Latest / M365.FM – Microsoft 365, Copilot & KI Podcast auf Deutsch / Microsoft Designer: Wie KI Ihnen jede Woche Stunden bei Layout, Markenfarben und Teamarbeit spart (KI-Synchronfassung)

Transcript

Microsoft Designer: Wie KI Ihnen jede Woche Stunden bei Layout, Markenfarben und Teamarbeit spart (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?
• 0:07
  Diesen Januar ist die M365-Con zurück und wir legen noch eins drauf. Und wir laufen.
• 0:12
  Seien Sie bei Live-Sessions, Praxis-Demos und Expertenwissen von MVPs und Branchenprofis weltweit dabei.
• 0:18
  Keine generischen Folien. Kein endloses Buzzword-Bingo.
• 0:21
  Wir widmen uns den echten Herausforderungen Co-Pilot-Studio, KI-Agenten, Fabric, Sicherheit, Governance und Automatisierung.
• 0:28
  Egal ob IT-Profi, Entwickler oder Führungskraft, es gibt Sessions, die genau auf Sie zugeschnitten sind.
• 0:35
  An 10 vollen Tagen können Sie Technologien erkunden und sich mit einer globalen Community vernetzen.
• 0:40
  Schauen Sie live zu und nehmen Sie praxisnahe Erkenntnisse mit in Ihr Unternehmen.
• 0:45
  Januar 2027. 10 Tage. Eine Microsoft-Community. Die Anmeldung ist jetzt eröffnet.
• 0:51
  Sichern Sie sich heute Ihren Platz.
• 0:52
  Besuchen Sie M3555s Sexycon.net
• 0:58
  Melden Sie sich jetzt auf M3 von Sexycon.net und wir sehen uns live.
• 1:03
  Im Januar, Januar.
• 1:05
  Kennen Sie das, wenn man stundenlang eine PowerPoint-Folie ausrichtet und dann jemand die Markenfarben ändert?
• 1:10
  Was, wenn ich Ihnen sage, dass Microsoft Designer diese Arbeit in Sekunden erledigt, ohne dass Sie die Maus berühren müssen?
• 1:15
  Aber das Beste ist, es geht nicht nur schneller, es lernt auch während der Arbeit Ihren Stil.
• 1:19
  Heute zeige ich Ihnen, wie das die mühsame Erstellung von Inhalten beenden könnte und warum es die Arbeitsweise Ihres Marketing-Teams für immer verändern wird.
• 1:27
  Die Frage ist, sind Sie bereit, einer KI Ihre Markenidentität anzuvertrauen?
• 1:32
  Von manuellen Anpassungen zu maschineller Intelligen.
• 1:34
  Wer schon einmal an einem Marketing-Flyer oder einer Pitch-Präsentation gearbeitet hat, weiß, wie schnell ein paar Änderungen einen ganzen Nachmittag kosten.
• 1:40
  Ein Textfeld um einen halben Millimeter verschieben, damit es zum Foto passt, ein Bild ersetzen, weil es der Geschäftsführung nicht gefällt, sicherstellen, dass die Überschrift exakt die richtige Unternehmensschriftgröße hat.
• 1:53
  Und das, bevor der eigentliche Spaß erst losgeht.
• 1:56
  Jemand anderes öffnet die Datei, nimmt eigene Änderungen vor und plötzlich vergleicht man Versionen, um die Finale zu finden.
• 2:01
  Das ist nicht nur mühsam, es raubt Ihnen die wertvolle Zeit für kreative Arbeit.
• 2:05
  Die meiste Zeit kosten oft nicht die großen Überarbeitungen, sondern die winzigen Feedback-Schleifen, das Logo leicht verschieben, einen Blauton an die Palette anpassen, die richtige Stärke der Firmenschrift für Aufzählungen wählen.
• 2:21
  Es ist der Tod durch tausend kleine Korrekturen und in Gruppenprojekten vervielfachen sich diese Änderungen.
• 2:25
  Es ist nicht ungewöhnlich, zehn oder zwölf Korrekturschleifen zu drehen, bis das Ergebnis zur Marke passt.
• 2:30
  Genau hier ändert die in Microsoft Designer integrierte KI die Spielregel.
• 2:35
  Sobald es auf Ihr Brand-Kit, Ihre Farben, Schriftarten, Logos und Bildstile trainiert wurde, wendet es diese Auswahl automatisch an.
• 2:43
  Sie fügen eine Reihe von Texten und Bildern ein und es erstellt Layouts, die bereits wissen, dass Ihre Überschrift 32 Punkt groß ist, Ihre Schaltflächen den Navy Hexcode verwenden und Ihre Fotos einem warmen Farbprofil folgen und Ihre Folgen.
