KI-Plan – Empfehlungen für Organisationen, die die Einführung von KI planen

Dieser Artikel beschreibt den organisatorischen Prozess zur Planung der KI-Einführung. Ein KI-Einführungsplan enthält die Schritte, die eine Organisation ausführen muss, um KI in ihre Vorgänge zu integrieren. Dieser Plan stellt die Abstimmung zwischen KI-Initiativen und Geschäftszielen sicher. Sie hilft Organisationen dabei, Ressourcen zuzuweisen, Fähigkeiten zu entwickeln und Technologien für eine effektive KI-Einführung bereitzustellen.

Bewerten von KI-Fähigkeiten

In Ihrer Technologiestrategie haben Sie KI-Anwendungsfälle und KI-Lösungen dafür identifiziert. Diese Lösungen erfordern bestimmte KI-Fähigkeiten, die Sie einführen müssen. Bewerten Sie Ihre aktuellen KI-Fähigkeiten, und identifizieren Sie Lücken, die sie schließen müssen, bevor Sie fortfahren. Mithilfe einer KI-Reifegradbewertung können Sie feststellen, ob Sie zur Implementierung von KI bereit sind. Zudem hilft sie bei der Auswahl von Anwendungsfällen, die Ihren Funktionen entsprechen, und treibt Ihren Erfolg voran. Verwenden Sie die folgende Tabelle, um Ihren KI-Reifegrad zu bewerten. Weitere Informationen finden Sie unter Technische Bewertung für generative KI in Azure.

KI-Reifegrad	Erforderliche Fähigkeiten	Datenbereitschaft	Geeignete KI-Anwendungsfälle
Stufe 1	▪ Grundlegendes Verständnis von KI-Konzepten ▪ Fähigkeit zum Integrieren von Datenquellen und Zuordnen von Prompts	▪ Minimale bis gar keine verfügbare Daten ▪ Verfügbare Unternehmensdaten	▪ Azure-Schnellstart (siehe Tabelle) ▪ Copilot Studio-App
Stufe 2	▪ Erfahrung mit der KI-Modellauswahl ▪ Vertrautheit mit KI-Bereitstellung und Endpunktverwaltung ▪ Erfahrung mit Datenbereinigung und -verarbeitung	▪ Minimale bis gar keine verfügbare Daten ▪ Kleines, strukturiertes Dataset ▪ Geringe Menge von domänenspezifischen Daten verfügbar	▪ Beliebiges der vorherigen Projekte ▪ Benutzerdefinierte analytische KI-Workload, die Azure KI Services verwendet ▪ Benutzerdefinierte generative KI-Chat-App ohne Retrieval Augmented Generation (RAG) in Azure KI Studio ▪ Benutzerdefinierte App für maschinelles Lernen mit automatisiertem Modelltraining ▪ Optimieren eines Modells für generative KI
Stufe 3	▪ Kenntnisse im Prompt Engineering ▪ Kenntnisse in der KI-Modellauswahl, Datenblockerstellung und Abfrageverarbeitung ▪ Kenntnisse in der Datenvorverarbeitung, -bereinigung, -aufteilung und -validierung ▪ Grundlagedaten für die Indizierung	▪ Große Mengen an historischen Geschäftsdaten, die für maschinelles Lernen verfügbar sind ▪ Geringe Menge von domänenspezifischen Daten verfügbar	▪ Beliebiges der vorherigen Projekte ▪ App für generative KI mit RAG in Azure KI Studio (oder Azure Machine Learning) ▪ Trainieren und Bereitstellen eines Modells für maschinelles Lernen in Azure Machine Learning ▪ Trainieren und Ausführen eines kleinen KI-Modells in Azure Virtual Machines
Ebene 4	▪ Erweiterte Expertise in KI/maschinellem Lernen, einschließlich Infrastrukturverwaltung ▪ Kenntnisse im Umgang mit komplexen KI-Modelltrainingsworkflows ▪ Erfahrung mit Orchestrierung, Modell-Benchmarking und Leistungsoptimierung ▪ Starke Fähigkeiten beim Schützen und Verwalten von KI-Endpunkten	▪ Große Datenmengen, die für das Training verfügbar sind	▪ Beliebiges der vorherigen Projekte ▪ Trainieren und Ausführen einer großen generativen oder nichtgenerativen KI-App auf virtuellen Computern, in Azure Kubernetes Service oder Azure Container Apps

Erwerben von KI-Fähigkeiten

Um KI-Fähigkeiten zu erwerben, müssen Unternehmen ihren aktuellen Talentpool bewerten und entscheiden, ob sie ihre Fähigkeiten weiterbilden, Mitarbeiter einstellen oder mit externen Experten zusammenarbeiten möchten. Bewerten Sie Ihren aktuellen Talentpool, um den Bedarf an Weiterbildung, Personalbeschaffung oder externen Partnerschaften zu identifizieren. Durch den Aufbau eines qualifizierten KI-Teams können Sie sich an Herausforderungen anpassen und verschiedene KI-Projekte bewältigen. Da sich KI ständig weiterentwickelt, werden durch eine Kultur des kontinuierlichen Lernens Innovationen unterstützt und Fähigkeiten aufgefrischt.

