Latest / M365.FM – Microsoft 365, Copilot & KI Podcast auf Deutsch / Brauchen Sie wirklich einen Copilot-Studio-Agenten? Wie Personas und echte Anwendungsfälle entscheiden (KI-Synchronfassung)

Transcript

Brauchen Sie wirklich einen Copilot-Studio-Agenten? Wie Personas und echte Anwendungsfälle entscheiden (KI-Synchronfassung) · M365.FM – Microsoft 365, Copilot & KI Podcast auf Deutsch

• 0:00
  Bereit für 10 Tage voller Microsoft 365, Co-Pilot, KI, Azure und den Menschen, die die Zukunft der Arbeit gestalten, die...
• 0:07
  Diesen Januar ist die M53-Kon zurück und wir legen noch eins drauf. Und wir legen noch eins drauf.
• 0:12
  Seien Sie bei Live-Sessions, Praxis-Demos und Expertenwissen von MVPs und Branchenprofis weltweit dabei. Dabei.
• 0:18
  Keine generischen Folien. Kein endloses Buzz-Working.
• 0:21
  Wir gehen echte Herausforderungen an. Co-Pilot Studio, KI-Agenten, Fabric, Sicherheit, Governance und Automatisierung.
• 0:28
  Egal ob IT-Profi, Entwickler oder Führungskraft, wir haben Sessions für jeden von Ihnen.
• 0:35
  In 10 vollen Tagen können Sie Technologien erkunden und sich mit einer globalen Community vernetzen.
• 0:40
  Schauen Sie live zu und nehmen Sie praktische Erkenntnisse für Ihr Unternehmen mit.
• 0:45
  Januar 2027. 10 Tage. Eine Microsoft-Community.
• 0:49
  Die Anmeldung ist jetzt geöffnet.
• 0:51
  Sichern Sie sich heute Ihren Platz.
• 0:52
  Besuchen Sie m35566-konton.net.
• 1:00
  Melden Sie sich jetzt auf m35566-kont.net an. Wir sehen uns im Januar live.
• 1:05
  Brauchen Sie wirklich einen eigenen Co-Pilot Studio-Agenten oder ist es nur der KI-Hype?
• 1:09
  Vor dieser Entscheidung steht derzeit fast jedes Unternehmen.
• 1:12
  Starten Sie zu schnell mit dem falschen Co-Pilot. Verschwenden Sie Monate.
• 1:15
  Starten Sie zu langsam. Hängen Sie hinter Wettbewerbern zurück, die bereits Intelligente automatisieren.
• 1:18
  In dieser Session zeige ich Ihnen genau, wie wir diese Frage in einem echten Projekt getestet haben
• 1:23
  und welche überraschende Wendung sich ergab, als wir eine schnelle Standardlösung
• 1:26
  mit einem maßgeschneiderten Co-Pilot Studio-Bild verglichen.
• 1:30
  Das Trugbild der Schnelllösung.
• 1:31
  Was, wenn der schnellste Weg zur KI auch der schnellste Weg in die Sackgasse ist?
• 1:35
  Genau in diese Falle tappen viele Unternehmen, wenn sie zum erstbesten Co-Pilot greifen, der Ihnen angeboten wird.
• 1:39
  Auf dem Papier wirkt es effizient.
• 1:41
  Es gibt eine schicke Demo, einen klaren Pitch und das Versprechen, dass man KI in die Arbeitsabläufe integrieren kann,
• 1:45
  ohne groß über das Design nachzudenken.
• 1:47
  Doch Schnelligkeit ist nicht immer der Vorteil, den sie verspricht.
• 1:50
  Das Problem ist, dass diese schnellen Implementierungen selten die tieferen Bedürfnisse des Unternehmens aufdecken.
• 1:54
  Was also als vielversprechende Abkürzung beginnt, endet oft als Sackgasse.
• 1:58
  Denken Sie daran, wie die meisten Teams beginnen.
• 2:00
  Niemand sieht einen Co-Pilot für E-Mail-Zusammenfassungen oder Dokumentensuche
• 2:02
  und für sich genommen sieht das fantastisch aus.
• 2:04
  Entscheider fragen oft nicht, ob es zum Arbeitsalltag der Mitarbeiter passt
• 2:07
  oder ob es mit den Systemen verbunden ist, die ihre kritischen Daten enthalten.
• 2:11
  Anstatt echte Aufgaben zu analysieren, greifen Sie zu dem, was bereits fertig verpackt.
• 2:14
  In den darauffolgenden Wochen bekommt die KI-Aufmerksamkeit vielleicht sogar Begeisterung,
• 2:18
  doch dann stagniert die Nutzung.
• 2:19
  Die Leute merken, dass es bei den Problemen, die jede Woche Stunden kosten, gar nicht wirklich hilft.
• 2:22
  Gar nicht wirklich hilft.
• 2:23
  Das sieht man deutlich bei Vertriebsteams.
• 2:25
  Stellen Sie sich eine Gruppe vor, die den Großteil ihrer Zeit mit der Lead-Verfolgung,
• 2:28
  der Angebotserstellung, der Beantwortung von Kundenanfragen verbringen.
