# azdw: Von einer Umsetzungsfrage zur geprüften Aktion

## Über Dieses Video

Dieses animierte 60-Sekunden-Beispiel zeigt einen konkreten Workflow: Release-Risiken über Azure DevOps, TFS und GitHub hinweg untersuchen, verbundene Work-Item-Daten in Erkenntnisse überführen und zwei gezielte Änderungen an den Quellen freigeben.

Es ist **eine mögliche Nutzung von azdw, kein vorgeschriebener Prozess und kein vollständiger Produktrundgang**. Einfache Abfragen, Berichte ohne KI, zeitgesteuerte Automatisierung, KI-Agenten-Workflows und anspruchsvollere individuelle Anwendungen sind ebenso relevant. Künftige Videos werden einfachere und weitergehende Ansätze zeigen.

Mit Musik ansehen: https://youtu.be/nRgN9x1Mr24

Die lokale Vorschau erzählt dieselbe Geschichte ohne Audiospur. Es gibt keinen Sprechertext. Dies ist eine konzeptionelle Animation, keine Bildschirmaufnahme und kein Versprechen, dass alle Vorgänge in 60 Sekunden abgeschlossen sind. Organisationen, Personen, Projekte, IDs, URLs und Ergebnisse sind fiktiv. Die englischen Beschriftungen im Film bleiben erhalten; deutsche Untertitel ergänzen sie.

## Dateien Und Hosting

| Datei | Zweck |
| --- | --- |
| `workflow-720p-loop.mp4` | Website-Vorschau: 1280 × 720, H.264/yuv420p, 30 Bilder/s, 1.800 Bilder, ohne Audiospur. |
| `workflow-1080p.mp4` | Lokale Archiv-/Upload-Version: 1920 × 1080, gleiche Zeitabläufe, Stereo-AAC-Musik. Die Seite fordert diese Datei nicht an und verlinkt sie nicht. |
| `workflow.de.vtt` | Fünfzehn zeitlich abgestimmte deutsche Untertitel. |
| `workflow.vtt` | Dieselben Untertitel auf Englisch. |
| `workflow-poster.webp` | Lokales Vorschaubild mit dem Beziehungsgraphen vor Wiedergabebeginn. |
| `workflow-guide.de.md` | Diese Ablaufbeschreibung mit Einordnung, Anwendungsfällen und geschäftlichem Nutzen. |

Beide Filmversionen dauern genau 60 Sekunden. Die Geschichte endet nach 56 Sekunden, blendet von Sekunde 56 bis 58 aus und bleibt bis Sekunde 60 schwarz. Die Musikversion blendet ebenfalls in Stille aus.

## Szenario Und Bildsprache

Maya, eine Release-Verantwortliche, bereitet **Lumen Release 3.2** für den **Cedar-Kundenpiloten** vor. Die Arbeit verteilt sich auf drei Identitätskontexte der Belegschaften, sechs Systeme/Organisationen und vierzehn Projekte oder Repositories.

- **Lumen Workforce (Entra ID):** Lumen Product (Azure DevOps) mit Core Platform, Customer Portal und Release Readiness; Lumen Delivery (Azure DevOps) mit Customer Delivery; Lumen Legacy (TFS) mit Device Gateway und Operations Console.
- **Vector Workforce (Entra ID):** Vector Engineering (Azure DevOps) mit Identity Services und Event Services; daneben Vector Open Tools (GitHub) mit Identity SDK, Event SDK, Developer Docs und Test Harness.
- **Bridgeworks Workforce (Entra ID):** daneben Bridgeworks Integrations (GitHub) mit Customer Connector und Deployment Templates.

Blaue Beschriftungen kennzeichnen Identitätskontexte, bernsteinfarbene Systeme und helle türkisfarbene Projekte/Repositories. Beschriftungen folgen `Name (Typ)`. GitHub steht neben einem Identitätskontext; die Darstellung bedeutet nicht, dass GitHub-Repositories in Entra ID gehostet werden. TFS ist hier das ältere lokale System.

