Latest / M365.FM – Microsoft 365, Copilot & KI Podcast auf Deutsch / KI-Genehmigungssystem in Microsoft Copilot Studio bauen: Agent Flows mit mehrstufiger Freigabe und Belegprüfung (KI-Synchronfassung)

Transcript

KI-Genehmigungssystem in Microsoft Copilot Studio bauen: Agent Flows mit mehrstufiger Freigabe und Belegprüfung (KI-Synchronfassung) · M365.FM – Microsoft 365, Copilot & KI Podcast auf Deutsch

0:00
Sie verbringen den halben Tag damit, auf Genehmigungen zu warten.
0:02
Jemand ist im Urlaub, ein anderer hat die E-Mail übersehen
0:04
und wenn die Entscheidung endlich eintrifft, ist der Kontext der Anfrage bereits hinfällig.
0:09
Ein unternehmerisches Fegefeuer, in dem der Fortschritt von Leuten gebremst wird,
0:12
die behaupten, beschäftigt sind.
0:13
Stellen Sie sich nun ein System vor, der schlichtweg nicht wartet.
0:15
Ein Workflow, der genau in dem Moment fortfährt, in dem die Bedingungen erfüllt sind.
0:18
Hier kommen die Agent Flows von Microsoft Co-Pilot Studio
0:20
ins Spiel der Bürokratiekiller im Gewand der Automatisierung.
0:22
Hier wird die KI zu ihrem ersten Prüfer.
0:24
Sie liest die Daten, gleicht sie mit Richtlinien ab
0:26
und entscheidet funniert über Genehmigung oder Ablehnung, noch bevor ein Mensch blinzeln kann.
0:31
Nur Grenzwertfälle landen im Posteingang eines Managers.
0:33
Das bedeutet Geschwindigkeit ohne Einbußen bei der Kontrolle.
0:36
Und anders als herkömmliche Genehmigungsprozesse, die an komplexen Bedingungen scheitern,
0:40
skalieren diese KI-gesteuerten Abläufe und verzweigen, validieren und prüfen sich selbst.
0:45
In dieser Anleitung zeige ich Ihnen, wie Sie ein mehrstufiges bedingtes Genehmigungssystem aufbauen,
0:49
das schneller entscheidet, als Ihre Kollegen die allen Antwortentaste finden können.
0:52
Sie erfahren, wie Sie eine KI-Stufe mit benutzerdefinierter Logik einrichten,
0:57
gezielte menschliche Prüfungen ergänzen, dynamische Bedingungen für intelligentes Routing entwerfen
1:01
und eine echte Dokumentenvalidierung zur Compliance integrieren.
1:04
Am Ende verfügen Sie über einen automatisierten Prozess, der weiß, wann er wie eine Maschine denken
1:08
und wann er menschlichem Urteilsvermögen dir vorzugibt.
1:09
Lassen Sie auf in einer Warteschlange zu stehen.
1:11
Lassen Sie die Logik die Führung übernehmen.
1:13
Das Problem mit herkömmlichen Genehmigungen.
1:15
Traditionelle Genehmigungsketten sind eine tragische Neuauflage derselben Ineffizienz.
1:18
Jemand reicht ein Formular ein.
1:20
E-Mails fliegen hin und her, Tabellen laufen auseinander und
1:22
zwischen all den Weiterleitungen weiß niemand mehr, welche Version die Finale war.
1:26
Jeder Beteiligte erzeugt Verzögerungen, keinen Mehrwert.
1:28
Der Prozess verwaltet nicht die Arbeit, er produziert Latenz.
1:32
Typische Power-Automate-Genehmigungsabläufe versuchen, dies zu lösen, stoßen,
1:35
aber an ihre Grenzen, sobald es nuanciert wird.
1:37
Ein einziger Genehmigungspfad funktioniert gut, wenn Sie nur ein Ja oder Nein benötigen.
1:41
Sobald Sie Management ebenen, Ausgabengrenzen oder spezielle Regeln hinzufügen,
1:45
beginnt das Design zu zersplittern.
1:46
Sie enden damit, Bedingungen wie Matroschka-Puppen zu verschachteln
1:49
und elegant, instabil und nach sechs Monaten unmöglich zu debatten.
1:51
Ein defekter Connector und das gesamte System versagt geräuschlos.
1:55
Menschen werden zum Flaschenhals oder, um es brutal genau zu sagen, zu Latenzknoten.
1:59
Jede Nachricht, die sie erhalten, wird zu einem weiteren asynchronen Hin und Her.
2:02
E-Mail als Genehmigungsmechanismus ist so, als würde man in einer Glasfaserwelt Brieftauben einsetzen.
2:06
Es funktioniert technisch gesehen, sollte es aber nicht.
2:08
Microsoft Co-Pilot Studio tritt an.
2:10
Dies ist nicht nur eine schrittweise Weiterentwicklung von Power Automate.
2:13
Es führt Agent Flows ein, Genehmigungssysteme, die von KI angetrieben
2:17
und vollständig in die Datenquellen, Rollen und Logikstrukturen Ihres Unternehmens integriert sind.
2:22
Es schlägt eine Brücke zwischen deterministischer Richtlinendurchsetzung und adoptiver Entscheidungsfindung.
2:26
Die Genialität liegt in der Art und Weise, wie es die Stufen voneinander treten.
2:29
Automatisiert, wo Sie Geschwindigkeit brauchen.
