „KI-Winter“ in den 1980er Jahren und frühen 2000er Jahren, war gekennzeichnet von Enttäuschungen und finanziellen Rückschlägen, da die hohen Erwartungen an KI nicht erfüllt wurden und viele Projekte eingestellt wurden.

Die Wiederbelebung der KI begann in den späten 2000er Jahren, als Fortschritte im maschinellen Lernen und die Verfügbarkeit großer Datenmengen neue Möglichkeiten eröffneten. Maschinelles Lernen ermöglichte es Algorithmen, Muster in Daten zu erkennen und automatisch Modelle zu erstellen. Insbesondere das Tiefenlernen (Deep Learning) mit neuronalen Netzwerken führte zu bahnbrechenden Fortschritten in Bereichen wie Bilderkennung, natürlicher Sprachverarbeitung und autonomem Fahren.

Die letzten Jahrzehnte haben gesehen, wie KI-Technologien in eine breite Palette von Anwendungen integriert wurden, von personalisierten Empfehlungssystemen in sozialen Medien bis hin zur medizinischen Diagnose und autonomem Fahren. Darüber hinaus hat die Ethik und Governance im Zusammenhang mit KI an Bedeutung gewonnen, da Fragen zu Datenschutz, Bias und Verantwortung aufgeworfen wurden. Die Entwicklung autonomer Systeme wie selbstfahrende Autos und Drohnen hat Branchen wie Transport und Logistik grundlegend verändert.

Insgesamt hat sich KI von einer theoretischen Idee zu einer praktischen Realität entwickelt, die unsere Lebensweise und die Art und Weise, wie wir Geschäfte betreiben, tiefgreifend beeinflusst hat. Der Fokus hat sich von symbolischer KI hin zu datengetriebenen Ansätzen wie maschinellem Lernen verschoben, was zu erheblichen Fortschritten in der Leistungsfähigkeit und Anwendbarkeit von KI-Technologien geführt hat.

Die KI-Revolution: Wo stehen wir heute?

Heute stehen zahlreiche KI-Technologien wie Large Language Models (LLM) oder Bildgeneratoren auch der breiten Masse an Nutzern zur Verfügung und das Thema wird medial breit aufgegriffen. Die Anwendungsbereiche von KI sind so vielfältig wie nie zuvor. Beispielsweise unterstützt sie im Gesundheitswesen Ärzte bei der Diagnose komplexer Krankheiten. In der Automobilindustrie arbeitet sie daran, selbstfahrende Autos auf die Straße zu bringen. Die ethischen und gesellschaftlichen Auswirkungen von KI sind derzeit Gegenstand intensiver Diskussionen. Wie wir mit diesen Fragen umgehen, wird unsere Zukunft entscheidend beeinflussen.

KI ist mehr als nur ein technologischer Fortschritt. Sie verändert die Art und Weise, wie wir leben und arbeiten, und stellt uns vor Herausforderungen, die wir gemeinsam bewältigen müssen.

Karl Schott, Gründer & CEO

Die Bedeutung von Fachwissen

Multidisziplinäre Teams mit unterschiedlichsten Qualifikationen spielen eine entscheidende Rolle beim erfolgreichen Einsatz von KI in einem Unternehmen. Vielfalt ermöglicht es, KI-Anwendungen aus verschiedenen Blickwinkeln zu betrachten und interdisziplinäre Lösungsansätze zu entwickeln. KI-Projekte erfordern eine breite Palette von Fähigkeiten, darunter Datenanalyse, maschinelles Lernen, Softwareentwicklung, Ethik, Design, Projektmanagement und Domain-Expertise. Ein multidisziplinäres Team kann diese Vielfalt besser bewältigen und verschiedene Herausforderungen angehen, von der Datengewinnung und -verarbeitung bis zur Modellentwicklung, Ethikbewertung und Implementierung.

Des Weiteren ist die Kundenorientierung von großer Bedeutung. Ein diversifiziertes Team kann sich besser in die Bedürfnisse und Erwartungen der Kunden hineinversetzen und KI-Anwendungen entwickeln, die wirklich wertvoll sind. Ethiker und Rechtsexperten können sicherstellen, dass KI-Anwendungen ethischen Standards und rechtlichen Anforderungen entsprechen.

Die Basis für ein solches Team bilden solide fachliche Qualifikationen, wie etwa Data Science und Machine Learning, Softwareentwicklung, Domain-Expertenwissen, Ethik und Governance, UX/UI Design, Projektmanagement, Kommunikationsfähigkeiten sowie eine Portion Kreativität.

Auch für das Management ist es wichtig, die Chancen und Funktionsweisen von KI zu verstehen, um die Werkzeuge gezielt für ihren Unternehmenserfolg einzusetzen und ihre Mitarbeitern entsprechend zu qualifizieren. Auch beim Treffen von strategischen und datenbasierten Entscheidungen wird es immer relevanter, die entsprechenden Daten und Entscheidungsprozesse richtig interpretieren zu können.

Der Schlüssel: Qualifikation

Der Schlüssel zur produktiven Nutzung des technologischen Wandels für Ihr Unternehmen ist die laufende Qualifikation – für Sie selbst und Ihre Mitarbeiter. Unser aktuelles Trainingsprogramm setzt genau an dieser Stelle an.

Bewährtes Fachwissen auf dem modernsten Stand der technischen Entwicklung vertieft Ihr fachliches Skillset. Denn eine solide fachliche Grundlage ist der Ausgangspunkt für die Steuerung von Innovation. Gleichzeitig unterstützen Sie unsere völlig neu konzipierten Innovationstrainings mit KI-Schwerpunkt, Ihr Wissen am Puls der Zeit anzuwenden.

