Latest / M365.FM – Microsoft 365, Copilot & KI Podcast auf Deutsch / KI-Chatbot für alle Ihre Daten: CRM, ERP und Datenbanken vereinen mit Copilot und Fabric Data Agents (KI-Synchronfassung)

Transcript

KI-Chatbot für alle Ihre Daten: CRM, ERP und Datenbanken vereinen mit Copilot und Fabric Data Agents (KI-Synchronfassung) · M365.FM – Microsoft 365, Copilot & KI Podcast auf Deutsch

0:00
Bereit für 10 Tage Microsoft 365, Co-Pilot, KI, Azure und die Menschen, die die Zukunft der Arbeit gestalten, die...
0:07
Diesen Januar ist die M-Trader am 160-Con zurück und zwar noch größer, größer.
0:12
Seien Sie dabei bei Live-Sessions, Demos aus der Praxis und erfahren Sie praktisches Wissen von MVPs und Branchenexperten aus aller Welt.
0:18
Keine generischen Folien, keine endlosen Schlagworte.
0:22
Wir stellen uns den echten Herausforderungen.
0:23
Co-Pilot Studio, KI-Igents, Fabric, Sicherheit, Governance und Automatisierung.
0:28
Ganz gleich, ob Sie IT-Experte, Entwickler oder Führungskraft sind, es gibt speziell auf Sie zugeschnittene Sessions.
0:35
An 10 vollen Tagen können Sie verschiedene Technologien kennenlernen und sich mit einer globalen Community vernetzen.
0:40
Sehen Sie sich die Live-Übertragung an und nehmen Sie praktische Einblicke mit nach Hause in Ihr Unternehmen.
0:45
Januar 2027, 10 Tage, eine Microsoft-Community.
0:49
Die Registrierung ist ab sofort möglich.
0:51
Gehen Sie noch heute an Ihren Platz.
0:52
Das ist M3-Wundern-Wundern-Up-Darks-C-Con.net.
1:00
Melden Sie sich jetzt auf mträumen5.net an und wir sehen uns im Januar live.
1:05
Aktuell enthalten Ihre CRM, ERP und Datenbank allesamt wichtige Erkenntnisse.
1:09
Doch wie oft haben Sie das Gefühl, dass diese in Silos eingeschlossen sind und nicht gemeinsam durchsucht werden können?
1:13
Stellen Sie sich vor, Sie stellen am einzelnen Chatbot eine einfache Frage und erhalten sofort Antworten, die alle Fragen zusammenfassen.
1:18
Genau das ermöglicht Microsoft Co-Pilot mit Fabric Data Agents.
1:22
Doch wie genau erschließt das systemübergreifende Intelligenz und wie viel Arbeit ist tatsächlich für die Einrichtung erforderlich?
1:26
Lassen Sie uns den Prozess genauer betrachten und uns ansehen, wie dies in der realen Welt der Geschäftsdaten aussieht.
1:31
Die versteckten Kosten verstreuter Daten.
1:33
Hatten Sie jemals das Gefühl, dass Sie mehr Dashboards als sächliche Kenntnisse haben?
1:36
Die meisten Unternehmen schwimmen bereits im Bericht.
1:38
Die Finanzabteilung hat ihre ERP-Tabellen, das Marketing erstellt ihre eigenen CRM-Exporte
1:42
und die IT-Abteilung hütet eine Schatztruhe an Datenbanken, die außerhalb des Teams niemand zu verstehen scheint.
1:47
Auf dem Papier sieht das aus wie eine Goldgrube an Informationen.
1:50
In der Praxis wirkt es eher wie eine Ansammlung von Fragmenten, die sich einfach nicht zusammenfügen lassen, egal wie viel Mühe man sich gibt.
1:55
Gibt.
1:56
Man kann das Stöhnen im Raum fast hören, wenn jemand nach einem einfachen kombinierten Bericht fragt und jeder weiß, dass das Wochen dauern wird.
2:02
Das Problem ist nicht, dass die Informationen nicht existieren, sondern dass jedes System an seiner eigenen Sicht der Wahrheit festhält.
2:08
Als wäre es die einzige Quelle, die zählt.
2:10
ERP-Systeme speichern Transaktionsaufzeichnungen, die Jahre zurückreichen.
2:12
CRM-Systeme wissen, mit wem die Vertriebsmitarbeiter gestern gesprochen haben und ein halbes Dutzend Datenbanken speichern alles von Updates zur Lieferkette bis hin zu Produktivitätszahlen der Mitarbeiter.
2:20
Keiner von ihnen möchte ohne Streit miteinander reden.
2:22
Die Leute schicken sich am Ende statische Excel-Dateien per E-Mail hin und her, kopieren Zahlen im PowerPoint und hoffen, dass niemand die Verzögerung zwischen dem, was präsentiert wird und dem, was präsentiert wird und dem, was heute tatsächlich passiert will.
2:30
Man sieht, wie sich das in echten Teams abspielt.
2:32
Ein Vertriebsleiter legt möglicherweise Quartalsziele fest, indem am Montag Daten aus der CRM-Pipeline extrahiert.
2:37
Am Donnerstag wartet das Finanzteam immer noch darauf, dass das ERP sein Abgleich-Batch aktualisiert, sodass der Umsatz, je nachdem welches System man prüft, unterschiedlich aussieht.
2:44
Das Marketing schaltet sich mit Daten zu Kundenkampagnen ein, die letzte Woche exportiert wurden und plötzlich hat das Unternehmen drei verschiedene Ausblicke auf die Leistung des selben Quartals.
