[bu:st] und Provectus

Vom KI-Use-Case zur tragfähigen Azure-Datenplattform

 

Mit Azure Landing Zone, Microsoft Fabric und Azure AI Search entstand für [bu:st] die technische Basis für sichere, strukturierte und KI-fähige Unternehmensdaten.

SCHNELLÜBERBLICK

 

Die [bu:st] group GmbH wollte konkrete KI-Use-Cases in die Umsetzung bringen. Im Fokus stand ein Anwendungsszenario, das bei Ausschreibungen schneller passende Profile und Referenzen identifizieren soll. Die benötigten Informationen lagen in mehreren Systemen, unter anderem im HR-Tool, SharePoint und Datenbanken, und waren teilweise unterschiedlich strukturiert und aufbereitet.

Provectus unterstützte [bu:st] dabei, aus dieser Ausgangslage eine belastbare technische Grundlage zu schaffen: Eine Azure Foundation, eine Datenplattform mit Microsoft Fabric, automatisierte Bereitstellung über Infrastructure as Code und die Anbindung an KI-Komponenten wie Azure AI Search. Das Projekt zeigte deutlich: Damit KI im Unternehmen produktiv werden kann, braucht es mehr als ein Frontend, es braucht saubere Daten, klare Leitplanken und Betriebsfähigkeit.

 

BIG WINS

1

wiederverwendbare Azure Foundation

Statt einer isolierten Einzelleistung entstand eine Azure- und Fabric-Basis, die auch für spätere Daten- und KI-Szenarien nutzbar ist.

2

KI-Use-Cases als Ausgangspunkt

im Referenzfokus steht die Profil- und Referenzsuche für Ausschreibungen.

3

zentrale Datenquellen

Relevante Informationen mussten aus unterschiedlichen Quellen zusammengeführt werden: HR-System, SharePoint und Datenbanken.

KUNDENFAKTEN

Unternehmensberatung mit Fokus auf Projektmanagement, Prozessmanagement und Organisationsentwicklung

[bu:st] group GmbH

 150

München

www.bu-st.ag

 

EINGESETZTE TECHNOLOGIEN

  • Microsoft Azure
  • Azure Landing Zone / Azure Foundation
  • Terraform / Infrastructure as Code
  • Microsoft Fabric
  • Fabric Pipelines / Datenintegration
  • Data Lakehouse / strukturierte Datenablage
  • Medallion Architecture mit Data Vault 2.0
  • Azure AI Search
  • Microsoft 365 / Teams als Zielbild für die spätere Nutzerinteraktion
  • Azure Betrieb, Governance und Namenskonventionen
  • Ressourcentrennung, Leitplanken und Berechtigungskonzepte

KUNDENSTIMME

 

„Provectus hat uns dabei geholfen, eine belastbare technische Basis für KI-Use-Cases in Azure aufzubauen. Entscheidend war für uns nicht nur die Azure-Expertise, sondern auch der Blick auf Datenstruktur und Betrieb. So entstand eine Plattform, auf der wir künftige KI-Szenarien gezielt weiterentwickeln können.“

Martin Zöltsch, Management, [bu:st] group GmbH

KUNDENZIELE & ANFORDERUNGEN

KI-USE-CASE MIT ECHTEM BUSINESS-NUTZEN

Der fachliche Ausgangspunkt war ein konkretes Szenario: Ausschreibungen sollten effizienter bearbeitet werden, indem passende Profile und Referenzen schneller gefunden und kontextbezogen verfügbar gemacht werden.

AZURE FOUNDATION ALS GRUNDLAGE

Microsoft Azure als tragfähige Grundlage: Namenskonventionen, Leitplanken, Ressourcentrennung, Governance und technische Betriebsfähigkeit.

DATEN AUS VERTEILTEN SYSTEMEN NUTZBAR MACHEN

Relevante Informationen lagen in unterschiedlichen Quellen und Formaten. Ziel war es, diese Daten nicht punktuell, sondern strukturiert, nachvollziehbar und wiederverwendbar in eine gemeinsame Plattform zu bringen.

MICROSOFT FABRIC FÜR DATENINTEGRATION UND MODELLIERUNG

Fabric sollte die Basis für Pipelines, Datenaufbereitung und eine klare Datenarchitektur bilden. Wichtig war dabei, nicht nur den aktuellen Use Case, sondern auch zukünftige unternehmensweite Szenarien mitzudenken.

ANSCHLUSS AN KI-KOMPONENTEN

Die aufbereiteten Daten sollten für KI-basierte Abfragen bereitstehen. Azure AI Search wurde als zentrale Schnittstelle eingeplant, um relevante Inhalte für spätere Chat- oder Assistenzszenarien auffindbar zu machen.

HERAUSFORDERUNGEN

 

Die zentrale Herausforderung lag darin, einen konkreten KI-Use-Case nicht isoliert zu betrachten, sondern als Teil einer langfristig tragfähigen Daten- und Azure-Strategie. [bu:st] hatte klare Vorstellungen und ein Konzept für den fachlichen Nutzen: Bei Ausschreibungen sollten passende Profile und Referenzen schneller identifiziert werden können. Die dafür benötigten Informationen lagen jedoch in verschiedenen Systemen und Reifegraden vor.

Benötigt wurde eine saubere Datenplattform mit klarer Struktur, Berechtigungslogik und Anschlussfähigkeit für weitere Use Cases eingebettet in eine belastbare Azure Foundation.