Stellen Sie Ihr persönliches Qualifikationsprogramm zusammen, um die Möglichkeiten moderner Technologien optimal zu nutzen. Es ist an der Zeit, die Führung zu übernehmen und die Möglichkeiten der KI zu nutzen – gestalten Sie Ihre berufliche Zukunft aktiv und vorausschauend!


Trainingsangebote zu KI:

Data Journeys - effektive Analysen mit Spirit in Projects

Data Journeys: Ein Weg zu besserer Digitalisierung für Unternehmen

Im heutigen digitalen Zeitalter stehen Unternehmen zunehmend unter dem Druck, ihre Abläufe und Daten zu digitalisieren, um wettbewerbsfähig zu bleiben und Kundenanforderungen zu erfüllen. Der Prozess der Digitalisierung kann jedoch komplex und herausfordernd sein, und Unternehmen haben oft Schwierigkeiten, diesen Weg effektiv zu beschreiten. Ausführliche Geschäftsprozessanalysen benötigen sehr viel Zeit und auch Erfahrung, um hier effektiv und effizient zu einem Resultat zu kommen.

Spirit in Projects hat hier eine Methode entwickelt, indem wir die Analyse aus der Sicht der Daten-Touchpoints betrachtet wird, da Daten die Grundlage für Digitalisierungsvorhaben sind. Die „Data Journey“ ist somit eine Reise auf Basis der Daten die in einem Unternehmen verarbeitet werden. Dabei ist es egal ob es sich hierbei um digitale Datenzwillinge physischer Objekte oder reine datenorientierte Abläufe im Unternehmen handelt.

Lösungsansatz: Data Journey

Eine Data Journey ist ein umfassender Ansatz für die Digitalisierung, bei dem aufgezeigt wird, wo und wie Daten erzeugt, gesammelt, gespeichert, analysiert, wiederverwendet bzw. auch interpretiert werden. Implizit spiegelt dies somit den Wertschöpfungsprozess und die Geschäftsprozesse des Unternehmens wider.

Vereinfacht ausgedrückt, analysiert die Data Journey folgende Aspekte:

  1. Datenerstellung: Daten werden durch verschiedene Quellen wie Anwender, Applikationen, Sensoren, soziale Medien, Transaktionen usw. erzeugt.
  2. Datenspeicherung: Die Daten werden Filebasiert, in Datenbanken, Datenlakes oder in der Cloud gespeichert, um sie für eine spätere Verwendung aufzubewahren.
  3. Datenverarbeitung: Die Daten werden erzeugt, verarbeitet, um sie zu bereinigen, zu organisieren und in ein geeignetes Format umzuwandeln. Diese Phase kann auch die Kombination von Daten aus verschiedenen Quellen beinhalten.
  4. Datenanalyse: Die Daten werden mit verschiedenen Techniken wie statistischer Analyse, maschinellem Lernen und Visualisierung analysiert, um Muster, Beziehungen und Erkenntnisse aufzudecken.
  5. Datenvisualisierung und -kommunikation: Die Erkenntnisse und Ergebnisse der Datenanalyse werden in einem visuellen Format, z. B. in Diagrammen und Karten, dargestellt, um sie effektiv zu kommunizieren.
  6. Datengestützte Entscheidungsfindung: Die Erkenntnisse und Ergebnisse der Datenanalyse werden als Grundlage für Entscheidungen und Maßnahmen genutzt.
  7. Wertschöpfungskette von Datenelementen: Daten werden oft über die Zeit angereichert, damit man sie als Datenobjekte im Geschäftlichen Kontext verwenden kann.  

Die Data Journey endet jedoch nicht mit der Analyse was und wo entsteht und verarbeitet wird. Vielmehr geht es darum herauszufinden, wo und an welcher Stelle Daten redundant (eventuell durch unterschiedliche Erfassungen, Applikationen, etc.) sind, wo im Prozess Datenobjekte fehlen, welche Organisationseinheiten welchen Informationsbedarf an den Datenobjekten hat und welchen Nutzen man aus den Daten ziehen kann.

Knackpunkt Datenschutz

Auch der rechtliche Aspekt spielt hierbei eine Rolle. Handelt es sich um Personenbezogene Daten? Hat das Unternehmen die Nutzungs- und Verwertungsrechte? Diese Frage stellt sich oft, wenn die Datenerstellung außerhalb des Unternehmens passiert (z.B. Architekturpläne, Adresslisten, Statistiken, etc.)

Auf Basis der Analyse der Data Journey und eventuell einer visuellen Darstellung kann hier eine Optimierung der Geschäftsprozesse sowie Digitalisierungsvorhaben zielgerichtet mit raschem Nutzen für die Organisation gestartet werden.

Beispiel für das Ergebnis einer Data Journey

Der Vorteil für Ihr Unternehmen

Insgesamt kann eine erfolgreiche Data Journey Unternehmen dabei helfen, ihre Geschäftsziele schneller und effizienter zu erreichen. Sie kann dazu beitragen, die Qualität von Produkten und Dienstleistungen zu verbessern, die Kundenzufriedenheit zu steigern und letztendlich den Umsatz zu erhöhen.

Eine Data Journey hilft Unternehmen auch dabei, Prioritäten für ihre Digitalisierungsbemühungen zu setzen. Durch die Berücksichtigung der verschiedenen Aspekte der Reise können Unternehmen bestimmen, welche Teile des Prozesses am wichtigsten sind, und die Ressourcen entsprechend zuweisen. Auf diese Weise wird sichergestellt, dass das Unternehmen seine Ressourcen so effektiv wie möglich einsetzt und der Digitalisierungsprozess so effizient wie möglich vorankommt.

