Wie man mit Hilfe von künstlicher Intelligenz (KI) die Qualität in Migrationsprojekten steigert und Experten entlastet.

Veraltete, den modernen Anforderungen nicht gerechte Systeme, disruptive Technologien, Konkurrenz durch Insur- und FinTechs sind nur wenige von vielen Gründen, weshalb ein Unternehmen seine Bestandsdaten auf eine neue Plattform migrieren will.

Dieses geschäftskritische Vorhaben verspricht dem Unternehmen aus mittel- und langfristiger Perspektive Vorteile, ist aber – aufgrund seiner Komplexität – mit einer langen Liste an Risiken verbunden.

Unter anderem sind präzise formulierte Transformations- und Mapping-Regeln für eine Bestandsmigration unabdingbar. Diese Regeln definieren, wie die Daten des Quellsystems in das Zielsystem überführt werden müssen.

Transformations- und Mapping-Regeln zu erstellen, ist ein zeitaufwendiger und fehleranfälliger manueller Prozess, der viele repetitive Schritte beinhaltet und zugleich Fachexperten für längere Zeit bindet. Um den Prozess kostengünstiger, effizienter und fehlerresistenter zu gestalten, müssen neue Wege eingeschlagen und innovative Technologien eingesetzt werden.

Die Definition von Transformations- und Mapping-Regeln ist nicht nur für das Business von Interesse. Aufgrund seiner hohen Komplexität zog das Thema auch die Aufmerksamkeit wissenschaftlicher Community auf sich. Als Resultat wurden verschiedene Vorgehensweisen vorgeschlagen, die unter anderem auf Verfahren der künstlichen Intelligenz (KI) basieren.

Mit der Unterstützung durch KI kann der Prozess beschleunigt und die Fehlerquote reduziert werden. Nichtsdestotrotz muss die Expertise des Fachbereiches bei der Definition der Transformations- und Mapping-Regeln immer noch die entscheidende Rolle spielen. Daher schlagen wir eine semi-automatische Lösung vor, welche die Fachexperten während des Prozesses unterstützen und ihnen die trivialen Aufgaben abnehmen kann.

Der Definitionsprozess von Transformations- und Mapping-Regeln beinhaltet drei Schritte, die oftmals noch manuell durchgeführt wurden

  1. Relevante Attribute identifizieren
  2. Regel-Typ, Bedingungen und zusätzliche Auswirkungen festlegen
  3. Code für Regel schreiben

Eine semi-automatische KI-gestützte Lösung kann Ihre Experten bei all diesen Schritten unterstützen

  1. Machine-Learning Algorithmen und andere Techniken bewerten die Ähnlichkeit zwischen den Attributen und präsentieren dem Fachexperten eine Vorauswahl an geeigneten Kandidaten. Ihre Experten müssen nicht mehr lange suchen, um relevante Attribute zu identifizieren.
  2. Eine semi-automatische Lösung unterstützt den Experten durch die geeigneten Vorschläge bei der Definition der Bedingungen im Quellsystem und Auswirkungen im Zielsystem.
  3. Die Template-basierte Codegenerierung automatisiert das Schreiben von Code vollkommen.

Ihr Unternehmen kann somit die trivialen Tätigkeiten an das System abgeben und Ihre Fachexperten können sich auf die komplexeren Fragestellungen konzentrieren. Der komplexe Prozess der Erstellung von Transformations- und Mapping-Regeln wird effizienter und Ihre Fehlerquote sinkt.

Autoren: Paul Springer, Christiane Radies

Sie möchten mehr erfahren? Rufen Sie uns gerne unter +49 (0)6431 – 496658 – 0 an oder nutzen Sie unser Kontaktformular.