Der azdw-Kern steht für eine gemeinsame Zugriffs- und Beziehungsschicht, nicht für eine zwingende neue Datenbank oder eine Verlagerung der Datenhoheit. Das Gehirn steht für ein vom Nutzer konfiguriertes KI-Modell. Mensch, Agent, Bericht, JSON-Dokument und Anwendung sind unterschiedliche Nutzer vorbereiteter Informationen.

Verbindungslinien bedeuten **konfigurierten, autorisierten Zugriff**, kein automatisches Umgehen von Mandantengrenzen oder Berechtigungen. Bernsteinfarbene Bewegung hebt Aktivität und Beziehungen hervor. Rot markiert Blocker. Grün nach der Freigabe bedeutet, dass eine Änderung angewendet wurde, nicht dass das Release-Risiko verschwunden ist.

## Detaillierter Ablauf

### 00:00–00:04 | Mit Einer Fachlichen Frage Beginnen

**Zu sehen:** „Welche Abhängigkeiten gefährden unser nächstes Release?“ erscheint vor schwarzem Hintergrund.

**Bedeutung:** Ausgangspunkt ist eine Entscheidung, kein Berichtsformat oder die technische Verknüpfung von Exporten. Die Frage bestimmt den Zweck der Erfassung und Analyse.

**Funktion und Nutzen:** azdw unterstützt fragegeleitete Erkundung ebenso wie explizite Befehle. Für Release-Verantwortliche, Portfolioverantwortliche und Berater sind Belege für eine Umsetzungsentscheidung das nützliche Ergebnis. Das bedeutet nicht, dass sich jede Frage aus unvollständigen Quelldaten beantworten lässt.

### 00:04–00:08 | Den Verbundenen Kern Erreichen

**Zu sehen:** Maya (Release Lead), Web UI, die CLI-Alternative, azdw und die Quellenlandschaft erscheinen.

**Bedeutung:** Die Web UI ist hier Mayas Einstieg. Die CLI ist eine Alternative, kein zusätzlicher Pflichtschritt. Die Arbeit bleibt in ihren Azure-DevOps-, TFS- und GitHub-Quellen.

**Funktion und Nutzen:** Eine gemeinsame Zugriffsschicht kann sowohl eine interaktive Browser-Oberfläche als auch die Kommandozeile für Fachleute bedienen. Teams wählen eine geeignete Oberfläche, ohne für jede den Anbieterzugriff neu aufzubauen.

### 00:08–00:12 | Optionale KI Interpretiert Die Frage

**Zu sehen:** Die konfigurierte KI hilft, aus der Frage einen Umfang und einen expliziten Abfrageplan zu formen.

**Bedeutung:** KI interpretiert die Absicht; sie erteilt keinen Zugriff, erfindet keine Beziehungen und ersetzt keine deterministische Erfassung. Für diesen KI-gestützten Weg müssen Anbieter und Modell konfiguriert sein.

**Funktion und Nutzen:** Unterstützung in natürlicher Sprache kann die Formulierung einer Untersuchung erleichtern. Fachleute können weiterhin explizite Befehle ohne KI ausführen. Die Trennung von Interpretation und Erfassung hält den Workflow verständlich und reproduzierbar.

### 00:12–00:18 | Über Quellgrenzen Hinweg Abfragen

**Zu sehen:** Abfragen verteilen sich auf vierzehn Kacheln. Je zwei repräsentative Work-Item-Kopien steigen aus jeder Kachel auf, insgesamt achtundzwanzig. Lokale Beziehungen erscheinen.

**Bedeutung:** Die Objekte sind schreibgeschützte Darstellungen, keine aus ihren Quellsystemen verschobenen Datensätze. Die Zahlen dienen der Illustration, nicht als Leistungsbenchmark, Durchsatzgrenze oder Preislimit.