• 2:30
  Wenn die Führungsebene einen generischen Co-Piloten bereitstellt, der E-Mails umformuliert
• 2:34
  oder Besprechungsnotizen zusammenfasst, kann das in einer Demo für Wow-Momente sorgen.
• 2:38
  Doch wenn das Team anfängt, nach Preisausnahmen zu fragen oder ob ein Kunde unter bestimmte
• 2:42
  Compliance-Vorgaben fällt, wirkt der Co-Pilot plötzlich oberflächlich.
• 2:45
  Er wurde weder mit Preistabellen, CRM-Daten noch mit spezifischen Vertriebsleitfäden verknüpft.
• 2:50
  Ohne diese Grundlage klingen die Antworten zwar geschliffen, bleiben in der Praxis aber nutzlos.
• 2:54
  Genau hier zeigen sich die natürlichen Grenzen generischer KI-Tools.
• 2:57
  Ohne fachspezifisches Wissen agieren sie wie brillante Generalisten, kompetent in der
• 3:01
  oberflächlichen Kommunikation, aber unfähig, in entscheidenden Momenten Tiefe zu bieten.
• 3:06
  Benutzer stellen detaillierte Fragen und der Co-Pilot rät entweder falsch oder greift auf
• 3:09
  Waage, wenig hilfreiche Floskeln zurück.
• 3:12
  Dann schwindet das Vertrauen.
• 3:14
  Sobald Mitarbeiter dem, was der Agent sagt, nicht mehr trauen, hören sie schnell ganz auf,
• 3:17
  ihn zu benutzen.
• 3:18
  An diesem Punkt läuft die gesamte Einführung Gefahr, als weiteres KI-Spielzeug und nicht als
• 3:22
  ernsthafte Lösung wahrgenommen zu werden.
• 3:24
  Die Daten zur KI-Einführung belegen dies.
• 3:25
  Studien zur Unternehmenseinführung zeigen, dass Projekte ohne Personalisierung und rollenspezifische
• 3:29
  Anpassung sechs Monate nach dem Start deutlich seltener genutzt werden.
• 3:33
  Das liegt nicht daran, dass die Technologie plötzlich nicht mehr funktioniert, sondern
• 3:36
  daran, dass sie durch fehlenden Kontext irrelevant wird.
• 3:38
  Unternehmen verwechseln oft die Qualität der Demonstration mit dem tatsächlichen Nutzen
• 3:41
  bei der Bereitstellung.
• 3:42
  Eine gute Demo basiert auf kleinen, kuratierten Beispielen.
• 3:45
  Der tägliche Betrieb hingegen bringt komplexere Eingaben mit sich und erfordert strukturiertes
• 3:49
  Hintergrundwissen.
• 3:50
  Wenn der Co-Pilot sich nicht anpassen kann, wird die Diskrepanz offensichtlich.
• 3:52
  Warum machen Unternehmen also immer wieder diesen Fehl?
• 3:54
  Ein Teil davon ist der Hype.
• 3:56
  KI wird als Plug-and-Play-Funktion vermarktet, die man genauso einschalten kann wie eine neue
• 3:59
  Lizenz in Microsoft 365.
• 4:03
  Führungskräfte, die unter dem Druck stehen, Fortschritte bei der KI zu zeigen, priorisieren
• 4:06
  oft schnelle Sichtbarkeit von nachhaltiger Wirkung.
• 4:09
  Sie führen schnell etwas ein, zeigen in Präsentationen darauf und haken die Aufgabe ab.
• 4:12
  Doch von halbgetriebener Geschwindigkeit entspricht nicht messbaren Ergebnissen.
• 4:15
  Die Mitarbeiter, die das Tool tatsächlich nutzen müssen, spüren diese Lücke sofort, selbst
• 4:18
  wenn Dashboards eine erfolgreiche Einführung melden.
• 4:20
  Dieser Unterschied zwischen Geschwindigkeit und Fortschritt bildet die wahre Weggabelung.
• 4:24
  Schneller bedeutet nicht immer weiter.
• 4:26
  Ja, man kann schon morgen einen funktionierenden Agenten haben, wenn er einfach nur in Teams
• 4:29
  oder Outlook erscheint, aber ob er unverzichtbar wird, hängt ganz davon ab, ob er auf tatsächliche
• 4:33
  Rollen und Arbeitsabläufe zugeschnitten wurde.
• 4:36
  Effizienz entsteht nicht durch das Klicken auf Aktivieren.
• 4:38
  Sie entsteht dadurch, dass man gleich zu Beginn die schwierigeren Fragen stellt.
• 4:40
  Brauchen wir einen Co-Pilot-Studio-Agenten, der unsere Prozesse, unsere Sprache und unsere Daten
• 4:43
  widerspiegelt?
• 4:45
  Das ist der entscheidende Punkt an dem Projekt, der entweder ins Stocken geraten oder skaliert.
• 4:47
  Teams, die innehalten, um sich diese Frage zu stellen, können Agenten entwerfen, die
• 4:51
  Mitarbeiter wirklich nutzen wollen, weil sie den unmittelbaren Nutzen erkennen.
