Prozesse, Daten, Systeme

AI liest, wie jeder Prozess heute tatsächlich läuft, im Detail: welche Datenbanken dahinterstehen, welche APIs er aufruft, welche Excel-Dateien noch Daten tragen und welche Importe nach Plan laufen. Diese Lektüre liefert die Elementliste, auf der die spätere Lückenanalyse aufbaut, keine Annahme darüber, wie der Prozess aussehen sollte.

Lücken, MCP, Anbindung

AI vergleicht diese Elementliste mit dem Integrationsplan und benennt, was zu seiner Erfüllung fehlt. Eine bestehende API als MCP Server zu kapseln ist ein Beispiel dafür: AI analysiert zuerst das Verbindungsmuster, damit der Wrapper zu dem passt, wie die API tatsächlich aufgerufen wird, nicht dazu, wie sie dokumentiert ist.

Skills und Harness

Aus diesen Daten entstehen Skills für das, was gefunden wurde, angereichert mit den Mustern aus dem bestehenden Skill-Katalog dieser Praxis. Diese Kombination ist die Harness, gegen die die nächste Phase, die Agentische Implementierung, baut, statt bei einem leeren Repository zu beginnen.

Wie aus der Lektüre Skills werden, gegen die die nächste Phase baut

Den Prozess im Detail lesen 3 Schritte
01

Datenbanken hinter dem Prozess

Jeder Prozess wird bis zur Datenbank zurückverfolgt, aus der er tatsächlich liest und in die er schreibt, wo möglich bis auf Tabellenebene. Diese Rückverfolgung ersetzt eine Vermutung über das Datenmodell durch das, was das laufende System tatsächlich hält.
02

APIs, die der Prozess aufruft

Jede API, die der Prozess aufruft, wird aufgelistet, zusammen mit den Endpunkten, die im Tagesbetrieb tatsächlich genutzt werden, und jenen, die nie feuern. Dieser Unterschied zählt mehr als die Dokumentation der API, sobald eine Integration dagegen gebaut werden muss.
03

Excel-Dateien und geplante Importe

Tabellen, die noch produktive Daten tragen, und Importe, die nach festem Zeitplan laufen, werden einzeln benannt, samt dem, was sie speist, und dem, was aus ihnen liest. Jede davon ist entweder ein System of Record in Verkleidung oder eine Lücke, die der Plan schließen muss.
Was der Integrationsplan braucht 3 Schritte
04

Die Elementliste gegen den Integrationsplan

Die Elementliste aus der Lektüre wird Punkt für Punkt gegen den Integrationsplan geprüft, und jede Abweichung wird festgehalten: eine Datenbank ohne Lesepfad, eine API, die noch niemand kapselt, ein Import ohne Ziel im neuen Design.
05

Eine API als MCP Server kapseln

Eine bestehende API als MCP Server zu kapseln ist eine Route, auf die die Lückenanalyse zeigen kann. AI analysiert das Verbindungsmuster, mit dem die API tatsächlich aufgerufen wird, damit der Wrapper zur echten Nutzung passt statt zur in der Dokumentation beschriebenen Schnittstelle.
06

Was zur Erfüllung des Plans fehlt

Jede so gefundene Lücke wird der konkreten Anforderung im Integrationsplan zugeordnet, die sie blockiert, statt als allgemeine Beobachtung stehen zu bleiben. Diese Zuordnung macht aus einer Lückenliste Arbeit, die die nächste Phase tatsächlich aufgreifen kann.
Aus Befunden werden Skills 2 Schritte
07

Ein Skill pro Befund

Jede geschlossene Lücke und jedes wiederverwendbare Verbindungsmuster wird zu einem eigenen Skill: was er tut, wo er greift, und was scheitert, wenn die zugrunde liegende Annahme nicht stimmt. Dieser Skill überlebt diesen einen Auftrag.
08

Angereichert mit dem bestehenden Katalog

Neue Skills werden gegen die Muster geprüft, die im Skill-Katalog dieser Praxis bereits vorhanden sind, aufgebaut über frühere Aufträge, Session für Session. Ein passendes Muster wird wiederverwendet statt neu gebaut.
Die Harness für die nächste Phase anreichern 2 Schritte
09

Die Harness, gegen die die nächste Phase baut

Die Skills aus diesem Durchgang, alte wie neue, werden zur Harness, mit der die nächste Phase startet: die Regeln, die Failure Modes und die Muster liegen bereits geschrieben vor, statt bei einem leeren Repository zu beginnen.
10

Übergabe an die Agentische Implementierung

Diese Phase endet mit der Elementliste, der auf den Integrationsplan gemappten Lückenliste und dem angereicherten Skill-Set, bereit für die Agentische Implementierung, ohne das erneut zu entdecken, was dieser Durchgang bereits gefunden hat.

Häufige Fragen

Was übergibt dieser Durchgang konkret?
Drei Dinge. Eine Elementliste, die die Datenbanken, APIs, Excel-Dateien und geplanten Importe hinter jedem Prozess benennt. Eine Lückenliste, deren Einträge jeweils der konkreten Anforderung im Integrationsplan zugeordnet sind, die sie blockiert. Und ein Skill-Set, generiert aus den Befunden und angereichert mit den Mustern aus dem bestehenden Skill-Katalog dieser Praxis, bereit für die Agentische Implementierung.
Wie funktioniert das Beispiel, eine API als MCP Server zu kapseln?
AI analysiert das Verbindungsmuster, mit dem die API tatsächlich aufgerufen wird, nicht ihre Dokumentation, bevor irgendetwas gekapselt wird. Dieses Muster wird zur Grundlage für den MCP Wrapper, sodass er zur echten Nutzung der API passt. Kapseln ist eine Route, auf die die Lückenanalyse zeigen kann, nicht jede Lücke wird zu einem MCP Server.
Funktioniert das nur mit Code, oder werden auch Geschäftsdaten gelesen?
Gelesen wird, worauf der Prozess tatsächlich läuft: Datenbanken, APIs, Excel-Dateien mit produktiven Daten und Importe nach festem Zeitplan. Nichts davon muss Code sein; ein Prozess, der vollständig in einer Tabelle lebt, wird genauso gelesen wie einer hinter einer API.
Ist der Skill-Katalog ein eigenes Projekt?
Nein, das läuft im selben Durchgang. Neue Skills werden bereits bei ihrer Entstehung gegen die Muster im bestehenden Katalog dieser Praxis geprüft, nicht erst nachträglich in einem eigenen Schritt. Ein passendes Muster wird wiederverwendet, ein neues kommt für den nächsten Auftrag in den Katalog.