2:31
Menschlich, wo Validierung erforderlich ist.
2:33
Betrachten Sie es als eine neu entwickelte Rechnung.
2:34
Die KI-Stufe bewertet feste Regeln, Betragsgrenzen, Kategorien und Datumsbereiche mit klinischer Effizienz.
2:41
Wenn eine Entscheidung zweideutig ist, wird der Prozess an eine menschliche Instanz eskaliert,
2:45
ohne dass triviale Fälle in der Warteschlange landen.
2:47
Das allein eliminiert exponentielle Verzögerung.
2:49
Anstatt dass zehn Personen nacheinander prüfen, erledigt die KI 80% sofort und leitet nur Ausnahmefälle weiter.
2:55
Und der Co-Pilot Studio verfolgt alles über seinen Dataverse-Rückgrat
2:59
und erstellt verifizierbare Protokolle, ohne dass Ihr Team E-Mail-Archive durchsuchen muss.
3:02
Frühere Workflows wurden für Menschen entwickelt.
3:06
Agenten-Flows sind um sie herum aufgebaut und beziehen Menschen nur ein,
3:08
wenn Interpretation statt Wiederholung gefragt ist.
3:11
Sobald Sie sehen, wie diese Architektur funktioniert,
3:13
wirken herkömmliche Genehmigungen primitiv wie Buchführung bei Kerzenlicht.
3:17
Es geht um einfache Ziele, Compliance, Konsistenz und Skalierbarkeit.
3:20
Moderne Abläufe ersticken ohne automatisierte Validierung.
3:22
Und KI-gestützte Logik ist heute der Standard für Zuverlässigkeit.
3:26
Beim Umstieg von statischen auf bedingte prüfbare Agenten-Flows hören Sie auf,
3:29
Genehmigungen reaktiv zu verwalten und behandeln Sie als lebende Systeme.
3:34
Der Unterschied liegt nicht nur an der Geschwindigkeit, sondern an der strukturellen Vernunft.
3:37
Die KI-Stufe aufbauen, den ersten Genehmiger anlernen.
3:40
Jetzt kommt der interessante Teil, das Training Ihres ersten digitalen Bürokraten.
3:44
Die KI-Stufe ist der logische Torwächter Ihres Genehmigungsprozesses.
3:47
Ihre Aufgabe ist es nicht, wie ein Mensch zu denken,
3:49
sondern strukturiertes Denken mit übermenschlicher Konsistenz anzuwenden.
3:52
Sie liest Anweisungen, prüft sie gegen Eingaben und gibt eines von zwei Urteilen aus.
3:56
Genehmigt oder abgelehnt.
3:57
Keine Politik, keine Kaffeepausen.
4:00
Wir beginnen mit der Definition eines neuen Agenten-Flows.
4:01
Bei der Erstellung steht die KI-Stufe im Mittelpunkt wie
4:04
ein leeres Prüfungsblatt, das auf den Lösungsschlüssel wartet.
4:07
Der Auslöser kommt meist aus Dataverse, einem Datensatz,
4:09
der in Ihrer Forderungs- oder Spesentabelle hinzugefügt oder geändert.
4:11
Sobald ein Anspruch erstellt wird, aktiviert sich diese Stufe,
4:14
bewertet die Daten und entscheidet entsprechend.
4:16
Innerhalb der Stufe ist das wichtigste Feld
4:18
die Anweisungsprompt des Gehirn des Vorgangs.
4:20
Hier beschreiben Sie die Genehmigungslogik
4:22
in einfacher, aber präziser Sprache.
4:24
Schreiben Sie es so, als würden Sie einen Anwalt anweisen,
4:26
der niemals improvisiert. Zum Beispiel
4:27
Genehmigen Sie den Anspruch, wenn der Betrag
4:30
unter 500 liegt, die Beschreibung körperliche oder psychische
4:32
Gesundheit unterstützt und das Kaufdatum innerhalb von
4:34
30 Tagen vor der Einreichung legt, legt.
4:36
Ablehnen, wenn eine Regel nicht erfüllt ist.
4:38
Das ist alles binäre Klarheit.
4:40
Definieren Sie als nächstes Ihre dynamischen Eingaben.
4:42
Betrachten Sie sie als Variablen, die echte Daten
4:44
in Ihre Logik einspeisen. Sie werden höchstwahrscheinlich
4:45
einen Betrag, eine Beschreibung und ein Kaufdatum einbeziehen.
4:48
Jeder wird als Inhalt, Text oder
4:50
Zahlen, Eingabe hinzugefügt, die die KI
4:52
bei einer Entscheidung durchläuft.
4:55
Copilot Studio klassifiziert
4:56
diese Eingaben nach Typ, Text, Zahl
4:58
oder Bilddokument. Wählen Sie richtig,
5:00
denn das Mischen von Typen, etwa eine
5:02
als Text gespeicherte Zahl, verwirrt
5:04
Mensch und Maschine. Stellen Sie
5:06
unter jeder Eingabe Beispieldaten für Tests bereit.
