Warum Ihr Systemwissen in vielen Schichten verstreut liegt
Ihre KI ist nur so klug wie das verknüpfte Systemwissen, das sie lesen kann.
Wer ein System verändern will, fragt zuerst: Was hängt woran? Die Antwort steht selten an einem Ort.
In einer Service-Architektur stehen die Zieladressen der Kommunikation nicht im Code, sondern in den Konfigurationsdateien. In einem Workflow-System ist die Prozessdefinition oft die einzige Dokumentation. Und Tabellen, die zu einem Modul gehören sollen, werden von anderen Modulen mitgelesen.
Dazu kommt das Wissen, das nie in einer Datei stand: Wer das System gebaut hat, arbeitet heute oft woanders.
Eine KI hilft hier nur bedingt. Gibt man ihr den gesamten Code, stösst sie bei Systemen mit über einer Million Codezeilen an ihre Kapazitätsgrenzen. Und selbst dann sieht sie nur eine Schicht von vielen.
Was ist das OMAN Framework?
OMAN steht für Object Metadata Analyzer. Das OMAN Framework ist die Werkzeugkiste der Object Engineering: Damit erfassen wir die Metadaten aller Schichten eines Systems, verbinden sie zu einem Wissensgraphen und werten diesen aus.
Metadaten sind die Angaben, die ein System über sich selbst enthält: welches Programm welche Tabelle liest, welcher Service über welchen Kanal mit welchem spricht, welcher Prozessschritt welche Variable setzt. Ein bestehendes System beschreibt sich damit im Grunde selbst – man muss diese Beschreibung nur lesen können.
Ein Wissensgraph speichert jedes Element Ihres Systems als Punkt und jede Abhängigkeit als Verbindung. So lassen sich Fragen nach Zusammenhängen direkt beantworten – von Ihren Fachleuten und von Ihren KI-Werkzeugen.
Code ist für OMAN eine Quelle unter vielen. Ein System kann auch nur aus Excel-Listen bestehen. Dann erhält OMAN ein eigenes Begriffsmodell für genau diese Listen. Wie wir das als Dienstleistung umsetzen: System Discovery
In drei Phasen einen Wissensgraphen erstellen
Jedes unserer Module folgt diesen drei Phasen, jedes in seinem eigenen Umfang. Die Reihenfolge bleibt gleich – welche Werkzeuge arbeiten, entscheidet Ihre Fragestellung.
Datenquellen
Von verstreuten Quellen zur soliden Grundlage
- Quellen erkennen, bewerten und zugänglich machen
- Zusammenführen und strukturiert ablegen
Datenanalyse
Von Metadaten zum vernetzten Wissen
- Verborgene Zusammenhänge algorithmisch erschliessen
- Im Wissensgraphen validieren und visualisieren
Brauchbare Resultate
Vom Wissensgraphen zur Entscheidung
- KI-gestützt befragen, Muster erkennen
- Roadmaps, Berichte und Migration planen
390 Schritte im grössten von rund zwei Dutzend Prozessen – analysiert, in der richtigen Reihenfolge geplant und automatisiert nach BPMN 2.0 überführt.
Die sechs Schritte im Detail
Datenquellen
- Quellen finden und bewerten. Wir klären, wo das Wissen über Ihr System liegt, prüfen jede Quelle auf Vollständigkeit und Aktualität und machen sie lesbar.
- Zusammenführen und strukturiert ablegen. Die Metadaten aller Quellen kommen in ein gemeinsames Begriffsmodell. Darauf baut jede weitere Analyse auf.
Datenanalyse
- Verborgene Zusammenhänge erschliessen. Algorithmen verbinden die Elemente über alle Quellen hinweg und finden Abhängigkeiten, die in keiner Dokumentation stehen.
- Im Wissensgraphen validieren und visualisieren. Wir prüfen den Graphen mit Ihren Fachleuten und machen ihn als Grafik, Tabelle oder Matrix lesbar.
Brauchbare Resultate
- KI-gestützt befragen. Sie und Ihre KI-Werkzeuge stellen Fragen in Alltagssprache. Die KI übersetzt sie in Abfragen an den Graphen; die Antworten lassen sich bis zum einzelnen Element zurückverfolgen.
