Voraussetzungen für die Business Model Canvas Modellierung im Innovator

Der „Business Model Canvas“ (kurz BMC) wird häufig verwendet, wenn es darum geht, Geschäftsmodelle zu analysieren und zu visualisieren.

Im Innovator können Sie die BMC-Modellierung sehr einfach in Ihre vorhandenen Modelle integrieren. Dazu genügt es (z. B. im Demo-Modell) zwei aob-Dateien und die passenden Icons zu importieren. In Modellen mit abweichender Struktur ist eine Anpassung der Modellstruktur notwendig.

Relationale Datenbanken gibt es nun schon seit gefühlten Ewigkeiten, da stellt sich manchmal die Frage, ob sich bei der Datenmodellierung eigentlich noch was Neues tut, oder ob das alles „ein alter Hut“ ist. In diesem Beitrag wird deshalb geklärt, was bei der Datenmodellierung eigentlich zu tun ist und ob relationale Datenbanken  noch zeitgemäß sind.

Sie suchen nach einem  Tool, um Ihre Entscheidungen in DMN darzustellen? Dann nutzen Sie doch die neuste Version des Innovator for Business Analysts!

Nutzer können seit dem neusten Release ihre Geschäftsprozesse nach dem Notationsstandard DMN 1.1 im Innovator beschreiben.

Am 28. Oktober wurde die neuste Version des Innovators, der  Innovator 13.1, veröffentlicht.  Unter anderem stehen Ihnen nun folgende neue oder verbesserte Funktionalitäten zur Verfügung:

Die Relevanz von DMN zur Abbildung von Entscheidungen ist bekannt, aber die Frage bleibt: Wie oder besser basierend auf welchen Informationen fange ich eigentlich an? Woher kommen die Informationen, um Entscheidungen zu dokumentieren? Und wie halte ich dies in einem DMN Modell fest?

Informationsquellen für DMN Modelle

Ich konzentriere mich auf vier mögliche Informationsquellen: Prozesse, Anforderungen, Datenmodelle und Organigramme. Jede dieser Informationsquellen ist ein möglicher Startpunkt. In den meisten Fällen müssen alle betrachtet werden, um ein Gesamtbild zu erhalten.

In vielen asiatischen Gebieten wird der Bambus aufgrund seiner Stabilität bei gleichzeitiger Flexibilität als Baustoff sehr geschätzt. Ähnlich flexibel ist der Innovator dank der Möglichkeit, ihn mit individuellen Plug-Ins an die eigenen Anforderungen anzupassen.

In vielen Projekten stellt sich die Frage, wie man in einer bestehenden Arbeitsumgebung  ein neues Tool in die bereits etablierten Arbeitsabläufe optimal einbinden kann.

Denn je besser sich ein neues Tool integriert, umso weniger Aufwand entsteht für die Anwender beim Einsatz des Tools in ihre alltäglichen Aufgaben und auf umso weniger Widerstand stößt dessen Einführung. Dies gilt insbesondere dann, wenn mit dem neuen Tool ein bisher genutztes abgelöst werden soll. Für eine erfolgreiche Integration müssen Schnittstellen zu anderen Anwendungen geschaffen werden, über die ein unterbrechungsfreier Arbeitsfluss ermöglicht wird.

Im ersten Teil des Blogbeitrags wurde der Innovator Prüfassistent vorgestellt und es wurde gezeigt, wie mit automatisierten Prüfungen die Modellqualität gesichert und damit der Nutzen der Modelle erhöht werden kann.

Der Prüfassistent ist eine „generische“ Funktion des Modellierungswerkzeugs Innovator. Generisch bedeutet hier, dass der Prüfassistent flexibel an unterschiedliche Anforderungen angepasst werden kann, wie sie in unterschiedlichen Organisationen, verschiedenen Projekten oder für unterschiedliche Aufgaben entstehen.

Bei der Durchführung von Softwareentwicklungsprojekten müssen oftmals Änderungen berücksichtigt werden. Diese haben einerseits Auswirkung auf die zu entwickelnde Anwendung  und andererseits auch auf deren Architektur. Um die Auswirkungen dieser Änderungen zu bewerten und um bessere und tragfähige Entscheidungen zu fällen, können Traceability Links genutzt werden. Modelle (z.B. UML, BPMN, ArchiMate®) bieten dabei eine gute Grundlage, da sie folgende Eigenschaften mitbringen:

1. Modellierungssprachen beinhalten implizite Traceability Links
2. Modelle können um selbst definierte Traceability Links erweitert werden
3. Diagramme unterstützen den Anwender, komplexe Sachverhalte zu verstehen

Diese Eigenschaften können genutzt werden, um Analysen auf Modellen durchzuführen.

Die folgenden zwei Analysen sind gängige Analysemethoden in der Softwareentwicklung, die durch Traceabilityinformationen ermöglicht werden:

• Auswirkungsanalyse (impact analysis)
• Abdeckungsanalyse (coverage analysis)

Im ersten Blogbeitrag zum Thema Modellierungsworkflow haben wir erläutert, warum vorgegebene Arbeitsabläufe (Workflows) helfen, die Pflege von Modellen effizienter zu machen:

• Modellelemente können leicht anhand ihres Bearbeitungszustands identifiziert und bearbeitet werden
• die Bearbeitungsmöglichkeiten werden durch Benutzerrollen und Zugriffsrechte geregelt
• der Bearbeitungs- und Änderungsprozess wird vollständig dokumentiert und Änderungen werden damit nachvollziehbar

Im Workflow wird festgelegt:

• was (die Menge der relevanten Modellelemente),
• wie (mit welchen Tätigkeiten),
• wann (unterer welchen Voraussetzungen) und
• von wem (Rollen innerhalb der Organisation) geschehen soll.

Modelle beschreiben Aspekte der realen Welt, beispielsweise Geschäftsprozesse eines Unternehmens. Die im Modell abgebildeten Prozesse regeln die betrieblichen Abläufe im Unternehmen, beispielsweise die Bearbeitung von Aufträgen, die Produktion von Waren und Logistikabläufe. Modelle helfen in diesem Fall, die Dynamik der Arbeitsabläufe (neudeutsch „Workflows“) im Griff zu behalten.

Die Herausforderung
Auch die Modelle sind nicht statisch, sondern ebenfalls Änderungen unterworfen. Änderungen entstehen bei der Erstellung und bei der Pflege des Modells, wenn neue Anforderungen und veränderte Randbedingungen berücksichtigt, neue Geschäftsprozesse ergänzt oder bestehende an eine sich ändernde Organisation angepasst werden müssen: Das Modell lebt.
Allerdings müssen die Änderungen des Modells in geordneten Bahnen verlaufen. Es ist daher hilfreich, für die einzelnen Bestandteilen des Modells (die Modellelemente) einen Lebenszyklus zu definieren, der die möglichen Zustände und erlaubte Zustandsübergänge festlegt. Jedes Modellelement wird dabei ähnlich behandelt wie z.B. ein Dokument in einem Workflow. Nur ist die Granularität der Modellelemente meist deutlich feiner.