2:52
Entscheidungen werden in diesem Label getroffen.
2:53
Und manchmal sind sie schlichtweg falsch, weil Mitarbeiter sich veraltete Zahlen angesehen haben, ohne es zu merken.
2:57
Die Plackerei, die Systeme aufeinander abzustimmen, frisst den Tagaler auf.
3:01
Jemand muss den Export ausführen, Spaltenüberschriften bereinigen, die Dateien zusammenführen, nicht übereinstimmende Formate korrigieren und alles in ein anderes System hochladen.
3:08
In der nächsten Woche wieder Zyklus.
3:09
Es handelt sich um manuelle, sich wiederholende Arbeit, die Zeit kostet, aber dennoch Lücken hinterlässt.
3:14
Das Frustrierende daran ist, dass die Mitarbeiter ihre Energie nicht für Analysen verwenden, sondern für mechanische Aufgaben, die schon vor Jahren von einer Software hätte erledigt werden sollen.
3:21
Jeder kennt das Gefühl, sich durch endlose CSV-Downloads zu klicken und dabei zuzusehen, wie Fortschrittsbalken über den Bildschirm kriechen.
3:26
Wenn man einen Schritt zurücktritt, ist die Folge nicht nur Ermüdung.
3:29
Branchenumfragen zeigen oft, wie viel Produktivitätsverlust durch nicht miteinander verbundene Systeme entsteht.
3:34
Jede Woche gehen Stunden damit verloren, Zahlen abzugleichen, die eigentlich übereinstimmen sollten.
3:37
Projekte kommen entstocken, während Teams auf den richtigen Datensatz warten.
3:40
Führungskräfte zögern, etwas zu unternehmen, weil niemand den Zahlen vertraut, die ihnen vorgelegt werden.
3:44
Es ist nicht dramatisch, aber es summiert sich schnell.
3:47
Der verlorene Schwung ist in der Bilanz nicht sichtbar, schmälert aber still und heimlich die Ergebnisse jedes Quartals.
3:51
Bis ein vollständiger Bericht vorliegt, ist der Moment des Handels meist schon vorbei.
3:55
Denken Sie an verpasste Gelegenheiten, die in den Kennzahlen gar nicht auftauchen.
3:59
Wenn Manager an vorderster Front schnellere und zuverlässigere systemübergreifende Updates hätten,
4:03
könnten Lieferengpässe entdeckt werden, bevor sie die Kunden erreichen.
4:05
Eine Kampagne könnte pausiert werden, bevor mehr Geld in einen leistungsschwachen Kanal fließen.
4:10
Vertriebsmitarbeiter könnten Kunden zeitnah mit Angeboten unterbreiten, die auf tatsächlichen Umsatzpositionen basieren, anstatt auf Vermutungen.
4:15
Unterdessen verschwenden Unternehmen Zeit, damit darauf zu warten, dass sich die Berichte stabilisieren.
4:19
Unsere Wettbewerber, die schnellere Einblicke erhalten, sind zwar schnell.
4:22
Das ist aber nicht nur ein Problem der Berichterstellung, sondern eine Strategie, die Ihnen durch die Finger gleitet.
4:25
Was diese ganze Plackerei noch verschlimmert, ist die Annahme, dass die Integration nur ein Installationsproblem ist,
4:29
das mit einem anderen Data Warehouse oder einem anderen Extraktionstool gelöst werden kann.
4:32
Doch diese Lösungen fügen oft nur einen weiteren Schritt zwischen den Benutzern und den Antworten ein, die sie benötigen.
4:37
Die Berichte werden umfangreicher, die Dashboards ausgefallener, aber die Verzögerung und die Diskrepanz bleiben bestehen.
4:41
Es geht nicht darum, dass mehr Exporte benötigt werden, sondern vielmehr darum,
4:43
dass zwischen den Systemen Mauern errichtet werden müssen, um den Kontext nicht länger zu blockieren.
4:46
Keine einzelne Abteilung kann das Gesamtbild sehen, wenn jedes Tool sie zwingt, in seinem Silo zu leben.
4:51
Deshalb ist die eigentliche Geschichte hier nicht ein Mangel an Rohmaterial.
4:55
Unternehmen sitzen bereits auf Bergen von Transaktionen, Interaktionen und Protokollen.
4:58
Die Herausforderung ist struktureller Natur, sind die Barrieren, die wertvolle Signale in separaten Räume einschließen.
5:03
Solange diese Trennwände nicht nach und nach fallen, werden weitere Dashboards die Vertrauenslücke nicht schließen.
5:07
Sie legen lediglich eine weitere Ansicht auf unvollständige Grundlagen.
5:10
Die eigentliche Frage wird also klar.
5:12
Wenn der Engpass nicht die Daten sind, sondern die Mauern, die Sie trennen,
5:15
was ist dann stark genug, um diese zu beseitigen und diese verstreuten Quellen endlich wie ein einziges System erscheinen zu lassen, anstatt wie zehn?
5:23
Warum Co-Pilot und Fabric Agents die Spiegelen verändern, die meisten Integrationstools werden gerne dazu.
5:27
Doch wenn Sie schon einmal versucht haben, sich auf sie zu verlassen, wissen Sie, dass Sie sich immer nur halbfertig anfühlen.
5:31
Es ist, als ob die Verkabelung vorhanden ist, aber das Licht nie richtig angeht, wenn man den Schalter umlegt.