• 2:54
  Anstatt jedes Design-Element manuell zu überprüfen, beginnen Sie mit etwas, das bereits konsistent ist.
• 2:58
  Denken Sie an den Unterschied anhand eines konkreten Beispiels.
• 3:00
  Früher bedeutete die Erstellung eines Produktflyers bei einer leeren PowerPoint oder InDesign-Datei zu beginnen, dann manuell Stile hinzuzufügen, Textblöcke auszurichten und Platzhalterfarben auszutauschen.
• 3:14
  In Designer geben Sie die Überschrift in Untertext und ein Produktbild ein und innerhalb von Sekunden erstellt die KI fünf oder sechs ausgearbeitete Entwürfe, die all Ihren Markenrichtlinien entsprechen.
• 3:21
  Sie können die Reihenfolge der Elemente zwar noch anpassen, aber die Struktur steht bereits fest.
• 3:27
  Eine der Marketingmanagerinnen, mit denen ich kürzlich sprach, war mit der Arbeit an einer saisonalen Kampagne völlig überlastet.
• 3:33
  Vor der Nutzung von Designer verbrachte sie etwa sechs Stunden pro Designzyklus, hauptsächlich mit Routineaufgaben bei den Layouts.
• 3:39
  He-ah.
• 3:40
  Nach der Umstellung verkürzte sie dies, dieselbe Aufgabe auf etwas, mehr als eine Stunde, ohne dabei Stil oder Qualität einzubüßen.
• 3:46
  Das ist ein ganzer Arbeitstag Ersparnis pro Woche, nur durch den Wegfall der repetitiven Formatierungsarbeit.
• 3:52
  Pilotprogramme haben von ähnlichen Ergebnissen berichtet.
• 3:55
  Teams, die Designer für die routinemäßige Erstellung von Werbematerial nutzen, verzeichneten messbare Zuwächse beim Durchsatz,
• 4:01
  mehr pünktlich gelieferte Kampagnen, weniger kurzfristige Änderungswünsche und einen deutlichen Rückgang der Korrekturschleifen pro Projekt.
• 4:08
  Das Interessante daran ist, dass die Kreativität nicht abgenommen hat.
• 4:10
  Tatsächlich berichteten Designer und Marketer, dass sie durch den geringeren Aufwand bei der taktischen Anpassung mehr Freiraum für Brainstorming und Konzeptentwicklung hatten.
• 4:18
  Ah, ah.
• 4:19
  Ein Grund dafür ist die Art und Weise, wie Designer Layout-Vorschläge unterbreitet.
• 4:23
  Anstatt ihnen eine statische Vorlage vorzugeben, an die sie sich halten müssen, analysiert die KI die bereitgestellten Inhalte und schlägt visuelle Hierarchien vor, die ihrer Meinung nach funktionieren könnten.
• 4:34
  Das bedeutet, sie reagieren auf einen soliden ersten Entwurf, anstatt mühsam bei Null anzufangen.
• 4:38
  Ah, ist genug Anleitung, um kreativer Ermittlung vorzubeugen, aber sie entscheiden immer noch, was tatsächlich veröffentlicht wird.
• 4:43
  Im Hintergrund steht hier eine stille Frage im Raum.
• 4:45
  Woher weiß Designer, was ihr Stil ist?
• 4:46
  Die Antwort ist, dass man es über Microsoft 365 mit einem definierten Brand-Kit füttern kann und mit der Zeit lernt es aus den Revisionen, die sie genehmigen oder ablehnen.
• 4:57
  Wenn sie konsequent ein generisches Stockfoto durch eines mit einem bestimmten Look ersetzen, beginnt es, diesen Stil bei zukünftigen Vorschlägen zu priorisieren.
• 5:05
  Ihr Team bringt es ihnen bei, auch wenn sie nicht explizit ein Modell trainieren.
• 5:08
  Letztendlich ist das die eigentliche Geschichte.
• 5:10
  Es geht hier nicht darum, menschlichen Geschmack oder das Urteilsvermögen zu ersetzen.
• 5:12
  Es geht darum, Designarbeit von der Art von Aufgaben zu befreien, die sich wie Dateneingabe anfühlen.
• 5:17
  Die Grundsatzentscheidungen, die kreativen Sprünge, die kreativen Sprünge, die, das kommt bei unserem Publikum an, Momente, die kommen nach wie vor von Menschen.
• 5:25
  Designer sorgt lediglich dafür, dass die Pixel bereits am richtigen Platz sind, damit sie dafür keine Energie verschwenden müssen.
• 5:29
  Und automatisierte Grafiken sind erst der Anfang.
• 5:32
  Der größere Wandel findet statt, sobald genau diese Intelligenz direkt in die Zusammenarbeit von Teams einfließt.
• 5:39
  Zusammenarbeit ohne das Chaos.