• 4:54
  Teams, die dies überspringen, fügen ständig Tools hinzu, die vertraut aussehen, aber
• 4:57
  nicht halten, was sie versprechen.
• 4:58
  Die Ironie ist, dass der langsamere, bedachtere Staat oft der schnellere Weg zur Einführung
• 5:02
  ist, da er verschwendete Zyklen für unpassende Lösungen verhindert.
• 5:06
  Der nächste Schritt besteht darin, diese schwierigere Frage strukturiert zu stellen und der Ausgangspunkt.
• 5:10
  Dafür ist nicht die Technologie, sondern der Mensch.
• 5:12
  Wir müssen entscheiden, für wen genau dieser Agent gedacht ist.
• 5:16
  Personas.
• 5:17
  Für wen ist der Agent wirklich?
• 5:19
  Man tappt leicht in die Falle, etwas für alle entwerfen zu wollen.
• 5:23
  Es wirkt inklusiv, vielleicht sogar effizient.
• 5:25
  Aber meist ist das Ergebnis so verbessert, dass niemand einen echten Mehrwert daraus zieht.
• 5:30
  Bei KI-Projekten garantiert diese alles für alle Mentalität fast immer eine Enttäuschung.
• 5:34
  Die erste echte Frage, die Sie beantworten müssen, ist, wem genau soll der Agent helfen?
• 5:38
  Ohne das zu wissen, bauen Sie keinen Co-Piloten, sondern nur einen Bot, der Smalltalk führen kann.
• 5:43
  Das Definieren von Personas ist keine bloße Spielerei.
• 5:45
  Es ist das Fundament, das den Rest des Projekts erst möglich macht.
• 5:48
  Wenn Sie Persona hören, geht es nicht um Marketingprofile oder fiktive Charaktere mit Hobbys und Lieblingsgetränken.
• 5:53
  In diesem Zusammenhang bedeutet eine Persona, Rolle, Verantwortlichkeiten und das Umfeld der Person zu bestimmen, der ihr Agent dient.
• 5:59
  Es legt fest, was der Agent wissen muss, wie er Fragen beantwortet und welchen Tonfall er verwenden sollte.
• 6:03
  Ein allgemeiner Mitarbeiter hilft ihrer KI nicht zu erkennen, ob sie Echtzeit-Compliance-Daten abrufen oder Schritt-für-Schritt-Anleitungen geben soll.
• 6:10
  Ah, diese Unschärfe ist der Grund, warum so viele frühe Projekte Agenten hervorbrachten, die zwar auf fünf Arten Hallo sagen, aber das eigentliche Problem nicht lösen konnten.
• 6:19
  Hier ist der Unterschied in der Praxis.
• 6:20
  Wenn Sie den Mitarbeiter als Persona wählen, könnten Sie entscheiden, dass der Agent bei HR-Richtlinien, IT-Support und Dokumentenanfragen zugleich helfen soll.
• 6:29
  Der Agent muss sich dann auf zu viele Bereiche verteilen, ohne in einem davon wirklich zu glänzen.
• 6:34
  Vergleichen Sie das mit einer Persona wie einem Außendienstechniker, der beim Kunden sofort Compliance-Antworten benötigt.
• 6:40
  Sofort ändert sich das Design.
• 6:42
  Sie wissen, diese Person ist oft mobil, hat wenig Zeit und benötigt präzise, verbindliche Anweisungen.
• 6:46
  Diese Persona führt dazu, den Co-Piloten mit Compliance-Datenbanken zu verbinden, Antworten unmissverständlich zu formulieren und Schnelligkeit gegenüber weitschweifigen Erklärungen zu priorisieren.
• 6:55
  Man sieht, wie der eine Ansatz vage und unkonzentriert ist, während der andere präzise genug ist, um den tatsächlichen Aufbau zu leiten.
• 6:59
  Der reale Unterschied wird noch deutlicher, wenn man gegensätzliche Rollen betrachtet.
• 7:03
  Nehmen wir die Persona eines IT-Helb des Mitarbeiters.
• 7:05
  Diese Gruppe benötigt schnelle Schritte zur Fehlerbehebung, Updates bei Systemausfällen und die Möglichkeit, Service-Tickets zu eskalieren.
• 7:10
  Die Sprache ist technisch, die Daten stammen wahrscheinlich aus Tools wie ServiceNow oder Intune
• 7:14
  und die Nutzer erwarten präzise Anweisungen, denen sie unter Druck folgen können.
• 7:18
  Vergleichen wir das nun mit einer Persona aus der Finanzanalyse?
• 7:21
  Dieser Nutzer beschäftigt sich eher mit dem Zugriff auf Finanzmodelle, dem Verständnis von Compliance-Regeln bei Spesenfreigaben oder der Erstellung von Berichten.
• 7:28
  Sie arbeiten mit Zahlen, Genehmigungsketten und Fachbegriffen und müssen darauf vertrauen können,
• 7:32
  dass der Co-Pilot sensible Daten nicht an Unbefugte weitergibt.
• 7:35
  Entwerfen Sie für den Mitarbeiter, verfehlen Sie beide Zielgruppen.