5:08
Dies dient als Gerüst, während Sie die Logik
5:10
kalibrieren. Geben Sie beispielsweise einen
5:12
Beispielantrag ein, wie Fitness-Yoga-Matte,
5:13
Betrag 300, Kaufdatum 22. August,
5:16
Kai Gust. Wenn Sie auf Testen
5:18
klicken, führt Copilot Studio das
5:19
Reasoning-Modell aus, GPT-basiert im Hintergrund
5:22
und gibt eine Entscheidung sowie eine Erklärung
5:24
aus. Wenn das Ergebnis Ihrer
5:25
Erwartungen spricht, gut. Wenn nicht,
5:28
mangelt es Ihren Anweisungen an
5:29
Determiniertheit. Und genau da machen die meisten
5:31
Anfänger Fehler. Vage oder zweideutige
5:33
Formulierungen wie angemessener Ausgabe oder
5:35
kürzlicher Kauf sind Gift für die KI, sind
5:37
Gift für die KI. Das System kann keine
5:39
Unternehmensstimmung lesen, es benötigt
5:40
mathematische Definitionen. Verfeinern Sie
5:42
daher Ihre Anweisungen unermüdlich, bis die
5:43
Testergebnisse konsistent sind. Jedes Mal, wenn Sie
5:46
umformulieren, stimmen Sie die
5:47
Beurteilungsengine auf Reproduzierbarkeit
5:48
ab. Das Muster, das Sie wollen, ist
5:50
identischer Input, führt jedes Mal zu
5:51
identischem Output. Maschinenlogik, kein
5:54
Büroklatsch. Sobald Ihr prompt zuverlässige
5:56
Entscheidungen über mehrere Testfälle
5:57
hinweg liefert, haben Sie Ihren KI-Genehmiger
5:59
effektiv trainiert. Speisen Sie nun die echten
6:01
dynamischen Daten ein, indem Sie Tokmas Dataverse
6:04
verwenden, wie Antragsbetrag, Kauf- oder
6:05
Einreichungsdatum. Diese ersetzen Ihre
6:07
Testwerte während der Live-Durchläufe. Ab
6:10
diesem Punkt bewertet die KI jeden Antrag im
6:12
Kontext und gibt ein Genehmigungsurteil ab,
6:14
sobald neue Daten erscheinen. Bevor Sie den
6:16
Sieg verkünden, führen Sie iterative
6:17
Tests durch. Ändern Sie den Betrag auf
6:19
600, lehnt er ab? Ändern Sie das Datum
6:21
auch vor drei Monaten, wird es als
6:22
ungültig markiert? Fügen Sie einen
6:24
unsinnigen Antrag hinzu wie iPad-Kauf,
6:25
erkennt er die Unstimmigkeit? Jeder
6:27
Durchlauf sollte eine konsistente
6:28
Ursache-Wirkungsbeziehung zeigen. Wenn die
6:30
Antworten schwanken, liegt das Problem an der
6:31
Klarheit Ihres Prompts, nicht am KI-Modell.
6:34
Wenn konsistente Muster entstehen,
6:35
etablieren Sie eine Namenskonvention für
6:37
Ihre Inhaltsvariable. Präfixe wie SDA-
6:39
Untragsbetrag für Zeichenfolgen oder
6:41
nun unter Kaufdatum für numerische
6:42
Werte. Diese kleine Disziplin verhindert
6:44
Chaos, wenn Sie später zu mehrstufiger
6:46
Logik erweitern. In diesem Stadium kann
6:49
Ihr automatisierter Genehmiger nun
6:50
unabhängige Entscheidungen auf Basis von
6:52
Richtlinien ohne Aufsicht treffen. Aber
6:53
Automatisierung ist keine Diktatur, sondern
6:55
Delegation. Die Maschine sorgt für
6:56
Geschwindigkeit und Präzision, nicht für
6:58
das Urteilsverfahren. Für Gensfälle
6:59
benötigen Sie eine Eskalation, einen
7:01
Menschen in the Loop, der überprüft, was
7:03
die KI ablehnt oder als unsicher erachtet.
7:05
Hier kommt die nächste Stufe ins Spiel
7:06
und so wird die Autorität zwischen
7:08
Silizium und Personal geteilt. Hinzufügen
7:10
menschlicher Aufsicht, mehrstufiger und
7:12
bedingter Logik. Sobald Ihre KI sicher
7:14
Anträge beurteilt, können Sie das
7:16
hinzufügen, was Bürokratien ironischerweise
7:17
als menschliche Note bezeichnen. Im
7:19
Co-Pilot-Studio bedeutet das eine
7:21
manuelle Phase, einen Kontrollpunkt, an
7:23
dem eine echte Person eine Entscheidung
7:24
treffen kann. Betrachten Sie es als
7:26
Sicherheitsventil. Alles Vorhersehbare
7:28
läuft automatisch durch. Alles
7:30
Nuancierte landet auf dem Schreibtisch
7:31
eines Managers. Sie beginnen im
7:33
Genehmigungsdesigner, indem Sie direkt nach
7:34
der KI-Phase eine manuelle Stufe
7:35
hinzufügen. Dies schafft ein zweites Tor in
7:37
Ihrem Agenten-Workflow. Die Übergabe ist
7:39
bedingt. Nur wenn das Urteil der KI
7:41
genehmigt lautet, gehen wir zur
7:42
menschlichen Phase über. Wenn die KI
7:44
abgelehnt sagt, endet der Prozess
7:46
sofort. Warum Zeit damit verschwenden,
7:48
Manager zu fragen, was die Richtlinie
7:49
bereits ausgeschlossen hat. Effizienz ist
7:51
selektive Aufmerksamkeit getarnt als
7:53
Automatisierung. Lassen Sie uns ein
7:54
Beispielszenario einrichten. Angenommen,
7:55
ein Mitarbeiter reicht einen Spesenantrag
7:57
für eine Fitnessstudio-Mitgliedschaft
7:58
ein. Die kann nämlich dies, da alle
7:59
Kriterien der Richtlinie entsprechen.