**Funktion und Nutzen:** Quellenübergreifende Erfassung kann getrennte Exporte, Tabellenverknüpfungen und anbieterspezifische Verbindungslogik reduzieren. Quellidentitäten erlauben die Rückverfolgung zu den Originalen. Die Kernerfassung verwendet explizite Abfragen ohne KI-Token; Interpretation und spätere KI-Schlussfolgerungen können Token verbrauchen.

### 00:18–00:24 | Umfang Um Kundenzusagen Präzisieren

**Zu sehen:** Der Delivery-Agent fordert über MCP: „Kundenzusagen einbeziehen.“ Einige Kopien sinken ab, relevante bleiben erhalten.

**Bedeutung:** MCP ist hier der hauptsächliche Agentenzugang, CLI eine Alternative. Fünfzehn Kopien bleiben ausgewählt, dreizehn kehren visuell zu ihren Quellkacheln zurück. **An den Quellen wird nichts gelöscht.**

**Funktion und Nutzen:** Wiederverwendbare Werkzeuge können Menschen und Agenten bedienen. Kundenkontext verbindet technische Abhängigkeiten mit Lieferverpflichtungen, statt nur ein Teambacklog zu betrachten. Nicht jeder Workflow benötigt sowohl einen Menschen als auch einen Agenten.

### 00:24–00:29 | Kontext Mit Herkunftsnachweisen Sammeln

**Zu sehen:** Ausgewählte Kopien sammeln sich nahe azdw in quellbezogenen Gruppen.

**Bedeutung:** IDs, Quellorte und kanonische Referenzen bleiben am Arbeitskontext erhalten. Das ist weder eine Quellenmigration noch ein zweiter Satz maßgeblicher Datensätze.

**Funktion und Nutzen:** Reviewer können Erkenntnisse prüfen und Originaleinträge öffnen, statt sich auf mehrdeutige Titel oder losgelöste Tabellenzeilen zu verlassen. Nachverfolgbarkeit hilft, das zuständige Team zu finden, ist aber allein keine formelle Audit- oder Compliance-Garantie.

### 00:29–00:35 | Abhängigkeiten In Beide Richtungen Verfolgen

**Zu sehen:** Quellenübergreifende Beziehungen werden aufgelöst und heller. Gegenläufige Impulse laufen über die Verbindungen. Der Untertitel bezieht einseitige Hyperlinks ausdrücklich in die bidirektionale Verfolgung ein.

Die Hauptkette lautet:

`CUST-204 Cedar pilot sign-in -> PORTAL-84 Enable federated sign-in -> identity-sdk#88 Handle signing-key rotation`

Ein zweiter Zweig erreicht:

`customer-connector#73 Map pilot identity claims`

**Bedeutung:** Ein kanonischer Hyperlink, der nur in einer Richtung erfasst ist, kann als Beziehung von beiden Endpunkten aus untersucht werden. Ein Eintrag kann relevant sein, weil ein anderer auf ihn verweist, auch ohne Rückverlinkung. **Es wird kein umgekehrter Hyperlink in die Quelle geschrieben, nur um die Verfolgung zu ermöglichen.** Ursprüngliche Referenz und Richtung bleiben Teil des Herkunftsnachweises.

**Funktion und Nutzen:** Beziehungshülle und Auswirkungsanalyse können eingehende Referenzen berücksichtigen, die beim Verfolgen nur ausgehender Links fehlen würden. „Alle Abhängigkeiten“ bedeutet die im konfigurierten, zugänglichen Umfang verfügbaren Beziehungen. Es ist kein Versprechen, undokumentierte Abhängigkeiten, unzugängliche Datensätze, nicht unterstützte Formate oder unkonfigurierte Systeme zu entdecken. Beziehungen entstehen aus unterstützten Mechanismen und der Interpretation kanonischer Hyperlinks, nicht durch KI-Erfindung.

### 00:35–00:40 | Vorbereitete Belege Auswerten

**Zu sehen:** Der Graphkontext erreicht die konfigurierte KI. Zwei Issues werden rot; beim Connector erscheint zusätzlich eine fehlende Zuständigkeit.