• 7:37
  Entwerfen Sie für jede spezifische Persona, wird der Agent nicht nur nützlich, sondern auch vertrauenswürdig.
• 7:42
  Ein weiterer übersehener Vorteil der Definition von Personas ist die Abstimmung innerhalb der Organisation.
• 7:47
  Doch wenn Sie eine klare Persona vorlegen, können sich Teams aus HR, IT, Compliance oder Operations schnell auf den tatsächlichen Umfang einigen.
• 7:54
  Anstatt endloser Debatten darüber, was der Co-Pilot alles können könnte,
• 7:57
  hat nun jeder einen Referenzpunkt dafür, was er tun sollte.
• 8:00
  Er wird zu einem Kompass für die Entscheidungshündung.
• 8:02
  Wenn Sie überlegen, eine Funktion hinzuzufügen, können Sie dies anhand der Persona prüfen.
• 8:05
  Hilft dies, dem Außendienstechniker Compliance-Fragen schneller zu beantworten?
• 8:09
  Wenn ja, großartig. Wenn nein, dann gehört es wahrscheinlich nicht in die erste Version.
• 8:12
  Diese Disziplin bewahrt das Projekt davor, zu einer unstrukturierten Wunschliste aufzublähen.
• 8:16
  Personas gehen über die reine Umfangbestimmung hinaus.
• 8:18
  Sie bestimmen die Wissensanforderungen.
• 8:19
  Für jede Persona müssen Sie fragen, welche Informationen benötigen Sie täglich.
• 8:23
  Wo liegen diese Informationen aktuell? Wie schnell ändern Sie sich?
• 8:27
  Diese Analyse bestimmt, wie Sie Wissensquellen in den Co-Piloten integrieren und ihn aktuell halten.
• 8:32
  Dann ignorieren Sie Personas, überladen Sie den Agenten entweder mit irrelevanten Daten oder schlimmer noch entziehen.
• 8:37
  Ihm die Inhalte, die er wirklich braucht.
• 8:39
  In jedem Fall schwindet das Vertrauen der Endnutzer.
• 8:41
  Und ist das Vertrauen erst einmal weg, erholt sich die Akzeptanz nur schwer.
• 8:44
  Bei einer klar definierten Persona geht es nicht um die Einschränkung von Möglichkeiten, sondern um die Richtung.
• 8:48
  Ohne Sie irren KI-Projekte umher und jagen jedem coolen Feature hinterher, bis Sie unter Ihrem eigenen Anspruch zusammenbrechen.
• 8:53
  Mit ihr haben Sie einen stetigen Begleiter.
• 8:55
  Die Persona wird zum Kompass, der das Projekt auf Kurs hält und sicherstellt, dass der Co-Pilot für echte Menschen mit echten Aufgaben gebaut wird, nicht für eine abstrakte Vorstellung des Mitarbeiters.
• 9:03
  Äh.
• 9:04
  Und genau das ist der Unterschied zwischen einem Agenten, der nach dem Start ignoriert wird, und einem, auf den sich die Leute aktiv verlassen.
• 9:09
  Mit definierten Personas wird das Gesamtbild endlich schärfer.
• 9:13
  Sie wissen, für wen Sie bauen.
• 9:14
  Die nächste natürliche Frage lautet, was genau sollten wir Ihnen bei der Arbeit erleichtern?
• 9:18
  Anwendungsfälle, die wirklich zählen.
• 9:20
  Nicht jede Aufgabe braucht einen Co-Pilot, auch wenn Sie technisch gesehen einen haben könnten.
• 9:22
  Genau hier lassen sich viele Organisationen zu sehr mitreißen.
• 9:25
  Sobald das Brainstorming beginnt, fühlt es sich an, als könnte jeder kleine Frustmoment zu einem KI-Feature werden.
• 9:29
  Jemand schlägt vor, was wäre, wenn er uns an die Abgabe der Arbeitszeitnachweise erinnert.
• 9:33
  Ein anderer Agent, vielleicht könnte er Dankes Notizen nach Kundentermin formulieren.
• 9:38
  Schon bald ist die Liste so lang, dass niemand mehr weiß, welches Problem man eigentlich lösen wollte.
• 9:42
  Die Gefahr besteht nicht darin, zu viele Ideen zu haben, sondern einen einzigen Agenten für alle verantwortlich zu machen.
• 9:46
  Ab diesem Punkt wirkt der Co-Pilot nicht mehr wie ein Spezialist, sondern eher wie ein überforderter Praktikant.
• 9:50
  In der Realität führen Brainstorming-Sitzungen fast immer zu Dutzenden von möglichen Richtungen.
• 9:55
  Die Finanzabteilung bittet um Hilfe bei Berichten.
• 9:57
  Die Personalabteilung stellt sich Onboarding-Prozesse vor.
• 9:59
  Der Vertrieb möchte automatisierte Präsentation zu machen.
• 10:01
  Die IT träumt von einer schnelleren Ticket-Triage.
• 10:03
  Für sich genommen ist nichts davon schlecht, aber die Frage ist nicht, kann die KI das tun?