8:01
Diese Entscheidung löst nun eine
8:03
manuelle Phase auf Management-Ebene namens
8:04
Manager-Genehmigung aus. Im Hintergrund
8:07
konfigurieren Sie diese Stufe mit einem
8:08
Titel wie Antragsgenehmigung von
8:10
Antragsteller. Diese Variablen beziehen
8:13
datendynamisch aus Dataverse. Im Feld
8:15
zugewiesen am definieren Sie, wer die
8:17
Aufgabe erhält, typischerweise der
8:18
Manager des Antragstellers. Um dieses
8:20
Routing zu automatisieren, ermöglicht
8:22
Copilot Studio die Integration des
8:23
Office 365 Users Connectors. Rufen Sie
8:26
zuerst den Benutzerdatensatz desjenigen
8:27
ab, der den Antrag erstellt hat, mit der
8:29
Aktion Zeile nach ID abrufen in der
8:30
Benutzertabelle in Dataverse. Dies ruft die
8:32
Informationen des Antragstellers ab. Als
8:34
nächstes ruft die Aktion Manager ab, rufen
8:35
den Manager dieses Benutzers über
8:37
dessen primäre E-Mail-Adresse ab. Geben
8:38
Sie dieses Ergebnis als Variable wie
8:40
STR-Manager-E-Mail in Ihre manuelle
8:41
Phase zurück. Das Ergebnis, keine
8:43
Hardcodierung, keine veralteten
8:44
Hierarchie. Manager wechselnde Hierarchie
8:46
aktualisiert sich von selbst. Jetzt
8:48
folgt die bedingte Verzweigung, der
8:49
eigentliche Grund für die Existenz
8:50
mehrstufige Genehmigung. Sie können
8:52
Logik direkt in den Agentenflow
8:53
einbauen. Wenn der Antragsbetrag größer
8:55
oder gleich 150 ist, fügen Sie eine
8:57
zusätzliche Stufe für eine
8:58
Admin-Genehmigung hinzu, verändern.
8:59
Anderfalls beenden Sie den Prozess. Dies
9:01
verwandelt eine einfache zweistufige
9:03
Routine in einen mehrstufigen
9:04
Entscheidungsbaum, der sich dem
9:05
Kontext anpasst. Geringwertige
9:07
Anträge werden von einer Person
9:08
gebracht. Höherwertige oder
9:09
riskante Anträge werden für
9:10
zusätzliche Kontrollen eskaliert. Fügen
9:12
Sie im Designer eine Bedingungsaktion
9:13
ein, bevor Sie den Flow schließen.
9:15
Referenzieren Sie Ihre numerische
9:16
Variable, zum Beispiel
9:17
Eintragsbetrag. Wählen Sie den
9:18
Operator größer oder gleich und
9:20
setzen Sie den Schwellenwert zum
9:22
B-150. Fügen Sie im
9:24
Venn-Wahr-Zweig eine weitere
9:25
manuelle Phase in Admin-Genehmigung
9:27
hinzu. Weisen Sie diese einem
9:28
festen Genehmiger zu wie dem
9:29
Compliance-Administer. Beenden Sie
9:31
den Venn-Falsch-Zweig mit
9:32
Genehmigten. Der Effekt? Der
9:34
Workflow verhält sich wie eine
9:35
rationale Organisation statt wie ein
9:36
universeller Flaschenhals. Ein
9:38
wenig praktischer Humor ist hier
9:39
angebracht. Ja, Delegation
9:41
erfordert immer noch Vertrauen,
9:42
nicht Wunschdenken. Vergeben Sie
9:43
keine weitreichenden
9:44
Sicherheitsrollen, die alles
9:45
genehmigen. Beschränken Sie die
9:47
Berechtigungen auf relevante
9:48
Benutzer oder Gruppen über die
9:49
rollenbasierte Zugriffskontrolle
9:50
von Data. Andernfalls
9:51
automatisieren Sie das Karten. Das
9:52
Testen der Struktur zeigt, wie
9:54
reibungslos jedes Teil ineinander
9:55
greift. Wenn ein Anspruch unter
9:56
150 Dollar die KI-Prüfung besteht,
9:58
endet der Ablauf nach der
9:59
Genehmigung durch den Manage. Bei
10:01
Beträgen über 150 Dollar stellt
10:02
das System den Vorgang höflich für
10:04
die Admin-Prüfung zurück, bevor er
10:05
abgeschlossen wird. Jeder Pfad
10:06
hinterlässt einen Prüffad, das
10:07
KI-Begründungsprotokoll mit
10:08
Zeitstempel versehene Genehmigungen
10:10
und aufgezeichnete Ergebnisse, die in
10:11
Data-Wes gespeichert. Niemand kann
10:12
später behaupten, das habe ich nie
10:13
gesehen. Die Datenbank beweist das
10:15
Gegenteil. Achten Sie bei der
10:16
Verfeinerung auf disziplinierte
10:17
Namenskonvention. Stellen Sie
10:19
menschliche Phasen klar voran, wie
10:20
Manager genehmigt oder Admin
10:22
genehmigt, damit Sie Zweige
10:26
abstritt kommen. Sobald Sie zufrieden
10:28
sind, veröffentlichen Sie es und
10:29
testen Sie es mit Realszenar.
