Wie aus Architekturprinzipien sichere, skalierbare und langfristig wartbare AI-Lösungen entstehen.
In dieser Folge schließen wir unsere zweiteilige Serie zur AI Architecture ab.
Nachdem wir in EAM#27 die Rolle der Enterprise Architecture betrachtet haben, wechseln wir heute bewusst in die Solution Architecture.
Im Mittelpunkt stehen nicht einzelne AI-Technologien, sondern die Architekturentscheidungen, die darüber bestimmen, ob eine AI-Lösung langfristig erfolgreich betrieben werden kann.
Du erfährst, welche Bausteine eine moderne AI-Lösung besitzt, welche Aufgaben ein Solution Architect übernimmt und warum eine gute Architektur wichtiger ist als die Wahl eines bestimmten AI-Modells.
Außerdem vergleichen wir die drei führenden AI-Plattformen – ChatGPT (OpenAI), Claude (Anthropic) und Gemini (Google) – aus Sicht eines Enterprise- und Solution Architects.
Von der Enterprise Architecture zur Solution ArchitectureDie wichtigsten Bausteine einer AI-LösungArchitekturentscheidungen statt TechnologieentscheidungenVergleich von ChatGPT, Claude und GeminiWarum gute Architektur AI-Modelle austauschbar machtAI-Lösungen als langfristige Produkte statt einmaliger ProjekteVerweise auf frühere Folgen
EAM#19: Capability-basierte BudgetierungEAM#20: Capability MaturityEAM#21: Data EntitiesEAM#22: Data TCOEAM#23: Data Products vs. SchnittstellenEAM#24: Data GovernanceEAM#25: AI TCO – Der wahre Business Value von AIEAM#26: AI Demand – Wie EAM AI-Investitionen bewertetEAM#27: AI Architecture (1/2) – Ohne EAM keine langfristige AIDer deutschsprachige EAM Podcast, überall wo es Podcast gibt.
Freue mich auf Dein Feedback, gerne jederzeit direkt auf https://eam.podigee.io/ oder direkt www.linkedin.com/in/david-hohl
Möge die Enterprise Architecture mit dir sein.