• 10:06
  Sie lautet, ist es wichtig, dass die KI das tut?
• 10:12
  Dieser kleine Wechsel zeigt, wie viele Ideen zwar clever klingen, aber nach der Umsetzung kaum Ertrag bringen.
• 10:16
  Nur weil man kleine Fragen automatisieren kann, heißt das nicht, dass sich der Aufwand für Aufbau, Training und Wartung lohnt.
• 10:24
  Wer sich die Ergebnisse von Projekten mit zu großem Umfang angesehen hat, kennt das vorhersehbare Muster.
• 10:28
  Der Agent ist am Ende mit Dutzenden unzusammenhängenden Aufgaben überladen und erledigt jede nur mittelmäßig.
• 10:34
  Nehmen wir etwas Einfaches, wie die Frage, ob ein Besprechungsraum einen Projektor hat.
• 10:38
  Sicher, ein Co-Pilot kann solche FAQs problemlos beantworten, aber die Auswirkung ist minimal.
• 10:42
  Vergleichen Sie das mit einem Agenten, der prüft, ob ein Verkaufsangebot strenge regulatorische Kriterien erfüllt, bevor es versendet wird.
• 10:48
  Das eine spart ein wenig Ärger, das andere verhindert rechtliche Risiken und beschleunigt den Umsatz.
• 10:52
  Dieser Kontrast zeigt, warum Priorisierung so wichtig ist.
• 10:55
  Ein nützlicher Weg, um den Lärm auszublenden, ist die Anwendung von drei Kriterien zu Beginn.
• 10:59
  Wert, Häufigkeit und Machbarkeit.
• 11:02
  Wert bedeutet zu fragen, wie sehr die Aufgabe dem Unternehmen wirklich hilft, wenn sie automatisiert wird.
• 11:06
  Die Häufigkeit betrachtet, wie oft sie auftritt.
• 11:07
  Die Lösung eines kleinen Problems, das 50 Mal am Tag auftritt, kann schwerer wiegen als eine größere Herausforderung, die nur einmal Quartal vorkommt.
• 11:14
  Die Machbarkeit stellt die beiden anderen Kriterien auf die Probe.
• 11:17
  Wenn die benötigten Daten nicht digital vorliegen oder nicht sicher abgerufen werden können, ist es kein guter Kandidat für Phase 1.
• 11:23
  Wenn Teams jeden Anwendungsfall durch diese Linse betrachten, schrumpfen die überladenen Wunschlisten plötzlich zu einem fokussierten Plan.
• 11:28
  Es gibt zu dem Belege dafür, dass kleinere Pilotprojekte mit engem Fokus bessere Ergebnisse liefern.
• 11:31
  Organisationen, die sich zu Beginn auf nur zwei oder drei Anwendungsfälle festlegen, erreichen intern meist eine schnellere Akzeptanz.
• 11:38
  Es läuft meistens so ab.
• 11:39
  Der Co-Pilot startet mit klarem Mehrwert in ein oder zwei Bereichen.
• 11:42
  Mitarbeiter gewinnen Vertrauen, es entsteht eine Eigendynamik.
• 11:45
  Vergleichen Sie das mit Agenten, die versuchen, zehn verschiedene Szenarien gleichzeitig abzudecken.
• 11:49
  Diese Projekte scheitern oft an unbeständiger Qualität und frustriertem Feedback.
• 11:52
  Es zeigt sich, dass ein begrenzter Staat eine stärkere Basis für spätere Erweiterungen bietet.
• 11:58
  Betrachten wir zwei fiktive Teams als Beispiel.
• 12:00
  Das erste Team entschied sich für einen Co-Piloten, der Personalwesen, IT, Finanzen und Kundenservice vereint.
• 12:06
  Sie verbrachten Monate damit, Datenquellen zuzuordnen, komplexe Arbeitsabläufe zu erstellen und versprachen eine Komplettlösung für das gesamte Unternehmen.
• 12:12
  Am Tag der Einführung stellten die ersten Nutzer fest, dass er die Anforderungen keiner Abteilung richtig erfüllte.
• 12:17
  Die meisten gaben ihn in der Woche auf.
• 12:18
  Das zweite Team hingegen konzentrierte sich nur darauf, Außendiensttechnikern bei der Einhaltung von Compliance-Regeln vor Installation zu helfen.
• 12:24
  Sie starteten in einem Bruchteil der Zeit.
• 12:26
  Die Akzeptanz war sofort da und die Techniker fragten aufgrund ihrer positiven Erfahrung nach neuen Szenarien.
• 12:31
  Gleiche Technologie, sehr unterschiedliche Ergebnisse.
• 12:34
  Die Herausforderung besteht also nicht darin, genug Anwendungsfälle zu finden, sondern dem Drang zu widerstehen, alle gleichzeitig abdecken zu.
• 12:38
  Die entscheidende Frage ist, auf welche Szenarien lohnt es sich zu setzen?
• 12:42
  Welche würden, wenn sie automatisiert wären, zu einem alltäglichen Werkzeug werden, dem die Leute tatsächlich vertrauen?
• 12:45
  So trennt man das Rauschen vom Signal.