10:30
Obachten Sie, wie sich die Kette
10:31
entfaltet. Die KI bewertet sofort.
10:34
Der Manager erhält eine gezielte
10:35
Genehmigungsaufgabe. Der Admin
10:36
schaltet sich nur ein, wenn die
10:37
Bedingungen es erforderen. Das
10:39
Ergebnis fühlt sich weniger nach
10:40
einer Automatisierung an, die alles
10:41
erledigt, sondern eher wie eine
10:42
transparente Hierarchie, die sich
10:44
selbst verwaltet. Diese
10:45
mehrschichtige Orchestrierung
10:46
eröffnet zudem ein neues Feld, die
10:48
Dokumentenvalidierung. Denn
10:49
manchmal lügt ein Formularfeld, aber
10:51
der Beleg nicht. Der nächste
10:52
Schritt besteht darin, die KI die
10:54
physischen Beweise prüfen zu
10:56
ist. Ihr setzt die Belegvalidierung
10:58
an, die Bürokratie in
10:59
verifizierbarer Wissenschaft
11:00
verwandelt. Dynamische Eingaben
11:02
und Dokumentenvalidierung. Sprechen
11:04
wir über Belege, die kleinen
11:05
zegnitterten Papierstücke, die
11:06
auf mysteriöse Weise zu kritischen
11:07
Beweisen werden, sobald jemand
11:08
eine Rückerstattung möchte. In einem
11:10
manuellen Genehmigungsprozess überprüfen
11:12
Menschen diese durch bloßes
11:13
Hinsehen. Das sieht nach einer
11:14
Yogamatte aus, nicht nach einer
11:15
Yacht. In einem automatisierten
11:17
Prozess lassen wir die KI dieselbe
11:18
Prüfung ohne Ermittlungserscheinungen
11:19
durchführen. In den Agent-Flows
11:21
von Copilot Studio wird die
11:23
Dokumentenvalidierung durch
11:23
dynamische Inhaltseingaben
11:24
lebendig, insbesondere durch die
11:26
Möglichkeit, ein Bild oder eine
11:27
Datei an ihre Genehmigungslogik zu
11:28
übergeben. Dies verleiht Ihrem
11:30
KI-Genehmiger einen dritten Sinn
11:31
aus EFM. Anstatt sich nur auf
11:33
Textfelder zu verlassen, liest das
11:34
Modell das Dokument und vergleicht
11:36
das Geschriebene mit dem
11:36
Hochgeladenen. Hier ist die
11:38
Struktur. Innerhalb Ihrer KI-Phase
11:40
fügen Sie einen neuen
11:41
Eingabetyp hinzu, der Bild oder
11:42
Dokument heißt. Beschriften Sie ihn
11:44
klar etwa als Belegdatei. Laden Sie
11:46
einen Beispielbeleg für
11:47
Testzwecke hoch. Dies geht nicht
11:48
live, sondern trainiert nur das
11:49
Logik-Layout. Passen Sie nun Ihre
11:51
Anweisungsprompt an, um die
11:53
Dokumentenkreuzvalidierung
11:54
einzubeziehen. Sie erweitern Ihre
11:55
bisherige Logik. Genehmigen Sie den
11:57
Anspruch, wenn alles Folgende
11:57
zutrifft. Betrag 500, Anspruchsdetails
11:59
unterstützen physische oder
12:00
psychische Gesundheit. Kaufdatum
12:01
innerhalb von 30 Tagen. Kaufdatum
12:02
innerhalb von 30 Tagen und das
12:03
Belegdokument stimmt mit dem
12:03
deklarierten Artikelbetrag und Datum
12:04
überein. Artikelbetrag und Datum
12:05
überein. Diese vierte Bedingung
12:07
verwandelt Ihren KI-Genehmiger
12:08
vom Richtlinienvollstrecker zum
12:09
forensischen Buchhalter. Wenn der Test
12:12
läuft, extrahiert das Modell lesbaren
12:13
Text aus dem Dokument und prüft die
12:15
Übereinstimmung mit Ihren
12:16
strukturierten Eingaben. Wenn auf der
12:18
Quittung eine Fitnessmatte für 300
12:20
Dollar am 22. August steht und Ihr
12:21
Antrag etwas anderes besagt, wird das
12:23
Ergebnis abgelehnt. Für die
12:25
Implementierung müssen Sie das
12:26
Dokument abrufen, bevor die
12:27
Genehmigung erfolgt. Verwenden Sie
12:29
die Aktion Datei oder Bild
12:30
herunterladen aus Dataverse. Wählen
12:32
Sie dieselbe Tabelle, in der sich der
12:33
Antragsdatensatz befindet,
12:34
wahrscheinlich Claims. Wählen Sie unter
12:35
Dateispalte das Anhangsfeld, oft so
12:37
etwas wie Quittung genannt. Geben Sie
12:40
dann die Zeilen-ID dynamisch über den
12:41
Trigger an, den eindeutigen
12:43
Bezeichner des Antrags. Diese Aktion
12:45
liefert Dateimetadaten und den Inhalt
12:47
zurück, aber hier lauert eine kleine
12:48
Falle. Die Inhaltsausgabe muss leicht
12:50
angepasst werden, damit die KI sie
12:51
korrekt interpretieren kann. Wenn Sie
12:53
den Dateienhalt Ihrer Dokumenteingabe
12:55
zuordnen, öffnen Sie den
12:56
Ausdruckseditor und hängen Sie Content
12:58
an die Bodyreferenz an. Diese kleine
13:00
Anpassung liefert die tatsächlichen
13:02
Dateibytes anstelle der
13:03
Metadaten-Wrapper. Lassen Sie dies weg
13:05
und Ihre KI wird freudig leere
13:06
Quittung genannt. Kommen wir zur
13:08
Synchronisierung der Achillesferse von
13:09
Dokumenten-Workflows. Die meisten
13:12
Dataverse-Tabellen speichern Anhänge
13:13
erst nach dem ersten Speichern des
13:15
Datensatzes. Wenn Ihr Flow bei
13:17
Erstellung auslöst, startet er auf,
13:18
bevor die Datei existiert. Symptom.
