KI-Strategie – Leitfaden zum Festlegen der KI-Strategie Ihrer Organisation

Ziel der KI: Jede Organisation möchte, dass KI den Menschen und Prozessen Mehrwert bietet. Dieser Wert muss von KI stammen, die sicher bleibt und effizient ausgeführt wird. Es muss zu den Fähigkeiten und Daten passen, die Sie bereits haben, und innerhalb des Budgets bleiben. KI-Herausforderung: Das Ziel ist klar, aber das Erreichen dieses Werts ist nicht immer einfach. Teams experimentieren oft viel und sehen wenig Rendite. Einige erstellen widersprüchliche Lösungen in der gesamten Organisation. An anderen Stellen beschränken Sicherheitsbedenken und geringes Vertrauen, was Menschen verwenden können, was KI zurückhält.

KI-Lösung: Viele Organisationen haben sich an Microsoft KI-Lösungen gewendet, um diesen Herausforderungen gerecht zu werden. Microsoft bietet ein breites Spektrum an Funktionen, mit denen Sie die Flexibilität haben, jeden Anwendungsfall effizient abzudecken und die KI auch bei der Skalierung sicher zu halten. Diese Anleitung bietet Entscheidungsträgern einen Rahmen, um diese Arbeit zu leiten und KI-Investitionen an die Geschäftsanforderungen auszurichten.

Empfehlung: Erstellen Sie eine KI-Strategie, die Ihren Geschäftlichen Anforderungen entspricht, indem Sie die Entscheidungen in den folgenden Abschnitten in Sequenz durcharbeiten. Jede Entscheidung legt die Rahmenbedingungen fest, die die jeweils nächste prägen, und sorgt dafür, dass der Fokus auf der Wertschöpfung bleibt.

1. KI-Anwendungsfallidentifikation

Der erste Schritt bei der Gestaltung Ihrer KI-Strategie ist die Fallidentifikation. In diesem Schritt wird definiert, wie Entscheidungsträger ermitteln, wo KI geschäftsergebnisse in der gesamten Organisation verbessern kann. Das Ziel ist, zuerst relevante Möglichkeiten aufzuzeigen. Die Liste muss zwar nicht erschöpfend sein, kann aber sein. Ihr Ziel ist es, jedem einen gemeinsamen Überblick darüber zu geben, was für das Unternehmen am wichtigsten ist. Gehen Sie es der Reihe nach durch, damit sich jeder Anwendungsfall auf einen tatsächlichen Mehrwert zurückführen lässt.

1. Beginnen Sie mit Geschäftsproblemen. Suchen Sie, wo die Organisation bessere Ergebnisse benötigt, bevor Sie KI überhaupt in Betracht ziehen. Die klarsten Signale zeigen, wie Personen arbeiten, z. B. wiederholter manueller Aufwand oder langsame Genehmigungen. Formulieren Sie die Suche in einfachen Worten, etwa: „Wo bleiben die Ergebnisse hinter den Erwartungen zurück?“ oder „Womit verbringen Menschen Zeit bei sich wiederholenden Aufgaben?“ Dieser Ansatz richtet die KI eher auf den Nutzen als auf die Neuheit aus. Abwägung: Eine breit angelegte Analyse deckt viele Chancen auf, daher sollten Sie sich auf die Leistungslücken konzentrieren, die sowohl messbar als auch bedeutsam sind.

2. Übersetzen Sie Probleme in Anwendungsfälle. Verwandeln Sie jedes Geschäftsproblem in eine kurze Aussage, in der die Aktivität und das erwartete Ergebnis benannt werden, z. B. "Helfen Sie Supportmitarbeitern bei der Beantwortung von internen Dokumenten, sodass die Lösungszeit sinkt." Bestätigen Sie, dass die Aktivität häufig genug erfolgt, um die Investition zu rechtfertigen. Kompromiss: Frühe Szenarien neigen dazu, vage zu sein, also verfeinern Sie sie in klare und umsetzbare Beschreibungen, bevor Sie fortfahren.

3. Klassifizieren sie den Anwendungsfall. Klassifizieren Sie jeden Anwendungsfall basierend auf der Erstellung von Werten. Verwenden Sie diese Entscheidung, um spätere Technologieentscheidungen zu unterstützen.

   • Individuelle Arbeit: Diese Anwendungsfälle verbessern die Funktionsweise von Einzelpersonen oder Teams innerhalb vorhandener Tools. Beispiele hierfür sind Schreibhilfe oder die Vorbereitung auf Besprechungen. Sie sind stark auf generative KI-Lösungen wie Microsoft 365 Copilot ausgerichtet.