• 12:48
  Die gewählten Anwendungsfälle sind meist jene, bei denen Mitarbeiter eine spürbare Verbesserung ihrer Arbeit wahrnehmen, nicht nur durch die Anzahl automatisierter Schritte.
• 12:55
  Sie machen Aufgaben weniger frustrierend und zuverlässiger.
• 12:57
  Das Fazit ist, die besten Anwendungsfälle automatisieren nicht nur Arbeit, sondern verändern, wie sich die Arbeit für den Endnutzer anfühlt.
• 13:04
  Wenn jemand endlich sagen kann, dieser Co-Pilot hat meine Arbeit gerade weniger stressig gemacht, haben sie den richtigen Ansatz gefunden.
• 13:08
  Nachdem wir wissen, für wem wir entwickeln und was wirklich gebraucht wird, geht es im nächsten Schritt darum, welche Fähigkeiten und welches Wissen wir dem Agenten vermitteln müssen, damit er liefern kann.
• 13:16
  Ein Agent ist erst dann intelligent, wenn man ihm beibringt, was ihr Team bereits weiß.
• 13:23
  Genau das unterschätzen viele Projekte.
• 13:25
  Die Installation eines Standard-Co-Piloten mag funktional aussehen, aber wenn er nicht mit demselben Wissen trainiert wurde, auf das sich ihre Mitarbeiter verlassen, wird er nicht weit kommen.
• 13:33
  Im besten Fall füllt er oberflächliche Lücken mit eleganten, aber wagen Antworten.
• 13:37
  Im schlimmsten Fall gibt er unzuverlässige Anweisungen und untergräbt das Vertrauen vollständig.
• 13:41
  Den Unterschied macht die Wissensfundierung.
• 13:43
  Den Agenten mit den richtigen Daten speisen und ihn mit den Arbeitsabläufen verbinden, in denen die echte Arbeit stattfindet.
• 13:48
  Denken Sie an den Kontrasten.
• 13:50
  Ein Co-Pilot ohne Kontext kann Ihnen sagen, wie man eine professionelle E-Mail schreibt, da er Millionen von Beispielen gesehen hat.
• 13:55
  Fragt jedoch jemand nach den spezifischen Bedingungen Ihrer Rückgaberichtlinie oder was in Ihrem Finanzsystem als Investitionsausgabe gilt, wirkt derselbe Co-Pilot plötzlich hilflos.
• 14:04
  Er mag zwar etwas formulieren, das plausibel klingt, aber Plausibilität reicht nicht aus, wenn falsche Formulierungen zu Verzögerungen, Compliance-Problemen oder Einnahmeverlusten führen.
• 14:11
  Stellen Sie sich nun einen Agenten vor, der direkt mit den genehmigten Wissensdaten, Banken, dokumentierten Prozessen und aktuellen Systemen Ihres Unternehmens verbunden ist.
• 14:19
  Er antwortet nicht nur mit allgemeinen Floskeln.
• 14:21
  Er kann präzise Regeln aus Ihren Vertragsordnern abrufen, den richtigen Abschnitt Ihres Compliance-Handbuchs zitieren oder die Anfrage über einen internen Workflow leiten.
• 14:29
  Genau dann wandelt sich ein Co-Pilot von einer Spielerei zu einem vertrauenswürdigen Kollegen.
• 14:34
  Im Co-Pilot-Studio gibt es zwei wesentliche Möglichkeiten, diese Intelligenz anzupassen, Knowledge Grounding und Skills.
• 14:39
  Beim Knowledge Grounding verbinden Sie den Co-Piloten mit den Quellen, auf die Ihre Organisation bereits setzt, setzt.
• 14:45
  Dies können SharePoint-Bibliotheken sein, in denen Richtlinien liegen oder interne Wikis, die das Personal täglich konsultiert.
• 14:49
  Indem Sie diese in die Umgebung des Agenten integrieren, ermöglichen Sie ihm, Inhalte abzurufen und zu nutzen, die genau Ihren Anforderungen entsprechen,
• 14:56
  anstatt sich auf Fragesprachmodelle zu verlassen, die nur raten, aten.
• 15:00
  Gills machen den Co-Piloten aktiv, statt ihn nur informativ zu halten.
• 15:03
  Sie sind die Konnektoren zu APIs, Workflows und Anwendungen, die es dem Agenten ermöglichen, zu handeln, anstatt nur zu sprechen.
• 15:08
  Die Verknüpfung mit ServiceNow-Ticketing erlaubt beispielsweise einem IT-Support-Agenten ein Datum zu ändern oder Tickets direkt zu schließen.
• 15:15
  Anstatt Richtlinien-Auszüge neu zu schreiben, kann der Co-Pilot den Benutzer durch die Schritte führen und dabei die Aufgabe im Hintergrund tatsächlich erledigen.
• 15:22
  Diese Kombination aus Knowledge Grounding und integrierten Skills unterscheidet ein Chatbot von einem echten Assistenten.
• 15:28
  Ein Chatbot rezitiert ein Agenthandel.
• 15:30
  Die Risiken, diesen Schritt zu überspringen, zeigen sich schnell.
