KI-Plan – Prozess zur Planung der KI-Einführung

2025-04-17

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 ausgewählte Lösungen definiert. Jede Lösung erfordert spezifische KI-Fähigkeiten. Bewerten Sie Ihre aktuellen Fähigkeiten, identifizieren Sie Lücken, und beheben Sie sie vor der Implementierung. Verwenden Sie eine KI-Reifebewertung, um die Bereitschaft zu messen, Anwendungsfälle an Funktionen auszurichten und den Fortschritt zu beschleunigen. Lesen Sie die folgende Tabelle, um Ihre Einsatzreife zu bewerten.

KI-Reifegrad	Erforderliche Fähigkeiten	Datenbereitschaft	Geeignete KI-Anwendungsfälle
Stufe 1	▪ Grundlegendes Verständnis von KI-Konzepten ▪ Möglichkeit zum Integrieren von Datenquellen und Zuordnen von Prompts	▪ Minimale bis gar keine verfügbare Daten ▪ Verfügbare Unternehmensdaten	▪ Azure-Schnellstart (siehe Tabelle) ▪ Jede Copilot-Lösung
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	▪ Eines der vorherigen Projekte ▪ Benutzerdefinierte analytische KI-Workload, die Azure KI Services verwendet ▪ Benutzerdefinierte Chat-App mit generativer KI ohne RAG (Retrieval Augmented Generation) in Azure AI Foundry ▪ Benutzerdefinierte App für maschinelles Lernen mit automatisiertem Modelltraining ▪ Optimieren eines Modells für generative KI
Stufe 3	▪ Kenntnisse im Prompt Engineering ▪ Kenntnisse in der Auswahl von KI-Modellen, der Datensegmentierung und der 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	▪ Eines der vorherigen Projekte ▪ Generative KI-App mit RAG in Azure AI Foundry (oder Azure Machine Learning) ▪ Trainieren und Bereitstellen eines Modells für maschinelles Lernen ▪ 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	▪ Eines 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

Beginnen Sie mit der Bewertung Ihres aktuellen Talentpools, und entscheiden Sie dann, ob Sie vorhandene Mitarbeiter ausbilden, neue Talente rekrutieren oder externe Experten einbeziehen möchten. Ein qualifiziertes Team hilft Ihnen, KI-Projekte zu verwalten, sich an Veränderungen anzupassen und Innovationen voranzutreiben. Da sich KI schnell weiterentwickelt, fördern Sie eine Kultur des kontinuierlichen Lernens.

Erwerben Sie KI-Fähigkeiten. Verwenden Sie den KI-Lernhub Plattform für kostenlose KI-Schulungen, Zertifizierungen und Produktanleitungen. Legen Sie für Azure Zertifizierungsziele fest, z. B. Azure AI Fundamentals, Azure AI Engineer Associate und Azure Data Scientist Associate-Zertifizierungen .
Rekrutieren Sie KI-Experten. Stellen Sie Experten in der Modellentwicklung, generativen KI oder KI-Ethik ein, um Lücken über die interne Kapazität hinaus zu füllen. Aktualisieren Sie Stellenbeschreibungen, um sich entwickelnde Qualifikationsanforderungen widerzuspiegeln. Schaffen Sie eine Arbeitgebermarke, die Innovation und technische Führung hervorhebt. Arbeiten Sie mit Universitäten zusammen, um Zugang zu neuen Talenten zu erhalten.
Erwerben Sie KI-Fähigkeiten mithilfe von Microsoft-Partnern. Verwenden Sie den Microsoft-Partner-Marketplace , um auf KI, Daten und Azure-Expertise zuzugreifen. Partner können Qualifikationslücken schnell ausfüllen und Projekte in allen Branchen unterstützen.

Zugriff auf KI-Ressourcen

Verwenden Sie die folgenden Anleitungen, um die Zugriffsanforderungen für Copilot- und Azure AI-Angebote schnell zu verstehen:

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.
Zugreifen auf Copilots in Produkten Für die einzelnen Copilots im Produkt gelten unterschiedliche Zugriffsvoraussetzungen, der Zugriff auf das Hauptprodukt ist jedoch erforderlich. Weitere Informationen hierzu finden Sie unter GitHub, Power Apps, Power BI, Dynamics 365, Power Automate, Microsoft Fabric und Azure.
Zugreifen auf rollenbasierte Copilots Rollenbasierte Copilots verfügen auch über eigene Zugriffsanforderungen. Weitere Informationen finden Sie unter Rollenbasierte Agents für Microsoft 365 Copilot und Microsoft Copilot für Sicherheit.
Zugreifen auf Azure-Dienste. Azure PaaS- und IaaS-Lösungen erfordern ein Azure-Konto. Zu diesen Diensten gehören Azure OpenAI-Dienst, Azure AI Foundry, Azure Machine Learning, Azure AI-Dienste, Azure Virtual Machines und Azure CycleCloud.

Priorisieren von KI-Anwendungsfällen

Priorisieren Sie die in Ihrer KI-Strategie definierten Anwendungsfälle. Konzentrieren Sie sich auf Projekte, die den größten Nutzen bieten, sich an den Geschäftszielen ausrichten und Ihren aktuellen Funktionen entsprechen.

Bewerten Sie Fähigkeiten und Ressourcen. Überprüfen Sie Ihre KI-Reife, Datenverfügbarkeit, Tools und Personalerstellung. Verwenden Sie diese Eingabe, um Prioritäten basierend auf dem, was erreichbar ist, zurückzusetzen.
Bewerten Sie Anwendungsfälle. Rangieren Sie jeden Anwendungsfall basierend auf Machbarkeit und strategischem Wert. Bestätigen Sie die Ausrichtung mit den Organisationszielen.
Wählen Sie die wichtigsten Anwendungsfälle aus. Erstellen Sie eine Kurzliste mit Anwendungsfällen mit hoher Priorität.