   • Unternehmensautomatisierung: Diese Anwendungsfälle verändern die Art und Weise, wie die Organisation arbeitet oder Mehrwert schafft. Beispiele sind automatisiertes Kundenrouting oder Bedarfsprognosen. Sie benötigen häufig eine Integration in andere Systeme und können mehrere KI-Typen kombinieren.

4. Berücksichtigen Sie den erforderlichen KI-Typ. Dies ist eine Überlegung, keine endgültige Entscheidung, und Sie können sie erneut aufrufen, da der Anwendungsfall klarer wird. Ein grober Eindruck davon, wie viel Konsistenz Sie im Ergebnis wünschen, begrenzt die technologietechnischen Optionen, die als Nächstes kommen. Sie haben die Freiheit, sie später anzupassen.

   • Generative KI (nicht deterministisch) erzeugt Ausgaben, die auch für die gleiche Eingabe variieren können, und es funktioniert gut, wenn Eingaben unstrukturiert sind, z. B. natürliche Sprache oder Dokumente. Es passt zu Fällen, in denen der Workflow nicht behoben ist und wo das System Inhalte erstellen oder eine menschliche Entscheidung unterstützen soll. Wählen Sie diesen Ansatz, wenn Sie die genauen Schritte nicht im Voraus kennen und eine gewisse Variation in der Ausgabe akzeptabel ist.

   • Nichtgenerative KI (deterministisch) erzeugt konsistente und wiederholbare Ausgaben aus strukturierten Eingaben. Es eignet sich für Fälle, in denen der Workflow definiert ist und dieselbe Eingabe zum selben Ergebnis führen sollte. Wählen Sie diese Option für Aufgaben, bei denen es auf Genauigkeit ankommt, wie z. B. Vorhersagen oder Anomalieerkennung.

Wenden Sie diese Reihenfolge für jeden Geschäftsbereich an. Ein wiederholbarer Fluss reduziert Verwirrung, verhindert, dass Sie nach generativer KI gelangen, wo sie nicht benötigt wird, und bereitet Sie darauf vor, einen Lösungspfad als Nächstes auszuwählen.

2. KI-Technologiestrategie

Welche Microsoft KI-Lösung sollten Sie auswählen? Nachdem Sie ermittelt haben, welche Anwendungsfälle welche Art von KI benötigen, konzentrieren Sie sich darauf, wie Sie die jeweilige Lösung entwickeln oder zukaufen. Microsoft bietet vier Einführungsmodelle, die bei einem Modell der gemeinsamen Verantwortung zwischen Anpassbarkeit und Einfachheit abwägen. Sie sind sofort einsatzbereite Copiloten, Low-Code-SaaS-Entwicklung, verwaltete PaaS-Entwicklung und Azure-Infrastruktur. Während Sie vom ersten Modell zum letzten wechseln, gewinnen Sie die Kontrolle und geben Geschwindigkeit auf.

Jeder Ansatz erfordert ein anderes Maß an technischen Fähigkeiten und gibt ein anderes Maß an Kontrolle zurück. Verwenden Sie die Entscheidungsstruktur im folgenden Abschnitt, um die Optionen einzugrenzen. Verwenden Sie dann die folgenden Anleitungen, um vier Faktoren für KI-Lösung abzuwägen:

• Funktionen: Überprüfen Sie die Funktionen von Microsoft- und Azure KI-Lösungen, um festzustellen, ob sie den Anforderungen Ihres Anwendungsfalles entsprechen.
• Erforderliche Daten: Vergewissern Sie sich, dass die erforderlichen Daten vorhanden sind und für das Szenario zugänglich sind.
• Erforderliche Fähigkeiten: Überprüfen Sie, ob jeder Anwendungsfall mit aktuellen Funktionen erreichbar ist, bevor Sie eine Lösung auswählen.
• Kosten: Bewerten Sie, ob die Lösung zu Ihrem Budget passt.

Microsoft KI-Entscheidungsstruktur

Microsoft Copilots (SaaS-Agents)

Microsoft einsatzbereite KI-Lösungen, die als Copiloten bezeichnet werden, erhöhen die Effizienz schnell, da sie wenig Setup benötigen und mit bereits vorhandenen Daten arbeiten müssen. Microsoft 365 Copilot fügt KI-Unterstützung in Office-Apps hinzu. Produkt- und Rollenbasierte Copiloten konzentrieren sich auf bestimmte Rollen und Branchen. Tradeoff: Copilots liefern die schnellsten Ergebnisse, bieten aber weniger Anpassungen als eine benutzerdefinierte Lösung.