• 15:32
  Wenn ein Co-Pilot auch nur eine einzige kritische Antwort gibt, die sich als falsch herausstellt, bleibt dies dem Nutzern in Erinnerung.
• 15:36
  Diese Erinnerung hält wesentlich länger an als jede gute Erfahrung, insbesondere in streng regulierten Branchen.
• 15:42
  Es genügt eine einzige irrtümliche Zusicherung zur Compliance oder eine ungenaue Finanzaufstellung, um das Vertrauen eines gesamten Teams in das Tool zu beschädigen.
• 15:50
  Die Akzeptanz nach einem solchen Rückschlag wieder aufzubauen, ist weitaus schwieriger als von Anfang an in eine ordnungsgemäße Datenintegrationsinvestition.
• 15:55
  Selbst wenn die Grundlagen solide sind, ist die Herausforderungen nicht vorbei.
• 15:57
  Geschäftsregeln ändern sich, Workflows entwickeln sich weiter und Richtlinien werden aktualisiert.
• 16:01
  Das bedeutet, dass das Training eines Agenten keine einmalige Aufgabe ist.
• 16:04
  Es ist ein iterativer Prozess, der im Laufe der Zeit kontinuierliche Anpassungen hat.
• 16:07
  Ein neues Compliance-Rahmenwerke an der Knowledge Grounding erforderlich macht.
• 16:10
  Eine Systemmigration könnte die Aktualisierung für Skills bedarf.
• 16:13
  Selbst sprachliche Veränderungen, etwa wie Teams über Produkte oder Prozesse sprechen, können die Leistung beeinträchtigen, wenn sie ignoriert werden.
• 16:18
  Dieser kontinuierliche Optimierungsprozess unterscheidet Teams, die einen wachsenden Mehrwert erzielen von jenen, deren Co-Pilot nach dem Start in der Bedeutungslosigkeit versinkt.
• 16:24
  Der Lohn für das Dranbleiben ist, dass ihr Co-Pilot in Echtzeit mit derselben Tiefe arbeitet, die ihre Experten in ihre Rollen einbringen.
• 16:31
  Ein HR-Co-Pilot kann richtliniende Details bereitstellen, ohne dass bei jeder kleinen Frage das Personalwesen hinzugezogen werden.
• 16:36
  Ein Finanz-Co-Pilot kann einen Analysten durch Freigabeketten führen und dabei die richtigen Zahlen aus aktuellen Systemen abrufen.
• 16:42
  Dies sind nicht nur Effizienzgewinne, sie verändern die Einstellung der Mitarbeiter zur Nutzung des Tools.
• 16:45
  Statt eines weiteren Systems, mit dem man kämpfen muss, wird es zum schnellsten Weg zu zuverlässigen Antworten und erledigten Aufgaben.
• 16:52
  Deshalb ist die Grenze zwischen einem Chatbot und einem Co-Piloten so wichtig.
• 16:55
  Ein Chatbot führt Gespräche, ein Co-Pilot nutzt Kontext, kombiniert ihn mit Aktionen und verwandelt ihn in Unterstützung, der die Menschen vertrauen.
• 17:02
  Die stärksten Agenten sind diejenigen, die das Wissen ihres Teams widerspiegeln und sofort auf dieser Basis handeln können.
• 17:07
  Und sobald das Design und das Training abgeschlossen sind, besteht die letzte Herausforderung darin, den Urlaub selbst zu steuern.
• 17:12
  Denn ein technisch solider Co-Pilot kann dennoch scheitern, wenn er die Akzeptanzphase nicht übersteht.
• 17:18
  Fallen auf dem Weg zum Go-Life-Vermeiden
• 17:19
  Co-Pilot-Projekte scheitern am häufigsten nicht an der Entwicklung, sondern am Rollout.
• 17:24
  Teams verbringen oft Wochen damit, Personas zu verfeinern, Anwendungsfälle zu erstellen und Datenquellen anzubinden,
• 17:30
  nur um dann mitzuerleben, wie die Initiative ins Stocken gerät, sobald der Agent an die Mitarbeiter übergeben werden soll.
• 17:34
  Das liegt nicht daran, dass die Technik nicht funktioniert, sondern daran, dass die menschliche Seite des Rollouts oft vernachlässigt wird.
• 17:40
  Governance wird nicht definiert, Erwartungen werden nicht gemanagt oder Akzeptanzpläne werden erst im Nachhinein erstellt.
• 17:44
  Was beim Kick-Off voller Energie beginnt, verpufft oft, bevor echte Ergebnisse sichtbar werden.
• 17:48
  Wenn Sie schon einmal die Begeisterung eines Projektstartmeetings erlebt haben, kennen Sie dieses Gefühl.
• 17:52
  Ein Fahrplan hängt an der Wand, Mainsteine sind vereinbart und alle warten gespannt auf die erste Demo.
• 17:56
  Der erste Workflow wird implementiert, der Co-Pilot beantwortet Testanfragen und alles sieht vielversprechend aus.
• 18:01
  Doch zwischen dieser Demo und dem tatsächlichen Go-Live erschieben sich die Rahmenbedingungen.