Schließlich hilft eine Data Journey den Unternehmen sicherzustellen, dass ihre Digitalisierungsbemühungen mit ihrer allgemeinen Geschäftsstrategie in Einklang stehen. Durch einen umfassenden Ansatz für die Digitalisierung können Unternehmen sicherstellen, dass die von ihnen eingerichteten Prozesse und Systeme nicht nur effektiv sind, sondern auch mit den allgemeinen Zielen des Unternehmens übereinstimmen.

Zusammenfassend lässt sich sagen, dass eine Data Journey Unternehmen einen Fahrplan für den Erfolg der Digitalisierung bieten kann. Durch die Einführung des Konzepts der Data Journeys sind Unternehmen besser gerüstet, um die komplexe Reise der Digitalisierung zu bewältigen und ihre Ziele zu erreichen. Die Experten von Spirit in Projects unterstützen Sie gerne dabei, eine Data Journey für Ihr Unternehmen aufzusetzen.

User Experience und User Interface - Expertise von Spirit in Projects

User Experience: Mehr als nur schöne Oberfläche

Mit der voranschreitenden Digitalisierung gibt es immer mehr Anwendungen, die für Benutzer nicht optional, sondern obligatorisch sind. Damit rückt das Design der Benutzerschnittstelle und damit auch Fragen der User Experience (UX) bzw. des User Interface (UI) in den Vordergrund.

Denken Sie an den Check-In bei Low-Cost Airlines, der immer öfter nur mehr online erledigt werden kann. Oder außerhalb der Amtszeiten mit Behörden in Kontakt zu treten – was bis vor einigen Jahren gar nicht möglich war, ist heute in jeder Digitalisierungsstrategie zu finden. Im letzten Jahr haben manche von uns Essen öfter per Smartphone bestellt, als im Restaurant die Bestellung von Mensch zu Mensch aufzugeben.

Zentraler Bezugspunkt User Interface

Wenn wir mit unseren Kunden also vermehrt und manchmal ausschließlich online in Kontakt treten, ersetzt das Benutzerinterface den persönlichen Kundenkontakt, die freundlichen Worte, kleine Aufmerksamkeiten und das Zwischenmenschliche. Unsere Kunden müssen sich auf unserer Website zuhause fühlen.

Woran erkennt man gutes UX Design?

Dabei ist der Schluss naheliegend, dass man ein gutes Benutzerinterface daran erkennt, dass es modern, optisch aufgeräumt und auf jeden Fall barrierefrei sein muss. Letzteres ist dabei nicht in Frage zu stellen. Ein zu starker Fokus auf die ersten beiden Punkte geht jedoch an der Realität vieler Anwendungsfälle vorbei.

Ein gutes Benutzerinterface muss insbesondere für seine Aufgabe angemessen sein. Es muss den Benutzer bei der Durchführung der Schritte unterstützen und anleiten können, ohne ihn zu bevormunden. Das darf nicht in einer realitätsfernen Umgebung beurteilt werden, was leider im Zusammenhang mit Softwaretests häufig passiert. Unsere Benutzer stehen mit dem Smartphone vielleicht mitten auf der Straße, sitzen gemütlich mit dem Tablet vor dem Fernseher oder haben schlicht etwas Wichtigeres zu tun, als sich in die von uns ausgedachte Benutzerführung einzuarbeiten. Wir müssen die Benutzer dort abholen, wo sie unsere Anwendung tatsächlich benutzen und die Art und Weise kennen, wie sie mit ihr interagieren.

Es ist daher unbedingt notwendig die Benutzer, ihr Umfeld, ihr Ansinnen und ihre Nutzungsgewohnheiten zu kennen, um Anwendungen darauf vorzubereiten. Ein schönes Benutzerinterface ist für Auftraggeber und Entwickler zwar großartig. Für die echten Benutzer kann es jedoch frustrierend sein, wenn es nicht gleichzeitig der Aufgabe angemessen und für den Benutzer hilfreich und zufriedenstellend ist.

Zentrale Aspekte von UX

User Experience beschreibt die Wahrnehmung und Reaktionen eines Benutzers, die aus der Benutzung oder der angenommenen Benutzung eines Produktes, Systems oder Services entsteht. Um positive User Experience zu erreichen, müssen viele Aspekte bearbeitet und schlussendlich auch in Gleichklang gebracht werden.

Heute stehen die folgenden Bereiche im Bereich User Experience besonders im Vordergrund:

  • Die Informationsarchitektur beschreibt die Struktur und Organisation von Informationen, sodass Benutzer diese leicht erfassen, beurteilen und benutzen können.
  • Das Interaktionsdesign beschäftigt sich mit den unterschiedlichen Aspekten der MenschMaschine-Interaktion. Neben Technologie, Zeitpunkt und Ablauf einer Interaktion werden dabei auch immer stärker soziale und emotionale Aspekte betrachtet und einbezogen.
  • Die Gebrauchstauglichkeit (Usability) beschreibt, wie die Anwendung den Benutzer im jeweiligen Nutzungskontext unterstützt.
  • Das visuelle Design (UI Design) ist für die ästhetische Gestaltung des Endproduktes verantwortlich.

Überlegungen zur User Experience müssen bereits am Beginn eines Projektes durchgeführt werden. Als Business Analyst und später als Requirements Engineer arbeitet man eng mit Usability Experten zusammen, um die Grundlagen für optimale Lösungen zu identifizieren und vorzubereiten.