• 5:40
  Wer schon einmal an einer gemeinsamen Designdatei gearbeitet hat, kennt den Moment, in dem die Versionskontrolle völlig außer Kontrolle gerät.
• 5:46
  Jemand nimmt eine alte Kopie vom Desktop, ändert sie, speichert sie als Final 2 UI und jetzt vergleichen sie das mit der Datei im SharePoint-Ordner, die als endgültig bitte diese verwenden markiert ist.
• 5:55
  Diese verwenden markiert ist.
• 5:56
  Multiplizieren sie das mit drei Personen, die parallel arbeiten, sie haben ein heilloses Durcheinander.
• 6:00
  Das liegt nicht am Mangel im Einsatz.
• 6:02
  Es liegt daran, dass die Tools von den Leuten eine Arbeitsweise verlangen, die nicht der tatsächlichen Zusammenarbeit entspricht.
• 6:06
  Die Realität ist, dass Assets selbst in Unternehmen, die voll auf Microsoft 365 setzen, am Ende verstreut sind.
• 6:11
  Da ist die Version aus einem Teams-Chat vom letzten Dienstag, eine andere versteckt sich in einem E-Mail-Verlauf und die Hauptvorlage ist tief in drei SharePoint-Ordnern vergraben.
• 6:21
  Um an die richtige Datei zu gelangen, muss man oft drei verschiedene Kollegen anschreiben und hoffen, dass niemand das letzte Update überschrieben hat.
• 6:28
  Bis man sie gefunden hat, hat das halbe Team bereits die falsche Datei geprüft.
• 6:31
  Genau hier ändert die Integration von Designer in das M345-Ökosystem alles.
• 6:36
  Anstatt ständig zwischen verschiedenen Speicherorten zu springen, öffnen sie Designer und arbeiten direkt dort, wo ihre Assets bereits liegen, in SharePoint, OneDrive oder verknüpft über Teams.
• 6:45
  Änderungen geschehen in Echtzeit innerhalb derselben Version, die alle anderen auch sehen.
• 6:49
  Wenn sie eine Überschrift ändern oder ein Bild austauschen, ist dies sofort für den Rest des Teams sichtbar.
• 6:53
  Es muss nichts mehr verschickt werden.
• 6:55
  Designer ist einfach eine weitere Oberfläche im gleichen vernetzten Arbeitsbereich.
• 6:58
  Stellt sich das vor.
• 6:59
  Sie und ein Teamkollege arbeiten beide in Designer, an einem Flyer für ein Sales-Event.
• 7:04
  Dieser wird direkt aus der Marketing-SharePoint-Bibliothek geladen, bereits vorkonfiguriert mit den Magenschriftarten und Farben.
• 7:09
  Sie passen das Hauptbild an, der Kollege verfeinert den Untertitel und sie sehen sofort, wie die Bearbeitung des jeweils anderen erscheinen.
• 7:14
  Wenn sie fertig sind, liegt die aktualisierte Datei genau dort, wo sie angefangen hat, wobei der Versionsverlauf automatisch gemäß ihren Benutzerrollen gespeichert wurde.
• 7:21
  Wenn sie eine Änderung rückgängig machen müssen, brauchen sie nicht einen wahllosen Anhängung zu suchen.
• 7:24
  Sie stellen einfach den richtigen Prüfpunkt wieder her.
• 7:26
  Das ist eine große Veränderung gegenüber herkömmlichen Vorlagensystemen.
• 7:29
  Klassische Vorlagen existierten der statischen Datei.
• 7:31
  Herunterladen, bearbeiten, wieder hochladen.
• 7:33
  Jede Änderungsrunde hing davon ab, dass man daran dachte, die richtigen Stile manuell anzuwenden und irgendjemand hat zwangsläufig etwas übersehen.
• 7:41
  Sie brauchten immer noch einen Manager, der Dateinamen, Farbcodes und ein verzerrtes Logo kontrolliert.
• 7:45
  Da Designer nun im selben Bereich wie der Rest ihrer M365 Inhalte lebt und die KI im Hintergrund Markenvorgaben durchsetzt, entfällt ein Großteil dieser Überwachungsarbeit instan.
• 7:57
  Doch es gibt doch einen unerwarteten Vorteil darin, wie das System erkennt, was noch fehlt.
• 8:00
  Wenn die KI sieht, dass sie ein Kampagnen-Element für ein Event erstellen, das bereits im Outlook-Kalender des Unternehmens steht, schlägt sie möglicherweise Design-Elemente vor, mit denen sie schneller fertig werden, wie ein ortsspezifisches Bild oder den Event-Slogan.
• 8:15
  Wenn ein Teams-Meeting-Notizen zu einem Produktfokus enthielt, kann dies die Empfehlungen für Textblöcke oder Bilder steuern.
