– Struktur vor KI
Warum du erst die Zusammenhänge sehen musst, bevor Daten wertvoll werden. Ein Denken jenseits von Datensammlerei.
Die Spinne im Netz, nicht der Datensilo
Ich habe lange genug gesehen, wie Unternehmen Daten sammeln wie andere Menschen Kaugummi sammeln – ohne Plan, ohne Ziel, einfach weil es möglich ist. Jeder Prozess wird gemessen, jeder Klick getrackt, jede Interaktion irgendwo abgelegt. Am Ende haben sie gigabyteweise Müll und null Ahnung, was sie damit anfangen sollen. Das ist nicht Digitalisierung. Das ist Chaos mit Cloud-Speicher.
NEW Lifecycle Management (LCM) ist etwas anderes. Es geht nicht darum, mehr zu sammeln. Es geht darum, zu verstehen, wie Dinge zusammenhängen. Wie ein System wirklich funktioniert – nicht wie man es auf dem Papier darstellt, sondern wie es tatsächlich läuft.
Stell dir eine Spinne im Netz vor. Sie braucht nicht jede Vibration zu speichern. Sie muss nur wissen, wo die Spannung im Netz ist, wo etwas Druck ausübt, wo sich Bewegung ankündigt. Das Netz muss so gebaut sein, dass es den Flügelschlag aufnimmt, bevor die Fliege landet. Das ist aktives Systemdenken. Das ist NEW LCM.
Was auf dem Spiel steht
Ich habe drei Jahre im Control Center der Automobilindustrie gearbeitet — 24/7, 365 Tage. Heute leite ich drei Teams im Lifecycle Management. Und ich weiß, was passiert, wenn Relationen nicht erkannt werden.
Ein Telegramm bleibt im PLM hängen. Klingt klein. Ist es nicht. Dahinter wartet die Produktion — fließen die Daten nicht, steht das Band. Hunderte Arbeiter. Im Ernstfall wackelt der SOP, der Start of Production. Pressetermine platzen. Imageschaden. Eine ganze Kette — und sie beginnt bei einer einzigen hängenden Nachricht, die niemand kommen sah, weil die Relationen nicht im Blick waren.
Oder das tägliche Beispiel: Jeden Morgen geht die Performance in die Knie, weil sich alle gleichzeitig anmelden. Kein Mysterium. Ein Muster. Wer das Muster kennt, arbeitet gezielt mit Speicher und Ressourcen — bevor der erste Anwender flucht.
Das ist mein Lifecycle Management: nicht das Produkt da draußen auf der Straße. Die IT-Landschaft hier drinnen, die die Produktion trägt. Wenn die zappelt, zappelt das Werk.
Struktur schafft erst die Voraussetzung
Jetzt kommt der kritische Punkt: KI und Machine Learning sind im Moment überbewertet. Nicht weil sie nicht nützlich sind, sondern weil vorher niemand den Untergrund vorbereitet hat. Du kannst ein neuronales Netz nicht auf chaotische Daten loslassen und hoffen, dass es Wunder vollbringt. Das funktioniert nicht.
KI braucht Struktur. Sie braucht semantischen Zusammenhang.
Bevor ich KI einsetze, muss ich verstehen: Welche Daten sagen mir überhaupt etwas? Welche Beziehungen zwischen Datenpunkten sind real? Welche sind Rauschen? Das ist nicht sexy. Das ist nicht die Story, die man in einem Pitch erzählt. Aber es ist fundamental.
Denn das habe ich durch meine systemische Ausbildung gelernt: Das sind Systeme. Und Systeme stehen in Relation und Resonanz. Mein Gebiet.
Das konkreteste Beispiel ist der Chatbot — der Moment, wo Struktur vor KI aufhört, Theorie zu sein. Stunden gehen verloren, wenn ein Bot auf Anwender losgelassen wird, bevor das Netz gespannt ist. Anwender gegen Bot, Bot gegen Anwender, das Problem lebt weiter. Die Antwort liegt nicht im Bot selbst, sondern in der Reihenfolge: erst die strukturierte Meldung, dann der Dialog, dann — wenn nötig — der Experte aus dem Lifecycle. Der löst nicht nur. Er erkennt, welche Fälle sich wiederholen, zieht Wissen heraus, bereitet es auf. So stirbt Wissen nicht im Ticket — es wandert nach vorn. Wie das im Detail funktioniert, steht auf der nächsten Ebene: → Bevor das Ticket entsteht
NEW Lifecycle Management ist die Landkarte. Die Spinne im Netz ist die Struktur, bevor du anfängst zu rechnen. Du brauchst:
Das Verständnis des Gesamtsystems: Wie hängen Infrastruktur, Anwendungen, Prozesse und Anwender zusammen? Nicht theoretisch – praktisch. Welcher CI-Wechsel zeigt sich erst in der Anwendung? Welche Muster entstehen erst, wenn tausend Anwender jeden Morgen dasselbe tun?