13:21
Der Flow schlägt fehl oder der
13:22
Quittungsinhalt ist leer. Die Lösung
13:24
ist elegant. Ändern Sie die
13:25
Triggerbedingung auf bei
13:26
Elementänderung, beschränken Sie sie
13:28
aber darauf, nur auszulösen, wenn
13:29
sich die Quittungsspalte ändert. Auf
13:31
diese Weise beginnt die Validierung
13:32
genau hin, in dem Moment, in dem
13:33
jemand eine Datei hochlädt oder
13:35
ersetzt. Öffnen Sie zur
13:37
Konfiguration die Triggereinstellungen,
13:39
wählen Sie geänderte Spalten und
13:40
fügen Sie den logischen Namen Ihrer
13:41
Quittungsspalte ein, den Sie unter
13:43
den erweiterten Dataverse-Spaltendetails
13:44
finden, sobald alles eingestellt ist,
13:47
veröffentlicht. Jetzt verhält sich
13:48
Ihre Automatisierung höflich. Sie
13:50
wartet, bis tatsächlich etwas zu
13:51
validieren ist. Wenn der Antrag mit
13:53
einer neuen Quittung aktualisiert
13:54
wird, startet der Flow neu. Er lädt die
13:56
Datei herunter, leitet sie durch die
13:57
KI-Stufe und prüft alle Eingaben
13:58
gegeneinander. Äh, bei Unstimmigkeiten
14:01
wie falscher Betrag, veraltetes Datum
14:04
oder inkonsistente Beschreibungen lehnt die
14:06
KI mit Begründung ab. Das
14:08
Begründungsprotokoll könnte lauten,
14:09
Der beantragte Betrag von 305 Dollar
14:10
unterscheidet sich von der Gesamtsumme
14:11
auf dem Dokument von Dokument von
14:12
Dokument von Dokument von 300 Dollar.
14:13
Das ist Compliance ohne Beschwerde.
14:15
Der praktische Nutzen? Jede Einreichung
14:16
wird selbst revidiert. Mitarbeiter können
14:18
keine fragwürdigen Quittungen oder
14:20
Wagenbeschreibungen mehr durchschmuggeln.
14:22
Die KI-Urteil Dataverse liefert den
14:24
Beweis und beide machen keine Kaffeepause.
14:27
Also nein, Dokumentenvalidierung ist
14:29
kein Overkill. Es ist ein Immungedächtnis
14:31
für Ihre Workflows. Ausreißer werden auf
14:33
molekularer Ebene entdeckt, bei den
14:35
Zeichen auf den echten Quittungen. Und der
14:37
menschliche Prüfer wird vom manuellen
14:38
Kontrolleur zum Ausnahmebehandler.
14:40
Herzlichen Glückwunsch, Sie haben soeben
14:41
die Ehrlichkeit an sich automatisiert.
14:43
Zuverlässigkeit aufbauen. Testen,
14:46
versionieren und veröffentlichen.
14:47
Jede Automatisierung sieht perfekt aus,
14:49
bis sie tatsächlich läuft. Deshalb ist
14:50
Zuverlässigkeit keine Phase, sondern eine
14:52
Disziplin. Copilot Studio macht diese
14:54
Disziplin überraschend einfach durch
14:55
Versionierung, Tests und Veröffentlichung
14:56
Steuerelemente, die direkt in
14:58
Agentenflows eingebettet sind. Beginnen Sie
15:00
mit iterativen Tests. Jeder Genehmigungsflow
15:02
ist ein Miniaturökosystem. Ob sein einziger
15:04
falsch benannte Variable Name kann Chaos
15:06
zugesachen. Behandeln Sie Tests daher wie
15:08
einen wissenschaftlichen Prozess. Änderungen
15:10
isolieren, Daten anwenden, Ergebnisse
15:11
beobachten. Im Flow Editor können Sie in
15:14
Copilot Studio Beispiel Daten simulieren,
15:16
ohne Produktionstrigger bereitzustellen.
15:18
Füttern Sie abweichende Szenarien,
15:20
zu hohe Beträge, veraltete Daten, irrelevante
15:22
Artikelnamen und stellen Sie sicher, dass
15:23
jedes das korrekte Urteil liefert. Gehen Sie
15:26
dann zu Namenskonventionen. Langweilig?
15:28
Absolut. Essentiell. Wichtiger als Luft.
15:30
Stellen Sie jeder Variable System als
15:31
ein Präfix. STR für Strings, Näm für Zahlen,
15:34
DLC für Dateien. Beschriften Sie ebenso
15:36
Aktionen explizit. Belegdatei herunterladen,
15:38
Managergenehmigung prüfen, Anspruchstatus
15:40
aktualisieren. Denn wenn in drei Monaten
15:41
jemand fragt, warum Aktion 7 nicht
15:43
funktioniert, werden Sie froh sein, dass
15:44
Hinweise hilfreicher sind als Archäologie.
