3 Use-Cases zusammengestellt für auf euere Azure Umgebung. Diese beziehen sich momentan noch nicht auf eine spezifische Branche aber geben dir aber einen Einblick in die technischen Möglichkeiten.
Eventuell kannst du die Lücken füllen was für euch interessant sein kann. Weiter unten haben wir aber einige Ideen als Anreiz aufgeschrieben.
- Business Intelligence mit AI
Das Ziel von Business Intelligence besteht darin, Organisationen Einblicke in aktuelle und historische Daten zu geben, die es ermöglichen, bessere strategische Entscheidungen zu treffen und einen Wettbewerbsvorteil zu erlangen.
Der Datenfluss ist von Links (Quellsystem) nach rechts (Enduser)
· Die Quellsysteme (ERP, CRM, Excel usw.) können große Mengen an Daten in jedem Format enthalten. Das System kann dabei eine Cloud-Lösung sein oder ist auf privaten Servern gehostet.
· Azure Data Factory sammelt Daten aus den verschiedenen Quellsystemen über automatisierte Pipelines.
· Gesammelte Daten werden in einer Zwischenablage im Azure Data Lake gespeichert, wo sie für Reportings und Datenanalytik verfügbar sind.
· Vordefinierte Berechnungen können optional in ein Azure Data Warehouse importiert werden, um zuverlässige Kennzahlen bereitzustellen.
· Daten aus dem Data Warehouse oder Data Lake können in Power BI verwendet werden, um aussagekräftige Visualisierungen zu erstellen. Power BI bietet KI, um schnell Einblicke zu gewinnen und Daten zu visualisieren.
· Azure Synapse Analytics greift auf das Data Warehouse oder den Data Lake zu, um komplexere Modelle wie Vorhersagen zu erstellen.
- Virtual Agents (AI Chatbots)
Virtual Agents sind intelligente Chatbots mit AI-Fähigkeiten. Microsoft Power Virtual Agents bietet eine Low-Code-Lösung zum Erstellen intelligenter Bots.
Virtual Agents können in Microsoft Teams, Power Platform oder jede beliebige Webseite integriert werden. Der Azure OpenAI Service kann zudem mit Virtual Agents verknüpft werden und unterstützt fortgeschrittenere AI-Anwendungsfälle mit GPT-4 und DALL-E.
- Power Platform – AI Builder
Power Platform AI Builder ermöglicht die Nutzung von AI-Modellen, die mit persönlichen Daten, wie Dokumenten, Text, strukturierten Daten oder Bildern trainiert wurden. AI Builder kann mit Power Apps, Power Automate, SharePoint und Teams integriert werden.
Es steht eine Vielzahl von bereits verfügbaren vorgefertigten Modellen zur Verfügung:
· Rechnungsbearbeitung
· Texterkennung
· Sentimentanalyse
· Quittungsbearbeitung
· Entitätenextraktion
· ID-Leser
· Schlüsselphrasenextraktion
· Visitenkartenleser
· Kategorieklassifikation
· Textgenerierung
· Spracherkennung
· Textübersetzung
· Bildbeschreibung
Wenn kein Modell die Anwendungsfälle erfüllt, kann ein eigenes AI-Modell erstellen. Dafür werden aber grosse Mengen von Daten benötigt.
Zusätzlich gerne noch 14 Usecases:
- Kreditrisikobewertung: Einsatz von Machine Learning-Algorithmen zur Beurteilung der Bonität von Kunden und zur Automatisierung von Kreditentscheidungen.
- Betrugserkennung: AI analysiert Transaktionsdaten, um verdächtige Aktivitäten zu identifizieren und Betrug in Echtzeit zu erkennen.
- Kundenunterstützung und Chatbots: Implementierung von Chatbots und virtuellen Assistenten, um rund um die Uhr Kundensupport zu bieten und häufig gestellte Fragen zu beantworten.
- Personalisierung von Angeboten: Durch die Analyse des Kundenverhaltens und der Präferenzen können Banken maßgeschneiderte Produktangebote erstellen, um die Kundenbindung zu erhöhen.
- Vermögensverwaltung: AI unterstützt bei der Optimierung von Portfolios, der Risikobewertung und der Bereitstellung von Anlageempfehlungen für Kunden.
- Automatisierte Compliance: In der Finanzbranche ist die Einhaltung von Vorschriften entscheidend. AI hilft bei der Überwachung und Gewährleistung der Einhaltung von Vorschriften.
- Betrugsprävention bei Kreditkarten: AI erkennt verdächtige Aktivitäten in Echtzeit auf Kreditkartenkonten und blockiert Transaktionen, um Kunden vor Betrug zu schützen.
- Kundenanalyse: Durch die Analyse von Kundenverhalten und -daten gewinnen Banken Einblicke, die bei der Entwicklung von Marketingstrategien und Kundenbindungskampagnen helfen.
- Zahlungsabwicklung: Verbesserung der Effizienz und Sicherheit bei der Abwicklung von Zahlungen durch intelligente automatisierte Prozesse und Blockchain-Technologie.
- Forecasting und Risikomanagement: AI unterstützt bei der Vorhersage von Marktentwicklungen und Risiken, um fundierte Geschäftsentscheidungen zu treffen.
- Kundenidentifikation und Authentifizierung: Nutzung von biometrischer Authentifizierung wie Gesichtserkennung oder Fingerabdruckerkennung zur sicheren Zugriffs- und Transaktionsverifizierung.
- Sprach- und Textverarbeitung: Analyse von Kundenrückmeldungen, E-Mails und Interaktionen in sozialen Medien, um Einblicke in die Kundenzufriedenheit zu gewinnen und auf Kundenanfragen zu reagieren.
- Ressourcenoptimierung: AI wird verwendet, um Ressourcen wie den Filialbetrieb und das Personal effizienter zu verwalten.
- Kredit-Scoring: Verwendung von AI-Modellen zur Berechnung von Kredit-Scores basierend auf Kunden- und Transaktionsdaten.