Unser neuer Trainingsschwerpunkt zu Usability und User Experience richtet sich nach den anerkannten Standards des UXQB. In den Trainings erhalten Sie das notwendige Rüstzeug, um den Herausforderungen von Digitalisierungsprojekten in Bezug auf User Experience zu begegnen.


Trainingsangebote zu UX/UI:

Digitalisieren - Digitalisierung - Digitale Transformation: Sind Sie bereit?

Digitalisieren, Digitalisierung und digitale Transformation – Jetzt oder nie!

Digitalisieren – Digitalisierung – digitale Transformation – was sind eigentlich die Unterschiede? Wieso sollten Sie die Definitionen der Begriffe kennen? Informationstechnologie hat in den letzten Jahren das Arbeits- und das Alltagsleben radikal verändert – das ist klar. Zur Beschreibung der Phänomene werden Begriffe rund um das Wort “digital” verwendet. Wir erklären in diesem Beitrag, was IT-Profis unter den verschiedenen Begriffen verstehen und welche Auswirkungen diese haben.

Digitalisierung gehörte bis vor Kurzem noch zum guten Ton, jeder modernen Unternehmensstrategie um Fit für die Zukunft zu sein. Seit einigen Monaten ist sie zur Notwendigkeit geworden und verschafft Unternehmen in diesen besonderen Zeiten die benötigte Flexibilität um trotz aller Herausforderungen geordnet und produktiv weiterzuarbeiten.

Die digitale Fitness eines Unternehmens ist Teil seiner Resilience gegenüber Krisen geworden. Jetzt ist für viele Unternehmen vielleicht die letzte gute Gelegenheit die richtigen Schritte zu setzen, um nicht uneinholbar ins Hintertreffen zu gelangen. Daher ist es wichtig die drei Ebenen der digitalen Veränderung zu kennen und für das eigene Unternehmen eine ehrliche Selbsteinschätzung und nächste Schritte definieren zu können.

Was ist Digitalisieren?

Digitalisieren (engl. digitization) beschreibt eine Veränderung am Anfang des Prozesses. Dabei werden Daten in digitale Darstellungsformen übernommen, damit diese von Computern gelesen und verarbeitet werden können. Der Begriff beschreibt damit eine Technologie, die seit den Urzeiten der Informatik besteht. Erst durch das Digitalisieren können die in der Welt vorkommenden Informationen für EDV-Systeme nutzbar gemacht werden.

Dabei lässt sich durchaus pauschal sagen, dass je mehr Daten in guter Qualität aus möglichst vielen Datenquellen zur Verfügung stehen, umso besser können diese später ausgewertet, verknüpft und zur Entscheidungsfindung herangezogen werden. Der Begriff des Datenschatzes ist diesbezüglich zutreffend. Die Herausforderung liegt darin, die Daten in guter Qualität zu gewinnen. Die Techniken des Digitalisierens verbessern sich laufend.

Aktuell ist die Nutzung von AI (künstlicher Intelligenz) wesentlich für den Fortschritt in diesem Bereich. Seit vielen Jahren wird Artificial Intelligence zur Texterkennung in gedruckten Dokumenten eingesetzt. Die Erkennung von natürlicher Sprache ist eine weitere wichtige Anwendung. Das Erkennen von Gegenständen in Bildern bzw. das richtige Interpretieren von Szenen, die über Kameras aufgenommen werden, wird erst durch AI beim Digitalisieren ermöglicht.

Digitalisieren bleibt auch in Zukunft eine wesentliche Aufgabe, damit Computer die Realität außerhalb ihrer digitalen Welt erfassen können. Schon heute können Computer mittels ausgefeilter Sensoren und spezieller Software besser sehen, hören oder sogar riechen, als das jemals ein Mensch könnte. Einsatzgebiete wie das Autonome Fahren, die Medizin oder die Landwirtschaft sind wichtige Beispiele für dieses Anwendungsgebiet.

Was ist Digitalisierung?

Digitialisierung (engl. digitalization) steht für eine Veränderung eines gesamten Prozesses. Der Begriff beschreibt die umfassende Nutzung der Informationstechnologie in der Durchführung von Geschäfts-, Fertigungs- oder Serviceprozessen. Umfassend bedeutet dabei, dass Computer vom Anfang bis zum Ende des Ablaufes eingesetzt werden. Die benötigten Daten werden digital von einem Schritt zum nächsten weitergereicht bzw. liegen bereits digital vor. Es gibt keine Medienbrüche in der Verarbeitung.

Zur Digitalisierung müssen die Unternehmen ihre technischen Ökosysteme in der Informationstechnologie umbauen. Wesentlich dabei ist, dass Funktionalitäten und alle relevanten Daten ohne technische Barrieren überall dort eingesetzt werden können, wo sie benötigt werden.

Ein wesentlicher Effekt der Digitalisierung ist die explosionsartige Datenvermehrung, die dadurch zu erklären ist, dass Daten nicht nur automatisiert verarbeitet werden, sondern die überwiegende Mehrheit der Daten heute auch automatisch erstellt werden. Big-Data-Methoden und -Techniken greifen diese Herausforderung auf. Die Daten sollen nutzbar gemacht werden, denn immer stärker müssen Entscheidungen in der Politik und in Unternehmen auf Basis von detaillierten, belastbaren und aktuellen Informationen schnell und zuverlässig getroffen werden.

Was ist digitale Transformation?

Digitale Transformation (engl. digital transformation) geht noch weiter – der Begriff meint die Änderung von Geschäftsmodellen, Kundenbeziehungen und sogar Gesellschaftsstrukturen. Damit einhergehend verändern sich Markt- und Unternehmensstrukturen aufgrund des Einsatzes von Informationstechnologie. Diese sehr schnellen Veränderungen wirken sich auf bestehende Abläufe und Systeme so umwälzend aus, dass man oft den Begriff disruptiv dafür wählt.