15:46
Sobald individuelle Tests erfolgreich sind,
15:48
weiten Sie dies auf Grenzwaldszenarien aus.
15:50
Geben Sie vor, ein inkompetenter Benutzer zu
15:51
sein. Keinen Beleg hochladen, ein Datum
15:54
auf nächstes Jahr ändern, 500 statt 5,0
15:56
eingeben. Bestätigen Sie, dass die KI dies
15:58
erklärt und ablehnt, ohne abzustürzen. Das sind
16:00
keine hypothetischen Fehler, das sind
16:01
Generalproben für die Realität. Je mehr
16:04
Fehlerfälle Sie vorab neutralisieren, desto
16:05
weniger Teams-Nachrichten erhalten Sie
16:07
nachts um zwei, dass der Flow wieder
16:08
gestoppt hat. Veröffentlichung führt
16:10
Governance ein. Jedes Mal, wenn Sie eine
16:13
wichtige Änderung speichern, erstellt
16:14
Copala Studio im Hintergrund eine neue
16:16
Version. Sie können jederzeit zurückkehren.
16:18
Keine Angst vor dem Überschreiben. Nutzen Sie
16:20
dies, um experimentelle Sandbox-Logik von
16:21
der Produktion zu trennen. Ein Flow namens
16:24
Anspruchsgenehmigung-Dev ein anderer
16:25
Anspruchsgenehmigung-Pod. Testen Sie in
16:27
Dev, veröffentlichen Sie erst, wenn es stabil ist.
16:29
Denken Sie daran, Zuverlässigkeit bedeutet
16:30
nicht nur Korrektheit, sondern Kontrolle bei
16:32
Veränderungen. Nutzen Sie nach der
16:35
Veröffentlichung die Aktivitätsprotokolle.
16:37
Sie sind nicht dekorativ, sie sind
16:38
rechtssichere Aufzeichnungen von KI und
16:40
menschlichen Interaktionen. Zeitstempel,
16:42
Identitäten der Genehmiger, Zusammenfassung
16:44
der Begründung. Überprüfen Sie diese
16:45
Protokolle regelmäßig. Muster offenbaren
16:46
sich von selbst. Welche Regeln lösen die
16:49
meisten Ablehnungen aus? Welche Manager
16:50
haben die KI überstimmend, wie oft greifen
16:51
Compliance-Schritte? Äh... Diese
16:54
Erkenntnisse verfeinern sowohl Richtlinien
16:55
als auch Design. Eine weitere subtile Best
16:57
Practice? Automatisieren Sie Status-Aktualisierung
16:59
zurück in Dataverse-Datensätze am Ende
17:01
jedes Zweigs. Die Aktion zum Aktualisieren
17:03
einer Zeile sollte ein klares Feld
17:04
festlegen, etwa Anspruchstatus gleich
17:05
genehmigt oder abgelehnt. Dieser
17:07
sichtbare Endpunkt stärkt das Vertrauen.
17:09
Benutzer sehen Entscheidungen direkt in
17:10
ihren eigenen Tabellenansichten. Keine
17:12
separaten Tracking-Tabellen, keine
17:13
Phantom-Genehmigung. Sobald Ihr System
17:15
alle Tests besteht, veröffentlichen Sie
17:17
mit ruhigem Gewissen. Im Gegensatz zu
17:19
früheren Generationen von Power Automate
17:20
Flows behalten Agenten Flows kontextbezogene
17:22
Metadaten, das KI-Entscheidungsschema,
17:24
dynamische Inhaltsbindungen und
17:25
Versionstags bei, bei. Das Ergebnis ist
17:28
nicht nur ein laufender Prozess, sondern
17:29
reproduzierbares Artefakt, eine
17:31
prüfbare Automatisierung. Die letzte
17:33
Zuverlässigkeitsprüfung ist mental.
17:34
Vermeiden Sie Over-Engineering. Manchmal
17:36
zeigt ein fehlerhafter Ablauf zu komplexen
17:38
Regeln auf, nicht technische Fehler.
17:40
Optimieren Sie Logik, wo immer möglich.
17:41
Weniger Stufen, klare Anweisungen,
17:43
minimale Mehrdeutigkeit. Automatisierung
17:46
ist keine Willkür, sondern unnötige
17:47
Komplexität. Wenn Sie diese Stufe
17:50
abschließen, erreicht Ihr
17:51
Genehmigungssystem betriebliche Reife,
17:52
getestet, versioniert, problemlos
17:54
rückgängig zu machen und verifizierbar.
17:55
Jedes Ergebnis, vom KI-Urteil bis zur
17:57
administrativen Abzeichnung, hinterlässt
17:59
einen digitalen Fußabdruck, der einer
18:00
Prüfung standhält. Das ist
18:01
quantifizierte Zuverlässigkeit, kein
18:02
Gefühl, kein Glück, sondern
18:04
strukturierte Logik, treu aufgezeichnet
18:05
von den Tools, die Sie für sich
18:06
denken lassen, während Sie schlafen.