5:35
Die Daten werden zwar an einem Ort abgelegt, aber bis Sie jemand tatsächlich nutzen kann, ist der Moment oft schon vorbei.
5:40
Diese Lücke zwischen Bewegung und Benutzerfreundlichkeit ist der Unterschied zwischen einem zentralen Datenspeicher und einem echten Entscheidungsfindungstool.
5:46
Herkömmliche ETL-Systeme oder Mittelwehrlösungen spielen zwar eine Rolle.
5:49
Sie sind im Grunde die Verbindungsstücke, die Informationen von einer Anwendung zur anderen übertragen.
5:54
Aber wenn Sie schon einmal mit Ihnen gearbeitet haben, wissen Sie, dass Sie träge sind, wenn es um die Bereitstellung von Echtzeitermikten geht.
5:57
Sie laden Daten in Datenlagern oder sehen ab, wo Sie so lange verbleiben, bis Sie einen weiteren Batchprozess zur Aktualisierung planen.
6:03
Das mag für Monatsabschluss, Abstimmung oder Compliance-Bericht in Ordnung sein, aber es bricht völlig zusammen, wenn Ihr Unternehmen Agilität benötigt.
6:09
Eine Live-Frage zu stellen und dann Stunden oder sogar Tage auf das Ergebnis zu warten, ist keine gute Möglichkeit, ein Verkaufsgespräch zu führen,
6:14
ein Verkaufsgespräch zu führen, eine operative Prognose anzupassen oder ein Kundenproblem zu bearbeiten, bevor es eskaliert.
6:19
Die meisten Menschen erleben noch einen weiteren Frust, die umfangreiche Vorarbeit.
6:22
Diese Systeme scheinen fast schon für Spezialisten konzipiert zu sein und nicht für Mitarbeiter, die tatsächlich Antworten benötigen.
6:27
Am Ende verbringen Sie wochenlang mit der Konfiguration, dem Zuordnen von Feldern, von einer Anwendung zur anderen,
6:32
dem Schreiben von Transformationsskripten, dem Testen von Pipelines und der Optimierung von Aufträgen, wenn sich ein Datenschema im Upstream ändert.
6:38
Für IT-Abteilungen ist das ein ständiger Trott.
6:41
Für Geschäftsanwender ist es ein Geduldsspiel.
6:43
Und bei jedem Projekt ist der Ablauf gleich.
6:45
Ein IT-Team richtet eine beeindruckend aussehende Pipeline ein, feiert, dass die Integration funktioniert
6:49
und dann stellen die Geschäftsanwender fest, dass sie jedes Mal Tickets einreichen müssen, wenn sie eine neue Ansicht benötigen.
6:54
Stellen Sie sich einen Vertriebsleiter vor, der sich auf eine Vorstandsitzung am Montag vorbereitet.
6:58
Das IT-Team hat die ERP-Finanzdaten bereits mit den CRM-Aktivitäten verknüpft,
7:02
aber die Leiterin stellt am Freitagnachmittag fest, dass sie Aufschlüsselungen nach Produktstufen in Südostasien benötigt.
7:07
Mit herkömmlichen Tools kommt sie nicht weiter.
7:09
Sie kann diese Analyse nicht selbst erstellen und da die IT-Abteilung auch noch andere Anforderungen bearbeiten muss,
7:13
rechnet sie realistischerweise mit einer Verzögerung von ein oder zwei Wochen.
7:15
Das Meeting findet ohne diese Zahlen statt und eine weitere Gelegenheit für eine präzise Entscheidungsfindung entgeht.
7:20
Dieser Engpass ist der eigentliche Fehler älterer Integrationslösungen.
7:23
Sie verschieben zwar Daten, unterstützen aber nicht die Mitarbeiter, die Sie am dringendsten benötigen.
7:27
Genau hier setzt Microsoft Co-Pilot in Kombination mit Fabrik-Datenagenten neue Maßstäbe.
7:32
Sie befinden sich nicht in einem Spezial-Tool, das Sie nur für die Berichterstellung bereitstellen.
7:36
Sie sind direkt in die umfassendere Microsoft 365-Anwendung integriert,
7:39
bei denen sich die meisten Mitarbeiter bereits täglich anmelden.
7:41
Dadurch wirken Sie weniger wie eine externe Ergänzung,
7:43
sondern vielmehr wie eine natürliche Erweiterung der Arbeitsumgebung, an die die Mitarbeiter gewöhnt sind.
7:47
Anstatt sich durch benutzerdefinierte Dashboards zu klicken oder sich mit Abfragesprachen abzumühen,
7:51
die Sie nie gelernt haben, können Benutzer mit einem KI-gestützten Kollegen interagieren,
7:55
der die verbundenen Datenquellen des Unternehmens bereits versteht.
7:59
Der technische Wandel ist hier subtil, aber wirkungsvoll.
8:02
Sie sind nicht mehr auf maßgeschneiderte Skripte oder aufwendige Middleware angewiesen.
8:05
Fabrik-Datenagenten verfügen über integriertes Wissen über Konnektoren.
8:08
Stellen Sie sich es sich als KI-Assistenten vor, die bereits wissen,
8:11
wie Daten abgerufen und so strukturiert werden, wie es die Geschäftslogik erfordert.
8:14
Anstatt, dass Ihre IT-Mitarbeiter jede Abfrage manuell erstellen müssen,
8:19
interpretiert das System natürliche Fragen und generiert die Datenaktionen im Hintergrund.