Die digitale Transformation verändert Gesellschaft, Unternehmens und Arbeitswelten. Als Verantwortlicher muss man Innovationen und disruptive Veränderungen in den Vordergrund stellen. Technologie und deren Einsatz bestimmt wesentlich, ob eine Organisation oder ein Unternehmen mittelfristig erfolgreich ist.

Beispiele für die digitale Transformation sind nicht neu, denn der Prozess kam ca. Mitte der 1990er Jahre ins Rollen und gewinnt immer stärker an Schwung. Beispiele sind der Online-Versandhandel, Internet-Banken und -Versicherungen, Vermittlung von Personentransporten via App, Streaminganbieter im Bereich der Medien, die Nutzung von Social Media für die gezielte Werbung, uvw. Das aktuell viele Tätigkeiten über Webkonferenz durchgeführt werden, die zuvor mit kurzer oder längerer Reisetätigkeiten verbunden waren, wird unserer Meinung ebenfalls zu nachhaltigen Änderungen in der Reisebranche insbesondere im Bereich der Dienstreisen führen.

Ausgehend von bekannten Beispielen der digitalen Transformation scheint Schnelligkeit wichtiger als Unternehmensgröße und technische Kompetenz wichtiger als Kapital zu sein. Ein wesentlicher Punkt dabei ist die immer bessere Möglichkeit, günstige sowie hoch skalierbare und global verfügbare IT-Infrastruktur über öffentliche Cloud-Dienstleistungen zu beziehen.

Fazit: Digitalisieren ist nicht genug – go for transformation

Bereits ein Blick auf die begrifflichen Unterschiede zeigt, dass Digitalisieren alleine zu kurz greift. Klar – gute Daten sind die Voraussetzung für alle weiteren Prozesse. Eine Digitalisierung von Prozessen kann oft große Einsparpotentiale sowie die Kundenzufriedenheit heben. Aber um mittelfristig zu überleben, müssen Unternehmen ihre Geschäftsmodelle im Lichte der digitalen Transformation überprüfen und anpassen. Um Leader im Wettbewerb der digitalen Transformation zu bleiben ODER zu werden, müssen Sie die folgenden Punkte im Auge behalten und ein entsprechendes Skillset in Ihrem Unternehmen aufbauen:

  • Agilität und Design Thinking
  • Cloud Technologien
  • Artificial Intelligence
  • Big Data

Als Experten für digitale Innovation und Technologie unterstützen wir Sie gerne dabei!


UNSERE TRAININGSANGEBOTE ZU INNOVATIONSTECHNOLOGIEN:

Künstliche Intelligenz (KI) in der Medizin

Immer öfters fallen die Begriffe Künstliche Intelligenz (KI) und Artificial Intelligence (AI) in der IT-Welt – doch was ist eigentlich damit gemeint? Für Künstliche Intelligenz gibt es tatsächlich noch keine allgemein akzeptierte Definition. Prinzipiell werden damit Systeme bezeichnet, die Tätigkeiten durchführen können, die normalerweise mit menschlicher Intelligenz verbunden werden. Dazu gehören zum Beispiel Lernen, logisches Schlussfolgern und die Umgebung auffassen und darauf reagieren zu können. KI ist dabei nicht ein bestimmtes Programm, ein Algorithmus oder ähnliches, sondern die Kombination von verschiedenen Methoden, um solch komplexe Aufgaben auszuführen.

Auch in der Medizin wird KI immer stärker eingesetzt und viele medizinische Bereiche profitieren bereits davon, darunter auch die Diagnose, Behandlung oder Medikamentenentwicklung. Um das jeweils beste Ergebnis zu erzielen, muss die richtige KI-Methode eingesetzt werden.

Sissi Zhan, Medizinische Informatikerin und Consultant bei Spirit in Projects

Ein Gebiet, auf dem die Anwendung von KI mit großen Hoffnungen verbunden ist, ist die Medizin. Daher sehen wir uns einige Anwendungsmöglichkeiten und ihre Potentiale näher an.

KI-Anwendungen in der Medizin

Diagnose

Die Diagnose von Krankheiten erfordert viel Wissen und Erfahrung und nimmt zusätzlich viel Zeit der medizinischen Experten ein. Systeme mit KI können diese Fähigkeit erlernen, indem sie mit einer großen Anzahl an Daten trainiert werden.

Ein Großteil der KI-Anwendungen für die medizinische Diagnose basiert auf der Analyse von Bildern und der Erkennung darauf dargestellter Bildinhalte. Häufig wird die Bildanalyse z. B. bei Röntgenbildern eingesetzt, um Merkmale zu erkennen, die auf bestimmte Krankheiten deuten. Dabei ist die Technologie zum Teil schon sehr fortgeschritten. Bestimmte KIs können bereits anhand von Bildern der Haut eine Erkrankung an Hautkrebs mit hoher Genauigkeit identifizieren. Diese Anwendungen basieren auf der Bilderkennung und Bildverarbeitung. Wichtige KI-Methoden, die hier zu sehr erfolgreichen Systemen geführt haben, sind Neuronale Netze und Deep Learning.

Neben Bildanalysen sind auch Diagnosesysteme im Einsatz, die als Chatbot direkt mit dem Arzt oder direkt mit dem Patienten „kommunizieren“. Das System nimmt die Symptome des Patienten auf und verwendet die dahinterliegende Wissensbasis, um weitere relevante Fragen zu stellen, die zu einer Diagnose führen. Dazu werden Methoden zur Analyse von Sprache in Kombination mit regelbasierten Systemen wie z. B. Expertensystemen eingesetzt, die das Wissen und die Entscheidungsfindung eines Experten nachahmen.

