Azure AI Services im Unternehmenseinsatz: Wie KI-Funktionen in bestehende Anwendungen kommen

KI ist in deutschen Unternehmen angekommen, die Daten oft noch nicht. Laut einer Bitkom-Befragung vom März 2026 nutzen 41 Prozent der Unternehmen ab 20 Beschäftigten bereits KI. Gleichzeitig verwenden 61 Prozent ihre Daten kaum oder gar nicht. Zwischen diesen beiden Zahlen liegt die eigentliche Aufgabe: KI dort einsetzen, wo die Daten heute schon entstehen.

Das sind meist bestehende Anwendungen wie ERP, CRM, Ticketsystem oder Dokumentenablage. Diese Systeme bekommen einzelne KI-Fähigkeiten dazu. Sie lesen Rechnungen aus, ordnen Serviceanfragen zu oder fassen lange Texte zusammen. Microsoft bündelt solche Bausteine seit Jahren unter dem Namen Azure AI Services. Seit November 2025 heißen sie Foundry Tools und gehören zur Plattform Microsoft Foundry.

Was hinter Azure AI Services steckt

Azure AI Services sind vortrainierte KI-Dienste, die Entwickler per API aufrufen. Eigene Modelle muss dafür niemand trainieren. Eine Anwendung schickt ein Dokument, einen Text oder eine Audiodatei an den Dienst. Zurück kommen strukturierte Ergebnisse, die das System direkt weiterverarbeitet. Zu den wichtigsten Bausteinen gehören:

• Azure Document Intelligence liest Felder aus Rechnungen, Lieferscheinen und Formularen.
• Azure Language erkennt Themen, Stimmungen und Entitäten in Texten und fasst sie zusammen.
• Azure Speech wandelt gesprochene Sprache in Text um und umgekehrt.
• Azure Translator übersetzt Texte und ganze Dokumente.
• Azure Vision analysiert Bilder und erkennt Text in Fotos.
• Azure Content Safety prüft Ein- und Ausgaben generativer KI auf problematische Inhalte.

Die Namen haben mehrfach gewechselt (das verwirrt auch erfahrene Teams). Aus den Cognitive Services wurden 2023 die Azure AI Services, im November 2025 dann die Foundry Tools. Die Funktionen blieben weitgehend gleich. Laut Microsoft-Dokumentation hat sich auch der Azure-Ressourcentyp nicht geändert. In Ausschreibungen und Suchanfragen taucht der alte Name trotzdem weiter auf.

Vier typische Einsatzfelder

Den größten Nutzen bringen die Dienste dort, wo heute Menschen Informationen von einem System ins nächste tragen. Jeder manuelle Übertrag ist ein Kandidat. Vier Szenarien kommen in Projekten besonders oft vor.

Eingangsrechnungen automatisch erfassen

Document Intelligence liest Rechnungsnummer, Betrag, Lieferant und Positionen aus PDF oder Scan. Das ERP übernimmt die Werte als Buchungsvorschlag. Ein Mitarbeiter prüft nur noch Belege, bei denen der Dienst unsicher ist. Dafür liefert jedes erkannte Feld einen Konfidenzwert, der als Schwelle für die manuelle Prüfung dient.

Serviceanfragen vorsortieren

Azure Language ordnet eingehende E-Mails oder Tickets Kategorien zu und erkennt die Dringlichkeit. Das Ticketsystem leitet sie direkt an das passende Team weiter. Automatische Zusammenfassungen sparen Zeit, wenn ein Fall den Bearbeiter wechselt.

Gespräche dokumentieren

Azure Speech transkribiert Service-Telefonate oder diktierte Notizen aus dem Außendienst. Ein Sprachmodell macht daraus eine strukturierte Notiz, die direkt im CRM landet. Der Vertrieb sieht so auch Gespräche, an denen er nicht beteiligt war.

Bilder im Wareneingang prüfen

Azure Vision erkennt Etiketten, Seriennummern und Text auf Verpackungen. Im Lager ersetzt das manuelles Abtippen. Für typische Fehlerbilder aus der eigenen Produktion braucht es dagegen meist ein angepasstes Modell, das mit eigenen Bildern trainiert wird.

Drei Wege in bestehende Anwendungen

Wie die KI-Funktion ins System kommt, hängt davon ab, wie offen die Anwendung ist. In der Praxis haben sich drei Muster bewährt.

1. Direkter API-Aufruf: Die Anwendung ruft den Dienst selbst auf. Microsoft stellt dafür REST-Schnittstellen und SDKs für Python, .NET, Java und JavaScript bereit. Das passt zu Eigenentwicklungen und Systemen mit Erweiterungsmodell.
2. Integrationsschicht: Eine Middleware wie Azure Functions, Logic Apps oder Power Automate holt Daten aus dem Quellsystem, ruft den Dienst auf und schreibt das Ergebnis zurück. Das bestehende System bleibt dabei unverändert.
3. Agenten: Der Foundry Agent Service verbindet mehrere Dienste, Datenquellen und Aktionen zu mehrstufigen Abläufen. Ein Agent kann etwa eine Anfrage lesen, im ERP den Auftragsstatus prüfen und eine Antwort vorbereiten.

Beginnen Sie mit dem einfachsten Muster, das den Prozess abdeckt. Ein Agent lohnt sich erst, wenn mehrere Schritte und Systeme beteiligt sind. Für viele Aufgaben reicht ein einzelner API-Aufruf an der richtigen Stelle im Prozess.

