Das industrielle Metaverse ermöglicht die Zusammenarbeit, Visualisierung und Simulation von Produkten und Prozessen. Damit unterschiedliche Anwendungen nahtlos zusammenarbeiten können, wird ein Betriebssystem für virtual workspaces benötigt, das ein systemübergreifendes Management komplexer Geschäftsprozesse ermöglicht. Dies reduziert die Kosten der Anwendungsentwicklung erheblich und bildet die technologische Basis für Innovations-Ökosysteme. Gleichzeitig wird ein attraktiver Arbeitsraum für die knappen Kapazitäten der next generation geschaffen.

Industrielle Metaversen erfordern eine Orchestrierung heterogener Anwendungen, um in einem virtuellen Universum eine Basis für vergleichbare Interaktionen wie in physisch existenten und verteilten Räumen zu ermöglichen. Diese Basis ermöglicht:

• nachvollziehbare Datendurchgängigkeit über Systemgrenzen hinweg,
• kontextbezogene Anwendungsmodellierung unter implizierter Verwendung von bewährten Logiken,
• Externalisierung von Wissen über vorhandene und verwendete Daten, Modelle, Funktionen und Berechtigungen und
•  Bewertbarkeit von Bebauungsentscheidungen hinsichtlich Machbarkeit, Kosten, Nutzen und Konsequenzen.

Eine besondere Bedeutung hat die „Modellbasierte Interoperabilität“, d.h. die Fähigkeit von IT-Systemen oder Anwendungen reibungslos und verlustfrei miteinander zu kommunizieren, Daten auszutauschen und zusammenzuarbeiten. Dies geschieht unabhängig von ihrer spezifischen Architektur, Plattform oder Technologie. Interoperabilität ist aus systemischer Sicht die zentrale Herausforderung für die an Metaversen beteiligten IT-Systemen.

Ein Game Changer ist das Wissen darüber, welche Systeme, welche Daten und Modelle produzieren und konsumieren, sowie die Kenntnis der Vereinbarungen, die die Nutzung aus struktureller, syntaktischer und semantischer Sicht regeln. Dies ermöglicht es, Ergänzungen und Änderungen an den Systemen vorzunehmen und heterogene Prozesse zusammenzuführen, ohne die Stabilität der interagierenden Systemlandschaft zu gefährden und die angestrebten Mehrwerte für die Anwender zu transportieren.

Die beschriebenen Anforderungen können durch eine modellbasierte No-Code Plattform erfüllt werden, die bei der Anwendungsentwicklung fachliche Anforderungen modelliert, insbesondere unter Verwendung von UML und BPML. Die Plattform fungiert als Betriebssystem für das Anwendungsmodell. Die Trennung von individueller Fachlichkeit und allgemein einsetzbarer Informationstechnologie beschleunigt Entwicklungsprojekte und optimiert den Einsatz knapper Fachkräfte.

Welche Funktionalitäten muss eine solche Plattform im Einzelnen bieten?

Teilautomatisierte Anwendungsentwicklung für kürzere Entwicklungszyklen:
Die Plattform muss eine modellzentrierte No-Code-Lösung bieten, die die teilautomatisierte Anwendungsentwicklung ermöglicht. Komplexe Anwendungsfälle sollen in Modellen beschrieben und von der Plattform in lauffähige Anwendungen übersetzt werden können. Dies muss zu einer schnelleren und kostengünstigeren Entwicklung führen, die Wartbarkeit erhöhen und einen „Single Point of Truth“ in heterogenen Systemlandschaften ermöglichen.

Datensilos aufbrechen:
Daten müssen flexibel an die Anforderungen von Geschäftsprozessen angepasst werden und vielfältige, heterogene Datenquellen müssen kontextbezogen organisiert werden. Des Weiteren muss die Plattform als Middle­ware fungieren, die Datenmodelle von Legacy-Systemen versioniert und in fachliche Anwendungsmodelle überführt. Dies soll ein effizientes Ordnungssystem für Daten und deren Austausch schaffen.