• 8:24
  Die Idee ist, die Lücke zwischen Gespräch und Ausführung zu schließen, ohne dass sie den gesamten Kontext erst zusammensuchen müssen.
• 8:30
  Das wirft natürlich die Frage auf, kann KI die Nuancen von Tonfall und Stil in verschiedenen Abteilungen tatsächlich verstehen?
• 8:36
  Die Sprache des Marketings entspricht nicht immer der des Personalwesens.
• 8:39
  Ein Design, das für eine Kundenanzeige perfekt ist, kann sich in einer internen Mitteilung zu informell anfühlen.
• 8:46
  KI erkennt zwar gut Muster, aber der menschliche Ton ist schwer zu fassen und automatisierte Vorschläge wirken oft etwas deplatziert.
• 8:54
  Deshalb ist die Lernschleife so wichtig.
• 8:56
  Designer wendet nicht nur feste Regeln aus ihrem Brandkit an, sondern registriert auch die Änderungen, die Nutzer nach einem KI-Entwurf vornehmen.
• 9:02
  Wenn die KI immer wieder ein Layout für interne Memos vorschlägt, das ihr HR-Team ständig anpasst, kann sie ihre Empfehlungen mit der Zeit an diesen Kontext anpassen.
• 9:11
  Es ist nicht fehlerfrei, aber je mehr sie mit dem tatsächlichen Nutzerverhalten interagiert,
• 9:14
  desto besser vermeidet sie dieselben Fehler.
• 9:17
  Wir nähern uns einem Modell der Zusammenarbeit, bei dem die Tools das Chaos bewältigen und das Team sich auf Botschaft und Optik konzentriert.
• 9:24
  Doch bevor wir es als perfekte Lösung betrachten, sollten wir daran denken, dass KI immer noch seltsame Entscheidungen trifft.
• 9:28
  Diese blinden Flecken sind der Ausgangspunkt für den nächsten Teil unserer Geschichte.
• 9:33
  Wenn die KI immer noch daneben liegt
• 9:35
  Wenn Sie schon einmal erlebt haben, wie ein KI-Tool ein Bild für Ihre Kampagne vorschlug, das völlig an der Zielgruppe vorbeigeht, kennen Sie dieses Gefühl.
• 9:44
  Vielleicht kündigen Sie ein Firmentrainingsprogramm an und die KI präsentiert selbstbewusst das Bild eines tropischen Strands mit Platzhalter für Ihr Eventdatum.
• 9:52
  Es ist technisch gesehen nicht falsch, aber für Ihren Kontext absolut unpassend.
• 9:58
  Das sind die Momente, die man in einer Microsoft-Demo nicht zu sehen bekommt.
• 10:01
  Live-Präsentationen zeigen meist nur die besten Szenarien.
• 10:04
  Markenpaletten perfekt angewandt, Texte ideal auf der Seite ausgerichtet und Bilder, die aussehen, als kämen Sie aus Ihrer internen Bibliothek.
• 10:11
  In der realen Welt trifft die KI nicht immer ins Schwarze.
• 10:14
  Sie kann den beabsichtigten Ton verkennen und visuelle Inhalte liefern, die nicht zu Ihrer Zielgruppe oder Kultur passen.
• 10:19
  Diese Diskrepanz kann geringfügig sein, wie ein etwas zu verspieltes Hintergrundbild für eine seriöse Pressemitteilung oder eklatant, etwa, wenn Stockfotos eine völlig andere Branche suggerieren.
• 10:32
  Ein Marketing-Team, mit dem ich sprach, erlebte dies bei der Einführung interner Ethikrichtlinien.
• 10:37
  Die KI schlug Bilder von lächelnden Mitarbeitern vor, die in einem Großraumbüro abklatschen.
• 10:42
  Obwohl das Bild optimistisch war, untergrub es den ernsten Ton, den das Management anschlagen wollte.
• 10:46
  Ein weiteres Beispiel tauchte bei der Kundenpräsentation eines professionellen Dienstleisters auf.
• 10:51
  Die KI wählte automatisch einen farbenfrohen Start-up-Arbeitsplatz für eine Folie aus, die sich an ein konservatives Finanzpublikum richtete.
• 10:57
  Ta, die Botschaft, die Fakten und sogar das Layout waren in Ordnung.
• 11:01
  Der visuelle Rahmen jedoch sandte das falsche Signal.
• 11:05
  Erfahrene professionelle Anwender berichten von gewissen Mustern bei ihren Korrekturen.
• 11:08
  Oft geht es um die Feinabstimmung der Layout-Hierarchie, wenn die KI sekundäre Details zu stark betont oder die Kernbotschaft in den Hintergrund drängt.