8:24
Fragen Sie, zeige mir Umsatztrends von hochkarätigen Kunden im letzten Quartal.
8:28
Und Co-Pilot übersetzt diese in die entsprechenden Abfragen
8:30
und ruft kombinierte Erkenntnisse aus CRM- und ERP-Datensätzen ab.
8:35
Diese Übersetzungsebene beseitigt so viel Reibung.
8:38
Sie müssen kein SQL lernen, wenn Sie im Finanzwesen tätig sind,
8:40
oder sich in die EPA-Dokumentation vertiefen, wenn Sie im Vertrieb tätig sind.
8:42
Die KI sitzt dazwischen und wandelt die Sprache, die Sie täglich verwenden,
8:45
in die strukturierten Anforderungen, um die Ihre Systeme benötigen.
8:49
Die Bearbeitungszeit verkürzt sich von der Übermittlung einer Berichtsanforderung
8:51
auf wochenlanges Warten auf einfaches Fragen und Beantworten.
8:54
Das ist nicht nur schneller, sondern kommt auch der natürlichen Denkweise
8:56
von Menschen bei Fragen im Geschäftskontext viel näher.
8:58
Diese Kombination aus Fabric und Co-Pilot ist also nicht nur ein weiteres Integrations-Tool,
9:02
sondern verleiht dem Modell eine neue Dimension.
9:05
Die Interaktion erfolgt Dialogorientiert nicht mich an.
9:07
Die Ergebnisse sind sofort nutzbar, keine verzögerten Badges.
9:10
Und vielleicht am wichtigsten, der Zugriff ist nicht durch technische Fähigkeiten eingeschränkt.
9:14
Jeder im Unternehmen kann plötzlich so tun, als hätte er einen Dateningenieur an seinem Schreibtisch,
9:17
der ganztägig an seinem Schreibtisch sitzt.
9:20
Das beseitigt das Gefühl der Komplexität, das Integrationsprojekte jahrelang verfolgt hat
9:23
und ersetzt es durch etwas viel Zugänglicheres.
9:26
Aber nichts davon wäre ohne einen zugrunde liegenden Faktor überhaupt möglich.
9:29
Diese dialogorientierte Einfachheit beruht vollständig darauf,
9:32
wie gut diese Konnektoren tatsächlich Informationen aus Dutzenden verschiedener Systeme abrufen und vereinheitlichen.
9:36
Hier kommt das Rückgrat des Ansatzes ins Spiel und das müssen wir als nächstes untersuchen.
9:41
Die Leistungsfähigkeit von Fabrik-Konnektoren.
9:43
Wie werden all ihre verstreuten Daten aus SAP Dynamics und SQL plötzlich durchsuchbar?
9:46
Es wären sie Teil eines einzigen Systems.
9:48
Das Geheimnis liegt hier nicht in einem riesigen benutzerdefinierten Integrationsprojekt
9:51
oder einer Amel von Entwicklern, die nachts und Wochen in der Arbeit.
9:54
Das Rückgrat ist etwas viel Standardisierteres.
9:56
Fabrik-Konnektoren.
9:57
Diese vorgefertigten Komponenten können bereits mit den gängigsten Geschäftssystemen kommunizieren,
10:01
was die Wirtschaftlichkeit der Integration grundlegend verändert.
10:04
Wenn Sie schon einmal ein großes ERP-System mit einem CRM-System verknüpft haben,
10:08
kennen Sie die Herausforderung bereits.
10:10
Jedes System verfügt nicht nur über ein eigenes Datenmodell,
10:12
sondern bringt auch eigene Besonderheiten, Authentifizierungsmethoden und APIs mit,
10:15
die sich im Laufe der Zeit weiterentwickeln.
10:17
Um diese Welten zu überbrücken, bauen Ingenieure traditionell ein Kartenhaus auf.
10:20
Sie extrahieren, transformieren und laden Daten in Intervallen.
10:23
Zusammen mit einer Middleware, die Datenkonflikte ausgleicht.
10:26
Diese Arbeit dauert selten Tage, sondern zieht sich normalerweise über Wochen oder Monate hin.
10:30
Und jedes Mal, wenn der Anbieter sein Produkt aktualisiert, funktioniert der Integrationscode nicht mehr,
10:34
was einen erneuten Zyklus von Patches und Tests erforderlich macht.
10:37
Nehmen wir ein konkretes Beispiel.
10:38
Stellen Sie sich die Verknüpfung von SAP ERP mit Salesforce CRM vor.
10:41
Diese beiden Systeme sprechen völlig unterschiedliche technische Sprachen.
10:44
SAP stellt seine Finanz- und Betriebsdaten in einem Format bereit,
10:47
während Salesforce Leads, Opportunities und Kundeninteraktionen auf andere Weise strukturiert.
10:51
Um eine gemeinsame Geschichte zu schaffen, beauftragen Unternehmen in der Regel Berater
10:55
oder investieren in Middle-West-Ex.
10:57
Selbst dann ist das Ergebnis oft mangelhaft.
11:00
Die Umsatzzahlen in SAP stemmen nicht immer mit der Vertriebspipeline in Salesforce überein.
11:04
Und jemand muss Fehler nachgelagert manuell beheben.
11:07
Bis alles funktioniert, hat sich die Geschäftslandschaft bereits wieder verändert.
11:10
Fabrik-Konnektoren drehen das Ganze um.
11:12
Stellen Sie sich diese als vorgefertigte Brücken vor, die bereits beide Dialekte beherrschen.