- Verdichten und umsetzen. Die Erkenntnisse werden zu Berichten, Roadmaps und Migrationsplänen. Wo es sich lohnt, überführen Generatoren Code und Metadaten teilautomatisiert in die Ziel-Architektur.
Die Phasen laufen nicht nur einmal durch. Taucht während des Projekts eine neue Frage auf, wiederholen wir die nötigen Schritte gezielt für diesen Aspekt. Der Graph wächst dabei mit.
Die Werkzeugkiste
Werkzeuge für Metadaten-Analyse, kombiniert für Ihre Frage
Ein Standardprodukt beantwortet die Fragen, die sein Hersteller vorhergesehen hat. Gewachsene Systeme halten sich nicht an diese Liste: eine proprietäre Prozessnotation, ein Batch-System auf AS400, Ressourcendateien einer alten Desktop-Oberfläche.
OMAN ist deshalb kein Produkt mit festem Funktionsumfang, sondern ein Satz von Werkzeugen. Für jedes Vorhaben stellen wir die Kombination zusammen, die Ihre Fragestellung beantwortet. Fehlt für ein Format ein Leser, bauen wir ihn – oft genügt dafür ein einfacher Parser, der nur die relevanten Teile liest.
Schon 2019 haben wir diesen Grundsatz beschrieben: eine Vielzahl einfacher Werkzeuge zu einer kontrollierten, sinnvollen Gesamtheit kombinieren. Fachartikel «Füsse im Beton, Kopf in der Cloud»
Datenquellen
-
Leser für jede Quelle
Parser und Scanner lesen Programmcode, Skripte, Datenbankschemas, Konfigurationen, Prozessdefinitionen, Logs und Excel-Listen. Für ungewöhnliche Formate entsteht ein eigener Leser.
-
Begriffsmodell Ihrer Domäne
Ein Begriffsmodell (Fachbegriff: Ontologie) legt fest, welche Arten von Elementen es gibt und wie sie zusammenhängen. Wir starten mit einem bewährten Grundmodell und ergänzen es für Ihr System.
-
Editor für Fachwissen
Was keine Maschine lesen kann, erfassen wir von Hand: Korrekturen, Ergänzungen und das Wissen Ihrer Fachleute.
Datenanalyse
-
Verknüpfung über Quellgrenzen
Verbindet Elemente aus verschiedenen Quellen: den Programmaufruf mit der Konfiguration, die Konfiguration mit dem Service, den Service mit der Tabelle – bis auf Feldebene.
-
Graph-Algorithmen
Finden zusammengehörige Gruppen, zentrale Elemente und mögliche Modulgrenzen. Die Ergebnisse fliessen als neues Wissen zurück in den Graphen.
-
Visualisierung
Macht den Graphen lesbar: als interaktive Grafik, als Tabelle oder als Abhängigkeitsmatrix.
Brauchbare Resultate
-
KI-Zugang zum Graphen
Ihre KI-Werkzeuge befragen den Graphen in Alltagssprache. Sie lesen strukturierte Metadaten, nicht Ihren Quellcode.
-
Berichte und Generatoren
Verdichten den Graphen zu Berichten, Planungstabellen und Roadmaps. Generatoren überführen wiederkehrende Strukturen teilautomatisiert in die Ziel-Architektur.
Aus der Praxis
Welche Werkzeuge für welche Frage?
Jedes Vorhaben beginnt mit einer Frage, nicht mit einem Werkzeug. Fünf Beispiele zeigen, welche Quellen wir gelesen, welche Werkzeuge wir kombiniert und in welchem Modul wir gearbeitet haben.