• 11:17
  Manchmal geht es darum, dekorative Elemente zu entfernen, die die KI hinzufügt, weil sie meint, sie würden zum Stil passen, auch wenn sie im jeweiligen Kontext ablenken.
• 11:24
  Und öfter als erwartet müssen automatisch ausgewählte Stockfotos ersetzt werden, die Markenrichtlinien nicht vollständig einhalten, obwohl diese im System hinterlegt sind.
• 11:35
  Die Brandingvorlagen selbst bieten nicht immer Schutz.
• 11:38
  KI-Vorschläge können diese auf subtile Weise übersteuern.
• 11:41
  Ein hellerer Farbton hier, eine leicht veränderte Schriftstärke dort.
• 11:46
  Na, auf dem Papier mögen diese Änderungen unbemerkt bleiben, aber für jemanden, der seit Jahren die Markenintegrität schützt, fallen sie sofort auf.
• 11:53
  Hm. Wenn niemand den finalen Export mit einem Auge für Details prüft, schleichen sich diese leichten Abweichungen die Produktionsmittel ein.
• 12:00
  Genau hier wird die menschliche Aufsicht unverzichtbar.
• 12:04
  Auch wenn der Generierungsprozess schneller und genauer wird, muss, immer noch, jemand als Markenwächter fungieren.
• 12:09
  Es geht hier nicht um Misstrauen gegenüber der KI.
• 12:11
  Es geht darum anzuerkennen, dass ihr das kulturelle und strategische Bewusstsein fehlt, das aus der Kenntnis der Markengeschichte, des Zielmarktes und der Sensibilität der Zielgruppe erwächst.
• 12:21
  Man kann die Einhaltung eines Stils automatisieren.
• 12:23
  Instinkt lässt sich nicht automatisieren.
• 12:25
  Und ja, ein Teil dieser Reibung liegt schlicht in der Natur des maschinellen Lernens.
• 12:28
  Es greift auf Trainingsdaten, Nutzerverhalten und die Eingaben zurück, die sie einspeisen.
• 12:33
  Wenn diese Signale widersprüchlich sind oder die Anfrage am Rande dessen liegt, was es bisher gesehen hat, nimmt das Raten zu.
• 12:38
  Nimmt das Raten zu.
• 12:39
  Dieses Raten bleibt für sie unsichtbar, wenn die KI die richtige Wahl trifft.
• 12:42
  Es wird sehr deutlich, wenn sie daneben liegt.
• 12:44
  Interessanterweise ist diese Notwendigkeit eines Menschen im Prozess nicht nur ein Thema in der Designwelt.
• 12:48
  Nur in der Designwelt.
• 12:49
  Es gibt Parallelen in Bereichen wie dem Datenmanagement, wo Tools zwar 80% der mühsamen Arbeit automatisieren können, aber dennoch eine Expertenprüfung erfordern, bevor etwas live geht.
• 12:57
  In beiden Fällen kann die KI einen Großteil der schweren Arbeit übernehmen.
• 13:02
  Aber wenn es darum geht, Bedeutung zu interpretieren, den Kontext zu prüfen oder subtile Fehler zu finden, sorgt die menschliche Kontrolle dafür, dass alles korrekt bleibt.
• 13:10
  Während Designer also eindeutig Stunden bei der Inhaltsproduktion einspart, hat es die Rolle des kreativen Prüfers nicht ersetzt.
• 13:16
  Es hat diese Rolle von der Korrektur von Tippfehlern und dem Neuausrichten von Elementen hin zu übergeordneten Entscheidungen über Botschaft, Tonfall und Passgenauigkeit verschoben.
• 13:23
  Der Effizienzgewinn ist real, aber ebenso die Notwendigkeit einer abschließenden internen Prüfung, bevor etwas veröffentlicht wird.
• 13:30
  Und wenn wir uns ansehen, wie KI außerhalb des Designbereichs eingesetzt wird, zeigt sich diese Mischung aus Automatisierung und Aufsicht an überraschenden Stellen,
• 13:38
  insbesondere in der Welt der Datenworkflows, die traditionell genauso mühsam waren wie manuelle Designarbeit.
• 13:45
  Von den Qualen bei ETL hin zu den Vorteilen von Dataflows Gensui.
• 13:48
  Wenn Sie schon einmal eine Datenpipeline auf die alte Art verwaltet haben, wissen Sie, wie anfällig diese sein konnten.
• 13:53
  Cron-Jobs zu ungünstigen Zeiten, Bash-Skripte, die vor Monaten von jemandem zusammengeschustert wurden, der nicht mehr im Unternehmen ist,
• 14:00
  und eine Kette von Abhängigkeiten, bei der eine winzige Formatänderung in einer CSV das ganze System lahmlegte.