11:15
Anstatt jemanden einzustellen, der die Übersetzungslogik Zeile für Zeile kodiert,
11:19
verfügen die Konnektoren bereits über Kenntnisse zur Authentifizierung,
11:21
Zuordnung von Schlüsselfällen und Verarbeitung von Datenstrukturen in jedem unterstützten System.
11:26
Wenn Sie sich beispielsweise für einen Dynamics 365-Konnektor entscheiden, fängt dieser nicht bei Null an.
11:30
Er weiß bereits, wie Tabellen in Dynamics zusammenhängen
11:32
und wie sie in eine einheitliche Fabrikumgebung integriert werden können.
11:36
Dasselbe gilt für SQL-Server, Oracle, SAP, Salesforce und dutzende anderer gängiger Plattformen.
11:41
Stellen Sie sich ein Diagramm vor, in dem die Boxen mit den einzelnen Systemen auf einer Seite auseinanderschweben
11:46
und die Konnektoren sich wie Brücken erstrecken, die alle auf der Fabrik-Plattform landen.
11:50
Das verdeutlicht den Trick visuell.
11:52
Anstatt dass jedes System versucht, direkt mit jedem anderen zu kommunizieren,
11:55
treffen Sie alle an derselben Stelle zusammen.
11:56
Dieser zentrale Hub wird zu dem, was Ihr Co-Pilot erfragen kann.
11:59
Die Komplexität der Punkt-zu-Punkt-Integration bleibt dem Benutzer verborgen,
12:02
da sie bereits im Connector vorkonfiguriert ist.
12:04
Bei der Untersuchung des Katalogs verfügbarer Konnektoren werden die Systeme unterstützt,
12:09
auf die die meisten Unternehmen als ihren Kernstapel vertrauen.
12:12
Microsofts eigene Dynamics-Apps, Azure SQL, SharePoint, SAP, ERP, Salesforce, Oracle-Datenbanken
12:18
und sogar weniger klamouröse Quellen wie Dateifreigaben oder Cloud-Speicherkonten.
12:23
Diese Bandbreite ist wichtig, da nur wenige Unternehmen nur eine Plattform betreiben.
12:26
Die meisten arbeiten mit einer Mischung aus Cloud- und lokalen Lösungen,
12:29
die sich über Jahrzehnte angesammelt haben und Fabrik-Connectors wurden speziell dafür entwickelt,
12:32
mit dieser unübersichtlichen Realität umzugehen, ohne jedes Mal das Rad neu erfinden zu müssen.
12:36
Hier liegt der eigentliche Clou.
12:37
Für diesen Konnektoren müssen Benutzer keine SQL-Joints,
12:40
gespeicherten Prozeduren oder REST-APIs verstehen.
12:43
Die gesamte technische Übersetzung, normalerweise der schwierigste Teil,
12:46
ist bereits im Connector selbst enthalten.
12:48
Anstatt dass ein Analyst Abfragen schreibt oder mit Authentifizierungstoken jongliert,
12:52
wählt er die Quelle aus, konfiguriert Sicherheitsberechtigung und Fabrik erledigt den Rest.
12:55
Sie verlagert die schwere Arbeit von der kundenspezifischen Entwicklung
12:58
in eine Einrichtungsaufgabe, die sich eher wie das Unterzeichnen von Berechtigungen
13:01
als Diskutierende anfühlt.
13:02
Diese Änderung hat praktische Konsequenzen.
13:04
Wenn ein Unternehmen eine neue CRM-Instanz anbinden oder Lieferketten-Daten aus SAP abrufen möchte,
13:09
ist der Zeitplan nicht mehr ein mehrmonatiges Hindernis, das Berater- und Testzyklen einbezieht.
13:14
Stattdessen geht es darum, den richtigen Konnektor auszuwählen,
13:16
sich mit Anmeldeinformationen zu authentifizieren und zu überprüfen,
13:19
ob der Datensatz ordnungsgemäß fließt.
13:21
Dund statt Monate.
13:22
Das senkt die Hürde so drastisch, dass Unternehmen über die Integration von Datenquellen nachdenken können,
13:26
deren Aufwand früher zu kostspielig schien.
13:28
Was passiert nun, wenn diese Konnektoren ihre Arbeit getan haben
13:31
und all diese verstreuten Daten endlich in einer durchsuchbaren Landschaft landen?
13:35
Dann beginnt der eigentliche Spaß.
13:37
Denn erst, wenn die Rohdaten erstellt wurden,
13:38
können Sie eine Konversations-KI damit beauftragen, sie zu untersuchen.
13:41
Anstatt zu raten, wo Sie suchen müssen,
13:43
oder Tickets für die IT-Abteilung einzureichen,
13:44
um benutzerdefinierte Berichte zu erstellen,
13:46
können Sie dem Chatbot einfach eine direkte Geschäftsfrage stellen
13:48
und erhalten sofort eine integrierte Antwort.
13:51
Mit anderen Worten,
13:52
Konnektoren verwandeln die Integration von einer endlosen Belastung der technischen Bandbreite
13:55
in eine Konfigurationsaufgabe, die jeder erfahrene Administrator bewältigen kann.
13:59
Der Vorteil besteht darin,
14:00
dass die KI-Schicht Co-Pilot zuverlässigen Zugriff auf einheitliche Datensätze hat,
14:03
ohne dass sich Teams um Export- und Dateizusammenführungen streiten müssen.
