Aller au contenu principal
NUKOE

Azure AI ohne Code: Erste intelligente App in 3 Schritten erstellen

• 8 min •
Architecture d'une application intelligente no-code sur Azure : interface conversationnelle, workflow d'automatisation et ana

Stellen Sie sich ein einfaches Szenario vor: Ein nicht-technischer Benutzer in Ihrem Unternehmen möchte die Erfassung von Kundendaten aus einem Webformular automatisieren, diese analysieren, um Trends zu erkennen, und personalisierte Aktionen auslösen. Noch vor zwei Jahren hätte dies ein Team von Entwicklern erfordert. Heute kann diese Person dies selbst in wenigen Stunden erledigen, ohne eine einzige Codezeile zu schreiben.

Diese Realität wird durch das No-Code-Tool-Ökosystem von Azure AI ermöglicht, das den Zugang zu künstlicher Intelligenz demokratisiert. Laut Microsoft bieten diese Tools nicht-technischen Benutzern intuitiven und Self-Service-Zugang zu Business Intelligence. Für Anfänger bedeutet dies, konkrete Lösungen erstellen zu können, ohne Jahre der Entwicklungsausbildung durchlaufen zu müssen.

In diesem Artikel werden wir den Prozess in drei überraschende Schritte zerlegen, beginnend nicht mit der Technologie, sondern mit dem gewünschten Ergebnis. Sie werden erfahren, wie Sie Azure AI Bot Service, Azure Logic Apps und AI Builder kombinieren, um Ihre erste intelligente Anwendung zu erstellen, mit Vergleichen, die entscheidende Unterschiede zwischen diesen Tools aufzeigen.

> Wesentliche Erkenntnis: Die wahre Stärke der No-Code-Tools von Azure liegt nicht in ihrer individuellen Einfachheit, sondern in ihrer Fähigkeit, sich wie Bausteine zusammenzusetzen. Ein mit Copilot Studio erstellter Chatbot kann einen Workflow in Logic Apps auslösen, der selbst ein AI Builder-Modell verwendet. Es ist diese Vernetzung, die einfache Tools in komplexe Lösungen verwandelt.

Schritt 1: Die Benutzererfahrung vor der Technologie definieren

Im Gegensatz zum traditionellen Ansatz, der mit der Auswahl einer Technologie beginnt, beginnt die erfolgreiche No-Code-Methode mit dem Ende: Welche Erfahrung möchten Sie Ihren Benutzern bieten?

Nehmen wir das Beispiel eines Kundenservice-Bots. Anstatt sich zu fragen "welchen Azure-Dienst soll ich verwenden", stellen Sie sich diese Fragen:

  • Bevorzugen Benutzer das Tippen oder Sprechen?
  • Benötigen sie Echtzeit-Zugriff auf Daten?
  • Muss sich der Bot in bestehende Systeme integrieren?

Diese anfängliche Überlegung bestimmt Ihre Tool-Auswahl. Azure AI Bot Service, zugänglich über Microsoft Copilot Studio, ermöglicht die Erstellung von Chatbots ohne Code. Laut Microsoft-Dokumentation können Sie Ihren ersten Agent direkt über die Copilot Studio-Oberfläche erstellen, ohne vorherige technische Kenntnisse.

Aber hier ist, was Anfänger oft unterschätzen: Ein Chatbot ist nur eine Schnittstelle. Sein wahrer Wert kommt von dem, was er im Hintergrund tun kann. Deshalb gehen wir direkt zum nächsten Schritt über, noch bevor wir die Schnittstelle bauen.

Schritt 3: Prozesse im Hintergrund automatisieren (ja, das ist Schritt 3)

In einem kontraintuitiven Ansatz bauen wir zuerst das "Gehirn" der Anwendung, bevor ihr "Gesicht". Azure Logic Apps ist das Tool, das die Erstellung automatisierter Workflows ermöglicht, die Cloud-Dienste, On-Premise-Systeme, Anwendungen, Daten und KI mit wenig oder keinem Code integrieren.

Stellen Sie sich vor, Ihr Kundenservice-Bot erhält eine Anfrage zum Bestellstatus. Anstatt einfach "Ich werde es überprüfen" zu antworten, kann er einen Logic Apps-Workflow auslösen, der:

  1. Die Bestellnummer aus dem Gespräch abruft
  2. Ihr Lagerverwaltungssystem abfragt
  3. Den Versandstatus beim Transportdienstleister prüft
  4. Eine klare Antwort formatiert
  5. Eine Benachrichtigung an den Kundenservice sendet, wenn die Lieferfrist überschritten ist

Dieser Workflow funktioniert unabhängig von der Schnittstelle. Sie könnten darauf über einen Bot, eine mobile App oder sogar ein Webformular zugreifen. Diese Trennung zwischen Geschäftslogik und Schnittstelle ist grundlegend in der modernen No-Code-Architektur.

Schritt 2: Intelligenz mit vortrainierten Modellen hinzufügen

Erst jetzt fügen wir die eigentliche KI hinzu. AI Builder, das Tool von Microsoft zum Erstellen von Machine-Learning-Modellen innerhalb der Power Platform, bietet vortrainierte Modelle für häufige Aufgaben.