**Bedeutung:** Das konsistente Ergebnis lautet **2 Blocker, 1 fehlende Zuständigkeit**. Die Blocker sind `identity-sdk#88` und `customer-connector#73`. Beim Connector fehlt eine zuständige Person. Dies sind festgelegte Szenariofakten, kein Beleg für eine unfehlbare KI-Risikoerkennung.

**Funktion und Nutzen:** Verbundener Kontext unterstützt teamübergreifende Analyse durch Menschen oder konfigurierte KI. Möglicher Nutzen sind frühere Gespräche über Abhängigkeiten, gezielte Eskalation und klarere Diskussionen zur Release-Bereitschaft. Menschliche Prüfung bleibt wichtig. Es werden keine quantifizierten Einsparungen oder Risikoreduktionen behauptet.

### 00:40–00:47 | Eine Erkenntnis, Verschiedene Nutzer

**Zu sehen:** Eine Antwort für einen Menschen, ein Release-Readiness-Bericht, JSON und eine Release-Desk-Anwendung erscheinen. REST-/GraphQL-API und .NET-Bibliothek sind Integrationsoptionen.

**Bedeutung:** Dies sind alternative Nutzer und Schnittstellen, keine vorgeschriebene serielle Pipeline. Alle Ausgaben stimmen überein:

```text
release=Lumen 3.2
customer=Cedar pilot
blockers=2
ownerGaps=1
reviewStatus=Needs review
```

**Funktion und Nutzen:** Eine gemeinsame Schicht kann Berichte, Skripte, ein internes Portal oder Agenten versorgen. Entscheider müssen die technischen Werkzeuge nicht selbst bedienen; Fachleute stellen Ergebnisse in der passenden Oberfläche bereit. Bericht, JSON und Formular sind illustrative Darstellungen, keine Screenshots vorgeschriebener Produktvorlagen.

### 00:47–00:48 | Eine Konkrete Aktion Anfordern

**Zu sehen:** Maya bittet, die Blocker zur Prüfung zu markieren.

**Bedeutung:** Die Änderung ist eng begrenzt: zwei bestehende Issues markieren. Sie erlaubt keine anderen Änderungen, behebt keine Risiken und weist die fehlende Zuständigkeit nicht zu.

**Funktion und Nutzen:** Eine Erkenntnis in einen präzisen Folgeschritt zu überführen, kann manuelle Übergaben reduzieren und den Umfang klar halten.

### 00:48–00:51 | Vorgeschlagene Schreibzugriffe Vorab Prüfen

**Zu sehen:** Eine Freigabevorschau nennt zwei GitHub-Issues und das Label `release-review`.

**Bedeutung:** Analyse und Änderung sind getrennt. Die Person prüft Ziele und Änderungen, bevor sie das Zurückschreiben autorisiert. Diese Freigabeinteraktion gehört zu diesem Workflow; nicht jeder Bibliotheks-/API-Aufruf zeigt zwangsläufig einen menschlichen Freigabedialog.

**Funktion und Nutzen:** Die Vorschau unterstützt informierte Kontrolle und verhindert, einen Vorschlag mit einer bereits ausgeführten Änderung zu verwechseln. Hosts und Automatisierungen müssen für ihren Anwendungsfall geeignete Freigabe- und Autorisierungsregeln umsetzen.

### 00:51–00:52 | Ausdrücklich Freigeben

**Zu sehen:** Maya gibt die beiden Label-Änderungen frei.

**Bedeutung:** Die Freigabe geht der Änderung voraus. Zuvor gibt es keine Schreibvorgänge. Eine Ablehnung würde diese Änderungen nicht autorisieren; dieser Pfad ist nicht animiert.

**Funktion und Nutzen:** Ein Mensch kann die Kontrolle behalten, während Werkzeuge wiederholte Ausführung übernehmen. Eine Freigabe setzt weder Quellberechtigungen noch Lizenzbeschränkungen oder betriebliche Schutzmaßnahmen außer Kraft.

