Microsoft und KI für verschiedene Branchen, Herausforderungen und Best Practices

Wir leben in einem Zeitalter der Information, in dem täglich große Mengen an Daten, Zahlen und Fakten auf uns einprasseln. Dies kann das menschliche Gehirn manchmal überfordern und zu einem Burnout führen. Seit der Einführung von ChatGPT im Jahr 2022 gibt es für dieses Mengenproblem eine Lösung. Die KI verarbeitet in kürzester Zeit riesige Datenmengen, fasst relevante Erkenntnisse zusammen und stellt sie verständlich dar. Das war der Moment, in dem die Welt das Potenzial von KI und die vielen Möglichkeiten erkannte, die sie in allen möglichen Branchen bietet, vom kreativen Schreiben bis zum Projektmanagement.

In diesem Artikel befassen wir uns mit den Vorteilen der KI-Implementierung in verschiedenen Anwendungen, den Herausforderungen, die dabei auftreten können, und den Best Practices zum Meistern dieser Herausforderungen und zur Verbesserung der Effizienz Ihres Geschäftssystems.

Branchenspezifische Anwendungen von KI und Microsoft-Produkten

Dank seiner frühen strategischen Investition in OpenAI und der Entwicklung seiner eigenen KI-Technologien hat sich Microsoft an der Spitze der KI-Revolution positioniert. Der Tech-Gigant hat Tools eingeführt, die bereits Branchen wie die Fertigung, das Transportwesen, das Finanzwesen, das Gesundheitswesen und viele mehr verändert haben.

Generative KI weist eine bemerkenswerte Kapitalrendite von 3,7 US-Dollar für jeden ausgegebenen US-Dollar auf, wobei sich der Einsatz oft innerhalb von 13 Monaten auszahlt. Lassen Sie uns nun einen genaueren Blick auf die praktischen Anwendungen in Verbindung mit verschiedenen Microsoft-Produkten und die von verschiedenen Unternehmen erzielten Ergebnisse werfen.

KI in der Fertigung

Siemens, eines der größten Industrieunternehmen in Europa, setzt bereits verschiedene KI-Tools ein und hatte bereits definierte Prozesse für deren Entwicklung eingeführt. Doch jedes Mal, wenn ein neues KI-Modell entwickelt wurde, musste das Unternehmen das Rad neu erfinden. Die Siemens-IT musste Tausende von Codezeilen von Grund auf neu schreiben, was dazu führte, dass alle neuen Ideen monatelang in der Produktion blieben. Deshalb ergriff Siemens die Initiative und schuf eine Plattform für die Entwicklung von KI-Modellen, die vollständig auf Microsoft Azure basiert. 

Azure ermöglicht die automatische Erstellung von KI-Modellen, was den gesamten Prozess erheblich beschleunigt und die Entwicklungszeit von mehreren Monaten auf wenige Wochen verkürzt. Laut dem IT Principal Key Expert Data Analytics & AI bei Siemens ist das Team dazu übergegangen, nicht jedes Mal neuen Code zu schreiben, sondern die Assets immer wieder zu verwenden. Dieser Ansatz gewährleistet, dass die Komponenten bereits gut getestet sind und jeder sofort in den Entwicklungsprozess einsteigen kann. Außerdem benötigte das Unternehmen mindestens drei Datenanalyst*innen, um den Code fehlerfrei zu halten. Mit Azure kann diese Arbeit auf eine einzige Person reduziert werden. 

KI in Transport und Logistik

Was kann KI für die Transportbranche leisten? AGMC, der Exklusivimporteur der BMW Group für Dubai, Sharjah und die nördlichen Emirate, kennt die Antwort genau. Das Unternehmen, das sich seit über 47 Jahren für seine Kunden einsetzt, schreibt große Zahlen: Jeden Tag werden zwischen 120 und 140 Fahrzeuge angenommen und ausgeliefert. Früher erforderte dies stundenlange, mühsame Handarbeit, um die Autos auf dem Gelände zu finden, das auf mehr als 10 Parkzonen verteilt ist.