• Erwerben Sie KI-Fähigkeiten. Nutzen Sie die Microsoft Learn-Plattform für kostenlose KI-Trainings, Zertifizierungen und Produktberatungen. Legen Sie Zertifizierungsziele fest, z. B. Azure AI Fundamentals, Azure AI Engineer Associate und Azure Data Scientist Associate. Es gibt Lernressourcen für andere Themen auf der Plattform, daher filtern Sie die Ergebnisse, um KI-spezifische Ergebnisse zurückzugeben.

• Rekrutieren Sie KI-Experten. Zum Erwerben von Fachwissen jenseits Ihrer internen Fähigkeiten rekrutieren Sie KI-Experten, die über Erfahrung in Modellentwicklung, generativer KI oder KI-Ethik verfügen. Diese Experten sind gefragt. Erwägen Sie die Zusammenarbeit mit Bildungseinrichtungen, um auf neue Talente zuzugreifen. Aktualisieren Sie Stellenbeschreibungen, um sich weiterentwickelnde KI-Anforderungen widerzuspiegeln, und bieten Sie wettbewerbsfähige Vergütungen an. Schaffen Sie eine attraktive Arbeitgebermarke. Präsentieren Sie das Engagement Ihrer Organisation für Innovationen und technologischen Fortschritt, und machen Sie so Ihre Marke ansprechend für KI-Experten.

• Erwerben Sie KI-Fähigkeiten mithilfe von Microsoft-Partnern. Verwenden Sie den Microsoft-Partner-Marketplace, um Qualifikationsengpässe zu beheben und Zeitbegrenzungen einzuhalten. Microsoft-Partner bieten KI-, Daten- und Azure-Expertise in verschiedenen Branchen.

Zugriff auf KI-Ressourcen

Als taktischer Schritt bei der Entwicklung von KI-Lösungen ist es nötig, dass Sie darauf zugreifen können. Ziel ist es, schnell zu verstehen, was Sie benötigen, und darauf zuzugreifen, um die KI-Lösungen von Microsoft verwenden zu können.

• Greifen Sie auf Microsoft 365 Copilot zu. Die meisten Microsoft SaaS Copilots erfordern eine Lizenz oder ein Add-On-Abonnement. Microsoft 365 Copilot erfordert eine Microsoft 365 Business- oder Enterprise-Lizenz, zu der Sie die Copilot-Lizenz hinzufügen.

• Greifen Sie auf Microsoft Copilot Studio zu. Microsoft Copilot Studio verwendet eine eigenständige Lizenz oder eine Add-On-Lizenz.

• Greifen Sie auf produktinterne Copilots zu. Für die einzelnen Copilots im Produkt gelten unterschiedliche Zugriffsvoraussetzungen, der Zugriff auf das Hauptprodukt ist jedoch erforderlich. Weitere Informationen finden Sie unter GitHub, Power Apps, Power BI, Dynamics 365, Power Automate und Azure.

• Greifen Sie auf rollenbasierte Copilots zu. Rollenbasierte Copilots verfügen auch über eigene Zugriffsanforderungen. Weitere Informationen finden Sie unter Rollenbasierte Agents für Microsoft 365 Copilot und Microsoft Copilot für Sicherheit.

• Greifen Sie auf Azure KI-Ressourcen zu. Azure PaaS- und IaaS-Lösungen erfordern ein Azure-Konto. Zu diesen Diensten gehören Azure OpenAI Service, Azure AI Studio, Azure Machine Learning, Azure AI-Dienste, Azure Virtual Machines und Azure CycleCloud.

Priorisieren von KI-Anwendungsfällen

Nachdem Sie Fähigkeiten, Ressourcen und KI-Einsatzreife bewertet haben, priorisieren Sie die in Ihrer KI-Strategie identifizierten KI-Anwendungsfälle. Diese Priorisierung stellt sicher, dass Sie sich auf Projekte konzentrieren, die den größten Nutzen bieten, mit den Geschäftszielen übereinstimmen und Ihren aktuellen Kompetenzen entsprechen. Führen Sie folgende Schritte aus:

• Bewerten Sie Fähigkeiten und Ressourcen. Überprüfen Sie nach dem Erwerb von KI-Fähigkeiten Ihre aktuelle KI-Einsatzreife, die verfügbaren Daten und den Ressourcenzugriff. Diese Bewertung hilft bei der Zurücksetzung von Prioritäten basierend auf dem, was möglich ist.