| Frage | Gelesene Quellen | Kombinierte Werkzeuge | Modul | Ergebnis |
|---|---|---|---|---|
| Was gehört wirklich zu unserem Batch-System? Referenz ansehen | Batch-Programme, DB2-Tabellen, SQL-Skripte, Job-Control-Skripte (AS400) | Leser, Begriffsmodell, Verknüpfung bis Feldebene, Visualisierung | System Discovery | 4'300 → 1'700 Artefakte auf Komponenten zurückgeführt; Abhängigkeitsmatrix für jedes der 420 Marketingmerkmale |
| Halten sich unsere Services an die Architekturvorgaben? Referenz ansehen | Java-Code, Adapter-Bibliotheken, Konfigurationsdateien, REST- und Messaging-Kanäle | Leser, Verknüpfung über Quellgrenzen, Visualisierung | System Discovery | Kommunikationsgraph aller Services; Architekturverstösse gefunden und behoben |
| In welcher Reihenfolge lösen wir das Workflow-System ab? Referenz ansehen | Prozessdefinitionen, Datenbankzugriffe, Aufrufe der Umsysteme, Laufzeit-Logs | Leser, Verknüpfung, Planungstabelle, Generator mit Roundtrip | System Discovery, Living Documentation, Transformation Support | Optimale Umsetzungsreihenfolge; selten oder nie genutzte Pfade markiert; Ablösung termingerecht |
| Wie viel Migrationsarbeit lässt sich automatisieren? Fachartikel lesen | Java-EE-Code eines ERP-Monolithen (1,5 Mio. Zeilen) | Graph-Algorithmen auf einem Graphmodell der Logik, Generator auf OMAN-Basis | Transformation Support | rund 50 % des manuellen Migrationsaufwands entfallen |
| Was steckt in der Applikation, bevor wir eine Offerte rechnen? Fachartikel lesen | Code und Datenbank, z. B. Java mit rund 1'000 Klassen und knapp 100 Tabellen | Leser, Graph-Algorithmen, KI-Zugang zum Graphen | System Discovery | Modulgrenzen, Domänen und Risiken aufgezeigt; nicht produktive Artefakte im Lieferumfang erkannt |
Erprobt an realen Systemen – und öffentlich dokumentiert
Die KI ist die jüngste Schicht des Frameworks. Die Methode darunter haben wir seit 2014 in Fachzeitschriften und an Fachtagungen beschrieben – an Systemen, die im Betrieb waren.
Wie aus Systemintegration und Modernisierung unsere Wissensbrücken wurden, zeigt Wissensbrücken: Warum wir seit 1995 Brücken bauen.
- 4'300 → 1'700 Artefakte eines AS400-Systems auf die tatsächlich beteiligten Komponenten zurückgeführt
- 1,5 Mio. Codezeilen im ERP-System Bison Process, überführt mit einem Generator auf OMAN-Basis
- seit 2014 Methode in Fachzeitschriften und an Fachtagungen dokumentiert
- 2013 Das erste Projekt mit der Methode: eine GUI-Applikation mit 130 Masken und über 10'000 Feldern in acht Monaten ins Web migriert – mit Parsern, Metadaten-Repository und Generatoren Fachartikel GUI-Migration (OBJEKTspektrum, 2014)
- 2018 Die metadatenbasierte Methode als Ganzes vorgestellt: Metamodell, Vorgehen, Graphdatenbank als Repository Fachartikel WSRE 2018
- 2019 Bison Schweiz AG überführt die Defaulting-Logik ihres ERP-Monolithen mit einem Generator auf Basis von OMAN in eine neue Komponentenstruktur Fachartikel WSRE 2019
- 2019 Grundsatz der Werkzeugkiste: viele einfache Werkzeuge, kontrolliert kombiniert Fachartikel «Füsse im Beton, Kopf in der Cloud»
- 2020 Modulgrenzen in Monolithen mit Graph-Algorithmen finden Fachartikel WSRE 2020
- 2026 Wissensgraph und KI kombiniert: Fragen in Alltagssprache, ohne direkten Code-Zugriff der KI Fachartikel WSRE 2026
Rund die Hälfte weniger manueller Migrationsaufwand
«Die Object Engineering hat eine Grundlage geschaffen, auf der sich weitere Generatoren aufsetzen lassen. Sie sind offen für Diskussion, geben qualifiziertes Feedback, haben Erfahrung, Ideen und sie sind flexibel und schnell in der Umsetzung. Nicht zuletzt vermindert es unsere Entwicklungszeiten ja wirklich signifikant, d.h. der Erfolg gibt ihnen und mir recht.»