Um dieses Problem zu lösen, arbeitete AGMC mit Pulses.ai zusammen, um Sphere 360 einzuführen. Das ist eine KI-gesteuerte Lösung, die auf Microsoft Azure basiert. Sie nutzt 56 spezialisierte KI-Kameras, um Autos zu verfolgen. Dieses System beschleunigt den Prozess der Fahrzeugortung erheblich, verkürzt die Wartezeiten der Kunden und verbessert die Zufriedenheit. Die KI-Kameras, die mit jeweils fünf KI-Modellen ausgestattet sind, sorgen für eine effiziente Bilderfassung und eine genaue Kennzeichenerkennung, selbst bei extremen Wetterbedingungen. Die Lösung lässt sich auch in Microsoft 365 integrieren, so dass Mitarbeitende die einzelnen Phasen der Fahrzeugreparatur überwachen können und bei Verzögerungen benachrichtigt werden.

KI im Finanzwesen

Als Großbritanniens führende Plattform für Privatanleger möchte Hargreaves Lansdown ihren Kund*innen die beste Erfahrung bieten. Daher war es eine einfache Entscheidung, neue Technologien wie Microsoft Copilot für Microsoft 365 zu nutzen. Und es dauerte nicht lange, bis sie sich auszahlte. In nur zwei Wochen beherrschte das Team die Funktionen von Copilot, die es ihm ermöglichten:

KI in der Energiebranche

Die digitale Transformation ist eine der Säulen, die den Übergang von einer zentralen zu einer dezentralen Energieversorgung möglich machen. Die Zukunft der Energieversorgung liegt in einer intelligenten IT-Infrastruktur, dem digitalen Management von Stromnetzen und intelligenten Tools für die Zusammenarbeit. Moderne Energieversorger wie E.ON setzen auf die Werkzeuge, die die Zukunft möglich machen. So nutzen sie beispielsweise Microsoft 365, um Präsentationen und Infografiken zu erstellen und bei Bedarf Daten zusammenzuführen.

Durch die Teilnahme am Early Access Program (EAP) für Copilot für Microsoft 365 konnte E.ON zudem drei Hauptanwendungsfälle für dieses Tool identifizieren:

• Unterstützung bei routinemäßigen Arbeitsaufgaben
• Transkribieren und Protokollieren von Teams-Meetings
• Lokalisieren von Dateien, Chats und E-Mails über den Microsoft 365 Copilot-Chat

In der Praxis kann Copilot Mitarbeitenden helfen, riesige Datenmengen zu durchforsten, um relevante Fakten und Zahlen zu finden. Dies ist besonders nützlich, wenn eine Aufgabe weniger häufig verwendete Quellen erfordert.

KI im Gesundheitswesen

Künstliche Intelligenz in Verbindung mit Microsoft-Produkten ist so weit fortgeschritten, dass sie Geninus, einem führenden koreanischen Unternehmen der Präzisionsmedizin, im Kampf gegen Krebs hilft.

CancerSCAN ist eines der bahnbrechenden Produkte des Unternehmens, das eine hochempfindliche genetische Krebsdiagnose bietet. Der Dienst muss die Genome der Patienten analysieren, um das beste Medikament für ihren speziellen Fall zu finden. Die zu verarbeitende Datenmenge ist jedoch überwältigend: Die Analyse des Genoms einer einzigen Person kann bis zu 100 GB umfassen. Derart rechenintensive Aufgaben erforderten leistungsstarke Lösungen, und die Microsoft Azure Batch-Technologie bot sich dafür an. Nach der Nutzung der Cloud für die Genomsequenzierung konnte sich Geninus auf seine Kerntätigkeiten konzentrieren und den Betrieb der Infrastruktur den Fachleuten überlassen.

Herausforderungen bei der Einführung von KI

Wie wir bereits festgestellt haben, kann die Implementierung von KI Wunder für ein Unternehmen bewirken. Der Prozess der Implementierung erfordert jedoch eine sorgfältige Vorbereitung. In diesem Abschnitt werden wir die häufigsten Probleme und Fragen erörtern, die während der KI-Umstellung auftreten können, damit Sie diese Herausforderung meistern können.