• 14:05
  Es war nicht nur kompliziert, es war zerbrechlich.
• 14:08
  Ein kleines Problem in der Quelle, und plötzlich starren sie auf unvollständige Daten und fragen sich, welcher Server den Job letzte Nacht überhaupt ausgeführt hat.
• 14:14
  Das Schlimmste daran, Ausfälle passierten selten zu günstigen Zeiten.
• 14:17
  Sie bekamen um 2 Uhr morgens die Meldung, dass die Zahlen von gestern nicht geladen wurden, und der Besitzer des Quellsystems war erst am Morgen erreichbar.
• 14:25
  Bis sie die Pipeline neu gestartet hatten, hatten die ersten Dashboard-Nutzer schon E-Mails geschrieben, warum ist das leer?
• 14:30
  Diese Stunden, die mit der Fehlersuche verloren gingen, hatten oft nichts mit dem eigentlichen Datenwert zu tun.
• 14:34
  Sie verbrachten die Zeit, damit Protokolle zu durchsuchen, reguläre Ausdrücke anzupassen, Schritte neu auszuführen und Schritte neu auszuführen, um wieder dorthin zu gelangen, wo sie eigentlich sein wollten.
• 14:41
  Microsoft Fabric Dataflows Gen2 nimmt diese Last in erheblichem Maße ab.
• 14:44
  Anstatt diese benutzerdefinierten Pipelines-Zeile für Zeile zu erstellen und zu pflegen, können Sie einen Großteil der Arbeit in eine No-Code- oder Low-Code-Oberfläche verlagern.
• 14:53
  Power Query, die gleiche Technologie, die viele bereits in Excel und Power BI nutzen, übernimmt die Extraktions- und Transformationsschritte auf HR.
• 15:00
  Das bedeutet, dass Sie keinen Parser von Grund auf neu schreiben müssen, nur um drei verschiedene Dateiformate zu kombinieren.
• 15:05
  Sie verbinden die Quellen, wählen die Felder aus, bereiten die Daten visuell auf und lassen den Dienst die technische Arbeit im Hintergrund erledigen.
• 15:12
  Was Gen2 interessant macht, ist die integrierte KI-Unterstützung.
• 15:16
  Es ist nicht nur ein Tool zum Verknüpfen von Tabellen oder umbenennen von Spalten.
• 15:19
  Es analysiert aktiv Ihre importierten Daten und schlägt Transformationen basierend auf erkannten Mustern vor.
• 15:24
  Wenn Sie ständig Datums und Zeitspalten zu einem einzigen Feld kombinieren, schlägt es diesen Schritt automatisch vor.
• 15:30
  Wenn es Kunden-IDs in zwei Systemen mit übereinstimmendem Schema erkennt, weist es auf die Beziehung hin, ohne dass Sie diese manuell zuordnen müssen.
• 15:40
  Stellen Sie sich vor, Sie konsolidieren Marketing-Kampagnen-Daten, eine Mischung aus Google-Ads-Exporten, E-Mail-Interaktionsstatistiken und Social-Media-Metriken.
• 15:47
  In einer herkömmlichen ETL-Umgebung schreiben Sie wahrscheinlich Skripte, um Feldnamen zu normalisieren, Währungen umzurechnen, Datumsbereiche abzugleichen und fehlende Werte zu ergänzen.
• 15:57
  Mit Gen2 können Sie jede Datenquelle in Power Query ziehen, die KI inkonsistente Spaltentypen markieren lassen und die vorgeschlagenen Korrekturen direkt anwenden.
• 16:06
  Am Ende haben Sie eine einzige saubere Tabelle, die bereit für Berichte ist, ohne jede Datenabweichung manuell nachverfolgen zu müssen.
• 16:11
  Tests zeigen bisher, dass es um mehr als nur Bequemlichkeit geht.
• 16:15
  Die Aktualisierungsgeschwindigkeit hat sich gegenüber früheren Datenflüssen verbessert, da die Engine-Transformation parallel verarbeitet und sich von Teilfehlern erholt, ohne einen kompletten Neustart zu erfordern.
• 16:24
  Fehlertoleranz ist ein weiterer großer Pluspunkt.
• 16:26
  Wenn eine Datenquelle während der Aktualisierung ausfällt, können die anderen dennoch abgeschlossen werden und Sie erhalten eine klare Fehlermeldung statt eines allgemeinen Pipelines fehlgeschlagen, fehlgeschlagen.
• 16:34
  Das allein spart eine Menge verschwendete Rechenzyklen und Rätselraten.
• 16:37
  Die natürliche Frage ist, ob dies tatsächlich den Bedarf an spezialisierten Dateningenieuren verringert.
