Erste Erfahrungen in der Automatisierung von Prozessen mit KI

Ausgangsprozess

Zum Vergleich beschreiben wir den manuellen Prozess der Artikelvorbereitung vor der Integration:

1. einen Entwurf schreiben;
2. ihn an ChatGPT senden;
3. das Ergebnis bearbeiten;
4. separat HTML erzeugen;
5. separat in die übrigen unterstützten Sprachen übersetzen;
6. die Ergebnisse zurück in das Artikel­erstellungsformular übertragen;
7. den endgültigen Inhalt prüfen.

Nach einer ersten Einschätzung kann der gesamte Prozess, inklusive Überprüfungen, selbst bei vorhandenem Entwurf bis zu 3–4 Stunden dauern.

Automatisierungsmöglichkeiten

Offensichtlich lassen sich die Schritte 2–6 leicht automatisieren. Die allgemeine Architektur des Prozesses sieht so aus:

UI -> API -> OpenAI -> API -> UI

Das heißt, die Benutzeroberfläche greift nicht direkt auf externe Dienste zu — dafür ist die Serverkomponente zuständig. UI übermittelt die Daten an den Server und zeigt die verarbeiteten Ergebnisse an.

Aufgaben, die die Integration lösen soll

Aus der Beschreibung des manuellen Prozesses ergeben sich drei Schlüsseloperationen, die automatisiert werden sollten:

• Textbearbeitung;
• Markup (Erzeugung von HTML);
• Übersetzung.

Für jede Operation ist es sinnvoll, einen eigenen API‑Endpoint zu erstellen und einen eigenen Prompt zu verwenden. Wir beachten, dass in den Antworten der KI Steuerzeichen und Formatierungen erscheinen können (zum Beispiel Markdown‑Einfassungen). In jedem Prompt sollte ausdrücklich angegeben werden, NUR das geforderte Ergebnis zurückzugeben (zum Beispiel Gib nur den übersetzten Text zurück). Selbst bei dieser Vorgabe kann die KI irrelevante Ausgaben erzeugen; daher sollte das Verarbeitungsergebnis dem Benutzer zur Prüfung angezeigt werden und nicht direkt in die Datenbank gespeichert werden.

Sicherheit

Ein wichtiger Aspekt ist die sichere Aufbewahrung der Zugriffsschlüssel für KI‑Dienste. Da die Nutzung von Modellen kostenpflichtig ist, kann eine Kompromittierung der Schlüssel zu erheblichen finanziellen Schäden führen. Für Azure Container Apps gibt es zwei Hauptansätze:

• eingebaute Secrets von Azure Container Apps;
• Azure Key Vault — eine funktionalere Lösung mit umfangreichen Integrationsmöglichkeiten.

Für die aktuelle Anwendung genügen die eingebauten Secrets der Container Apps. Wichtig ist jedoch nicht nur die sichere Speicherung der Schlüssel, sondern auch der Schutz der API‑Endpoints — zum Beispiel durch Hinzufügen des Attributs [Authorize] zu den Controllern und die Implementierung entsprechender Authentifizierung und Autorisierung.

Integration Azure — OpenAI

In Azure steht für die Integration mit OpenAI‑Modellen der Dienst Azure OpenAI zur Verfügung. Er ermöglicht, ein AI‑Projekt zu erstellen, ein Modell zu deployen, es zu testen und die Nutzung zu überwachen. Viele Einstellungen sind in einem separaten Portal ausgelagert: https://ai.azure.com/, wo es praktisch ist, Modelle auszuwählen, Metriken zu beobachten und die Kosten einzuschätzen.

In der Praxis trat ein kleines Problem auf: Beim Erstellen eines AI‑Projekts über https://portal.azure.com/ wurde das Projekt manchmal nicht in die gewünschte Ressourcengruppe eingegliedert. Die Lösung bestand darin, das Projekt über https://ai.azure.com/ anzulegen. Außerdem ist es im Portal ai.azure.com bequem, die Anzahl der Modellaufrufe zu verfolgen und sofort die Nutzungskosten einzusehen.

Fazit

Nach der Integration wurde der Prozess der Artikelvorbereitung auf folgende Schritte reduziert:

1. einen Entwurf schreiben;
2. auf die Schaltfläche "Bearbeiten" klicken und das Ergebnis prüfen;
3. auf die Schaltfläche "In HTML einbetten" klicken und das Ergebnis prüfen;
4. auf die Schaltfläche "Übersetzen" klicken und das Ergebnis prüfen.

Der Zeitaufwand sank von etwa 3–4 Stunden auf 20–30 Minuten für die Prüfungen. Dieses Beispiel zeigt, dass der Wert nicht nur in der Nutzung von KI im Browser liegt, sondern in der eingebetteten Automatisierung der KI‑Fähigkeiten innerhalb des Geschäftsprozesses, was erhebliche Zeitersparnis und reduzierte Betriebskosten ermöglicht.