14:06
Nachdem die Grundlagen vereinfacht wurden,
14:08
ist der Weg frei für den eigentlichen Höhepunkt,
14:09
die Entwicklung eines Chatbots,
14:10
den Mitarbeiter im gesamten Unternehmen direkt abfragen können.
14:13
Und genau darum geht es als nächstes.
14:15
Entwicklung Ihres ersten KI-Daten-Chatbots.
14:17
Stellen Sie sich vor, Sie sitzen an Ihrem Schreibtisch
14:18
und geben eine so einfache Frage ein wie,
14:20
was waren die Top-Produkte des letzten Quartals in Europa?
14:23
Und innerhalb von Sekunden erhalten Sie eine Antwort.
14:25
Nicht aus einem Bericht, den Sie ihn gebeten haben zu erstellen,
14:28
nicht aus einer von Ihnen zusammengeschusterten Tabelle,
14:29
sondern von einem Chatbot, der bereits weiß, wo er suchen muss.
14:32
Allein diese visuelle Darstellung zeigt,
14:34
warum die Leute so begeistert von diesen Tools sind.
14:36
Es ist nicht nur die Integration, die im Hintergrund abläuft,
14:38
sondern die Tatsache,
14:39
dass die Arbeit schließlich dort angezeigt wird,
14:41
wo Entscheidungen getroffen werden,
14:42
in einer interaktiven Konversationsschnittstelle.
14:45
Dieser Wandel wird erst richtig deutlich,
14:47
wenn man bedenkt, wie Chatbot-Projekte traditionell ablaufen.
14:50
Wer früher ein Bot haben wollte,
14:52
der unternehmensspezifische Fragen beantwortet,
14:54
musste in Modelle für die Verarbeitung natürlicher Sprache,
14:56
benutzerdefinierte Konnektoren
14:57
und viel Entwicklungsarbeit investieren.
15:00
Die meisten dieser Projekte
15:02
entwickelten sich zu langwierigen F&E-Experimenten,
15:04
bei denen Entwickler mehr Zeit mit dem Aufbau von Pipelines verbrachten,
15:06
als Benutzer jemals mit dem Stellen von Fragen.
15:08
Bis der Pilotbord funktionierte,
15:09
hatten sich die Führungskräfte bereits anderen Prioritäten zugewandt.
15:12
Es fühlte sich an, als wäre es ein Tool,
15:14
das immer kurz vor der Fertigstellung stand und nie nützlich war,
15:16
denn sie sich nun ein anderes Ergebnis verbrachten.
15:17
Ein mittelständischer Hersteller beschließt,
15:19
dass er einen Ort haben möchte,
15:20
an dem Vertriebsmitarbeiter, Finanzpersonal und Betriebsleiter
15:23
wichtige Leistungsdaten abfragen können, können.
15:26
Sie erstellen einen internen Bot,
15:27
der von Co-Pilot und Fabrikagent unterstützt wird.
15:30
Anstatt das Modelltraining manuell zu erstellen,
15:31
verknüpfen sie einfach Fabrik-Konnektoren
15:33
mit den ERP, CRM und Bestandssystemen.
15:35
Benutzer stellen Fragen in einfachem Englisch
15:37
und die KI fügt die relevanten Daten bei Bedarf zusammen.
15:40
Plötzlich kann der Finanzvorstand nach Margen fragen,
15:42
während der Vertriebsleiter sich mit der Pipeline-Konvertierung befasst,
15:44
alles in derselben Umgebung,
15:45
ohne darauf warten zu müssen, dass jemand einen neuen Bericht programmiert.
15:48
Wie kommt das eigentlich in Gang?
15:50
Schritt 1 ist die Verbindung der richtigen Datenquellen.
15:52
Mithilfe der Fabrikumgebung
15:54
authentifizieren sie sich bei ihrem ERP-System,
15:56
importieren ihre CRM-Datensätze über den zugehörigen Connector
15:58
und verknüpfen alle SQL- oder dateibasierten Datenquellen,
16:01
die den unterstützenden Kontext enthalten.
16:03
Die Schwerstarbeit erfolgt innerhalb des Connector-Setups,
16:05
das bereits Formate und Anmeldemethoden versteht.
16:08
Schritt 2 ist die Aktivierung von Co-Piloten und Fabrik-Datenagenten.
16:10
In dieser Phase nehmen sie keine benutzerdefinierte Podium.
16:13
Im Grunde genommen teilen sie dem System mit,
16:14
welche Datensätze und Konversationsabfragen eingespeist werden sollen.
16:17
Sobald dies abgeschlossen ist, ähnelt ihr Projekt weniger einem Bot-Projekt,
16:20
sondern eher einer aktivierten Erweiterung eines Tools, das sie bereits verwenden.
16:23
Die Art und Weise, wie Co-Pilot-Abfragen interpretiert,
16:25
sorgt für ein natürliches Gefühl.
16:26
Sie müssen keine Select-Anweisungen oder Map-Joints manuell schreiben.
16:30
Sie geben ein, was sie beantwortet haben möchten und im Hintergrund.
16:32
Generiert ist die strukturierten Anfragen,
16:33
die normalerweise nur Analysten schreiben könnten.
16:36
Das verleiht der Benutzeroberfläche ihre Flexibilität.
16:38
Sie sind nicht mehr an ein Dashboard gebunden, das vor 6 Wochen entworfen wurde.
16:40
Sie stellen im Moment neue Fragen und überlassen der KI die Übersetzung zwischen
16:44
menschlicher Absicht und Datenbankstruktur.
