Datenarchitekt:innen im Zeitalter der KI

🌐 Auch in 28 Sprachen

English · Español · 日本語 · Português (Brasil) · Français · Italiano · 한국어 · 简体中文 · Português (Portugal) · 繁體中文 · Bahasa Indonesia · Türkçe · Polski · Tiếng Việt · ไทย · Nederlands · العربية · עברית · Українська · हिन्दी · Русский · Svenska · Dansk · Norsk bokmål · Suomi · Español (México) · Français (Canada) · Deutsch (Schweiz)

Mit KI erstelltes Bild

Von KI übersetzt. Noch nicht von der Community geprüft. Auf Englisch lesen

Modul 7 von 7 im Kapitel Denken wie Datenarchitekt:innen, dem ersten Kapitel des Kurses Data Architect. Jedes Modul steht für sich. Zurück: Kennen Sie Ihre Werkzeuge: die neun Fragen · Weiter: das nächste Kapitel: Datenmodellierung

Die Frage, die dieses Modul beantwortet: Was ändert KI für Datenarchitekt:innen, und was ändert sie nicht?

KI verändert die Architektur, aber vielleicht nicht so, wie man zuerst denkt.

Erinnern Sie sich, wo dieses Kapitel begann: Den größten Teil meiner Laufbahn habe ich gebaut. Die meiste Zeit davon war Softwareentwicklung teuer. Man brauchte Menschen mit Spezialwissen, und Code schreiben, Integrationen bauen, Anwendungen erstellen und Testen kostete Zeit; selbst das Ausprobieren einer Idee war eine nennenswerte Investition. KI verändert diese Gleichung. Heute kann ich beschreiben, was ich will, und die KI erzeugt bemerkenswert schnell ein Datenmodell, Apex, einen Flow, eine Lightning-Komponente, eine Integration, Tests oder Dokumentation, und morgen wird sie noch mehr können.

Es ist also berechtigt zu fragen: Wenn die KI so viel vom Bauen übernehmen kann, was wird aus der Architektur? Ich glaube, die Antwort lautet: Architektur wird wichtiger, nicht weniger wichtig.

KI ist eine Trägerrakete

Diese Analogie habe ich in meinen Vorträgen verwendet:

KI ist die Trägerrakete. Architektur ist das Lenksystem.

KI gibt uns eine außergewöhnliche Beschleunigung. Wir können Anwendungen, Datenmodelle, Integrationen, Tests und Dokumentation schneller erzeugen als je zuvor. Aber eine Trägerrakete entscheidet nicht, wohin die Rakete fliegen soll. Sie liefert Schub. Das Lenksystem bestimmt den Kurs und korrigiert unterwegs.

Ohne zuverlässige Lenkung hilft mehr Schub nicht. Er bringt Sie nur schneller ans falsche Ziel. Die Aufgabe von Architekt:innen ist nicht, alles zu bremsen; sie ist, dafür zu sorgen, dass wir in die richtige Richtung beschleunigen.

Mit KI erstelltes Bild.

Stellen Sie sich ein KI-Werkzeug vor, das eine Anwendung zehnmal schneller baut als wir früher. Großartig, wenn es die richtige Anwendung ist. Aber was, wenn das Datenmodell falsch ist, oder wir das falsche Standardobjekt gewählt haben, oder falsch verstanden haben, wohin die Stammdaten gehören, oder der Entwurf beim heutigen Volumen funktioniert und mit einer weiteren Null zusammenbricht? Die KI hat den Fehler nicht beseitigt. Sie hat uns geholfen, den Fehler schneller zu bauen und viel mehr darauf aufzubauen, bevor es jemand merkt.

Billige Umsetzung verschiebt den Wert

Wenn Umsetzung teuer ist, richtet sich die Aufmerksamkeit natürlich auf die Umsetzung: wer es bauen kann, wie lange es dauert, ob es überhaupt zum Laufen zu bringen ist. Je billiger die Umsetzung wird, desto wichtiger wird eine andere Frage: Was sollten wir bauen? Das ist eine Architekturfrage.

Die KI kann zwanzig Objekte erzeugen; in der Datenarchitektur entscheiden wir, ob wir fünf haben sollten. Die KI kann eine Integration erzeugen; die Architektur entscheidet, ob die Daten überhaupt kopiert werden sollten. Die KI kann in Sekunden ein Feld anlegen; in der Architektur fragen wir, ob es eine klare Bedeutung, eine verantwortliche Stelle und einen Daseinsgrund hat. Die KI baut, was wir verlangen, also ist die Qualität dessen, was wir verlangen, wichtiger denn je.