Behandlung

Nach einer Diagnose wird eine passende Behandlungsstrategie aufgestellt. Dabei wirken Medikamente jedoch auf jeden Menschen in ihrer Effektivität und ihren Nebenwirkungen unterschiedlich. Ideal wäre daher eine individuelle Behandlungsstrategie für jeden Patienten.

KI kann hier unterstützen, indem sie Daten und Wissen durchforstet. Vorhandene Gesundheitsdaten und die Krankengeschichte eines Patienten können analysiert werden, um die Wahl der passenden Medikamente zu erleichtern. So kann eine KI-Anwendung umfangreiche Daten verarbeiten und schnell erkennen, dass ein Patient in der Vergangenheit einen bestimmten Wirkstoff nicht vertragen hat. Sie kann dem Arzt dann vorschlagen, ein anderes Medikament zu verschreiben.

Zusätzlich kann KI fördern, dass Therapien nach dem neuesten Stand der Forschung durchgeführt werden. Dabei analysiert eine solche Anwendung zuerst vorhandene medizinische Literatur und fasst dann die neuesten Erkenntnisse zu Behandlungen und Medikamenten zusammen. Somit kann sich ärztliches Personal trotz wenig verfügbarer Zeit weiterbilden.

Derartige Systeme müssen die Fähigkeit besitzen Texte zu lesen, relevante Inhalte zu erkennen und daraus Regeln ableiten zu können. Sie müssen also Sprache und deren Struktur und Bedeutung verstehen können. Zusätzlich müssen diese Systeme eine medizinische Wissensbasis aufbauen, die dem gefundenen Textinhalt Bedeutung gibt.

Medikamentenentwicklung

Die Entwicklung und Zulassung von Medikamenten dauert im Normalfall mehrere Jahre und ist sehr kostspielig. Außerdem durchlaufen nur wenige Medikamente alle Testphasen erfolgreich. KI kann diesen Prozess wesentlich beschleunigen und verbessern. Das kann durch die Unterstützung verschiedener Tätigkeiten entlang des ganzen Prozesses der Medikamentenentwicklung erfolgen.

Zuerst muss identifiziert werden, welche Moleküle (sogenannte Targets) bekämpft werden müssen, um die Krankheit zu behandeln. Danach werden Wirkstoffe gesucht, die gegen diese Krankheitserreger wirken. In beiden Schritten kann KI eingesetzt werden, um diese zu beschleunigen. Bei den darauffolgenden Medikamentenstudien ist es wichtig die passenden Teilnehmer zu finden, um beispielsweise Verfälschungen der Studienergebnisse zu vermeiden. Auch hier können mittels KI geeignete Personen gefunden werden.

Im Gegensatz zu einfachen Computerprogrammen können KI-Systeme hier mittels Machine Learning die Vielzahl der verfügbaren Daten durchgehen und auch mit unterschiedlich strukturierten Daten umgehen. Daraus erkennt das System relevante Muster in den Daten und lernt, welche Eigenschaften auf vielversprechende Targets deuten. Genauso kann auch die Wirkung von unterschiedlichen Medikamenten auf das identifizierte Target vorhergesagt werden und geeignete Studienteilnehmer gefunden werden.

Zusammenfassung

Am Beispiel der medizinischen Anwendungen zeigt sich, dass Methoden der KI heute schon gut eingesetzt werden können, wenn Wissen auf besonders umfangreiche Daten angewendet werden muss. Um KI-Anwendungen zu planen und zu definieren, ist es wichtig einen guten Überblick über die verschiedenen verfügbaren Methoden und ihre Möglichkeiten und Grenzen zu haben. Genau diesen Überblick können Sie sich durch unsere KI-Trainings fundiert und praxisorientiert aneignen.


Unsere Trainingsangebote zu Innovationstechnologien:

Serviceskalierung durch Native Cloud Computing

In der Cloud präsent zu sein ist nur der erste Schritt. Die besonderen Möglichkeiten von Cloud Computing zu nutzen ist der wichtigere Schritt. Eine dieser Möglichkeiten ist die fast uneingeschränkte Skalierbarkeit der bereitgestellten Anwendungen bzw. Services. Dazu müssen die verwendeten Dienste jedoch cloud-native sein und Orchestrierungsservices wie Kubernetes verwenden. Unser Cloud Experte gibt einen Überblick über die Architektur eines solchen Systems.

Zur Vorbereitung müssen über Container die Software und die benötigten Bibliotheken auf der Ebene des Betriebssystems gebündelt werden. Container nutzen den Kernel des Host Betriebssystems, sind jedoch auf Prozess- und Datei-Ebene von anderen Containern und vom Host getrennt. Der Ressourcenverbrauch von Containern kann genau konfiguriert werden.

Um diese Container in einem Cluster von virtuellen oder physischen Rechnern zu betreiben, bedient man sich eines Container Orchestrators. Der dominierende Container Orchestrator mit einem Marktanteil (je nach Umfrage zwischen 80 und 90 Prozent) ist Kubernetes. Docker Swarm und Apache Mesos sind alternative Produkte, spielen jedoch am Markt nur eine geringe Rolle.

Kubernetes wurde ursprünglich von Google entwickelt und 2014 als Open Source Plattform zum automatischen Deployment, der Skalierung und dem Management von containerisierten Applikationen veröffentlicht. Heute wird Kubernetes von der Cloud Native Computing Foundation (CNCF) verwaltet. Die CNCF wurde 2015 als Nonprofit-Organisation gegründet und ist Teil der Linux Foundation. Damit sollte auch die Weiterentwicklung in der Zukunft gesichert sein.