SaaS KI-Entwicklungsplattformen (Low-Code)

Microsoft bietet SaaS-Entwicklungsoptionen zum Erstellen von KI-Agents. Copilot Studio ermöglicht Geschäftsanwendern die Erstellung von KI-Assistenten mithilfe natürlicher Sprache, während Sie mit Microsoft 365 Copilot-Erweiterungen den Enterprise Copilot mit unternehmensspezifischen Daten und Prozessen anpassen können. Kompromiss: SaaS-Entwicklungsplattformen öffnen die Entwicklung für Geschäftsteams, aber eine starke Anpassung erreicht Grenzen und erfordert möglicherweise einen Wechsel zu einer verwalteten Plattform.

KI auf Azure Plattformen (PaaS)

Plattform als Dienst ist der Ausgangspunkt für die meisten benutzerdefinierten Apps und Agents. Wählen Sie diese Option aus, wenn Ihnen die SaaS-Entwicklung mit geringem Code nicht genügend Anpassungen bieten kann, aber Sie möchten, dass Microsoft die Plattform für Sie ausführen soll. Sie erhalten eine verwaltete Umgebung, um benutzerdefinierte Agents und Modelle zu erstellen. Diese Arbeit erfordert mehr Aufwand als die SaaS-Entwicklung, aber weniger Aufwand als die Ausführung der Infrastruktur selbst. Microsoft verwaltet die Plattform, und Sie verwalten keine Server oder trainieren die Basismodelle. Tradeoff: Eine verwaltete Plattform bietet Ihnen mehr Kontrolle als die SaaS-Entwicklung, erfordert aber technische Fähigkeiten, die SaaS-Entwicklungsoptionen nicht.

Sehen Sie sich die einzelnen Preisseiten für Produkte an, die unter AI + Maschinelles Lernen aufgeführt sind, und den Azure Preisrechner, um Kostenschätzungen zu generieren.

KI für Azure-Infrastruktur

Azure Infrastruktur bietet Ihnen die vollständige Kontrolle über Ihre eigenen Modelle und Laufzeiten. Die Erstellung dauert in der Regel am längsten und erfordert im Laufe der Zeit den größten Pflegeaufwand. Wählen Sie diese Option aus, wenn Sie Eigene Modelle mitbringen, benutzerdefinierte Laufzeiten verwenden oder die Leistungs- und Complianceanforderungen erfüllen müssen, die verwaltete Plattformen nicht erfüllen können. Tradeoff: Infrastruktur bietet die meiste Kontrolle, aber sie trägt den meisten operativen Besitz.

Zeigen Sie GPU-Preise mit Linux- und Windows virtuellen Computern an. Verwenden Sie den Azure Preisrechner für Schätzungen.

3. Verantwortungsvolle KI-Strategie

Unabhängig davon, für welches Modell und welches Budget Sie sich in den obigen Schritten entscheiden, ist ein verantwortungsvoller Einsatz Voraussetzung für den produktiven Einsatz von KI im großen Maßstab. Ihre Organisation muss die Standards festlegen, die in jedem Team für faire und rechenschaftspflichtige KI sorgen. Die von Ihnen ausgewählten Modelle bestimmen, wo diese Standards gelten, aber die Standards selbst bleiben in der gesamten Organisation konstant. Bauen Sie auf den Microsoft Anleitungen für verantwortungsvolle KI auf, anstatt diese Standards hier zu definieren. Sehen Sie sich die CAF-Anleitung an, um verantwortungsvolle KI-Richtlinien zu erstellen, um einen konsistenten Rahmen zu schaffen.

4. Datenstrategie

Ein verantwortungsvoller KI-Standard ist nur so stark wie die Daten, die ihm zugrunde liegen. Deshalb ist Ihre Datenstrategie der nächste Schritt. Ihre Datenstrategie bestimmt, ob Ihre Prioritätsanwendungsfälle gesteuerte und qualitativ hochwertige Daten haben, mit denen sie arbeiten können. Eine nachhaltige Strategie erschließt und klassifiziert Daten und gewährleistet deren Compliance, während sich KI in Microsoft 365 und Azure immer weiter verbreitet. Konzentrieren Sie sich auf Governance-Baselines und Lebenszyklusverwaltung statt auf ein Design für einzelne Workloads. Lesen Sie die CAF-Anleitung zum Erstellen einer Datenstrategie für KI und Analysen.

5. Einführung von KI

Nachdem die Strategie festgelegt ist, gehen Sie zur Planung und Vorbereitung über. Der Leitfaden zur Einführung von KI bietet Checklisten für Start-ups und Unternehmen, mit denen sich alle oben genannten Entscheidungen mit von vornherein integrierter Governance und Sicherheit in die Produktion überführen lassen.

Nächster Schritt