• 18:04
  Führungskräfte fordern mitten im Projekt zusätzliche Funktionen, Endanwender sind unsicher, wie oder wann sie das.
• 18:09
  Neue Tools nutzen sollen und Projektteams stellen fest, dass sie nie festgelegt haben, wer Änderungen prüft oder Trainingsdaten freigibt.
• 18:14
  Die Lücke zwischen der Entwicklung und dem Rollout ist der Ort, an dem die Dynamik im Stillen steht.
• 18:18
  Denken Sie an einen Agenten, der bei internen Tests perfekt funktionierte, aber bei der Veröffentlichung strauchelte.
• 18:22
  Mitarbeiter öffneten ihn ein- oder zweimal, verstanden nicht, welche Probleme er löste und wandten sich unbeeindruckt ab.
• 18:27
  In manchen Fällen konzentriert sich das Entwicklerteam so stark auf technische Genauigkeit, dass der Kommunikationsplan vernachlässigt wird.
• 18:33
  Die Endnutzer gingen davon aus, dass der Co-Pilot alles zu ihrer Rolle beantworten könne.
• 18:37
  Als sie jedoch die erste Frage stellten, die das System nicht unterstützte, antwortete der Agent vage.
• 18:41
  Dieser eine Moment reichte aus, um das Vertrauen zu untergraben.
• 18:43
  Die Akzeptanz erholte sich nie, da die Einführung nicht darauf ausgelegt war, Nutzerwahrnehmung und Feedback aufzufangen.
• 18:48
  Eine schleichende Erweiterung des Projektumfangs sorgt für zusätzliche Probleme.
• 18:51
  Nehmen wir an, ein Projekt zielte ursprünglich auf zwei wertvolle Szenarien für Finanzanalysten ab.
• 18:56
  Auf halbem Weg beginnen die Anfragen einzuströmen.
• 18:58
  Kann auch HR beim Onboarding neuer Mitarbeiter helfen oder vielleicht IT-Lösungsschritte anbieten?
• 19:03
  Die Führungsebene möchte abteilungsübergreifende Wirkung zeigen, also werden diese Anforderungen hinzugefügt.
• 19:07
  Nun ist das Projektteam überlastet, Fristen verstreichen und die ursprünglichen Anwendungsfälle verzögern sich.
• 19:12
  Wenn die Testphase endet, versucht der Co-Pilot, fünf Richtungen gleichzeitig zu bedienen, wird aber keiner gerecht.
• 19:16
  Die Einführung wird erneut verschoben, das Vertrauen ins Projekt schwindet und das ursprüngliche Versprechen erfüllt sich nie.
• 19:23
  Um diese Abwärtsspirale zu vermeiden, ist strukturerfondlich.
• 19:25
  Eine bewährte Methode sind Phaseneinführungen.
• 19:28
  Statt den Agenten sofort dem gesamten Unternehmen aufzuzwingen, starten sie mit einer kleinen Pilotgruppe, die die Kernanwender repräsentiert,
• 19:34
  sammeln deren Feedback, überwachen die Art der Fragen und messen die Akzeptanz in einer kontrollierten Umgebung.
• 19:39
  Sollten Probleme auftreten, können Anpassungen diskret vorgenommen werden, bevor das System skaliert wird.
• 19:42
  Zudem hilft die Festlegung, transparente Erfolgsmaßstäbe die Begeisterung auf einem realistischen Boden zu halten.
• 19:47
  Wenn Erfolg definiert ist, als 50% der Tickets ohne menschliche Hilfe gelöst oder Compliance-Prüfungen in unter zwei Minuten abgeschlossen,
• 19:54
  dann kann jeder Fortschritte klar erkennen, statt vage Behauptungen zu hören.
• 19:58
  Gute KI-Projekte haben auch interne Botschafter, die als Vermittler zwischen dem Technikteam und der allgemeinen Nutzerschaft fungieren.
• 20:03
  Hm. Diese Botschafter helfen dabei, die richtigen Erwartungen zu wecken, indem sie Kollegen zeigen, wo der Co-Pilot glänzt und wo nicht.
• 20:10
  Anstatt zu versprechen, dass die KI alles löst, erklären sie, welche spezifischen Aufgaben unterstützt werden und warum diese als Priorität gewählt wurden.
• 20:16
  Diese Art von Fürsprache hat von Kollegen mehr Gewicht als IT-Ankündigungen, die in einem Firmen-Newsletter auftauchen.
• 20:22
  Dies baut von Person zu Person Glaubwürdigkeit auf, was die Akzeptanz auf eine Weise skaliert, wie es keine Ankündigung allein erreichen könnte.
• 20:27
  Dynamik nach der ersten Demo entsteht durch die Balance zwischen Ambition und Realität.
• 20:30
  Der Gens sollte nicht ungesehen in einem Innovationslabor versteckt werden, darf aber auch nicht ungeprüft auf die gesamte Belegschaft losgelassen werden.
• 20:37
  Erfolgreiche Einführungen basieren meist auf einer geduldigen Sequenzierung.
• 20:40
  Testen, erweitern und dann in den täglichen Arbeitsablauf integrieren.