Erstellen eines KI-Machbarkeitsnachweises

Wenn Sie einen KI-Agent oder eine Workload erstellen möchten, erstellen Sie einen Machbarkeitsnachweis (PoC), um die Machbarkeit und den Wert zu überprüfen. Der PoC oder die Testversion hilft dabei, Anwendungsfälle zu priorisieren, Risiken zu reduzieren und Herausforderungen vor der Skalierung aufzudecken.

Wählen Sie den richtigen Anwendungsfall aus. Wählen Sie ein hochwertiges Projekt aus Ihrer KI-Kurzliste aus, das Ihrer KI-Reife entspricht. Wenn Sie eine KI-App erstellen, beginnen Sie mit einem internen, nicht kundenorientierten Projekt, um das Risiko zu begrenzen und Ihren Ansatz zu testen. Verwenden Sie A/B-Tests, um die Lösung zu überprüfen und Basisplandaten zu sammeln.

Loslegen. Microsoft verfügt über schrittweise Anleitungen für POCs in seinen verschiedenen KI-Diensten. Verwenden Sie die folgende Tabelle, um den richtigen Leitfaden für erste Schritte zu finden.

KI-Typ	Leitfaden für die ersten Schritte
Generative KI	Azure PaaS: Azure AI Foundry und Azure OpenAI Microsoft Copilots: Copilot Studio und Microsoft 365 Copilot Erweiterbarkeit
Maschinelles Lernen	Azure Machine Learning
Analytische KI	Azure AI-Dienste: Azure AI Content Safety, Azure AI Custom Vision, Document Intelligence Studio, Face Service, Azure AI Language, Azure AI Speech, Azure AI Translator, Azure AI Vision Jedes Feature dieses KI-Diensts verfügt über einen eigenen Leitfaden.

Setzen Sie neue Prioritäten auf Grundlage der Ergebnisse. Verwenden Sie das PoC, um Ihre Anwendungsfälle neu zu priorisieren. Wenn die POC große Herausforderungen offenlegt, wechseln Sie zu praktischeren Möglichkeiten.

Implementieren verantwortungsvoller KI

Integrieren Sie verantwortungsvolle KI von Anfang an in Ihren Implementierungsplan. Wenden Sie ethische Prinzipien an, befolgen Sie regulatorische Standards, und erstellen Sie Governancepraktiken, die sicherstellen, dass Ihre KI-Systeme den Organisationswerten entsprechen, Benutzerrechte schützen und Compliance-Anforderungen erfüllen.

Verwenden Sie Planungstools für verantwortungsvolle KI. Verwenden Sie die folgende Tabelle, um verantwortungsvolle KI-Tools und Frameworks zu finden.

Planungstool für verantwortungsvolle KI	Beschreibung
Vorlage zur KI-Folgenabschätzung	Bewerten Sie die sozialen, wirtschaftlichen und ethischen Auswirkungen von KI-Initiativen.
Human-AI eXperience Toolkit	Entwerfen Sie KI-Systeme, die das Wohlbefinden und die positive Interaktion des Benutzers unterstützen.
Reifemodell für verantwortungsvolle KI	Bewerten und voranbringen sie die verantwortungsvolle KI-Reife Ihrer Organisation.
Verantwortungsvolle KI für Workloadteams	Befolgen Sie praktische Anleitungen zum Anwenden verantwortlicher KI in Azure-Workloads.

Starten Sie KI-Governance. Richten Sie Governance ein, um KI-Projekte zu leiten und das Systemverhalten zu überwachen. Identifizieren Sie KI-bezogene Risiken, und definieren Sie dann Richtlinien für Rollen, Compliance und ethische Anforderungen. Details finden Sie unter "Verwalten von KI" .
Starten Sie das KI-Management. Verwenden Sie KI-Operations-Frameworks wie GenAIOps oder MLOps. Diese Frameworks umfassen die Nachverfolgung der Bereitstellung, die Leistungsüberwachung und die Kostenkontrolle. Details finden Sie unter "KI verwalten ".
Starten Sie KI-Sicherheit. Schützen Sie KI-Systeme mit regelmäßigen Sicherheitsbewertungen. Behandeln Sie Bedrohungen wie z. B. angreiferische Eingaben und Datenschutzverletzungen. Details finden Sie unter Secure AI .

Abschätzen von Bereitstellungszeitplänen

Weisen Sie jeder KI-Möglichkeit basierend auf Erkenntnissen aus Ihrem PoC einen Zeitplan zu. Microsoft Copilots bieten die kürzesten Zeiträume, um eine Kapitalrendite zu erzielen (Tage bis Wochen). Zeitpläne für die Erstellung von Workloads für künstliche Intelligenz mit Azure variieren je nach Anwendungsfall und KI-Reifegrad. Die meisten Bauprojekte erfordern mehrere Wochen bis Monate, um die Produktionsbereitschaft zu erreichen.

Nächster Schritt

Um KI-Workloads mit Azure zu erstellen, fahren Sie mit AI Ready fort. Für die Einführung von Copilot fahren Sie mit der Steuern der KI fort, um in Ihrem Unternehmens eine KI-Governance einzurichten.

AI Ready (nur Azure)

Verwalten von KI (Copilots und Azure)