K.-U. Herrmann Head Architect Bison Schweiz AG Fachartikel WSRE 2019
Was hängt woran?
Fragen wir Ihr System.
Sie müssen noch nicht wissen, welche Werkzeuge Ihr System braucht. Nach einem kurzen Gespräch klären wir in der Discovery Advisory, welche Frage zählt und welche Werkzeuge sie beantworten. Die Beratung ist flexibel: von wenigen Tagen bis zur langfristigen Begleitung.
- Sie schreiben uns
Ein Satz zu Ihrem Vorhaben genügt. Kein Briefing, keine Unterlagen, keine Vorbereitung.
- Erstgespräch, 30 Minuten
Wir hören zu und zeigen, welche Analyse für Ihre Situation richtig ist. Und wenn wir nicht passen, sagen wir auch das.
- Klarer Plan, fester Rahmen
Ein konkreter Vorschlag: was wir untersuchen und was Sie danach über Ihr System wissen. Erst dann entscheiden Sie, ob wir anfangen.
Danke, Ihre Anfrage ist angekommen.
Wir melden uns innert 24 Stunden. Schritt zwei: Sie wählen den Termin.
Häufige Fragen zum OMAN Framework
Was bedeutet OMAN?
OMAN steht für Object Metadata Analyzer. So heisst die Werkzeugkiste der Object Engineering, mit der wir das Wissen über ein IT-System in einen Wissensgraphen überführen. Mit dem Staat Oman hat der Name nichts zu tun.
Ist OMAN ein Werkzeug für Code-Analyse?
Nein, nicht nur. OMAN liest jede Schicht eines Systems: Konfigurationen, Schnittstellen, Prozessdefinitionen, Datenbankschemas, Logs, Dokumente, Excel-Listen und eben auch Code. Oft liegt das entscheidende Wissen gerade nicht im Code – etwa die Zieladressen von Services, die nur in Konfigurationsdateien stehen.
Welche Datenquellen kann OMAN lesen?
In unseren Projekten haben wir unter anderem Code in COBOL, PL/1, C, C++, C#, Java, JavaScript, Python, Delphi, VB6 und VB.NET gelesen, dazu kompilierte Bibliotheken (DLL), Datenbankschemas, AS400-SQL und MS-Access-Anwendungen, Prozessdefinitionen in BPMN und in proprietären Notationen, Berichtsvorlagen aus Crystal Reports, Job-Control-Skripte, Konfigurationsdateien, Laufzeit-Logs und Netzwerkmitschnitte aus Wireshark. Die Liste wächst mit jedem Projekt: Für ein neues Format bauen wir einen eigenen Leser.
Wie hilft ein Wissensgraph meiner KI?
Ein Wissensgraph speichert die Elemente Ihres Systems und ihre Abhängigkeiten in einer Struktur, die eine KI direkt abfragen kann. Statt Millionen Codezeilen zu durchsuchen, findet sie den Zusammenhang aufbereitet vor. Je besser der Graph, desto präziser die Antworten – das zeigen unsere Praxiserfahrungen.
Unser System besteht vor allem aus Excel-Listen. Funktioniert das?
Ja. Dann erhält OMAN ein eigenes Begriffsmodell (Ontologie) für Ihre Listen: Es legt fest, welche Elemente die Listen beschreiben und wie sie zusammenhängen. Danach lassen sich die Listen genauso befragen und visualisieren wie Code oder Datenbanken.
Muss die KI unseren Quellcode sehen?
Nein. Die KI greift auf die strukturierten Metadaten im Wissensgraphen zu, nicht auf den Quellcode selbst. Das ist wichtig, wenn Ihre Richtlinien den direkten Code-Zugriff einer KI ausschliessen.
Kann man OMAN kaufen oder lizenzieren?
OMAN ist das Werkzeug unserer vier Module: Discovery Advisory, System Discovery, Living Documentation und Transformation Support. Sie kaufen nicht die Werkzeugkiste, sondern die Antwort auf Ihre Frage. Soll der Wissensgraph danach weiterlaufen, übernimmt das die Living Documentation – von uns begleitet oder bei Ihnen betrieben.