View a markdown version of this page

Gezielte Geschäftsergebnisse - AWS Präskriptive Leitlinien

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Gezielte Geschäftsergebnisse

Die generative KI-Workload-Assessment zielt darauf ab, mehrere gezielte Ergebnisse zu erzielen, die für die erfolgreiche Modernisierung generativer KI-Workloads entscheidend sind. Diese Ergebnisse stellen sicher, dass Unternehmen gut darauf vorbereitet sind, KI-Technologien effektiv und effizient zu integrieren.

Für jedes angestrebte Ergebnis konzentriert sich die generative KI-Workload-Bewertung auf:

  • Interdependenzen: Identifizieren und klären Sie etwaige Interdependenzen zwischen dem Ergebnis und anderen Aspekten des Modernisierungsprozesses. Dazu gehört auch, zu verstehen, wie ein Ergebnis andere beeinflussen oder von ihnen beeinflusst werden könnte, um einen ganzheitlichen Modernisierungsansatz zu gewährleisten.

  • Abstimmung der Interessengruppen: Skizzieren Sie Strategien, um verschiedene Interessengruppen mit den einzelnen Ergebnissen in Einklang zu bringen. Dies beinhaltet die Vermittlung des Werts und der Auswirkungen der einzelnen Ergebnisse an verschiedene Organisationsebenen und Abteilungen, um die Akzeptanz und Unterstützung zu fördern.

  • Priorisierung: In Fällen, in denen mehrere Anwendungsfälle oder Ergebnisse identifiziert werden, sollten Sie einen Rahmen für deren Priorisierung auf der Grundlage von Faktoren wie Geschäftsauswirkungen, Ressourcenanforderungen und strategischer Ausrichtung bereitstellen.

  • Kontinuierliche Verbesserung: Richten Sie für jedes Ergebnis Mechanismen zur kontinuierlichen Bewertung und Verbesserung ein. Dadurch wird sichergestellt, dass die Modernisierungsbemühungen anpassungsfähig bleiben und auf sich ändernde Technologielandschaften und Geschäftsanforderungen reagieren.

Im Folgenden finden Sie eine ausführliche Erläuterung der einzelnen angestrebten Ergebnisse:

Zielarchitektur

  • Definition: Die Bewertung hilft bei der Definition einer klaren und skalierbaren Zielarchitektur für generative KI-Workloads.

  • Komponenten: Dazu gehören die Auswahl geeigneter Cloud-Dienste, die Gestaltung von Datenpipelines und die Sicherstellung der Systeminteroperabilität.

  • Vorteile: Eine klar definierte Architektur unterstützt Skalierbarkeit, Zuverlässigkeit und Leistungsoptimierung und bietet eine solide Grundlage für die Modernisierung.

Bereitschaft der Kunden

  • Bewertung: Beurteilen Sie den aktuellen Stand der Infrastruktur, der Prozesse und der Unternehmenskultur, um festzustellen, ob Sie für die Einführung generativer KI-Modernisierung bereit sind.

  • Kriterien: Dazu gehören die Bewertung der technischen Fähigkeiten, der Datenqualität und der Bereitschaft der Organisation, Veränderungen anzunehmen.

  • Ergebnis: Durch die Identifizierung von Lücken und Verbesserungsmöglichkeiten wird sichergestellt, dass das Unternehmen auf einen reibungslosen Übergang zu modernen Lösungen und Technologien vorbereitet ist.

Ziele für Anwendungsfälle und weitreichende Ziele

  • Mit den Zielen von Anwendungsfällen werden klare Ziele für die Implementierung der Ziellösung festgelegt, wobei der Schwerpunkt auf bestimmten Geschäftsproblemen oder Geschäftschancen liegt.

    Ein Anwendungsfallziel im Kontext der generativen KI-Modernisierung bezieht sich auf ein bestimmtes, messbares Ziel, das eine Organisation durch die Implementierung generativer KI-Lösungen erreichen möchte. Diese Ziele sind in der Regel auf umfassendere Geschäftsziele ausgerichtet und konzentrieren sich auf die Bewältigung bestimmter Herausforderungen oder Chancen innerhalb des Unternehmens. Zu den Zielen von Anwendungsfällen könnten beispielsweise gehören:

    • Reduzierung der Reaktionszeit des Kundendienstes um 50 Prozent durch den Einsatz generativer KI-gestützter Chatbots.

    • Verbesserung der Effizienz der Codeüberprüfung um 30 Prozent durch generative KI-gestützte Codeanalyse.

    • Verbesserung der Genauigkeit der Betrugserkennung um 25 Prozent durch den Einsatz generativer KI-Mustererkennung.

  • Langfristige Ziele definieren ehrgeizige Ziele, die die Grenzen dessen, was die generative KI-Modernisierung innerhalb des Unternehmens erreichen kann, erweitern.

  • Wirkung: Die Festlegung sowohl erreichbarer als auch ehrgeiziger Ziele trägt dazu bei, Initiativen zur generativen KI-Modernisierung mit strategischen Geschäftszielen in Einklang zu bringen und Innovationen zu fördern.

Schätzung des Aufwands

  • Zweck: Eine genaue Aufwandsschätzung hilft bei der Ressourcenplanung und stellt sicher, dass Projekte pünktlich und innerhalb des Budgets abgeschlossen werden.

  • Umfang: Schätzen Sie die Ressourcen, die Zeit und das Budget ab, die für die Umsetzung des generativen KI-Modernisierungsplans erforderlich sind.

  • Faktoren: Berücksichtigen Sie die technische Komplexität, Integrationsherausforderungen und potenzielle Risiken.

Unterstützungsanforderungen

  • Schulung und Entwicklung: Identifizieren Sie die Fähigkeiten und Kenntnisse, die für eine erfolgreiche Einführung der generativen KI-Modernisierung erforderlich sind.

  • Ressourcen: Ermitteln Sie den Bedarf an Schulungsprogrammen, Workshops und anderen unterstützenden Aktivitäten.

  • Ergebnis: Die Sicherstellung, dass die Mitarbeiter mit den erforderlichen Fähigkeiten ausgestattet sind, erhöht die Effektivität generativer KI-Modernisierungsinitiativen und unterstützt den langfristigen Erfolg.

Umsetzungsplan

  • Roadmap: Entwickeln Sie einen detaillierten Plan, der die Schritte beschreibt, die zur generativen KI-Modernisierung erforderlich sind.

  • Meilensteine: Definieren Sie wichtige Meilensteine und Ergebnisse, um den Fortschritt zu verfolgen.

  • Vorteile: Ein klarer Implementierungsplan gibt Orientierung und Rechenschaftspflicht vor und ermöglicht einen strukturierten Ansatz für die generative KI-Modernisierung.