Integration in bestehende Systeme und Prozesse

Eine der am häufigsten gestellten Fragen vor dem Beginn einer KI-Implementierung ist, ob das bereits vorhandene System den Eindringling gut verkraftet. 

Viele Unternehmen verlassen sich beispielsweise auf ältere Systeme, die ihre Aufgabe perfekt erfüllen, aber möglicherweise nicht mit den neuen KI-Technologien kompatibel sind. Außerdem können die Daten innerhalb eines Unternehmens über verschiedene Abteilungen verstreut sein. Diese Situation kann nicht nur für KI-Algorithmen eine Herausforderung darstellen, sondern auch für neue Mitarbeitende, die nicht wissen, wo sie nach den benötigten Informationen suchen sollen. Und selbst wenn technisch alles für die Integration der neuen Technologie bereit ist, wird es einige Zeit dauern, bis sich Ihre Mitarbeitenden an die neuen Prozesse gewöhnt haben.

Schulung der Arbeitskräfte

Wie alles Neue erfordert auch die Einführung von KI Schulungen. Wie bereits erwähnt, ist der technische Aspekt nicht der einzige, der Ihre Aufmerksamkeit erfordert. Einerseits müssen viele Mitarbeitende ihre Qualifikationslücken füllen. Andererseits sollten Sie auch den menschlichen Faktor und den Widerstand gegen Veränderungen aufgrund von Ängsten vor Arbeitsplatzverlusten oder dem Gefühl, inkompetent zu sein, im Auge behalten.

Laut einer von Slack durchgeführten Studie aus dem Jahr 2024 hatten 76 % der Arbeitnehmer*innen das Bedürfnis, KI-Experten*innen zu werden, aber nur 33 % von ihnen setzten KI tatsächlich in ihrer täglichen Arbeit ein. Für dieses Ergebnis gab es mehrere Gründe: Einige empfanden den Einsatz von KI als Betrug, und andere befürchteten, als faul oder inkompetent für ihre Position angesehen zu werden. In Anbetracht dessen müssen Unternehmen nicht nur in umfassende Schulungsprogramme investieren, um die Belegschaft weiterzubilden, sondern auch auf deren Bedenken eingehen.

Datenschutz und Sicherheit

Das letzte, aber nicht unwichtigste Problem ist die Sicherheit. KI-Systeme benötigen in der Regel Zugang zu den Datenbanken des Unternehmens. Dazu gehört auch, dass die KI alle sensiblen personenbezogenen Daten „sehen“ kann, was bei unsachgemäßer Handhabung zu Datenschutzproblemen führen kann. Daher müssen Sie sich mit komplexen Vorschriften auseinandersetzen, um den Datenschutz zu gewährleisten.

Microsoft legt großen Wert auf Sicherheit. Aus diesem Grund erfüllt Copilot etablierte Datenschutz- und Sicherheitsstandards, einschließlich der General Data Protection Regulation (GDPR) und der EU-Datenschutzgrundverordnung. Aufforderungen, Antworten und Daten, auf die über Microsoft Graph zugegriffen wird, werden nicht zur Ausbildung von LLMs verwendet. Copilot ist mit mehreren Schutzschichten konzipiert. Er blockiert schädliche Inhalte, erkennt geschütztes Material und verhindert Prompt Injections (Angriffe, bei denen schädliche Eingaben zu den Prompts einer KI hinzugefügt werden, so dass diese falsche oder schädliche Antworten gibt).

Darüber hinaus stellt Copilot sicher, dass die Ergebnisse für einen Benutzer nur die Daten enthalten, für die er eine Zugriffsberechtigung hat, so dass Sie sich keine Sorgen machen müssen, dass er Informationen preisgibt, die Sie nicht preisgeben wollten. Mit anderen Worten: Ein Backend-Entwickler wird keine sensiblen Personaldaten in den Ergebnissen sehen.