Echte Feedback-Schleifen: Nicht Umfragen, nicht theoretische Datenmodelle. Echte, messbare Rückkopplung aus dem Betrieb zurück ins System. Und zwar strukturiert, nicht als Flut an Einzelmeldungen.
Dezentrales Denken mit zentralem Verständnis: Jede Phase des Lifecycle hat ihre Logik, ihre Experten, ihre Daten. Die müssen nicht alle zentralisiert sein. Aber es muss eine gemeinsame Sprache geben. Ein Verständnis davon, wie meine Daten aus Phase B relevant für Phase D werden.
Das Netz in der Praxis: relationale Echtzeit-Architektur
Das Netz in der Praxis: relationale Echtzeit-Architektur
Das Prinzip kenne ich übrigens aus der Garage: Was ein Produkt im echten Leben erlebt, gehört zurück zu dem, der es baut. In der IT-Landschaft gilt dasselbe — nur dass das „Produkt“ hier die Landschaft selbst ist: verteilte Netzwerke, Umgebungen, Systeme. Die Spinne spannt ihre Fäden zwischen Datenquellen, die heute nichts voneinander wissen. Ein Problem ist dann keine Grenzwertüberschreitung mehr. Es ist eine Spannung im Netz: eine funktionale Asymmetrie.
So arbeitet das Netz:
1. Relationale Beobachtung statt Datensilos. Die Spinne prüft nicht jeden Faden einzeln — sie spürt, wenn zwei gekoppelte Fäden sich plötzlich unterschiedlich verhalten. Technisch: Das System überwacht die Kopplung zeitabhängiger Systemgrößen. Driftet eine Seite der Relation, während die logisch gekoppelte Seite stabil bleibt — etwa Infrastruktur-CI-Wechsel ↔ plötzlicher Performance-Drop in der lokalen Anwendung — zappelt das Netz. Genau da sitzt das Problem.
2. Antizipativer Support („On the Fly“). Die Spinne wartet nicht, bis die Beute das Netz zerlegt hat. Durch permanenten Abgleich von Systemauslastungen, Endpunkt-Telemetrie und Netzwerkmeldungen erkennt die Struktur Störungen und Massenphänomene im Hintergrund. Beginnt ein Anwender seine Support-Anfrage einzutippen, hat das System die Asymmetrie meist schon lokalisiert. Der Support reagiert nicht mehr ex-post auf Tickets — er steuert die Ressourcen prädiktiv um. Die Latenz zwischen Problem und Lösung schrumpft von Tagen auf Minuten.
3. Geschlossene Qualitätsschleifen (Closed Loop). Auch diese Schleife läuft durch das Netz: Ohne stabile IT-Landschaft, Schnittstellen und Datenflüsse fließt hier gar nichts zurück. Erkenntnisse aus der finalen Lebensphase — reale Bauteil-Analysen aus Aufnahmen, Messungen — fließen über automatisierte Schnittstellen zurück in Konstruktion und Simulation. Wiederholte Abweichungen werden zum neuen Referenzbestand. Die nächste Konstruktion macht den Fehler nicht mehr — das Produkt lehrt sein eigenes Design.
Kurzform
NEW Lifecycle Management hält Systeme stabil, indem es Ressourcenkonflikte und Prozess-Asymmetrien relational erkennt und Prioritäten dynamisch durchsetzt – bevor Störungen für den Anwender sichtbar werden.
Die Spinne inspiziert nicht jeden Faden. Sie liest die Spannung im Netz.
Wo es weitergeht
Dieser Artikel ist die Grundlage. Was darauf aufbaut:
→ Bevor das Ticket entsteht — wie der Dialog das Ticket ersetzt
→ SAFe, ServiceNow, CMDB, Chatbot, OpenClaw, KI… — fünf Akteure, ein Netz
→ Es gibt nicht die KI — elf Typen, elf verschiedene Risiken im Bestand
→ KI-Readiness — was die Umgebung können muss, bevor die KI es kann — und der KI Readiness Index zum Selbstcheck
→ Was der EU AI Act (für mich) ist — Weckruf, kein Verkaufsschild — mit den vier Risikostufen und was bei Verstößen droht