16:47
Datenbankstruktur.
16:47
Stellen Sie sich das in der Praxis vor.
16:49
Ein Mitglied des Finanzteams gibt einzeige mir überfällige Rechnungen der letzten 30 Tage.
16:53
Innerhalb von Sekunden erhält es nicht nur ein klares Ergebnis,
16:55
sondern ein vorhandenes Power BI Dashboard wird mit dieser gefilterten Ansicht aktualisiert.
16:59
Es gibt keine E-Mail-Kette und keinen auf dem Desktop gespeicherten CSV-Export.
17:02
Es handelt sich um eine direkte Interaktion mit den Daten, die durch KI vermittelt wird.
17:05
Diese Geschwindigkeit hat einen Multiplikator-Effekt,
17:07
denn sobald eine Abteilung damit beginnt, sich darauf zu verlassen, erkennen andere schnell,
17:11
dass sie dasselbe für ihre eigenen täglichen Fragen tun können.
17:14
Der größere Mehrwert ist, was passiert, wenn jeder im Unternehmen diesen Zugriff erhält.
17:18
Wenn Mitarbeiter an vorderster Front, Führungskräfte und sogar Backoffice-Teams
17:21
jederzeit systemübergreifende Daten abfragen können, werden bisher unsichtbare Muster sichtbar.
17:26
Mitarbeiter müssen Anfragen nicht mehr durch einen zentralen IT-Engpass filtern.
17:30
Erkenntnisse werden Teil der täglichen Konversation nicht mit seinem vierteljährlichen Ritual.
17:33
Sie erhalten Fragen von Personen, die früher nie gefragt hätten,
17:37
einfach weil die Hürde bei der Suche nach Antworten gefallen ist.
17:40
Das ist die stille Revolution.
17:42
Ein Chatbot aufzusetzen, der mit ERP, CRM und Datenbanken kommuniziert,
17:45
ist jetzt einfacher, als ein weiteres Dashboard zu kuratieren oder ein neues Lager einzurichten.
17:49
Die technischen Hürden sind so weit gesunken, dass die Integration nicht mehr das Schwierigste ist.
17:53
Es geht darum, herauszufinden, welche Fragen sie zuerst priorisieren möchten.
17:56
Und sobald dieses Fundament geschaffen ist, verlagert sich die Diskussion schnell von der Frage,
17:59
ob wir diese Daten mit etwas viel zukunftsorientierterem verknüpfen können.
18:02
Welche unerwarteten Erkenntnisse kann diese Art von Systemstärke fördern?
18:05
Denn die wahre Magie beginnt, wenn Sie nicht mehr nach vergangenen Zahlen fragen,
18:08
sondern anfangen, die Prognosen zu erkennen, die diese Tools generieren können.
18:12
Echtzeiterkenntnisse und Prognosen.
18:14
Was wäre, wenn Sie, anstatt auf die Zahlen des letzten Quartals zu warten,
18:16
die Richtung des nächsten Quartals bereits vor dessen Beginn erkennen können?
18:19
Berichte sagen Ihnen, was bereits geschehen ist.
18:20
Sobald Ihre Daten jedoch in einer einheitlichen Umgebung vorliegen,
18:23
können dieselben Zahlen zu etwas viel Nützlicherem führen.
18:26
Prognosemodelle, die prognostizieren, was wahrscheinlich als nächstes passieren wird.
18:28
Und hier verlagert sich die Geschichte von statischen Kennzahlen zu einem Tool,
18:31
mit dem Sie in Echtzeit intelligentere Maßnahmen ergreifen können.
18:34
Die Realität sieht so aus, dass die meisten Unternehmen immer noch mit rückwärts richteten KPIs
18:37
sie überprüfen den Umsatz nach Quartalsabschluss,
18:39
den Lagerbestand, wenn dieser bereits fehlt,
18:41
und die Kundenabwanderung, nachdem die Verträge verloren gegangen sind.
18:43
Bis diese Zahlen vorliegen, ist der Schaden bereits entstanden.
18:46
Es ist nicht so, dass Führungskräfte nicht proaktiv sein wollen,
18:48
aber ihre Systeme zeigen Ihnen nur die Vergangenheit.
18:50
Und diese Diskrepanz unterschätzt, was Unternehmensdaten leisten können,
18:53
wenn sie so vernetzt und zugänglich sind, dass KI darauf zurückgreifen kann, kann.
18:57
Ein deutliches Beispiel dafür ist das Supply Chain Management.
19:00
Stellen Sie sich einen Logistikmanager vor, der für mehrere Vertriebszentren verantwortlich ist.
19:03
Im herkömmlichen System werden Engpässe in den ERP-Daten angezeigt,
19:06
sobald Bestellungen zu spät eingehen und Lager anfangen, Fehler zu melden.
19:09
Mit KI-gestützten Prognosen, die auf integrierten Daten basieren,
19:11
kann derselbe Manager jedoch Tage im Voraus eine Warnung erhalten,
19:14
dass bei einem bestimmten Lieferanten Verzögerungen zu erwarten sind.
19:16
Co-Pilot kann die Verkaufsgeschwindigkeit aus dem CRM, Lagerbestände im ERP und Lieferzeiten
19:21
von Lieferanten aus Betriebsdatenbanken scannen und dann markieren, wo das Risiko auftritt.
19:26
Anstatt auf fehlende Lieferungen zu reagieren, verhandeln Beschaffungsteams Alternativen aus,
19:30
bevor die Kundennachfrage die Lücke überhaupt bemerkt.