Wie man KI in 8 Schritten in bestehende Technologien integriert

Nachdem wir nun über einige der häufigsten Fallstricke gesprochen haben, auf die Sie auf dem Weg zur KI-Implementierung stoßen könnten, wollen wir unsere Aufmerksamkeit von den „Was-wäre-wenn“-Fragen auf die „Wie-es-geht“-Fragen lenken. Lassen Sie uns einen schrittweisen KI-Implementierungsplan erstellen, der alles berücksichtigt, was wir in diesem Artikel bereits besprochen haben. 

1. Ein Ziel setzen

Zu Beginn ist es wichtig, ein klares Ziel zu setzen. Fragen Sie sich, was genau Sie durch KI in Ihrem Unternehmen verbessern möchten. Denken Sie an die erwarteten Ergebnisse und Vorteile, die ohne das Upgrade nicht möglich wären.

2. Analysieren Sie das bestehende System

Der nächste Schritt besteht darin, das System, mit dem Sie derzeit arbeiten, eingehend zu analysieren. Wenn Sie den Quellcode wirklich verstehen, wird es viel einfacher sein, sein Verhalten vorherzusagen, wenn etwas Neues eingeführt wird.

3. Identifizieren Sie die Datenquellen

Jedes KI-Modell benötigt große Mengen an Daten, um zu trainieren und die Abläufe in Ihrem Unternehmen zu erlernen, damit es zu einem wertvollen Teil des Systems wird. Dies kann sowohl interne als auch externe Datenquellen umfassen, seien es Kundendaten, Verkaufsdaten, Daten aus sozialen Medien usw. Um sicherzustellen, dass die KI gut trainiert ist, müssen Sie daher eine gründliche Datenanalyse durchführen und deren Qualität, Vollständigkeit und Relevanz für Ihr spezifisches Ziel bewerten:

• Konsolidieren Sie siloartige Quellen in zentralisierten, gemeinsam nutzbaren Data Lakes.
• Bereinigen, kennzeichnen und formatieren Sie Daten einheitlich.
• Bauen Sie einen internen Datenaustausch auf, der automatisch und in Echtzeit Datenänderungen zwischen Systemen austauscht.
• Richten Sie Data-Governance-Protokolle ein, die Sicherheit, Zugriffsberechtigungen und Kuratierungsprozesse abdecken.
• Finden Sie Daten von Drittanbietern, die ethisch vertretbar sind, um kritische Lücken in internen Daten zu füllen.

4. Wählen Sie eine Speicheroption

Die Speicherung ist ein weiterer Punkt, der bei der KI-Integration nicht außer Acht gelassen werden sollte. Das System, das Daten speichert, verarbeitet und analysiert, sollte sich mithilfe von APIs leicht mit KI verbinden lassen und über genügend Platz verfügen, um große Datenmengen zu verarbeiten. Je nach den bevorzugten Kosten, den Kontrollpräferenzen, der Verfügbarkeit von Tools, der Latenztoleranz und den Skalierungsanforderungen können Sie eine Option wählen, die für Sie am besten geeignet ist:

• Data Lakes bieten erschwingliche, unbegrenzte Speicherkapazitäten für das Sammeln verschiedener Daten, bevor diese organisiert werden.
• Data Warehouses unterstützen umfassende Analysen und Business Intelligence für die bereits organisierten Daten.
• Data Marts bieten gezielte Analysen für relevante, verarbeitete Daten, die für bestimmte Teams zugeschnitten sind.
• Hybride Cloud-Implementierungen mischen Cloud- und Vor-Ort-Server.

5. Sicherstellung der Einhaltung ethischer und rechtlicher Vorschriften

Jedes KI-System wird Seite an Seite mit Menschen arbeiten. Das bedeutet, dass es die gleichen Regeln befolgen muss wie alle anderen: Es muss fair, sicher und transparent arbeiten. In der Praxis bedeutet dies Folgendes:

• Regelmäßige Überprüfung der KI-Algorithmen, um sicherzustellen, dass sie frei von Vorurteilen sind.
• Hinzufügen von Funktionen, die den Nutzern helfen zu verstehen, wie die KI Entscheidungen trifft.
• Einführung strenger Regeln und Sicherheitsmaßnahmen zur Verwaltung und zum Schutz sensibler Daten.
• Förderung des verantwortungsvollen Einsatzes von KI in Ihrem Unternehmen.