Die folgende Tabelle zeigt eine entscheidende Unterscheidung, die von Anfängern oft missverstanden wird:

| Tool | Am besten für | Versteckte Komplexität | Typische Integration |

|-----------|-------------------|----------------------|-------------------------|

| Copilot Studio (Azure AI Bot Service) | Konversationelle Schnittstellen | Verwaltung von Absichten und Entitäten | Front-End-Benutzeroberfläche |

| Azure Logic Apps | Prozessautomatisierung | Fehlerbehandlung und Wiederholungen | Middleware/Back-End |

| AI Builder | Analyse und Vorhersage | Qualität und Vorbereitung der Daten | Komponente in einem Workflow |

Wie ein Entwickler auf Reddit anmerkt, beinhaltet der anfängliche Ansatz vieler Teams das Experimentieren mit AI Builder, um Machine-Learning-Modelle zu erstellen. Aber der häufige Fehler ist, gleich zu Beginn ein komplexes Modell erstellen zu wollen. Beginnen Sie stattdessen mit der Verwendung eines vortrainierten Modells für eine einfache Aufgabe, wie die Extraktion von Informationen aus Dokumenten.

Zum Beispiel könnte Ihr Logic Apps-Workflow AI Builder verwenden, um:

  • Die Stimmung einer Kunden-E-Mail zu analysieren (positiv, neutral, negativ)
  • Strukturierte Daten aus einem gescannten Formular zu extrahieren
  • Eine Anfrage nach Kategorie zu klassifizieren

Diese KI-Fähigkeiten werden dann wiederverwendbare Komponenten in Ihren Workflows, ohne dass Data-Science-Expertise erforderlich ist.

Die Teile zusammensetzen: ein konkretes Beispiel

Kehren wir zu unserem anfänglichen Szenario zurück. So arbeiten die drei Tools zusammen:

  1. Schnittstelle: Ein Benutzer interagiert mit einem in Copilot Studio erstellten Bot
  2. Orchestrierung: Der Bot löst einen Azure Logic Apps-Workflow aus
  3. Intelligenz: Der Workflow verwendet AI Builder zur Datenanalyse
  4. Aktion: Logic Apps aktualisiert eine Datenbank und sendet eine personalisierte Antwort an den Bot zurück
  5. Erfahrung: Der Bot präsentiert die Antwort dem Benutzer in einem konversationellen Format

Diese Architektur veranschaulicht, was Microsoft als die Fähigkeit beschreibt, intelligente Software und Dienste zu entwickeln, um effektive KI-Lösungen zu schaffen. Jedes Tool glänzt in seinem Bereich, und ihre Kombination schafft einen Wert, der größer ist als die Summe der Teile.

Was die Dokumentationen Ihnen nicht sagen

Nach der Erkundung von Azure AI Foundry, Azure OpenAI und mehreren anderen Diensten merkt ein Entwickler auf Medium die Bedeutung an, Zeit damit zu verbringen, die Tools über das bloße Lesen der Dokumentation hinaus zu erkunden. Diese Erkundung offenbart nicht offensichtliche Einschränkungen und Möglichkeiten:

  • Copilot Studio glänzt bei einfachen Konversationen, kann aber für komplexe Szenarien Erweiterungen benötigen
  • Logic Apps hat Connectors für Hunderte von Diensten, aber einige erfordern erweiterte Konfigurationen
  • AI Builder bietet vortrainierte Modelle, aber ihre Leistung hängt stark von der Qualität Ihrer Daten ab

Für Anfänger ist die Empfehlung, mit einem einfachen, aber vollständigen Projekt zu beginnen, wie einem System zur Erfassung und Analyse von Feedback. Dies setzt Sie allen drei Tools in einem realistischen Kontext aus, ohne die Komplexität eines vollständigen Unternehmensprojekts.

Fazit: Über "No-Code" hinaus

Ihre erste intelligente Anwendung auf Azure mit No-Code-Tools zu bauen, ist nicht nur eine Frage technischer Einfachheit. Es ist ein Mentalitätswechsel: Vom Benutzerbedarf ausgehen, mit funktionalen Bausteinen komponieren und akzeptieren, dass einige Einschränkungen eventuell das Eingreifen eines Entwicklers erfordern.

Tools wie Azure AI Bot Service, Azure Logic Apps und AI Builder machen Entwickler nicht obsolet. Sie definieren ihre Rolle neu: Anstatt Code für standardisierte Funktionen zu schreiben, können sie sich auf komplexe Integrationen, Leistungsoptimierungen und die Architektur von Lösungen konzentrieren.

Für den Anfänger bedeutet dies einen zugänglichen Einstieg in die Welt der KI. Für die Organisation bedeutet dies eine Demokratisierung von Automatisierung und künstlicher Intelligenz. Die wahre Herausforderung ist nicht mehr technisch, sondern organisatorisch: Wie schult, begleitet und steuert man die Nutzung dieser mächtigen Tools durch nicht-technische Benutzer.

Beginnen Sie klein, denken Sie in Wertströmen und zögern Sie nicht, auseinanderzunehmen und neu aufzubauen. Das ist der Luxus von No-Code: schnelle und risikolose Iteration.

Um weiterzugehen