19:32
Solche vorausschauenden Signale können darüber entscheiden,
19:35
ob ein Service-Level aufrechterhalten werden kann
19:36
oder ein Problem im Nachhinein mit der Behebung versucht wird.
19:39
Nicht nur Lieferketten profitieren davon.
19:41
Denken Sie an Absatzproblems.
19:42
Traditionell wird der Zustand der Pipeline ein- oder zweimal pro Quartal in einem Diagramm zusammenkassen.
19:47
Wenn KI jedoch Zugriff auf CRM-Opportunity-Daten, historische Kundenabschlussraten
19:51
und sogar Einkaufsmuster auf Makroebene hat, kann sie aufzeigen,
19:54
welche Segmente der Pipeline am wahrscheinlichsten noch Wochen später abgeschlossen werden.
19:58
Ein Vertriebsleiter sieht nicht nur, was bereits abgeschlossen wurde.
20:01
Er erkennt auch, welche Geschäfte sich noch vor dem Quartalsende als kritisch erweisen.
20:05
Das Marketing kann dann Kampagnen so umsetzen,
20:06
dass genau diese Geschäfte vorangetrieben werden,
20:08
anstatt auf Postmortem Berichte über gescheiterte Geschäfte zu warten.
20:11
Diese Prognosen sind so aussagekräftig, dass kein einzelnes System Sie allein aufdecken könnte.
20:16
CRM kann Ihnen die von Vertriebsmitarbeitern protokollierten Aktivitäten anzeigen,
20:19
jedoch nicht die Verzögerung bei Lieferanten, die die verletzieren.
20:21
ERP kennt die Kostenseite der Gleichung, jedoch nicht die Trends beim Customer Lifetime Value,
20:24
die Entscheidungen über Vertragsverlängerungen beeinflussen.
20:26
Erst wenn Sie Datensätze integrieren, lassen sich Muster und Trends erkennen,
20:30
die übersehen werden, wenn die einzelnen Abteilungen isoliert bleiben.
20:33
KI schöpft Ihre Stärke aus dieser kombinierten Sichtweise und bringt Signale ans Licht,
20:37
für deren Berechnung ein menschlicher Benutzer nur selten die Zeit oder den Zugriff dazu hätte.
20:40
Der Wert für Manager liegt auf der Hand.
20:42
Anstatt historische Momentaufnahmen zu betrachten,
20:44
sehen Sie Live-Kennzahlen, die mit Wahrscheinlichkeiten und Richtungsindikatoren angereichert sind.
20:48
Ein Dashboard zeigt nicht mehr nur einen Lagerbestand von 6000 Einheiten an,
20:51
sondern auch, dass der Lagerbestand in 10 Tagen unter den Sicherheitsbestand fallen wird,
20:54
wenn die Verkaufsgeschwindigkeit im aktuellen Tempo anhält.
20:56
Diese Änderung verändert die Zeithorizont.
20:58
Mitarbeiter können Ressourcen früher umschichten,
21:00
das Budget intelligenter zuweisen und die Fehlerquote reduzieren,
21:03
bevor Probleme so groß werden, dass sie in einem Standardbericht angezeigt werden.
21:06
In einer Branche nach der anderen deuten,
21:08
fallst Studien auf dasselbe Ergebnis hin.
21:09
Wenn vorausschauende KI in Arbeitsabläufe einfließt,
21:12
verbessert sich die Entscheidungsfindung.
21:14
Einzelhändler vermeiden Fehlbestände und Überbestände.
21:16
Hersteller erkennen Wartungsbedarf,
21:17
bevor Geräteausfälle die Produktion zum Erliegen bringen.
21:21
Dienstleister können das Abwanderungsrisiko vorhersehen
21:23
und Kundenbindungsmaßnahmen viel präziser steuern.
21:25
Dabei handelt es sich nicht um Ersatzprozesse,
21:27
sondern um Erweiterungen der bestehenden Systeme,
21:29
die Umgebungen, die früher auf Nachsicht beschränkt waren,
21:31
um Vorausschau erweitern.
21:32
Im Wesentlichen verlagert sich der Fokus.
21:34
Von der Erklärung des Geschehens auf die Vorbereitung auf das,
21:36
was passieren wird.
21:38
Und hier ist die strategische Ebene, über die wir nachdenken müssen.
21:40
Wenn jedes Team in einem Unternehmen Probleme oder Chancen früher vorhersehen kann,
21:44
beschleunigt sich die Strategie selbst.
21:45
Sie ist nicht mehr nur ein Plan,
21:46
der einmal im Jahr auf der Grundlage der Historie angepasst wird,
21:48
sondern wird zu einem dynamischen Prozess,
21:50
der auf sich ändernde Bedingungen reagiert.
21:52
Wettbewerber, die sich auf statische KPIs verlassen,
21:54
müssen unweigerlich aufholen,
21:55
während diejenigen, die auf vorausschauende Erkenntnisse zurückgreifen,
21:57
der Kurve voraus sind.
21:58
In dieser Größenordnung sind Prognosen nicht nur praktisch,
22:00
sie werden zu einem Unterscheidungsmerkmal,
22:01
das sich auf Marge, Kundenzufriedenheit und Marktpositionierung auswirkt.
22:05
Letztendlich ist dies der Grund,
22:06
warum die Datenintegration in Verbindung mit dem Unternehmen
22:07
und die Datenintegration in Verbindung mit dem Unternehmen