6. Wählen Sie das für Sie am besten geeignete Large Language Model (LLM)

Sobald Sie klare Ziele festgelegt, die Datenqualität verbessert und eine solide Infrastruktur vorbereitet haben, können Sie entscheiden, welche der vorhandenen Formen der KI Ihren strategischen Anforderungen entspricht: ein einfaches und transparentes Modell oder ein fortschrittlicheres neuronales Netzwerk mit tiefem Lernen. Wenn Ihr Ansatz eine persönlichere Note erfordert, besteht außerdem immer die Möglichkeit, ein einzelnes globales Modell durch eine Mischung von Experten (Mixture of Experts, MOE) zu ersetzen.

7. Mitarbeitende schulen

Wie bereits erwähnt, ist die Anpassung Ihrer Mitarbeiter*innen an die neue Umgebung einer der wichtigsten Schritte bei der KI-Einführung. Mitarbeitende sollten eine grundlegende technische Schulung bekommen. Denn sie müssen nicht nur die neue Technologie in denselben Prozessen wie bisher einsetzen, sondern auch ihr Verständnis von Problemlösung und ihre Arbeitsweise insgesamt ändern:

• Sie müssen neue Aufgaben übernehmen, während die KI die alten Routinen erledigt.
• KI-generierte Erkenntnisse klug nutzen, um eigene Entscheidungen zu treffen.
• Auffrischung berufsspezifischer Fähigkeiten, um sich strategischeren Initiativen zuzuwenden.
• Sie sollten die Grundlagen der effektiven Kommunikation mit KI lernen.

8. KI integrieren

Wenn Sie die vorherigen sieben Schritte abgeschlossen haben, sind Sie bereit für den letzten Schritt: KI-Implementierung und -Tests:

• Fügen Sie KI zunächst zu sekundären Systemen hinzu, um die Risiken zu verringern, falls Probleme auftreten.
• Überwachen Sie Leistung, Genauigkeit, Geschwindigkeit, Nutzungsraten und Nutzerfeedback.
• Testen Sie mit kleinen Datenproben und Benutzergruppen, um die Funktionalität zu verbessern.
• Nehmen Sie währenddessen schnell die notwendigen Änderungen vor, die sich aus den sich entwickelnden Bedürfnissen ergeben.

Wie Sie den Erfolg der Implementierung von künstlicher Intelligenz messen können

Nehmen wir an, Sie haben Ihr Unternehmen erfolgreich auf den KI-Umstieg vorbereitet, Ihre Mitarbeiter*innen geschult, eine perfekte Lösung für Ihr Unternehmen entwickelt und integriert, die rechtlichen und ethischen Anforderungen erfüllt und setzen KI nun schon seit einiger Zeit ein. Woher wissen Sie, dass Sie die richtige Entscheidung getroffen haben, und wie können Sie den Erfolg der Implementierung messen? Die folgende Tabelle gibt Ihnen eine Vorstellung davon, worauf Sie achten sollten:

Fazit

In allen Branchen führt KI zu einem grundlegenden Wandel der Möglichkeiten, eröffnet neue Anwendungsfälle und verbessert die Geschäftsergebnisse. Unternehmen auf der ganzen Welt erkennen den Wert und das Potenzial von KI, doch damit sie wirklich effektiv ist, muss sie auf die spezifischen Anforderungen der Branche zugeschnitten werden.

Wenn Sie Unterstützung benötigen, steht Ihnen proMX jederzeit gerne zur Verfügung. Unsere Implementierungsdienste enden nicht mit der Implementierung selbst. Wir bieten zusätzliche Entwicklungen an, damit Ihr KI-System immer auf Ihr agiles Unternehmen abgestimmt ist. Bitte kontaktieren Sie uns, wenn Sie Fragen haben!