LÖSUNGEN STEP BY STEP

Step 1
1GEMEINSAMER INITIAL-WORKSHOP
  • Vor-Ort-Workshop mit fachlichen Ansprechpersonen, End Usern
  • Gemeinsames Verständnis von Unternehmen, Arbeitsweise, Use Cases und Zielbild.
  • Einordnung der benötigten Azure Foundation, Datenplattform und späteren M365-/Teams-Anbindung.
Step 2
ARCHITEKTUR- UND FOUNDATION-KONZEPT
  • Definition der Azure Landing Zone als Grundlage für den produktiven Betrieb.
  • Festlegung von Namenskonventionen, Leitplanken, Ressourcentrennung und Governance-Grundsätzen.
  • Einplanung der späteren Betriebsfähigkeit und Weiterentwicklung.
Step 3
AUFBAU DER AZURE FOUNDATION
  • Ausrollen der Azure Foundation nach Kundenanforderungen.
  • Nutzung von Terraform und Infrastructure as Code für reproduzierbare Bereitstellung.
  • Schaffung einer technischen Basis, die nicht nur für einen einzelnen Use Case, sondern für weitere Azure- und KI-Szenarien geeignet ist.
Step 4
AUFBAU DER MICROSOFT-FABRIC-DATENPLATTFORM
  • Konzeption und Aufbau der Fabric-Struktur für Datenaufnahme, Aufbereitung und Nutzung.
  • Einrichtung bzw. Planung von Pipelines für relevante Datenquellen.
  • Berücksichtigung von Berechtigungen, Datenstruktur und Wiederverwendbarkeit für weitere Unternehmensbereiche.
Step 5
DATENBESCHAFFUNG UND DATENMODELLIERUNG
  • Klärung, welche Daten für den Use Case relevant sind und wie sie nach Azure bzw. Fabric gelangen.
  • der Daten entlang einer Medallion Architektur mit Bronze-, Silver- und Gold-Schichten mit Data Vault 2.0.
  • Übersetzung fachlicher Anforderungen in eine Datenbasis, die für KI-gestützte Abfragen verwendbar ist.
Step 6
ANBINDUNG AN AZURE AI SEARCH
  • Bereitstellung einer Such- und Zugriffsschicht für die aufbereiteten Daten.
  • Schaffung der Grundlage für Retrieval-basierte KI-Szenarien, in denen passende Profile, Referenzen und Inhalte aus den Daten abgeleitet werden können.

ERFOLGE

 

Das Projekt hat [bu:st] von einer konkreten KI-Idee zu einer belastbaren technischen Plattform geführt. Statt lediglich ein Chat-Frontend oder einen isolierten Proof of Concept zu betrachten, wurde die Grundlage geschaffen, auf der KI-Anwendungen langfristig betrieben, erweitert und in bestehende Microsoft-Arbeitswelten integriert werden können.

Besonders wertvoll ist, dass die entstandene Architektur nicht nur den aktuellen Use Case unterstützt. Die Kombination aus Azure Foundation, Microsoft Fabric, strukturierter Datenmodellierung und AI Search kann als Ausgangspunkt für weitere Daten- und KI-Szenarien dienen.

 

TECHNISCHE MEILENSTEINE

 

AZURE FOUNDATION AUFGEBAUT

  • Aufbau einer tragfähigen Azure-Basis.
  • Definition von Namenskonventionen, Leitplanken und Ressourcentrennung.
  • Automatisierte Bereitstellung über Terraform / Infrastructure as Code.

MICROSOFT FABRIC ALS DATENPLATTFORM ETABLIERT

  • Struktur für Datenintegration, Aufbereitung und Wiederverwendung.
  • Pipelines und Datenmodellierung für relevante Quellsysteme.
  • Berücksichtigung späterer unternehmensweiter Use Cases.

MEDALLION ARCHITECTURE FÜR DATENAUFBEREITUNG GENUTZT

  • Rohdaten, aufbereitete Daten und nutzbare Datenprodukte logisch getrennt.
  • Bronze-, Silver- und Gold-Schichten als nachvollziehbarer Transformationspfad.
  • Bessere Qualität und Governance für KI-nahe Datenverwendung.

AZURE AI SEARCH ALS KI-SCHNITTSTELLE VORBEREITET

  • Such- und Retrieval-Schicht für strukturierte und aufbereitete Informationen.
  • Grundlage für Assistenzszenarien rund um Profile, Referenzen und Ausschreibungen.
  • Anschlussfähigkeit für spätere Chat- oder Teams-Integration.

SMALL WINS

Von der Idee zur Architektur:

Der KI-Use-Case wurde technisch greifbar gemacht und in eine umsetzbare Azure-/Fabric-Architektur übersetzt.

Datenquellen strukturiert betrachtet:

Statt Datenquellen nur punktuell anzubinden, wurden Relevanz, Datenfluss und Modellierung systematisch geklärt.

Infrastructure as Code eingesetzt:

Terraform ermöglicht eine nachvollziehbare, reproduzierbare und besser wartbare Bereitstellung der Cloud-Komponenten.

Zukunftsfähige Fabric-Struktur:

Die Datenplattform wurde nicht nur für einen Use Case gedacht, sondern mit Blick auf spätere unternehmensweite Szenarien strukturiert.

Teams-Integration realistisch eingeordnet:

Das M365-/Teams-Frontend bleibt Teil des Zielbildes, wurde aber vom realisierten Projektumfang abgegrenzt.

Sie möchten mehr Infos?

Wir sind für Sie da.

Bei welchem Projekt oder welcher Herausforderung dürfen wir Sie unterstützen?
Wir sind gerne für Sie da.

 

HEIKO WESSELS

+49 89 71040920

heiko@provectus.de

 

Zum Kontaktformular