### 00:52–00:54 | In Die Ursprünglichen Repositories Schreiben

**Zu sehen:** Zwei Änderungssignale laufen durch azdw zu GitHub.

**Bedeutung:** `release-review` wird zu `identity-sdk#88` und `customer-connector#73` hinzugefügt. Die erhaltene Quellidentität bestimmt die Ziele. Das ist weder eine Änderung an einem losgelösten Export noch eine pauschale Änderung des gesamten Graphen.

**Funktion und Nutzen:** Die Folgeaktion bleibt dort, wo die zuständigen Teams arbeiten. Das kann Kopierarbeit zwischen Analysewerkzeugen und Backlogs reduzieren, abhängig von Berechtigungen des Aufrufers und den erforderlichen kostenpflichtigen Funktionen.

### 00:54–00:56 | Das Ergebnis Korrekt Benennen

**Zu sehen:** „Zur Prüfung markiert“ begleitet die unveränderten Zahlen: zwei Blocker, eine fehlende Zuständigkeit.

**Bedeutung:** Der Workflow hat Risiken sichtbar gemacht und Folgeschritte eingeleitet. Er hat **keine** Abhängigkeiten gelöst, keine fehlende Zuständigkeit zugewiesen und das Release nicht für bereit erklärt.

**Funktion und Nutzen:** Eine erfolgreiche Werkzeugaktion ist nicht automatisch ein erfolgreiches Geschäftsergebnis. Teams müssen die zugrunde liegende Arbeit weiterhin prüfen, priorisieren, verantworten und erledigen.

### 00:56–01:00 | Ausblenden Und Schleifengrenze

**Zu sehen:** „Verbundene Arbeit. Klarere Entscheidungen.“ begleitet das Ausblenden. Bild und Musik blenden von Sekunde 56 bis 58 aus; Sekunde 58 bis 60 bleibt schwarz und still.

**Bedeutung:** Die Pause schafft eine bewusste Grenze vor dem Neustart. Sie enthält keine weiteren Ergebnisse, verborgenen Aktionen oder Sprechertexte.

## Weitere Einsatzmöglichkeiten Und Potenzieller Nutzen

| Einsatz | Ansatz | Möglicher Nutzen |
| --- | --- | --- |
| Alltagsabfrage | Explizite CLI-Abfrage gegen eine Quelle, ohne KI. | Relevante, wiederholbare Sicht ohne komplexen Workflow. |
| Wiederkehrendes Reporting | Erfassung planen und strukturierte Ausgaben oder Berichte erzeugen. | Weniger wiederholte Export-/Zusammenführungsarbeit, konsistentere Eingaben; Aktualität hängt von Ausführungszeitpunkt und Datenkonfiguration ab. |
| Abhängigkeitsreviews | Hierarchie, Abhängigkeiten und konfigurierte Hyperlinks erkunden. | Teamübergreifende Auswirkungen und eingehende Referenzen sichtbar machen, die in einer Einzelprojektsicht fehlen. |
| Kundenlieferungsreviews | Zusagen, Entwicklungsarbeit und Zuständigkeiten verbinden. | Technische Risiken im Kontext von Lieferverpflichtungen priorisieren. |
| Beratungsmandate | Befehle und Integrationsmuster mit getrennt konfiguriertem, autorisiertem Kundenzugriff wiederverwenden. | Weniger wiederholte Verbindungslogik; keine Vermischung von Kundendaten oder Berechtigungen. |
| Interne Anwendungen | REST, GraphQL, JSON oder .NET-Bibliothek hinter einer eigenen Oberfläche nutzen. | Entscheidungsreife Informationen ohne CLI-Bedienung durch jeden Nutzer. |
| KI-gestützte Erkundung | Ein Modell zum Interpretieren von Fragen und Auswerten vorbereiteten Kontexts konfigurieren. | Dialogbasierte Untersuchung auf einer expliziten Erfassungsschicht; Kosten und Verhalten hängen von der Modellkonfiguration ab. |
| Agentenautomatisierung | Autorisierte Werkzeuge über MCP oder CLI mit geeigneten Freigaberegeln bereitstellen. | Wiederholbare Untersuchung und kontrollierte Folgeschritte in einem größeren Workflow. |
| Kontrollierte Änderungen | Gezielte Änderungen, soweit unterstützt, vorab prüfen und freigeben. | Review-Aktionen an der Quelle halten und Übergaben reduzieren, ohne autonome Problemlösung zu versprechen. |

