Die Digitalisierung demokratisiert die IT

Wir erstellen schon heute in gemischten Teams mit Hilfe einer Low-Code-Plattform innerhalb von zwei bis drei Tagen MVPs (Minimum Viable Products), um die Möglichkeiten und Business Cases direkt im jeweiligen Geschäftskontext zu erproben. Einzelne Sprints können dabei von zwei Wochen auf zwei bis drei Stunden verkürzt werden. So hat etwa ein Team, das die Zusammenarbeit von Data Scientists und Mitarbeitern der Finanz-Community verbessern wollte, mit Hilfe von Low Code ein MVP für eine innovative Collaboration-Plattform implementiert und diese direkt dem CFO vorgestellt.

Der CFO konnte auf dieser Grundlage den Ansatz und Mehrwert sofort nachvollziehen, hat ihn für wertstiftend befunden und das benötigte Budget für die Weiterentwicklung freigegeben. Über die traditionellen Powerpoint-Entscheidungsfolien wäre es aufwendig und langwierig gewesen, den Mehrwert zu vermitteln und auf einer abstrakten Ebene zu einer Entscheidung zu bringen. Ähnliche Beispiele beobachten wir inzwischen an vielen Stellen des Unternehmens.

Low Code bringt Agilität

Low Code macht uns agiler als nur AGIL. Schnell Ergebnisse zu sehen, macht Spaß, motiviert und setzt jede Menge kreative Energie frei. Mit zunehmender Erfahrung der Business-Kollegen im Umgang mit der Low-Code-Plattform sehen wir immer öfter MVPs auch ganz ohne Zutun der IT entstehen, zum Beispiel in Pro­zessen mit Digitalisierungspotenzial rund um Mergers & Acquisitions, Cybersecurity, Factory Shopfloor, Logistikplanung und Community-Management.

Weil die zur Verfügung gestellten Plattformen bereits grundlegende Funktionen wie Cybersecurity, saubere Schnittstellen etc. "eingebaut" haben, kommen die IT-Spezialisten oft erst dann wieder ins Spiel, wenn das MVP weiter skalieren soll, Back-Office-Systeme eingebunden werden müssen oder noch komplexere Anforderungen vorliegen.

Eine vergleichbare Entwicklung sehen wir auch im Bereich AI (Artificial IntelligenceArtificial Intelligence) und ML (Machine Learning). Wer bisher eine Idee für eine ML-Anwendung hatte und erproben wollte, musste sich einen der sehr gefragten Data Scientists erkämpfen, eine entsprechende Infrastruktur aufbauen und die Datenintegration sicherstellen - ein zeitaufwendiges und mitunter auch nervenaufreibendes Unterfangen. Zugleich eine Hürde, bei der viele Chancen auf der Strecke blieben. Alles zu Artificial Intelligence auf CIO.de

Vortrainierte Modelle

Eine Lösung bieten ML-Bibliotheken mit vortrainierten Modellen, die einfach "per Klick" und ohne Programmierkenntnisse zu bedienen und zu nutzen sind - von wirklich jedem. Das läuft dann so ab: Der Anwender bereitet die Daten auf, lädt sie hoch und beauftragt eine AI, für diese Daten und die jeweilige Fragestellung den besten ML-Algorithmus zu finden und diesen anschließend hinsichtlich der Ergebnisse zu bewerten.