• Bewerten Sie Anwendungsfälle. Priorisieren Sie Projekte basierend auf ihrer Durchführbarkeit und ihrem strategischen Nutzen für die Organisation. Richten Sie KI-Anwendungsfälle an Ihren strategischen Zielen aus, um zu gewährleisten, dass die Bemühungen zum Gesamterfolg beitragen.

• Wählen Sie die wichtigsten Anwendungsfälle aus. Erstellen Sie eine Auswahlliste mit KI-Anwendungsfällen mit hoher Priorität, die die Grundlage für weitere Untersuchungen und Tests bilden.

Erstellen eines KI-Machbarkeitsnachweises

Durch die Entwicklung eines KI-Machbarkeitsnachweises (Proof of Concept, PoC) werden die Durchführbarkeit und der potenzielle Nutzen eines priorisierten Anwendungsfalls in kleinerem Maßstab überprüft. Der PoC-Prozess hilft dabei, vor der vollständigen Bereitstellung die Priorität von Anwendungsfällen genauer anzupassen, Risiken zu reduzieren und Herausforderungen zu erkennen. Mit diesem iterativen Ansatz können Sie Ihren KI-Plan basierend auf realen Erkenntnissen anpassen.

• Wählen Sie die richtige Gelegenheit aus. Wählen Sie aus Ihrer engeren Auswahl an KI-Anwendungsfällen ein hochwertiges Projekt aus, das Ihrem KI-Reifegrad entspricht. Im Idealfall beginnen Sie mit einem internen, nicht kundenorientierten Projekt. Interne Projekte minimieren Risiken und stellen eine Grundlage für das Testen der Workload bereit. Mit einem PoC können Sie vor der Erweiterung auf die Produktion den Ansatz überprüfen und genauer anpassen. Führen Sie A/B-Tests durch, um die Funktionalität zu ermitteln und Baselinedaten zu erheben.

• Beginnen Sie mit einem Azure-Schnellstartleitfaden. Azure bietet schrittweise Anleitungen zum Erstellen grundlegender Anwendungen mithilfe der KI-Plattformen. Diese Anleitungen, sogenannte Schnellstarts, unterstützen Sie bei der Bereitstellung einer Anwendung und enthalten Anweisungen zum anschließenden Löschen. Schnellstarts bieten eine einfache Möglichkeit, Ihre Organisation mit der Technologie vertraut zu machen.

  KI-Typ	Azure KI-Schnellstartleitfaden
  Generative KI	Azure KI Studio, Azure OpenAI, Copilot Studio
  Machine Learning	Azure Machine Learning
  Analytische KI	Azure KI Services: Azure KI Inhaltssicherheit, Azure KI Custom Vision, Azure KI Dokument Intelligenz Studio, Gesichtserkennungsdienst, *Azure KI Language, Azure KI Speech, *Azure KI Übersetzer, Azure KI Vision. *Jedes Feature dieses KI-Diensts verfügt über einen eigenen Schnellstartleitfaden.

• KI-Möglichkeiten neu priorisieren. Verwenden Sie die Erkenntnisse aus dem PoC, um Ihre Liste der KI-Anwendungsfälle genauer anzupassen. Wenn der PoC unerwartete Herausforderungen darstellt, passen Sie Ihre Prioritäten an, und konzentrieren Sie sich auf einfacher durchführbare Projekte.

Implementieren verantwortungsvoller KI

Die verantwortungsvolle KI-Einführung erfordert die Einbeziehung ethischer Frameworks und behördlicher Praktiken in Ihren KI-Implementierungsplan. Mit diesem Ansatz wird sichergestellt, dass KI-Initiativen mit organisationsweiten Wertvorstellungen übereinstimmen, Benutzerrechte schützen und gesetzliche Normen einhalten.

• Verwenden Sie Planungstools für verantwortungsvolle KI. Integrieren Sie Prinzipien für verantwortungsvolle KI in Ihren Einführungsprozess anhand von Tools und Frameworks, die ethisch vertretbare KI-Praktiken unterstützen. Microsoft bietet mehrere Ressourcen.