Generieren ist nicht Urteilen

KI ist sehr gut darin, Optionen zu erzeugen, und das ist enorm nützlich. Ich bitte sie um drei Wege, etwas zu modellieren, um die Abwägungen, darum, eine Architektur infrage zu stellen, mir zu sagen, was bei 100 Millionen Datensätzen passiert oder wo ein Entwurf scheitern könnte, oder mir eine Alternative zu geben, bei der Salesforce nicht das führende System ist. Ich möchte, dass Architekt:innen das tun.

Aber Optionen zu erzeugen und sie zu beurteilen sind verschiedene Dinge. Die KI kann mir sagen, was Option A und Option B jeweils bieten. Jemand muss trotzdem das Geschäft gut genug verstehen, um zu wissen, welche Vorteile zählen, welche Einschränkungen echt sind, welches Risiko akzeptabel ist und wann eine Antwort technisch plausibel, aber für diese Organisation falsch ist. Das ist Urteilsvermögen, und das ist Architektur.

So zeigt sich das in meiner eigenen Arbeit. Im letzten Jahr habe ich aufgehört, den Großteil des Codes selbst zu schreiben. Ich gebe der KI die Details und lasse sie die Oberflächen und den Backend-Code erzeugen, und sie macht das bemerkenswert gut.

Aber sie tritt nicht zurück und schaut tiefer analytisch hin. Wenn das Datenmodell oder der Entwurf einen Fehler hat, stellt sie ihn nicht infrage. Sie behandelt, was schon da ist, als Annahme und baut darauf auf, schnell und kompetent. Selten hält sie inne und sagt: „Bevor ich das hinzufüge: Es könnte sich lohnen, das Modell zu ändern, das Sie schon haben.“ Sich anzusehen, was existiert, und zu fragen, ob es richtig ist, nicht nur, ob wir das Nächste darauf bauen können, bleibt die Aufgabe der Architektur. Wenn die KI eine Annahme infrage stellen soll, müssen Sie sie darum bitten.

Der Umkehrbarkeitstest gilt weiterhin

Gehen Sie zurück zur Frage aus Modul 3: Wie schwer wird es sein, diese Entscheidung rückgängig zu machen? KI verändert die Kosten, Software zu erzeugen und zu ändern. Sie verändert nicht die Kosten, die Wirklichkeit zu ändern. Sind 100 Millionen Datensätze geladen, dann existieren sie. Hängen zwölf Systeme von einer Kennung ab, dann existieren diese Abhängigkeiten. Nutzen Kunden einen Prozess oder hängen Analysen von der Bedeutung eines Felds ab, dann hat eine Änderung Folgen. Und wurden Daten einmal dorthin weitergegeben, wo sie nicht hingehörten, holt kein neuer Code sie zurück.

Unumkehrbar bleibt unumkehrbar.

Agenten sind eine neue Art von Datennutzer

Früher haben wir Daten für zwei Arten der Nutzung entworfen: durch Menschen und durch Software. Eine Person liest einen Datensatz; ein Bericht, eine Integration oder eine Anwendung liest die Daten. Jetzt gibt es eine dritte: Agenten. Ein Agent kann Daten abrufen, deuten, mit anderen Informationen kombinieren, entscheiden und handeln, manchmal ohne einen Menschen dazwischen.

Das erhöht den Einsatz. Was ein Feld bedeutet, wem es gehört, wie aktuell und vertrauenswürdig es ist, ob es sensibel ist, ob ein Agent es sehen kann und sollte, was passiert, wenn zwei Quellen sich widersprechen: Das war früher Dokumentation. Jetzt ist es die Art, wie ein intelligentes System das Geschäft versteht.

Und schlechte Daten werden nicht klüger, weil eine KI sie liest. Müll rein, Müll raus gilt weiterhin. Doppelte Kunden, unklare Verantwortung, uneinheitliche Kennungen und widersprüchliche führende Systeme verschwinden nicht, wenn Sie einen Agenten anbinden; die Folgen werden nur sichtbarer. Ein Mensch schaut auf ein Feld und weiß, dass es seit drei Jahren niemand aktualisiert hat. Der Agent hat dieses Wissen der Organisation nicht, und er handelt vielleicht selbstbewusst auf Daten, denen alle anderen stillschweigend nicht trauten. Datenarchitektur wird Teil der KI-Architektur.

Achten Sie auf Schema-Wildwuchs

KI macht es auch unglaublich leicht, Dinge zu erschaffen. Noch ein Objekt, sechs weitere Felder, eine weitere Automatisierung? Erzeugen. Jede Entscheidung wirkt billig, aber erinnern Sie sich an die Schwerkraft der Architektur aus Modul 3: Diese Objekte und Felder sammeln Abhängigkeiten (Automatisierung, Integrationen, Berichte, Agenten), und bald haben Sie ein Datenmodell, das niemand entworfen hat. Es ist einfach gewachsen.

