Schlüsselwort: API-Ecosystems

Aus der unternehmensinternen Informationsverarbeitung ist der stetig steigende Bedarf an Integrationslösungen seit langem bekannt. Damit einher gingen effizienterer Prozessabläufe und die zunehmende Automatisierung manueller Prozessaktivitäten. In diesem Zusammenhang entstanden vielfältige Techniken zum vereinfachten Umgang mit heterogen gewachsenen Systemwelten. Entsprechende Beispiele finden sich mit dem Internet selbst, dem immer stärkeren Einsatz von Standard-Software für CRM-, ERP- und SCM-Prozesse, eingesetzter Middleware, den architekturzentrierten Konzepten wie EAI und SOA oder aber dem cloudbasierten Bereitstellungsmodell benötigter IT-Services. Insbesondere Lösungen aus dem Bereich des eBusiness verdeutlichten sehr schnell, das Integrationsanforderungen an den Unternehmensgrenzen nicht halt machen. Darüber hinaus stellen Anforderungen an eine Prozess- und Datenintegration einen stetigen Veränderungsprozess dar, auf den die Informationsverarbeitung agil und wirtschaftlich adäquat zu reagieren hat. Klassisch beschäftigte sich die Wirtschaftinformatik mit den dargestellten Herausforderungen, wofür sie selbstverständlich auf die Grundlagen der Kerninformatik zurückgriff. Weitgehend unabhängig von der klassischen Informationsverarbeitung erfolgte die Automation von Produktions- und Serviceabläufen (u.a. Industrie 4.0 und das Internet der Dinge), wie diese z.B. im Automobilbau, der Lebensmittelindustrie, bei pharmazeutischen Produkten oder aber bei Transportunternehmen zu beobachten sind. Auch Produkte selbst werden zunehmend über Software definiert, als repräsentativer Vertreter kann hier sicherlich das Automobil gelten. Bereits heute werden Automobile als fahrende Rechner betrachtet, die im zunehmenden Maße auch ein bedingt autonomes Verhalten aufweisen. Die in diesem Zusammenhang forcierte Kommunikation zum Umfeld bzw. zu anderen Automobilen entfaltet innovative Produktideen, aus denen wiederum ein entsprechendes Marktpotentiell resultiert. Beispiele für konkrete Lösungen finden sich im Verkehrsmanagement, wie die gezielte Lenkung von Verkehrsströmen, die frühzeitige Erkennung von Gefahrensituationen oder aber die Kommunikation mit entsprechenden Fahrzeugen zum Abruf von Servicedaten. Aus Sicht des Autors konvergieren die Integrationsbedürfnisse der bisher eher eingeständig betrachteten Disziplinen in einem bisher nicht gekannten Ausmaß. Zunehmend gilt es einer vielfältig vernetzten Welt Rechnung zu tragen, d.h. neue Produkte und Lösungen entstehen auf der Grundlage von bisher weitgehend unbekannten bzw. bewusst nicht genutzten Zusammenhängen. Neben den technologischen Grundlagen bedarf es dafür insbesondere interdisziplinär und unternehmensübergreifend zusammengesetzter Teams. Obwohl vielfältige Methoden und Techniken zur Implementierung interoperabler Systeme existieren und deren Einsatz vergleichsweise einfach ist, kann die industrielle Reflektion der mit webbasierten Service APIs einhergehenden Möglichkeiten aktuell noch nicht überzeugen. Die Bereitstellung unternehmensintern akquirierter Informationen via Service APIs wird eher als ein Risiko, denn als Change zur Bewältigung der Herausforderungen einer zunehmend digitalisierten Welt bewertet. Es stellt sich die Frage, inwieweit die Innovations- und Wettbewerbsfähigkeit der Unternehmen unter dieser „Abschottungspolitik“ leidet, da der kreative Umgang mit existierenden Informationen an den Unternehmensgrenzen halt macht. Mit den sich daraus ergebenden Handlungsfeldern wird sich der anstehende Workshop in vielfältiger Weise beschäftigen. Die in diesem Jahr ausgewählten Beiträge reflektieren zunehmend eine fach- bzw. brachenbezogene Auseinandersetzung mit den Möglichkeiten von über das Internet angebotenen Serviceschnittstellen (kurz Web APIs). Im Einzelnen beziehen sich diese auf Herausforderungen im Diskurs von Transportunternehmen, von Banken/Versicherungen aber auch von medizinischen bzw. pharmazeutischen Unternehmen. Darüber hinaus reflektieren ausgewählte Beiträge die zunehmenden Wechselwirkungen zu analytisch eingesetzten Datenbanklösungen. Dabei werden Möglichkeiten und Grenzen der Integration von Big Data Komponenten mittels Web APIs oder aber die Verwendung von Machine Learning Ansätzen (kurz ML) wie z.B. das Natural Language Processing (kurz NLP) untersucht.