Julien Florkin

KI & Automatisierung

Azure AI Vision: So bewerten Sie einen Bild-Workflow vor der Automatisierung

Ein Bild gelangt in einen Geschäftsprozess, der bereits eine geringe Nachfrage mit sich bringt. Ein Foto einer Lieferung, eines gescannten Belegs, eines Regals, eines Sicherheitshinweises oder eines beschädigten Teils muss zu etwas verarbeitet werden…

Futuristische Skyline der Stadt mit Azure AI Vision-Branding.

Ein Bild gelangt in einen Geschäftsprozess, der bereits eine geringe Anforderung mit sich bringt. Ein Foto einer Lieferung, eines gescannten Belegs, eines Regals, eines Sicherheitshinweises oder eines beschädigten Teils soll zu etwas anderem werden: einem durchsuchbaren Datensatz, einer Routing-Entscheidung, einer Warnung, einer Zählung oder einem Hinweis, genauer hinzusehen. Die Versuchung ist groß, mit dem Modell zu beginnen: Kann es Text lesen, Objekte erkennen, eine Bildunterschrift generieren oder Inhalte markieren?

Das ist üblicherweise die zweite Frage. Die erste lautet: Was wird eine Person oder ein System anders machen, wenn das Bild interpretiert wird? Ändert sich nichts, bleibt eine überzeugende Demo ein teures Accessoire. Ändert sich jedoch etwas, ist es entscheidend, den Weg von der Bildinterpretation zur Entscheidung so genau zu definieren, dass ein Team ihn objektiv testen kann.

Azure Vision, jetzt in Microsoft Foundry Tools integriert, bietet Bildanalyse- und OCR-Funktionen, die über APIs aufgerufen werden können. Microsoft dokumentiert sowohl die verfügbaren Funktionen als auch die Einschränkungen der Dienstversionen. Diese Informationen sind zwar wichtig, beantworten aber nicht die Frage, ob eine bestimmte Bildersammlung für einen bestimmten Anwendungsfall geeignet ist. Dieser Artikel zeigt Ihnen, wie Sie diese Unterscheidung treffen können, bevor eine Funktionsliste den Rahmen sprengt.

Beginnen Sie mit der Entscheidung, die ein Bild unterstützen muss.

Die sinnvolle Bewertungseinheit ist nicht die „Bildanalyse“. Es geht vielmehr um ein konkretes Bild, das in einem bestimmten Arbeitsmoment auftaucht und den nächsten Arbeitsschritt beeinflusst. Das mag offensichtlich klingen, doch Teams beginnen oft mit einem Fähigkeitskatalog, weil dieser leicht zugänglich ist. Ein Modell liefert Tags, Text, eine Bildunterschrift, Rahmen um Objekte oder eine Inhaltsklassifizierung. Die Ergebnisse wirken konkret. Die darauffolgende Entscheidung bleibt jedoch vage.

Nehmen wir eine alltägliche Betriebssituation, die bewusst als redaktionelle Zusammenfassung und nicht als dokumentierter Kundenfall dargestellt wird. Ein Lagerteam erhält zusammen mit Lieferdokumenten Fotos. Jemand möchte, dass die Fotos dazu dienen, Ausnahmen leichter zu finden. In dieser Anfrage verbergen sich mindestens vier verschiedene Aufgaben:

  • eine auf einem Etikett aufgedruckte Referenznummer extrahieren;
  • Ein Bild zur Überprüfung durch einen Mitarbeiter markieren, wenn ein Paket sichtbar beschädigt erscheint;
  • Helfen Sie einem Kollegen, frühere Fotos durch eine hilfreiche Beschreibung wiederzufinden; oder
  • Es sollte ein Protokoll erstellt werden, das im Falle einer späteren Streitigkeit als Grundlage dient.

Jeder Auftrag birgt einen anderen Fehler. Eine fehlende Referenznummer kann die Suche verlangsamen. Ein falscher Schadenshinweis kann die Zeit eines Prüfers verschwenden. Ein übersehener Schadenshinweis kann die Entscheidung eines Kunden beeinflussen. Ein in einem Streitfall verwendeter Datensatz erfordert möglicherweise Herkunfts- und Aufbewahrungsentscheidungen, die wichtiger sind als die Eleganz des Modells. Die Bezeichnung aller vier Fälle als „Computer Vision“ verschleiert den Aspekt, der darüber entscheidet, ob eine Automatisierung angebracht ist.