Architekt:innen müssen bereit sein zu fragen: „Brauchen wir das wirklich?“ Manchmal ist die wertvollste Entscheidung, etwas nicht zu erschaffen. Bei guter Architektur geht es ebenso sehr darum, was man weglässt, wie darum, was man hineinnimmt.

Menschliche Prüfung ist keine Zeremonie

Wenn ich sage, ein Mensch aus der Architektur sollte ein von KI erzeugtes Datenmodell prüfen, meine ich nicht: „Die KI hat es erstellt, und Steve hat sich fünf Minuten das Diagramm angesehen und es genehmigt.“ Das ist keine Aufsicht. Wer die Architektur verantwortet, muss das Modell verstehen: warum diese Objekte, warum diese Beziehungen, welche Alternativen erwogen wurden, wo die Schlüssel und die Stammdaten liegen, was passiert, wenn das Volumen wächst, was die Zugriffsfolgen sind und welche Abwägungen getroffen wurden. Wenn ich das nicht beantworten kann, verantworte ich die Architektur nicht; ich habe sie nur abgestempelt. KI kann zu einer Architektur beitragen, sie infrage stellen und sie dokumentieren, aber die Menschen in der Architektur müssen sie verteidigen können.

Dasselbe gilt für Fakten. Ich nutze KI ständig zum Lernen und Recherchieren, und meine Regel lautet Vertrauen, aber überprüfen. Stellen Sie die Frage, bitten Sie um die Erklärung, die Alternativen und eine Infragestellung der eigenen Antwort. Dann folgen Sie bei allem, was für Ihre Architektur zählt, dem Link, lesen die Dokumentation, prüfen die Grenze, bestätigen die Lizenzierung und testen das Verhalten. KI kann sehr überzeugend sein, wenn sie falschliegt, und Fakten von Annahmen zu unterscheiden ist jetzt ein noch größerer Teil der Arbeit.

KI verkürzt den Weg nicht

Es gibt einen Satz, den ich verwende, wenn ich über den Weg in die Architektur spreche:

KI verkürzt den Weg nicht. Sie kann jeden Schritt wertvoller machen.

Sie müssen weiterhin Daten, Sicherheit, Integration, die Plattform und das Geschäft verstehen, und Sie brauchen weiterhin die Erfahrung, Entscheidungen zu treffen und mit den Folgen zu leben. KI kann Ihr Lernen beschleunigen, Ihnen Szenarien zeigen, die Sie noch nicht kennen, Dinge erklären, Sie herausfordern, Ihnen beim Bauen helfen und ein zweites Paar Augen sein. Nutzen Sie all das. Verwechseln Sie nur nicht eine KI, die die Antwort kennt, damit, dass Sie die Antwort verstehen.

Architekt:innen steuern

Wir haben dieses Kapitel mit der Person begonnen, die den Bauplan hält. KI gibt dieser Person außergewöhnliche neue Werkzeuge: einen Assistenten, der Teile des Bauplans zeichnen, Materialien recherchieren, Alternativen vorschlagen, Lasten berechnen, die Dokumentation schreiben und sogar Probleme entdecken kann, die Sie übersehen haben. Nutzen Sie ihn. Aber jemand muss weiterhin das ganze Gebäude verstehen, fragen, ob es das richtige Gebäude ist, wissen, was passiert, wenn sich die Anforderungen ändern, und welche Entscheidungen teuer rückgängig zu machen sind, und für das Ergebnis einstehen.

Deshalb heißt die letzte Stufe dieses Kurses Direct (Steuern). Vielleicht schreiben Sie nicht jede Zeile Code, erstellen nicht jeden Flow und bauen nicht jedes Objekt. Jemand muss die Lösung trotzdem steuern, und das sind die Architekt:innen. KI schafft die Architektur nicht ab; sie verändert, wo Architekt:innen Wert schaffen. Es ist eine außergewöhnliche Zeit, in die Architektur zu gehen.

Was Architekt:innen hier entscheiden

• Was überhaupt gebaut werden sollte, jetzt da Bauen billig ist: welche Objekte, Felder und Integrationen sich ihren Platz verdienen.
• Welche von KI erzeugten Optionen zu diesem Geschäft passen und welche plausibel, aber falsch sind.
• An welchen Entscheidungen die KI vorbeirast, die teuer rückgängig zu machen sein werden.
• Was Agenten lesen und worauf sie handeln dürfen, und ob die Daten gut und klar genug beschrieben sind, damit sie das können.
• Welche Fakten aus der KI überprüft werden müssen, bevor sie den Entwurf prägen.

Das heißt, im Zeitalter der KI wie Architekt:innen zu denken.