Das CASSA Framework kurz erklärt…

Die Erstellung, Pflege und Nutzung einer Unternehmensarchitektur ist eine anspruchsvolle Aufgabe, die umfassendes Fachwissen erfordert. Mit Hilfe der Computer Aided Structure and Semantic Analysis (CASSA) ist es möglich, computergestützt Hilfe bei der Bewältigung dieser Arbeiten zu erhalten. Im Ergebnis entsteht aus einer Unternehmensarchitektur ein digitaler Zwilling, der mehr ist als „nur“ eine Sammlung von Diagrammen in einem Modell. Durch die Möglichkeit, flexibel und umfassend auf die Inhalte des digitalen Zwillings zuzugreifen öffnet sich der Mehrwert einer integrierten Modellierung. Das CASSA Framework fasst die erforderlichen Methoden und Algorithmen zusammen und bietet die Fähigkeit, diese individuell zum vorliegenden Ausgangsmodell zu ergänzen. Das ist eine Abkürzung auf dem Weg von der Unternehmensarchitektur zu Ihrem digitalen Zwilling.

Die Entwicklung eines digitalen Zwillings verläuft in drei zentralen Schritten…

1. Inhalte und Struktur ermitteln
2. Inhalte und Struktur qualitätssichern und verbessern
3. (externe) Inhalte integrieren, virtuelle Analysen erstellen und neue Erkenntnisse ableiten

Werden die Schritte manuell ausgeführt, ist das Vorgehen oftmals langfristig nicht kostengünstig und nicht in hoher Qualität umsetzbar. Genau hier setzt das CASSA Framework an. Es verbindet langjähriges intrinsisches Erfahrungswissen über Entwurf, Aufbau, Pflege und Analyse von Unternehmensarchitekturen mit umfassenden digitalen Methoden, Algorithmen und Auswertungen. So wird der Lebenszyklus des Modell-Managements mit Computerhilfe verbessert und einfach gestaltet.

Aber CASSA kann noch mehr…

Durch den Einsatz künstlicher Intelligenz bietet das Framework Analysen, die in klassischen Unternehmensarchitekturen nicht verfügbar sind. Eigentlich erfordert maschinelles Lernen umfangreiche Datenmengen zum Training der eingesetzten Verfahren. Eine Unternehmensarchitektur stellt diese Datenmengen aber nicht bereit. Durch die Verwendung von innovativen Methoden, die aus dem Ansatz des KI-Transferlernens abgeleitet sind, ist CASSA in der Lage mit sehr geringen Datenmengen zu arbeiten. Deshalb wird die eigentlich für den Einsatz von Machine-Learning Verfahren erforderliche hohe Datenmenge, wie z.B. zum Trainieren von künstlichen neuronalen Netzen, nicht benötigt. Im Ergebnis hilft CASSA dabei Ihren Knowledge Graph (bzw. digitalen Zwilling) in einer offenen Datenarchitektur mit KI-Analysen in Struktur und Semantik zu verbessern.

	Komplexitäts-reduktion	Strukturelle Optimierung	Semantische Optimierung	Qualitäts-verbesserung	Virtuelle Analysen	Generierung neuer Inhalte
Bestimmung der Bedeutung einzelner Artefakte innerhalb der gesamten Unternehmensarchitektur	X		X
Gruppenbildung bzw. -aufteilung inkl. der Tendenz, wie Veränderungen in der Architektur diese verstärken oder aufbrechen	X	X	X	X	X
Berechnung der Ähnlichkeit von Objekten innerhalb der Architektur	X		X	X
Ableitung topologischer Vorhersagen welche Objekte dazu tendieren eine Verbindung einzugehen (z.B. bzgl. zukünftiger Szenarien)		X	X		X
Klassifizierung von Objekten und Objektgruppen nach frei wählbaren Kriterien	X	X	X	X	X
Integration externer Referenzmodelle in vorhandene Modelle zur inhaltlichen Präzisierung			X		X	X