Kubernetes kann man entweder selbst On-Premise oder in der Cloud installieren beziehungsweise einen gemanagten Kubernetes Cluster nutzen.  Laut Marktforschung (https://security.stackrox.com/state-of-containers-and-kubernetes-security-report-winter-2020.html, nicht mehr online) sind selbst-gemanagte Kubernetes Installationen rückläufig und die Nutzung der gemanagten Kubernetes Cluster Angebote wächst stark.

Architektur eines gemanagten Kubernetes Clusters

Ein Kubernetes Cluster (K8s) besteht aus 2 Komponenten:

Quelle: Microsoft Azure Dokumentation
  • Die Control Plane übernimmt die Steuerung des K8s. Sie wird vom Provider gemanagt und oftmals sogar kostenlos zur Verfügung gestellt.
  • Nodes, auf denen die in Container verpackten Applikationen ablaufen. Die Nodes, auf die die Applikationen deployt werden, werden vom Kunden gemanagt und wie virtuelle Maschinen abhängig vom Prozessortyp, der Anzahl der virtuellen VPUs und dem RAM verrechnet. Nodes werden in Nodepools zusammengefasst.

Implementierung eines gemanagten Kubernetes Clusters (K8s)

Die Installation des K8s kann zum Beispiel über die Command Line bzw. das Portal des Cloud-Providers oder Werkzeuge wie zum Beispiel Rancher oder Terraform durchgeführt werden.

Bei der Installation wird die Anzahl der Nodes und die Kubernetes Version angegeben. Anhängigkeit vom Provider kann eine höhere Verfügbarkeit für die Control Plane angegeben werden, Nach 5 bis 15 Minuten steht dann der K8s zur Verfügung. Die Leistung des K8s kann durch Hinzufügen bzw. Wegnehmen von Nodes jederzeit verändert werden. Die im K8s konfigurierten Nodes werden wie VMs unabhängig von ihrer Auslastung vom Provider verrechnet. Autoskalierung ist eine Möglichkeit, um die Kosten zu optimieren.

Autoskalierung in der Cloud

Über die Autoskalierung können einer Applikation bei Bedarf automatisch zusätzliche Ressourcen (CPU und RAM) zur Verfügung gestellt werden. Die Regeln dazu können mit Parametern wie z.B Anzahl der Requests, CPU- bzw. RAM-Auslastung vom Administrator vorab konfiguriert werden. Damit entfallen manuelle Schritte in der Betriebsführung und es kann blitzschnell reagiert werden. Sowohl das Hochskalieren als auch das Reduzieren von Ressourcen können automatisch durchgeführt werden.

Dabei werden sowohl die Anzahl der Nodes  je nach Konfiguration automatisch angepasst, als auch die Applikationen/Services in zusätzlichen Instanzen gestartet bzw. gestoppt. Dies erfolgt über sogenannte Pods.

Ein Pod ist das einfachste ausführbare Objekt in einem Kubernetes Cluster. In einem Pod können ein oder mehrere Container ablaufen. Ein Pod stellt eine Instanz einer Applikation dar. Durch das Starten von zusätzlichen Pods wird die Applikation hochskaliert (= horizontale Skalierung).

Praktisches Beispiel für autoscaling in der Cloud

Am obigen Beispiel sieht man sehr schön, wie der Autoscaler bei Erreichen einer vom Administrator definierten kritischen Prozessorlast beginnt, zusätzliche Pods zu starten (rechte untere Grafik). Da die bestehenden Nodes jedoch über dem Lastlimit sind und keine zusätzlichen Pods starten können (ersichtlich an den kleinen roten Peaks in der rechten unteren Grafik), müssen zuerst zusätzliche Nodes hochgefahren werden. Mit Hilfe der zusätzlichen Nodes und Pods kann die Applikation das erhöhte Nutzungsvolumen bewältigen.

Das Ziel: Eine Cloud-Strategie für Ihr Unternehmen

Um eine vollständige Cloud-Strategie und eine sinnvolle Umsetzung für Ihr Business zu entwickeln ist es wichtig, sich mit Cloud-Native Methoden auseinanderzusetzen. Ein Grundverständnis für die Funktionsweise von Skalierung in der Cloud kann Ihnen helfen, Anwendungsfälle und Prozesse, die dadurch profitieren, besser zu identifizieren. Die einfache und umfassende Skalierbarkeit ist eine der vielen Möglichkeiten, die man dabei gewinnen kann. In unseren Kursen und bei unserer Beratung unterstützen wir Sie dabei, die Möglichkeiten von Cloud-Computing für Ihr Unternehmen zu nutzen.


UNSERE TRAININGSANGEBOTE INNOVATIONSTECHNOLOGIEN:

Cloud-Management – Chancen und Erfolgsfaktoren

Der Umzug von IT-Services in die Cloud ist für viele Unternehmen ein aktuelles Thema. Entscheidend dabei ist, nicht nur die jeweiligen Applikationen, Datenbanken und Netzwerkstrukturen fit für die Cloud zu machen. Man muss auch darüber nachdenken, wie die Cloud Services zukünftig administriert werden sollen! Wir berichten aus unserer praktischen Erfahrung über Chancen und Erfolgsfaktoren für gutes Cloud Management.

Die Nutzung von Cloud-Angeboten, wie sie z.B. die bekannten Public Clouds von AWS, Azure oder Google bereitstellen, hat für Unternehmen folgende Vorteile: 

  • Skalierbarkeit der benötigten Ressourcen 
  • Transparenz und Nachvollziehbarkeit bei Kosten und Administration 
  • Einfacher Zugriff und Nutzung von speziellen Services wie z. B. Angeboten zu AI, Blockchain oder spezialisierten Caches. 