Beginnen Sie mit einem Satz, der die Entscheidung in einfacher Sprache benennt: „Wenn ein solches Bild eingeht, nutzen wir die Ausgabe, um zu entscheiden, ob wir …“ Fügen Sie dann die bestehende Alternative hinzu. Liest bereits jemand das Etikett? Wird das Bild ignoriert, bis eine Beschwerde eingeht? Sucht jemand in einem Ordner nach Datum? Der Vergleich sollte sich auf reale Arbeit beziehen, einschließlich Verzögerungen und Fehlern, und nicht auf die Illusion einer perfekten manuellen Prüfung.

Dies verhindert auch eine häufige Fehlinterpretation: die Behandlung einer beschreibenden Ausgabe als unumstößliche Tatsache. Eine Bildunterschrift kann hilfreich sein, um ein Foto aufzufinden. Sie ist jedoch nicht automatisch ein Beweis für die Vollständigkeit einer Lieferung. OCR kann gedruckten Text wiederherstellen. Sie berechtigt nicht automatisch zur Änderung eines Buchhaltungsbelegs. Die Ausgabe einer Objekterkennung kann einem Prüfer helfen, sich zu fokussieren. Sie ist jedoch nicht automatisch ein Sicherheitsurteil. Je näher eine Ausgabe an einer folgenreichen Entscheidung liegt, desto wichtiger ist ein expliziter Wiederherstellungspfad im Workflow.

Die aktuelle Übersicht zur Bildanalyse von Microsoft beschreibt Funktionen wie OCR, Bildunterschriften, Tags, Objekterkennung, Personenerkennung und intelligentes Zuschneiden über verschiedene API-Versionen hinweg. Diese Übersicht ist jedoch erst dann nützlich, wenn eine konkrete Entscheidung getroffen wurde. Sie zeigt dem Team, was ausprobiert werden kann; sie gibt aber keine Auskunft über die Bedeutung der Bilder, tolerierbare Fehler oder wer bei unklaren Ergebnissen handeln muss.

Bevor Sie über eine Dienstleistung sprechen, notieren Sie vier Punkte:

  1. Das eingehende Bild. Woher stammt es, wie variabel ist es und enthält es personenbezogene, geschäftlich sensible oder regulierte Informationen?
  2. Die vorgeschlagene Ausgabe. Handelt es sich bei dem nützlichen Ergebnistext um eine Kategorie, einen Ort, ein Konfidenzsignal oder einen Grund, das Element zur Überprüfung weiterzuleiten?
  3. Die Handlung. Wer oder was ändert sein Verhalten aufgrund dieser Ergebnisse?
  4. Die Konsequenz, wenn man im Irrtum ist. Was geschieht nach einem falsch positiven, falsch negativen, unlesbaren Bild, einer verzögerten Antwort oder einem Dienstausfall?

Diese Felder sind kompakt genug für eine erste Arbeitssitzung, leisten aber dennoch wertvolle intellektuelle Arbeit. Sie zwingen das Team, die verbesserungsbedürftigen Aufgaben zu identifizieren, bevor es den Mechanismus auswählt. Außerdem erleichtern sie es, einen ungeeigneten Anwendungsfall zu verwerfen, ohne die Technologie selbst abzulehnen. „Wir können die Vorgehensweise noch nicht definieren“ ist eine wertvollere Erkenntnis als „Die Demo war nicht aussagekräftig“.

Das eingehende Bild bleibt der rote Faden während der gesamten Auswertung. Es durchläuft eine Schnittstelle, einen API-Aufruf, ein Ergebnis, eine Person oder ein System und manchmal einen Datensatz. Eine Funktion ist nur dann relevant, wenn sie diesen Prozess verbessert.

Skizzieren Sie den Bildpfad, bevor Sie die Azure Vision-Funktionen vergleichen.

Sobald die Entscheidung gefallen ist, verfolgen Sie das Bild durch das tatsächliche System. Hier wird aus einer scheinbar rein technischen Entscheidung eine Frage der Betriebsgestaltung.

Beginnen wir mit der Aufnahme. Wurde das Bild mit einer fest installierten Kamera aufgenommen, von einem Smartphone hochgeladen, von einem Dokument eingescannt oder von einem Dritten erhalten? Ein Modell, das anhand scharfer Beispielbilder bewertet wird, kann sich ganz anders verhalten, wenn Fotos gedreht, schlecht beleuchtet, komprimiert, verdeckt, mehrsprachig oder aus unterschiedlichen Entfernungen aufgenommen wurden. Keiner dieser Zustände stellt an sich einen Fehler des Modells dar. Sie sind vielmehr Bedingungen der jeweiligen Aufgabe, für die das Modell eingesetzt werden soll.