Ohne saubere Daten kein Nutzen

Die Dienste sind vortrainiert, die Unternehmensdaten nicht. Ein Rechnungsleser liefert nur dann gute Buchungsvorschläge, wenn Lieferantenstamm und Kontenrahmen im ERP gepflegt sind. Ein Wissensagent antwortet nur so gut, wie die Dokumente aktuell und eindeutig sind.

Generative Anwendungen arbeiten deshalb meist mit Retrieval Augmented Generation (RAG). Das Sprachmodell durchsucht vor jeder Antwort einen freigegebenen Wissensbestand und stützt sich auf diese Quellen. Wichtig ist, dass die Suche bestehende Berechtigungen respektiert. Ein Agent darf nie mehr sehen als der Nutzer, der ihn fragt.

Testen Sie jeden Pilot mit echten Dokumenten aus dem Alltag (Musterrechnungen aus dem Handbuch reichen nicht). Erst dann zeigt sich, wie hoch die Erkennungsquote wirklich ist und wie oft ein Mensch nachbessern muss.

Datenschutz und Governance früh klären

Wer KI auf Kunden- oder Personaldaten anwendet, muss Datenfluss und Speicherort früh festlegen. Microsoft Foundry erlaubt je nach Modell und Deployment-Typ die Verarbeitung in einer gewählten Azure-Region oder in der EU Data Zone. Eingaben an Foundry Models nutzt Microsoft nach eigenen Angaben nicht zum Training der Basismodelle.

Ob eine konkrete Lösung DSGVO-konform ist, hängt trotzdem von Architektur, Zweck und Verträgen ab. Binden Sie den Datenschutz vor dem ersten Pilot ein. Für Zugriffe bieten sich Microsoft Entra ID, rollenbasierte Rechte und private Netzwerkverbindungen an. Hinzu kommen Pflichten aus dem EU AI Act, etwa Transparenz, wenn Kunden mit einem KI-System sprechen.

Kosten realistisch einplanen

Foundry Tools werden meist nach Nutzung abgerechnet, also pro Seite, Transaktion, Audiominute oder Token. Viele Dienste haben ein kostenloses Kontingent für erste Tests. Bei hohem, planbarem Volumen gibt es Modelle mit festen Monatskontingenten.

Teuer wird selten der einzelne Aufruf. Die Kosten entstehen bei Integration, Tests und Betrieb. Rechnen Sie deshalb den Aufwand für Schnittstellen, Monitoring und Nachbesserung mit ein. Ein Budget mit Warnschwelle in Azure verhindert Überraschungen auf der Monatsrechnung (die kommen sonst gern im dritten Monat).

In fünf Schritten zum Pilot

Ein KI-Pilot braucht keine lange Vorstudie. Er braucht einen klaren Prozess und eine Zahl, an der sich der Erfolg messen lässt.

1. Prozess wählen: einen Ablauf mit hohem Volumen und klaren Regeln, etwa Eingangsrechnungen.
2. Ausgangswert messen: Bearbeitungszeit und Fehlerquote vor dem Pilot festhalten.
3. Daten prüfen: Stammdaten bereinigen und eine repräsentative Stichprobe zusammenstellen.
4. Pilot bauen: den passenden Dienst per API oder Integrationsschicht anbinden, mit manueller Prüfung bei niedriger Konfidenz.
5. Ergebnis bewerten: nach vier bis acht Wochen mit dem Ausgangswert vergleichen und über die Ausweitung entscheiden.

Ohne Ausgangswert lässt sich der Nutzen später nicht belegen. Die Freigabe für den nächsten Prozess wird dann zur Glaubensfrage.

Häufige Fragen

Heißen Azure AI Services jetzt Foundry Tools?

Ja, Microsoft hat die Dienste im November 2025 in Foundry Tools umbenannt. Sie sind Teil der Plattform Microsoft Foundry, die früher Azure AI Foundry hieß. Language, Vision, Speech und Document Intelligence gibt es weiterhin.

Brauche ich dafür ein Data-Science-Team?

Nein, für vortrainierte Dienste reicht ein Entwicklungsteam, das APIs anbinden kann. Data Scientists werden erst wichtig, wenn Sie eigene Modelle trainieren oder Ergebnisse statistisch auswerten wollen.

Laufen bestehende Integrationen nach der Umbenennung weiter?

Ja, die Umbenennung betrifft vor allem Marke und Portal. Prüfen Sie trotzdem regelmäßig die SDK-Versionen. Microsoft kündigt einzelne Pakete und APIs mit Übergangsfristen ab.

Lassen sich Foundry Tools an ERP-Systeme anbinden?

Ja, über REST-APIs, SDKs oder eine Integrationsschicht wie Logic Apps oder Power Automate. Bei Microsoft Dynamics 365 Business Central ist der Weg besonders kurz, weil beide Systeme auf Azure aufsetzen. Microsoft-Partner wie collana integrieren die Dienste dort direkt in bestehende ERP-Prozesse.

Der beste Startpunkt ist ein Prozess, in dem heute jemand Daten abtippt. Wählen Sie diesen Prozess, messen Sie ihn und binden Sie genau einen Dienst an. Funktioniert das, folgt der nächste Prozess mit derselben Architektur.