18:09
Ergebnis und realer Nutzen. Was
18:11
passiert, wenn man Bürokratie-Dermatik
18:12
überlässt? Die Genehmigung
18:13
wartet nicht mehr. Ein KI-gestützter,
18:15
mehrstufiger Agentenfloor verkürzt die
18:17
Bearbeitungszeit von Tagen auf Minuten,
18:18
da Entscheidungen nicht mehr von der
18:19
Verfügbarkeit im Kalender abhängen.
18:21
Jeder Antrag, der objektive
18:23
Richtlinien erfüllt, wird sofort
18:24
genehmigt. Jeder Ausnahmefall landet
18:26
ordentlich in der Warteschlange eines
18:27
Managers, inklusive bereits angehängtem
18:29
Kontext. Menschen treffen Werturteile,
18:31
keine bürokratischen Bestätigungen.
18:33
Die Auswirkung zeigt sich zuerst als
18:34
Zeitersparnung. Eine Kostenerstattung,
18:36
die früher vier E-Mails und zwei
18:37
Erinnerungen erforderte, ist jetzt von
18:38
dem Mittagessen erledigt. Abteilungen
18:40
erleben kürzere Bearbeitungszyklen,
18:42
weniger Leerlaufzeiten und perfekt
18:44
protokollierte Entscheidungswege. Der
18:46
Genehmigungsmechanismus wird auf, eine
18:47
Unterbrechung zu sein. Er wird zur
18:49
Infrastruktur. Dann folgt die
18:51
Fehlerreduzierung. Durch die
18:52
Durchsetzung deterministischer Regeln
18:54
mittels KI entfernen sie subjektive
18:55
Schwankungen, das Übel manueller
18:56
Genehmigungen. Kein nicht dachte, das
18:58
zählt als Gesundheit und Wellness mehr.
19:01
Die KI interpretiert Kriterien jedes
19:02
Mal auf dieselbe Weise. Konsistenz lässt
19:04
sich in der administrativen Logik besser
19:06
skalieren als mitgeführt. Manager
19:07
befassen sich nur noch mit Anomalien,
19:09
selbst diese kommen mit einem
19:10
Audit-Trail. Dateneingaben,
19:12
Entscheidungshistorie, Modellerklärung.
19:14
Audits verwandeln sich von Panikübungen
19:15
in höfliche Verifizierungen. Auf
19:17
organisatorischer Ebene ist das nicht
19:19
nur schneller, sondern auch sicherer.
19:20
Compliance verlässt sich nicht auf
19:22
Erinnerung oder Stimmung. Die ist
19:23
integriert. Die Dataverse-Protokolle
19:25
zeigen, wer wann und warum genehmigt
19:27
hat. Diese Transparenz unterbindet eine
19:29
Kultur der Abkürzungen, da jede
19:30
Entscheidung nun dauerhaft durchsuchbar
19:32
ist. Und philosophisch gesehen ändert
19:34
sich der Workflow von Mensch zuerst mit
19:35
KI-Unterstützung hin zu KI zuerst mit
19:37
menschlicher Korrektur. Praktische
19:39
Governance, keine Science-Witchen. KI
19:41
übernimmt die Regeldurchsetzung,
19:42
Menschen übernehmen das Urteils für
19:43
Systeme. Die hybride Form erzeugt
19:44
fairere, schnellere und letztlich
19:45
vertrauenswürdigere Systeme. Denn sie
19:47
sich vor, sie erklären das einem
19:48
Wirtschaftsprüfer. Das Lächeln, das
19:49
darauf folgt, ist die Automatisierung
19:51
allein schon wert. Also da haben sie es.
19:53
Microsoft Copilot Studio ist nicht
19:54
einfach nur ein weiteres
19:55
Automatisierungstuch. Es ist der Ort, an
19:57
dem die Unentschlossenheit ihres
19:58
Unternehmens endlich in den
19:58
Ruhestand geht. Sie bauen eine
20:00
Genehmigungs-Engine, die in Bedingungen
20:01
denken, verantwortungsbewusst eskalieren,
20:03
Belege mit der Realität abgleichen und
20:05
jeden Schritt dokumentieren kann. Das ist
20:07
kein Workflow, das ist ein
20:08
Governance-Modell. Wenn sie sich nur an
20:09
eines erinnern, dann an dies. KI sollte
20:12
Entscheidungen vorhersehbar und Menschen
20:13
außergewöhnlich machen. Hören Sie auf,
20:16
aus Gewohnheit alles über Menschen
20:17
laufen zu lassen. Überlassen Sie die
20:18
Routine der Logik, damit sich Manager
20:19
um Ausnahmen kümmern können. Wenn Sie
20:21
dieser Leitfaden vor einer weiteren
20:22
Woche mit ausstehenden Manager-
20:24
Prüfungen bewahrt hat, ziehen Sie ein
20:25
Abo in Betracht. Das nächste Tutorial
20:27
befasst sich eingehen mit fortgeschrittenen
20:28
Copilot Studio-Automatisierungen, bei
20:30
denen diese Agenten-Flows mit
20:31
Power-Plattform-Analysen und
20:32
adaptiven Richtlinien verbunden werden.
20:34
Sichern Sie sich Ihren Upgrade-Pfad,
20:35
abonnieren Sie, aktivieren Sie
20:36
Benachrichtigungen und lassen Sie neue
20:37
Episoden automatisch bereitstellen.
20:39
Keine manuellen Prüfungen, keine
20:40
verpassten Releases, nur kontinuierliche
20:42
Bereitstellung von nützlichen Wissen.
20:43
Fortfahren.