KI ist für Abfragen, Beziehungsauflösung und Berichte ohne KI optional. Ein lokales Modell ist eine mögliche Betriebsform, wird durch das Gehirnsymbol aber nicht festgelegt. Der Verbleib von Daten hängt von allen konfigurierten Modell-, Agenten-, Host- und Quellendpunkten ab. Der Film garantiert keine ausschließlich lokale Verarbeitung.

## Voraussetzungen Und Lizenzierung

Konfigurieren Sie Verbindungen, Zugangsdaten, Berechtigungen, Beziehungsinterpretation und gegebenenfalls KI-Anbieter vor einem vergleichbaren Workflow. Ergebnisse sind durch diese Berechtigungen und Einstellungen begrenzt. Schnittstellen stellen zur jeweiligen Host-Umgebung passende Funktionen bereit; diese Illustration ist kein vollständiger Vertrag für jeden einzelnen Endpunkt.

Die Teile mit mehreren Verbindungen und Zurückschreiben sind **kostenpflichtige Funktionen**, kein Beispiel für den gesamten Funktionsumfang des Free-Tarifs. Einfachere Nutzung kann ohne KI, mehrere Verbindungen, Agenten, individuelle Anwendungen oder Schreibzugriffe auskommen. Genaue Grenzen und Verfügbarkeit finden Sie in der aktuellen Dokumentation und Preisübersicht.

## Website-Wiedergabe Und Datenschutz

Die Vorschau im Abschnitt „So funktioniert’s“ verwendet nur die lokale MP4-Datei ohne Ton, das Vorschaubild und die Untertitel. Sie lädt bei ausreichender Sichtbarkeit, läuft stumm, pausiert außerhalb des sichtbaren Bereichs oder in einem verborgenen Tab und respektiert manuelles Pausieren. Bei reduzierter Bewegung oder Datensparmodus bleibt das Vorschaubild bis zum ausdrücklichen Start sichtbar. Native Bedienelemente werden beim Laden verfügbar; zusätzlich gibt es eine beschriftete Wiedergabe-/Pausentaste.

Der Link **Mit Ton auf YouTube ansehen (neuer Tab)** ist von den Wiedergabesteuerungen getrennt: Ein Klick auf das Video verlässt die Website nicht unerwartet. Der benachbarte Hinweis erklärt, dass Google/YouTube auf der externen Website Cookies verwenden und Aktivitäten verfolgen kann. Der Link verwendet `noopener noreferrer` und `no-referrer`, schützt damit das öffnende Fenster und unterdrückt Referrer-Informationen; das macht YouTube weder anonym noch verhindert es dessen eigenes Tracking.

Die Vorschau ergänzt keinen eingebetteten YouTube-Player, kein entferntes YouTube-Vorschaubild und keine YouTube-Anfrage vor dem Klick. Der separate Produktrundgang und die Cookie-Auswahl behalten ihr eigenes Verhalten. Das Akzeptieren von Website-Cookies verwandelt diese Vorschau nicht in eine Einbettung.

## Prüfung Und Produktionshinweise

Die Produktionsdateien wurden auf Dauer, Bildanzahl, H.264/yuv420p-Auslieferung, Fast-Start-Metadaten, sichtbare Szenen und sechzig abschließende schwarze Bilder geprüft. Die Schleife hat keine Audiospur. Die Musikversion verwendet 48-kHz-Stereo-AAC und misst ungefähr −18,02 LUFS integriert sowie −2,48 dBTP. Quell-PCM ist ab Sekunde 58 still; der dekodierte AAC-Nachlauf liegt unter −80 dBFS.