• 16:43
  Wenn ein Marketinganalyst eine funktionierende Pipeline aus mehreren Datenquellen erstellen kann, ohne eine einzige Zeile Code zu schreiben, braucht man dann noch ein dediziertes ETL-Team, Port-Team.
• 16:52
  In der Praxis die Antwort differenzierter.
• 16:55
  Einfache, wiederholbare Aufgaben könnten vollständig in den Self-Service übergehen, aber komplexe Pipelines mit dutzenden Quellen, komplizierter Geschäftslogik oder regulatorischen Anforderungen profitieren weiterhin von der Aufsicht und den Architekturkenntnissen eines erfahrenen Ingenieurs.
• 17:08
  Was sich jedoch ändert, ist, wie diese Experten ihre Zeit verbringen.
• 17:12
  Anstatt einmalige Anfragen zur Formatierung eines Datensatzes oder zur Reparatur einer fehlerhaften Verknüpfung zu bearbeiten, können Sie sich auf das Design skalierbarer Modelle, die Optimierung von Abfragen und den Aufbau von Analysefunktionen konzentrieren, die das gesamte Unternehmen nutzen kann.
• 17:23
  Die repetitive Vorbereitungsarbeit, durch die Sie früher täglich unterbrochen wurden, wird nun vorgelagert von Tools wie Gentoo erledigt.
• 17:30
  Und genau hier zeigt sich der rote Faden.
• 17:33
  Ob wir über KI-gestütztes Design in Microsoft Designer oder KI-unterstützte Datenvorbereitung in Fabric sprechen, das Muster ist dasselbe.
• 17:40
  Schaffen Sie die lästige Routinearbeit ab und bewahren Sie menschliches Urteilsvermögen dort lustig.
• 17:43
  Content-Teams und Datenteams liegen gar nicht so weit auseinander, wie es scheint.
• 17:47
  Beide erstellen Assets, beide haben Workflows, die durch repetitive, leicht automatisierbare Schritte ausgebremst werden.
• 17:53
  Und jetzt haben beide in M365 Tools die Anfang, diese Schritte für Sie zu übernehmen.
• 17:56
  Ein Ökosystem, zwei Devolutionen.
• 18:00
  Die meisten Unternehmen betrachten Kreativ-Teams und Datenteams gerne als getrennte Welten.
• 18:04
  Das Marketing baut die Story, die Analytik misst den Erfolg.
• 18:08
  Doch in der Praxis überschneiden sich diese Arbeitsabläufe ständig.
• 18:11
  Eine Kampagne endet nicht, sobald der Social-Media-Post live ist.
• 18:14
  Kreative Entscheidungen beeinflussen, was gemessen wird, und die Daten prägen die nächste Runde kreativer Arbeit.
• 18:19
  Sie in Silos aufzuteilen, verschleiert, dass beide vor derselben grundlegenden Herausforderungen stehen,
• 18:23
  Rohdaten schnell genug in etwas Nutzbares zu verwandeln, damit es zählt.
• 18:27
  Deshalb fühlen sich die Neuerungen bei Microsoft Designer und Fabric Dataflows Gen 2 verbunden an,
• 18:32
  auch wenn sie unterschiedliche Probleme lösen.
• 18:34
  Auf der einen Seite springt KI bei der mühsamen Arbeit an Layout und Markenkonsistenz ein.
• 18:39
  Auf der anderen Seite nimmt sich die KI die repetitive Schwerstarbeit bei der Datenaufbereitung vor.
• 18:44
  Zusammen verkürzen sie die Zeit von der Ideenfindung bis zur Ergebnisverfolgung.
• 18:49
  Sie sparen nicht nur Aufwand in zwei getrennten Bereichen, sondern verkürzen den Kreislauf zwischen ihnen.
• 18:54
  Stellen Sie sich eine Produktstartkampagne vor.
• 18:55
  Das Kreativteam nutzt Designer, um die gesamte Palette an Visuals Werbebannen,
• 18:59
  E-Mail-Bildern und Eventfolien zu erstellen und erstellen.
• 19:03
  Jedes Asset passt sich automatisch an das Brandkit an,
• 19:05
  sodass niemand Farben nachbearbeiten oder nach dem richtigen Logo suchen muss.
• 19:08
  Parallel dazu richtet das Analyse-Team einen Gen2-Datenfluss ein, der Website-Traffic, Werbeausgaben, E-Mail-Engagement und Webinar-Teilnehmerzahlen in ein sofort einsatzbereites Dataset zusammenführt.
• 19:21
  Wenn die Kampagne live geht, sind Sie bereits in der Lage, jedes kreative Asset mit den Zahlen zu verknüpfen, die dessen Leistung zeigen.
• 19:27
  Hier spielen die Details eine Rolle.
• 19:29
  Designer ist nicht einfach nur ein Canva-Klon, der in 365 integriert wird.
