Technische Architektur & Tooling

Auf dieser Showcase-Website veranschaulichen wir, wie ein im Rahmen eines Transformationsprozesses erstelltes Unternehmensmodell operationalisiert werden kann, sowohl zur Erstellung interaktiver Dokumentationen als auch als Grundlage für KI-Assistenten und Retrieval Augmented Generation: Das Car Sharing Entrprise Model innerhalb der Website und der vom KI-Assistenten verwendete Wissensgraph werden aus einem Modell generiert, das wir für ein fiktives Carsharing-Unternehmen erstellt haben.

Diese Seite dokumentiert sowohl die Bausteine, die wir zur Erstellung der Website und des Wissensgraphen verwendet haben, als auch diejenigen, die die Live-Website und den Chat-Assistenten betreiben.

Website- und Wissensgraphen-Generierung

Modellierung des Unternehmens mit Archi und ArchiMate

Zur Veranschaulichung unserer Ideen und Herangehensweise haben wir ein Modell eines fiktiven Carsharing-Unternehmens mit der ArchiMate Enterprise Architecture Modeling Language erstellt.

Eine der nützlichen Eigenschaften der ArchiMate-Modellierungssprache ist, dass sie die relevanten Belange eines Unternehmens in separate Schichten und Aspekte unterteilt - z.B. den Motivationsaspekt, der beschreibt, warum das Unternehmen existiert und was seine Ziele sind, die Strategieschicht, die zeigt, wie diese Ziele erreicht werden können, und die Geschäfts-, Organisations- und Anwendungsschichten, die zeigen, wie das Unternehmen organisiert ist.

Diese Schichten und Aspekte sind im folgenden Diagramm dargestellt:

Wir haben Archi, ein beliebtes Open-Source-Tool, verwendet, um das fiktive Carsharing-Unternehmen zu modellieren. Archi unterstützt die ArchiMate-Sprache und ermöglicht die visuelle Modellierung über alle Architekturebenen hinweg.

Die gesamte Carsharing-Fallstudie wird aus dem ArchiMate-Modell generiert.

XML-Export aus Archi

Das Archi-Modell wird im XML-Format in einem Git-Repository gespeichert, unter Verwendung des ArchiMate Exchange Format. Dies geschieht automatisch bei der Verwendung des Archi Collaboration Plug-In.

Import nach Neo4j

Wir haben Neo4j gewählt, um das Unternehmensarchitekturmodell als Wissensgraph darzustellen. Jedes Element (Prozess, Abteilung, System, etc.) wird zu einem Knoten, und Beziehungen wie “ist verantwortlich für” oder “nutzt” werden zu Kanten.

Wir haben ein benutzerdefiniertes Import-Tool entwickelt, das:

• ArchiMate-XML-Dateien mit einem benutzerdefinierten Python-basierten Parser analysiert

• Mapping-Regeln anwendet, um Labels, Typen und Eigenschaften für jeden Knoten und jede Kante zu bestimmen

• Die Daten mit der Cypher-Abfragesprache in Neo4j importiert

Benutzerdefinierte Mapping-Regeln ermöglichen eine flexible Übersetzung von ArchiMate-Elementen in Graphstrukturen. Zum Beispiel:

• Ein BusinessProcess wird zu einem Knoten mit dem Label “process”

• Eine UsedBy-Beziehung wird zu einer Kante mit dem Label “uses”

Generierung der Carsharing-Fallstudieninhalte

Wir haben einen Generator mit Python entwickelt, der:

• Die analysierte Modellstruktur liest

• Elemente filtert, die für den Import markiert sind

• .mdx-Seiten für jedes Element generiert

• Inhalte in Ordnern strukturiert (/process, /system, /department, etc.)

• Navigationsmetadaten für eine kohärente Benutzererfahrung hinzufügt

Statischer Site-Generator

Der Inhalt dieser Website wird mit Nextra.js generiert, einem modernen Dokumentations-Website-Framework basierend auf Next.js.

Das Ergebnis ist eine vollständig navigierbare statische Website, bei der jedes Modellelement (z.B. “Kundenservice-Abteilung” oder “Buchungssystem”) eine eigene Seite hat mit:

• Beschreibendem Text

• Links zu verwandten Elementen (z.B. verantwortliche Prozesse)

• Automatisch generierten Übersichtsseiten und Meta-Navigationsdateien

Laufzeit-Bausteine

Neben dieser Website selbst verfügen wir zur Laufzeit über zwei zentrale Bausteine:

• den KI-Chat-Assistenten (läuft auf Kubernetes)
• den Wissensgraphen (unter Verwendung von Neo4j Aura)

KI-Chat-Assistent

Der KI-Assistent kapselt einen OpenAI-Agenten auf Basis von GPT-4o – bitte lesen Sie unsere Anleitung So verwenden Sie den KI-Assistenten, um zu erfahren, wie Sie den KI-Assistenten verwenden können.

Der Assistent:

• Nimmt Benutzeranfragen zum Unternehmensmodell entgegen

• sendet die Eingabe an OpenAI, das aus der Eingabe die entsprechende Cypher-Abfrage generiert: hier passiert die “KI-Magie” - die KI kennt das Datenmodel und formuliert die Abfrage selbständig auf Basis des Prompts.

• führt die Abfrage im Wissensgraphen aus

• leitet die Abfrageergebnisse zur weiteren Auswertung und Formatierung an den OpenAI-Agenten zurück

• erstellt bei Bedarf einen PDF-Bericht mit der Typst PDF Generator Engine. Die Inhalte des Berichts werden von der KI generiert, auf Basis der Daten im Wissensgraphen.

Wissensgraph

Der Wissensgraph wird in der vollständig verwalteten Graphdatenbank Neo4j Aura gehostet. Graphdatenbanken haben viele interessante Eigenschaften. Eine Funktion, die uns besonders gefällt, ist, dass Graphen einfach abgefragt und visualisiert werden können.

Derzeit entspricht die Graphdatenbank dem statischen Car-Sharing-Modell, das mit ArchiMate erstellt wurde, aber wir werden sie um „Live”-Daten aus dem Car-Sharing-Unternehmen erweitern.

Die Graphdatenbank bleibt die meiste Zeit im Hintergrund und liefert „nur” Kontext für den KI-Chat-Assistenten. Der Chat-Assistent stellt jedoch auch Links bereit, über die Sie diesen Kontext visualisieren können, indem Sie die Elemente in der Graphdatenbank anzeigen.

Zusammenfassung

Diese Toolchain zeigt, wie strukturierte Modellierung, Graphdatenbanken und generative KI kombiniert werden können, um eine leistungsstarke, interaktive Darstellung eines Unternehmens zu erstellen.