  Tool zur Planung verantwortungsvoller KI	Beschreibung
  Vorlage zur KI-Folgenabschätzung	Bewerten Sie potenzielle soziale, wirtschaftliche und ethische Auswirkungen von KI-Initiativen.
  Human-AI eXperience Toolkit	Entwerfen Sie KI-Systeme, die das Wohlbefinden des Benutzers priorisieren und positive Interaktionen fördern.
  Reifemodell für verantwortungsvolle KI	Bewerten und fördern Sie die Einsatzreife Ihrer Organisation bei der Implementierung von Praktiken für verantwortungsvolle KI.

• Starten Sie den KI-Governanceprozess. Die verantwortungsvolle KI-Einführung umfasst die Erstellung von Governancerichtlinien, um KI-Projekte zu leiten und das KI-Systemverhalten zu überwachen. Beginnen Sie, indem Sie organisationsspezifische Risiken Ihrer KI-Initiativen identifizieren. Dokumentieren Sie Governancerichtlinien, die Verantwortlichkeiten, Complianceanforderungen und ethische Normen skizzieren. Ausführliche Informationen zu diesem Prozess finden Sie im Artikel "Verwalten von KI".

  Steuern von KI

• Starten Sie den KI-Verwaltungsprozess. KI-Verwaltungsframeworks wie GenAIOps oder MLOps tragen dazu bei, während der Weiterentwicklung Ihrer KI-Systeme die kontinuierliche Einhaltung von Prinzipien für verantwortungsvolle KI sicherzustellen. Diese Methoden umfassen Bereitstellungsverwaltung, kontinuierliche Überwachung und Kostenoptimierung für KI-Modelle in der Produktion. Ausführliche Informationen zu diesem Prozess finden Sie im Artikel "KI verwalten".

  KI verwalten

• Starten Sie den KI-Sicherheitsprozess. Sicherheit ist ein wichtiger Bestandteil der verantwortungsvollen KI-Einführung. Regelmäßige Sicherheitsbewertungen tragen zum Schutz der Vertraulichkeit, Integrität und Verfügbarkeit Ihrer KI-Systeme bei. Führen Sie Risikobewertungen durch, die potenzielle Sicherheitsbedrohungen speziell für KI behandeln, z. B. gegnerische Angriffe oder Datenschutzverletzungen. Ausführliche Informationen zu diesem Prozess finden Sie im Artikel zu Secure AI.

  KI sichern

Abschätzen von Bereitstellungszeitplänen

Das Abschätzen von Bereitstellungszeitplänen umfasst das Festlegen realistischer Zeitpläne und Meilensteine für die KI-Projektimplementierung. Mithilfe klarer Zeitpläne können Organisationen Ressourcen effektiv zuordnen, die Erwartungen der Projektbeteiligten verwalten und so einen strukturierten Ablauf vom Machbarkeitsnachweis bis zur Produktion unterstützen. Durch Festlegen bestimmter Meilensteine können Organisationen ihren Fortschritt messen, potenzielle Verzögerungen identifizieren und Anpassungen vornehmen, um die Übersicht über Projekte und das entsprechende Budget zu behalten.

Legen Sie basierend auf Ihrem PoC einen Bereitstellungszeitplan für Ihre KI-Initiativen fest. Erstellen Sie einen Zeitplan mit klaren Meilensteinen und Bereitstellungen für die Implementierung ausgewählter Anwendungsfälle. Weisen Sie Teams zu, definieren Sie Rollen, und erwerben Sie erforderliche Tools oder Partnerschaften. Mit Microsoft AI SaaS-Lösungen wird am schnellsten Rendite erzielt. Zeitpläne für die Erstellung von KI-Apps in Azure PaaS- und IaaS-Lösungen hängen von Ihrem Anwendungsfall und dem KI-Reifegrad ab. In den meisten Fällen dauert es Wochen oder Monate, bis Sie über eine produktionsbereite KI-Workload verfügen.

Nächster Schritt

Der Rest dieses Leitfadens konzentriert sich auf die Erstellung von KI-Workloads in Azure mithilfe von PaaS- und IaaS-Lösungen. Um in Azure erfolgreich zu sein, müssen Sie zunächst Ihre KI-Grundlage in AI Ready einrichten.

KI-Bereitschaft

Weitere Informationen zum Einführen einer Microsoft Copilot-Lösung finden Sie in den folgenden Ressourcen:

Kategorie	Copilot-Lösung
Unternehmensproduktivität	Copilot für Microsoft 365
Low-Code-Plattform	Copilot Studio
Rollenbasiert	Microsoft Copilot für Security Microsoft 365 Copilot for Sales Microsoft 365 Copilot für den Service Microsoft 365 Copilot für Finanzen
Produktinterne Copilots	GitHub Power Apps Power BI Dynamics 365 Power Automate Azure
Browserbasiert	Copilot (kostenlos) Copilot Pro