Die freigegebene Geschichte und Zeitabläufe bleiben erhalten. Remotion-/Three.js-Geometrie und Bewegung sind deterministisch; unabhängige Stichproben mit neunzig Bildern in voller Auflösung stimmen überein. Anweisungen zur Reproduktion liegen im azdw-Entwicklungsrepository unter `docs/marketing/assets/workflow/`.

`node --test scripts/workflow-video.test.mjs` prüft im AppsWebPage-Repository Sichtbarkeit, manuelle Pause, Präferenzen, Hinweise und Paketierung. Browserprüfungen decken zusätzlich tatsächliche Desktop-/Mobilwiedergabe, lokale Anfragen, Untertitel und den externen Link ab. Der 16:9-Film hat feine Quellbeschriftungen, die Vollbild oder einen größeren Bildschirm benötigen; er ist kein gesondert geschnittenes mobiles Hochformatvideo.

## Eine Logische Wahrheitsquelle, Kein Weiteres Führendes System

Organisationen möchten, dass ihre Work-Management-Systeme eine einzige Wahrheitsquelle bereitstellen. Liegt alle relevante Arbeit in einem maßgeblichen System, kann dieses die Rolle erfüllen. Ist die Arbeit auf mehrere Systeme verteilt, ist jedes für seine eigenen Datensätze maßgeblich, die Organisation hat aber faktisch mehrere Wahrheitsquellen. Sind diese schlecht verbunden, bietet kein einzelnes System das Gesamtbild: Abhängigkeiten, Kundenzusagen, Zuständigkeiten und Umsetzungsrisiken können zwischen den Grenzen verloren gehen.

**azdw führt keine weitere Wahrheitsquelle ein. Es verbindet bestehende Quellen zu einer logischen Wahrheitsquelle und stellt darauf flexible, weitergehende Datenanalysen bereit.** Die ursprünglichen Systeme bleiben für ihre Datensätze maßgeblich. Die logische Sicht führt zugängliche Arbeit und ihre Beziehungen unter Erhalt von Quellidentität und Herkunft zusammen. So können Menschen, Agenten, Berichte und Anwendungen das verbundene Bild analysieren, ohne die Datenhoheit in ein konkurrierendes führendes System zu verlagern.

Im Film verdeutlicht die Erfassungs-, Verfeinerungs- und Beziehungsauflösungssequenz von 00:12 bis 00:35 diesen Unterschied. Die gesammelten Kopien sind eine Arbeitssicht auf Quelldatensätze, keine neuen maßgeblichen Datensätze. Die gemeinsamen Erkenntnisse von 00:40 bis 00:47 zeigen die konsistente Analyse für unterschiedliche Nutzer. Die freigegebenen Änderungen von 00:52 bis 00:54 gehen zurück in die ursprünglichen Repositories und bekräftigen, wo die Hoheit bleibt.

Der mögliche geschäftliche Nutzen ist eine vollständigere Entscheidungsgrundlage über Teams und Werkzeuge hinweg, weniger manueller Abgleich getrennter Exporte und wiederverwendbare Analyse durch Abfragen, Abhängigkeitsuntersuchung, Berichte, Integrationen oder optionale KI. Teams können geeignete Systeme behalten und zugleich eine verbundene analytische Sicht erhalten.

„Eine logische Wahrheitsquelle“ bedeutet hier eine vereinheitlichte Sicht im konfigurierten, autorisierten Umfang, keine Garantie, dass alle zugrunde liegenden Informationen vollständig, aktuell oder konsistent sind. Fehlende Verknüpfungen, widersprüchliche Datensätze und Datenqualitätsprobleme müssen weiterhin in den Quellsystemen bearbeitet werden; azdw entscheidet nicht automatisch, welche widersprüchliche Aussage richtig ist.