Externalisierung von Wissen:
Bei der Modernisierung von Softwareanwendungen wird häufig auf eine Neuentwicklung gesetzt. Dies liegt daran, dass lange Wartungsphasen oft zu veralteten und komplexen Architekturen führen und das erforderliche Wissen nicht immer verfügbar ist. Objektorientierte Modellierung und Programmierung ermöglichen die Wiederverwendung modularer Komponenten. Mit einem entsprechenden Tool können relationale Datenbankschemata in interpretierbare Anwendungsmodelle überführt werden. BPML-Modelle dienen nicht nur zur Anforderungsspezifikation, sondern können direkt in lauffähige Anwendungen integriert werden, was die Qualität der Prozessmodellierung erhöht.

GPT – Generative Pre-trained Transformer:
Deutsche Unternehmen investieren stark in KI-basierte Anwendungen, wobei die Leistungsfähigkeit der Sprachmodelle entscheidend ist. Eine erweiterte Skalierung unterstützt dabei, GPT-Modelle besser aus unstrukturierten Daten lernen zu lassen. Dadurch können Anwendungsmodelle erstellt und in praktische Anwendungen umgesetzt werden. Zudem wird die Kommunikation zwischen Anwendungen verbessert, indem Kontexte erlernt und Inhalte verknüpft werden. Dies führt zu einer effizienten und hochwertigen Aufbereitung von Informationen, die besonders für Support-Arbeitsplätze nützlich ist.

Modellmanagement:
Die Plattform muss Modelle nutzen, um exakte und vollständige Beschreibungen von Realitäten oder Zielsystemen zu erstellen. In der heutigen Anwendungsentwicklung gibt es jedoch oft das Problem, dass viele Modelle in Softwareprojekten erstellt werden, sich aber nicht einfach zu einem Gesamtmodell zusammenführen lassen.

Dieses Problem wird durch die Bereitstellung von Modellimport-Schnittstellen für Oberflächen-, Prozess-, Daten- und Berechtigungsmodelle gelöst. Diese Modelle können mit In-App-Editoren so gestaltet werden, dass die Plattform sie interpretieren kann. Dies reduziert manuelle Übertragungs- und Interpretationsaufwände, automatisiert teilweise den Software-Engineering-Prozess und verbessert insgesamt die Systemqualität bei niedrigeren Kosten.

Darüber hinaus dienen Modelle dazu, das Verhalten von Systemen zu erklären und vorherzusagen. In den Anwendungen folgen die Logiken ausschließlich dem im Anwendungsmodell abgebildeten Modell, ohne zusätzlichen Softwarecode, der das Modell verändert oder beeinträchtigt. Diese Modelle werden in standardisierten Modellsprachen wie UML und BPML dargestellt, was die Wartung und Pflege in einer gemeinsamen Sprache für Fach- und IT-Bereiche erleichtert.

Fazit

Die Plattform „TopLogic – the automated application engine“ ermöglicht schnelle, flexible und kosteneffiziente Anwendungsentwicklung. Sie fördert die Zusammenarbeit zwischen Fach- und IT-Bereichen auf Basis gemeinsam verständlicher Modelle und trägt zur Dynamisierung der Digitalisierung bei. Ihre Architektur als Informationsintegrationsplattform unterstützt die flexible Anpassung und Organisation heterogener Datenquellen und kann als Inkubator für die Lösungsentwicklung in Industrieunternehmen dienen. Die TopLogic Engine wird bereits in der Großindustrie erfolgreich eingesetzt und verbessert dort die Systemqualität und senkt die Entwicklungskosten. In der heutigen datengetriebenen Welt können Daten flexibel an die Anforderungen von Geschäftsprozessen angepasst werden – ein wertvolles Gut!

Der Autor:

Guido Dostert, 57 Jahre, ist Geschäftsführer der Business Operation Systems GmbH und Mitbegründer von TopLogic – the automated application engine. Sein Arbeitsschwerpunkt ist die Effizienzsteigerung und systemische Nachhaltigkeit in Planungs-, Steuerungs- und Managementprozessen industrieller Unternehmen.