Fallbeispiel: Umzug eines Unternehmens in die Cloud 

Greifen wir das Beispiel eines international agierenden, österreichischen Unternehmens heraus, das bisher seine Server im Rechenzentrum eines externen Providers stehen hat. Dieser nimmt gleichzeitig die Administration der Server und die Installation der dort genutzten Applikationen vor. Mit der monatlichen Bezahlung werden Service und IT-Leistungen abgerechnet. Vor der Umstellung auf Cloud-Services, stellt sich die Frage, wie dieses Verhältnis zukünftig geregelt werden soll. Für erfolgreiches Cloud-Management sind für den Anfang folgende drei Punkte wichtig: 

  • Die Rolle des Cloud-Administrators klar abgrenzen
  • Containertechnologien wie Docker nutzen 
  • Skalierbarkeit optimal nutzen 

Die Rolle des Cloud-Administrators klar abgrenzen 

Beim Umstieg auf die Cloud ist es sinnvoll, die Schnittstellen zwischen Applikationsentwicklern, Infrastrukturprovider (Cloudprovider) und dem zukünftigen Cloud-Administrator klar abzugrenzen und ggf. neu aufzustellen. 

Die Rolle des Cloud Administrators kann entweder intern oder durch einen externen Dienstleister erfüllt werden. Im Falle eines externen Dienstleisters sollte die Subscription nicht auf den Namen des Cloud Administrators laufen, sondern den Auftraggeber zugeordnet sein, womit auch klar der tatsächliche Nutzer der Ressourcen geregelt ist. Dadurch erhält der Auftraggeber direkt die Rechnung über die genutzten Ressourcen und damit über die detaillierte Aufstellung die volle Transparenz zur Struktur der tatsächlich angefallenen Kosten. 

Der Cloud Administrator erhält Zugang zu den Ressourcen in der Subscription des Auftraggebers, jedoch nicht das Recht die Subscription selbst zu ändern (z.B. Zahlungsmethoden). Wenn es notwendig ist, die Administration zu wechseln (z.B. aufgrund von Insolvenz des Dienstleisters oder mangelnder Leistung), kann dies einfach über die Autorisierung (Benutzer und Rechtevergabe) erfolgen. 

Containertechnologien wie Docker nutzen 

Die Schnittstelle zwischen Applikationsentwicklung und der Administration ist aufgrund der Schwierigkeiten bei der Installation von Softwareapplikationen oftmals komplex, . Gerade bei der Nutzung von Cloud Services bieten sich Containertechnologien wie Docker als Lösung an. 

Durch die Nutzung von Containertechnologien wie Docker kann sich die Cloud Administration auf die wesentlichen Aufgaben konzentrieren, nämlich auf die Schaffung einer sicheren, skalierbaren, performanten und kostengünstigen Systemumgebung mittels Cloud Ressourcen (Prozessor, Storage, Load Balancing, CDN, verwaltete Datenbanken etc.). 

Die Applikationsentwickler sind für die fertige Bereitstellung der Software auf Basis von Containern verantwortlich. Eine Anwendungsinstallation entfällt, da der Container die vollständig konfigurierte Laufzeitumgebung enthält. Dadurch werden auch Fehler bei der Installation ausgeschlossen. 

Skalierbarkeit optimal nutzen 

Derzeit können virtuelle Maschinen, die kontinuierlich und konstant ausgelastet werden, in einem klassischen Rechenzentrum noch kostengünstiger als über die Cloud bereitgestellt werden. Ein wesentlicher Charme von Cloud-Angeboten liegt jedoch in der einfachen und ggf. weltweiten Skalierbarkeit der genutzten Services, die in einer eigenen RZ-Infrastruktur nicht vergleichbar kostengünstig aufgebaut werden können. 

Durch den Einsatz skalierbarer Docker Container kann der Cloud Administrator rasch auf zusätzlichen Bedarf reagieren und die Anzahl der gleichzeitig gestarteten Containerinstanzen mit wenigen Kommandos hochfahren und auch wieder reduzieren. Mit dem Einsatz von Containermanagement wie Kubernetes kann dieser Vorgang sogar automatisiert werden. 

Um die Skalierung effizient zu nutzen, muss die Verantwortung dafür zwischen Applikationsentwicklung und Administration klar bestimmt sein, wobei die Nutzung von Containern eine Voraussetzung ist. Die Aufgabe der Entwicklung ist es skalierbare Applikationen bereitzustellen. 

Cloud-Potentiale Nutzen 

Mit Cloud Services stehen Unternehmen mächtige, skalierbare Infrastrukturwerkzeuge zur Verfügung. Durch den gezielten Einsatz und gutes Cloud Management ergeben sich jeden Menge Potentiale – und das nicht nur für Großunternehmen. 

Die Beschaffung von Cloud Ressourcen muss die geänderten technischen und organisatorischen Rahmenbedingungen im Vergleich zu klassischen IT-Beschaffungen berücksichtigen. Spirit in projects ist ein Spezialist für die Erstellung von Cloud Konzepten und technischen Unterlagen in Beschaffungsvorgängen bzw. bei Ausschreibungen. Wir erstellen mit unseren Kunden tragfähige und zukunftssichere Konzepte, erstellen die Unterlagen und unterstützen im Beschaffungsvorgang mit unserem technischen Hintergrundwissen. 


UNSERE TRAININGSANGEBOTE ZU INNOVATIONSTECHNOLOGIEN: