Erfolgsgeschichte: Bereitstellung von AI mit Microsoft Azure und Container8

• Kunde: IT-Abteilung
• Produkt: Internal Developer Platform
• Eingesetzte Technologie: Microsoft Azure, Container8, Azure AI Services, Jira Service Management, Terraform, Python, GitHub Actions, Docker

Agilität beim Bereitstellen von AI-Services ist entscheidend, um einen Wettbewerbsvorteil zu halten. Container8, gestützt auf Microsoft Azure und Jira Service Management, war zentral für diesen strategischen Wandel: Es vereinfacht die Workflows für das Deployment von AI und ermöglicht es Entwicklern (und anderen AI-Nutzern), sich auf Innovation statt auf operative Logistik zu konzentrieren.

Mit dieser Plattform können Entwickler ihre Projekte mühelos starten, denn sie liefert die wichtigsten Werkzeuge und praxisnahe Beispiele, die den Prozess verschlanken. Diese Case Study zeigt im Detail, wie Container8 die Erfahrung des Kunden neu gestaltet hat: wie es auf seine besonderen Herausforderungen eingeht, strategische Lösungen bereitstellt und wirkungsvolle Ergebnisse erzielt. Damit unterstreicht sie die Rolle moderner Technologie dabei, die Produktivität zu steigern und Innovation zu fördern.

Die IT-Abteilung unseres Kunden steht an der Spitze der digitalen Transformation des Unternehmens. Als zentraler Akteur beim Wandel vom klassischen Fertigungsunternehmen zum technologiegetriebenen Unternehmen führt die Abteilung den Wandel hin zu „Technology as a Service“ an. Dazu gehört eine Reihe von Services, von AI as a Service (AIaaS) bis zu klassischeren SaaS- und PaaS-Angeboten, die die Innovation des Unternehmens bei Smart-Home-Technologien tragen.

Die Abteilung stellt eine umfassende Technologieplattform bereit, um AI-gestützte Anwendungen und Services im gesamten Unternehmen zu entwickeln, bereitzustellen und zu verwalten. Damit spielt sie eine entscheidende Rolle bei der Digitalisierung und ermöglicht anpassbare Funktionen für smarte Hausgeräte.

Vor der Einführung des neuen Systems war das Einrichten und Bereitstellen von AI-Services ein umständlicher und langsamer Prozess. Entwickler und Projektmanager mussten einen komplexen, manuellen Ablauf durchlaufen, der mit umfangreichen Formularen zur Beantragung der Bereitstellung von AI-Services begann. Dieser Prozess umfasste mehrere Abteilungen und war anfällig für Verzögerungen und Fehler. Jede Anfrage für einen AI-Service dauerte Wochen.

Die wichtigsten Herausforderungen im IT-Betrieb waren:

Kommunikationslücken: Deutliche Barrieren zwischen den Teams für Entwicklung und Betrieb behinderten eine wirksame Kommunikation und verlangsamten die Projektlieferung.

Verzögertes Deployment von AI-Services: Die manuellen Prozesse beim Einrichten von AI-Services führten zu langen Deployment-Zeiten und häufigen Projektüberschreitungen.

Komplexe Freigabeprozesse: Die nötigen Freigaben für neue AI-Services zu bekommen, war eine langwierige Angelegenheit mit mehreren Ebenen der Bürokratie.

Datenmodelle passen nicht: Bestehende Modelle nutzen nur öffentliche Daten und funktionieren nicht mit den Daten des Unternehmens.

Nicht trainierbares Modell: Öffentliche AIs lassen sich nicht vollständig anpassen und liefern nur allgemeine Ergebnisse.

Unklare Zukunft der Modelle: Wie die Roadmap öffentlicher AIs aussieht, ist nicht klar. Änderungen können sich deshalb negativ auf die Nutzung auswirken.

Nur ein Chat-Interface: Für andere Anwendungsfälle als Content-Erstellung, Analyse usw. funktionieren öffentliche AIs nicht wie gewünscht. Technische Nutzer brauchen außerdem programmatischen Zugriff, nicht nur ein Chat-Interface.

Diese Herausforderungen wurden zu Engpässen für die Produktivität. Sie verzögerten die Lieferung von AI-Projekten und verursachten Ineffizienzen im gesamten Unternehmen.

Um diese Probleme zu lösen, wählte das Unternehmen einen schlanken Ansatz und führte Microsoft Azure integriert mit der Internal Developer Platform Container8 ein. Diese Lösung automatisierte die Bereitstellung von AI, die zuvor manuell und zeitaufwendig war.

Die direkte Integration in Jira Service Management ermöglichte eine effiziente Bearbeitung von Anfragen zur Bereitstellung von AI. Diese Automatisierung verkürzte die Zeit für die Einrichtung von AI-Services deutlich, machte viele manuelle Schritte überflüssig und verringerte die Abhängigkeit von umfangreicher Dokumentation.