• 19:32
  Es ist eng mit ihrem M365-Kontext verknüpft.
• 19:35
  Wenn die Kampagne im Firmenkalender steht, Bilder in SharePoint gespeichert sind und Textentwürfe im Teams-Chat liegen,
• 19:40
  kann die KI dies nutzen, um Layout-Vorschläge zu initiieren.
• 19:43
  Kennedit.
• 19:44
  Gen2 arbeitet in seinem Bereich auf die gleiche Weise.
• 19:46
  Es erkennt Spaltenähnlichkeiten zwischen Eingabequellen, schlägt Normalisierungen vor und weist auf Datenlücken hin, bevor sie diese in Power BI laden.
• 19:55
  Beide nutzen Kontext, nur aus verschiedenen Ecken des Workflows, um den Aufwand zwischen Rohinput und nutzbarem Output zu reduzieren.
• 20:02
  Das ist das gemeinsame Prinzip, das beide antreibt.
• 20:04
  Kontextbewusstsein plus intelligente Vorschläge.
• 20:08
  Es ist keine generative Magie.
• 20:09
  Es ist gezielte Automatisierung, gespeist durch die Signale, die ihre Umgebung ohnehin bereits produziert.
• 20:13
  Je mehr sie innerhalb des M3-565-Ökosystems arbeiten, desto mehr Signale kann die KI aufnehmen.
• 20:19
  Ein Design prompt, der das Zielgruppensegment kennt, ohne dass sie es eingeben müssen.
• 20:23
  Ein Datenfluss, der erkennt, dass die Hälfte ihrer Werbeausgaben nicht getakt ist und fragt, ob sie sie abgleichen möchten.
• 20:29
  Es sind keine einmalige Spielereien.
• 20:30
  Es sind Muster, die den täglichen Ablauf von Projekten verändern können.
• 20:34
  Betrachtet man das aus Microsofts breiterer Perspektive, ist es offensichtlich, dass sie auf ein KI-Fast-Arbeitsplatzmodell zusteuern.
• 20:40
  Keine isolierte KI, sondern KI, die in die Tools integriert ist, die sie bereits nutzen, abgestimmt auf ihre eigenen operativen Daten.
• 20:48
  Die Stärke dieses Modells liegt darin, dass Verbesserungen der KI eines Produkts oft auf ein anderes übertragen werden können.
• 20:53
  Die Logik zur Markenkonsistenz, die Layouts von Designern vereineitigt, könnte eines Tages sicherstellen, dass Datenvisualisierungen in Power BI die gleiche visuelle Identität aufweisen.
• 21:01
  Die Anomalie-Erkennung in Gen 2 könnte inkonsistente Zahlen in einem World-Business-Case markieren, bevor sie jemand präsentiert, bepräsentiert.
• 21:07
  Das wirft eine Frage auf, die es wert ist jetzt betrachtet zu werden.
• 21:09
  Wenn die KI kreative und analytische Arbeit gleichermaßen flüssig steuern kann, wie weit sind wir dann noch von einem einheitlichen Dashboard entfernt,
• 21:16
  indem Sie das Asset-Gestalten, die Zielgruppe bestimmen, die Kampagne starten und die Leistungsdaten an einem Ort verfolgen?
• 21:22
  Das ist kein Wunschdenken mehr. Die Bausteine sind vorhanden. Sie wurden nur noch nicht zu einer einzigen übersichtlichen Plattform zusammengeführt.
• 21:30
  Für Unternehmen, die bereits beide Tools nutzen, ist der unmittelbare Nutzen offensichtlich.
• 21:35
  Sie können das Marken-Storytelling mit Live-Leistungsdaten abgleichen, ohne manuelle Exporte, E-Mail-Übergaben und Update-Verzögerungen, die Kampagnen früher verlangsamten.
• 21:42
  Das ist nicht nur schneller, sondern auch weniger fehleranfällig.
• 21:46
  Kreative sehen die Ergebnisse nahezu in Echtzeit.
• 21:49
  Die Analyse sieht genau, welche Assets zu Ergebnissen führen und Anpassungen erfolgen, während die Kampagne noch läuft, nicht erst bei der Nachbesprechung.
• 21:59
  Und eine nächste Welle zeichnet sich ab?
• 22:01
  KI, die nicht nur innerhalb einzelner Apps agiert, sondern diese übergreifend orchestriert?
• 22:05
  Dann könnte eine Änderung der Kampagnenbotschaft automatisch aktualisierte Visuals im Designer auslösen,
• 22:10
  die Taggingregeln in ihren Datenflüssen anpassen und aktualisierte Analysen an ihr Dashboard liefern, ohne dass sie eingreifen müssen, ohne dass sie eingreifen müssen.