Seminar metaphactory – Enterprise Information Architecture und semantische Schichten

Das zweitägige Seminar zeigt, wie mit metaphactory eine geschäftsobjektorientierte Enterprise Information Architecture aufgebaut wird. Fachliche Konzepte, technische Datenbestände, Datenkataloge, Verantwortlichkeiten und AI-Anforderungen werden über eine semantische Schicht nachvollziehbar miteinander verbunden.

Inhaltsübersicht

• Lernziele und fachliche Einordnung
• Schrittweise Seminarinhalte
• Praxisübungen und Laborszenarien
• Zielgruppe und Voraussetzungen
• Didaktik und Arbeitsweise

Lernziele

• Geschäftsobjekte, Informationsdomänen und technische Datenassets in einem gemeinsamen Zielbild strukturieren.
• Eine semantische Schicht zwischen Fachsprache, Datenquellen und Anwendungen entwerfen.
• Datenkatalog- und Metadateninformationen in das Wissensmodell integrieren.
• Ownership, Governance, Lebenszyklen und Qualitätsanforderungen verankern.
• Einen schrittweisen EIA-Rollout mit messbaren Nutzen- und Abnahmekriterien planen.

Schrittweise Seminarinhalte

1. EIA-Zielbild und Geschäftsobjekte

Schwerpunkt: Unternehmensziele, Informationsdomänen, Business Objects, Fähigkeiten, Prozesse, Systeme, Datenprodukte und strategische Leitplanken.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „EIA-Zielbild und Geschäftsobjekte“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von Unternehmensziele, Informationsdomänen, Business Objects, Fähigkeiten, Prozesse, Systeme, Datenprodukte und strategische Leitplanken modellieren.
3. Die erforderliche Konfiguration oder Arbeitsfolge in der metaphactory-Laborumgebung beziehungsweise im Prozessmodell schrittweise umsetzen.
4. Funktion, Berechtigungen, Datenqualität, Protokollierung und Fehlerverhalten mit definierten Positiv- und Negativfällen prüfen.
5. Als Arbeitsergebnis einen fachlich geprüften und wiederholbaren Standard für „EIA-Zielbild und Geschäftsobjekte“ dokumentieren.

2. Semantische Schicht und Modellgrenzen

Schwerpunkt: Fachbegriffe, Ontologien, Vokabulare, technische Schemas, Abstraktion, Wiederverwendung, Modularität und Verantwortungsbereiche.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „Semantische Schicht und Modellgrenzen“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von Fachbegriffe, Ontologien, Vokabulare, technische Schemas, Abstraktion, Wiederverwendung, Modularität und Verantwortungsbereiche modellieren.
3. Die erforderliche Konfiguration oder Arbeitsfolge in der metaphactory-Laborumgebung beziehungsweise im Prozessmodell schrittweise umsetzen.
4. Funktion, Berechtigungen, Datenqualität, Protokollierung und Fehlerverhalten mit definierten Positiv- und Negativfällen prüfen.
5. Als Arbeitsergebnis einen fachlich geprüften und wiederholbaren Standard für „Semantische Schicht und Modellgrenzen“ dokumentieren.

3. Datenassets, Kataloge und technische Lineage

Schwerpunkt: Datenquellen, Tabellen, APIs, Dateien, Systeme, Eigentümer, Qualitätsmerkmale, Abhängigkeiten und Verknüpfung mit Geschäftsobjekten.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „Datenassets, Kataloge und technische Lineage“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von Datenquellen, Tabellen, APIs, Dateien, Systeme, Eigentümer, Qualitätsmerkmale, Abhängigkeiten und Verknüpfung mit Geschäftsobjekten modellieren.
3. Die erforderliche Konfiguration oder Arbeitsfolge in der metaphactory-Laborumgebung beziehungsweise im Prozessmodell schrittweise umsetzen.
4. Funktion, Berechtigungen, Datenqualität, Protokollierung und Fehlerverhalten mit definierten Positiv- und Negativfällen prüfen.
5. Als Arbeitsergebnis einen fachlich geprüften und wiederholbaren Standard für „Datenassets, Kataloge und technische Lineage“ dokumentieren.

4. Governance und Lebenszyklus

Schwerpunkt: Ownership, Stewardship, Freigabe, Versionierung, Status, Provenienz, Kontrollpunkte, Änderungsmanagement und Auditierbarkeit.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „Governance und Lebenszyklus“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von Ownership, Stewardship, Freigabe, Versionierung, Status, Provenienz, Kontrollpunkte, Änderungsmanagement und Auditierbarkeit modellieren.
3. Die erforderliche Konfiguration oder Arbeitsfolge in der metaphactory-Laborumgebung beziehungsweise im Prozessmodell schrittweise umsetzen.
4. Funktion, Berechtigungen, Datenqualität, Protokollierung und Fehlerverhalten mit definierten Positiv- und Negativfällen prüfen.
5. Als Arbeitsergebnis einen fachlich geprüften und wiederholbaren Standard für „Governance und Lebenszyklus“ dokumentieren.

5. Roadmap, Pilot und Skalierung

Schwerpunkt: Use-Case-Auswahl, Minimalmodell, Datenanbindung, App-Prototyp, Nutzenmetriken, Betriebsmodell, Rolloutwellen und Qualifizierung.

1. Ausgangslage, fachliche Anforderungen und messbare Akzeptanzkriterien für den Themenblock „Roadmap, Pilot und Skalierung“ erfassen.
2. Relevante Ressourcen, Rollen, Datenobjekte und Abhängigkeiten anhand von Use-Case-Auswahl, Minimalmodell, Datenanbindung, App-Prototyp, Nutzenmetriken, Betriebsmodell, Rolloutwellen und Qualifizierung modellieren.
3. Die erforderliche Konfiguration oder Arbeitsfolge in der metaphactory-Laborumgebung beziehungsweise im Prozessmodell schrittweise umsetzen.
4. Funktion, Berechtigungen, Datenqualität, Protokollierung und Fehlerverhalten mit definierten Positiv- und Negativfällen prüfen.
5. Als Arbeitsergebnis einen fachlich geprüften und wiederholbaren Standard für „Roadmap, Pilot und Skalierung“ dokumentieren.

Praxisübungen und Laborszenarien

• Modellierung eines Geschäftsobjekts mit zugehörigen Datenassets, Verantwortlichen und Qualitätsmerkmalen.
• Entwurf einer semantischen Schicht zwischen Fachmodell und technischem Datenkatalog.
• Erstellung einer EIA-Roadmap mit Pilot, Governance-Gates und messbaren Nutzenindikatoren.

Zielgruppe und Voraussetzungen

Zielgruppe: Enterprise Architecture, Data Architecture, Data Governance, Knowledge-Graph-Engineering, Datenkatalog-Teams und AI-Verantwortliche.

Voraussetzungen: Erfahrung mit Unternehmensarchitektur, Datenmanagement oder semantischer Modellierung; Grundlagen in RDF und Ontologien sind hilfreich.

Didaktik und Arbeitsweise

Kurze Fachimpulse werden unmittelbar durch Demonstrationen, strukturierte Konfigurationsschritte, Praxisübungen und kontrollierte Fehlerfälle vertieft. Jede Übung verwendet definierte Ausgangswerte, Prüfpunkte und Dokumentationsanforderungen, damit die erarbeiteten Abläufe als reproduzierbarer Arbeits- oder Betriebsstandard einsetzbar bleiben.