Fragen Sie sich anschließend, welche Schritte vor einem API-Aufruf erforderlich sind. Bilder müssen möglicherweise in der Größe angepasst, auf Vollständigkeit geprüft, mit einer internen Kennung verknüpft oder für eine Einwilligungs- und Aufbewahrungsentscheidung zwischengespeichert werden. Muss ein Mitarbeiter jedes Bild manuell umbenennen und hochladen, verlagert die vermeintliche Automatisierung lediglich den Aufwand. Verfügt ein System bereits über eine zuverlässige Dokumenten-ID, kann die Beibehaltung dieser Zuordnung wichtiger sein als die erneute Extraktion des Textes.

Die Auswahl der Funktionen sollte so präzise wie die jeweilige Aufgabe sein. Die OCR-Dokumentation von Microsoft beschreibt das Extrahieren von gedrucktem und handschriftlichem Text mithilfe von Bildanalyse 4.0. Dies kann ein sinnvoller Ausgangspunkt sein, wenn es darum geht, einen Suchschlüssel vorzuschlagen oder ein Feld zur Überprüfung vorab auszufüllen. Es ist jedoch etwas anderes, als ein Bildmodell mit der Interpretation eines juristischen, medizinischen, finanziellen oder sicherheitsrelevanten Dokuments zu beauftragen. In solchen Fällen ist das Bild nicht nur ein Foto, sondern ein Datensatz mit Kontext, der bei der Ausgabe möglicherweise verloren geht.

Funktionsnamen können auch Designentscheidungen verschleiern. „Objekterkennung“ klingt nach einer Anweisung zum Zählen von Objekten. Ein Team muss aber möglicherweise nur wissen, ob ein Objekt überhaupt vorhanden ist. „Untertitelung“ klingt nach Informationsabfrage. Der Leser einer Untertitelung kann jedoch ein Mitarbeiter im Kundenkontakt, ein Suchindex oder ein Workflow zur Barrierefreiheit sein – jede mit unterschiedlichen Anforderungen an Sprache, Qualität und Überprüfung. Eine Kategorie, die für eine erste Sichtung erstellt wurde, sollte nicht stillschweigend zu einem Datensatz werden, der für Durchsetzungsmaßnahmen oder Abrechnungen verwendet wird.

Es hilft, den Reiseverlauf in einer einzigen Linie darzustellen:

Bild empfangen → Bild validiert → Funktion aufgerufen → Ausgabe dem Element zugeordnet → Konfidenz/Ausnahme bewertet → Person oder Regel handelt → Ergebnis zur Überprüfung protokolliert

Die Pfeile sind genauso wichtig wie die Kästchen. Benennen Sie bei jedem Pfeil, was verloren gehen oder verfälscht werden kann. Das Originalbild kann vom Gehäuse getrennt werden. Ein Aufrufer sendet möglicherweise den falschen Bildausschnitt. Eine API-Antwort kann verzögert oder nicht verfügbar sein. Ein Ergebnis kann dem falschen Datensatz zugeordnet werden. Ein Prüfer sieht möglicherweise eine Bezeichnung, aber nicht das Originalbild. Eine nachgelagerte Regel kann möglicherweise nicht erklären, warum sie ausgeführt wurde. Dies ist keine Anforderung für ein umfangreiches Architekturdokument. Es ist eine Möglichkeit zu überprüfen, ob die geplante Verwendung auch nach Verlassen der Demonstrationsumgebung noch schlüssig ist.

Microsoft dokumentiert, dass die Versionen Image Analysis 4.0 und 3.2 unterschiedliche Funktionsumfänge aufweisen und dass Version 4.0 laut der aktuellen Übersicht am 25. September 2028 eingestellt wird. Der Versionsvergleich und der Hinweis zum Lebenszyklus erinnern daran, ein Pilotprojekt genau an die verwendete Funktion und Version zu binden. Eine Lösungsbeschreibung, die lediglich „Azure AI Vision“ lautet, ist zu allgemein, um sie verantwortungsvoll zu warten, zu testen oder zu migrieren.

Der Prozess klärt auch, ob ein vorgefertigtes Bildverarbeitungstool ausreicht. Handelt es sich um eine begrenzte OCR- oder deskriptive Analyseaufgabe, kann eine verwaltete Funktion angemessen sein. Hängt die eigentliche Arbeit jedoch von einer domänenspezifischen Definition von Schaden, Qualität oder Konformität ab, benötigt das Team möglicherweise eine andere Datenstrategie, ein spezialisiertes Modell oder die Entscheidung, die Beurteilung weiterhin manuell vorzunehmen. Diese Erkenntnis ist nicht falsch. Ziel des Prozesses ist es, dies aufzudecken, bevor eine Integration ohnehin Druck zur Automatisierung erzeugt.

Betrachten Sie ein Ergebnis als Beweis, nicht als Antwort.

Ein Bildmodell erzeugt unter bestimmten Bedingungen ein Ergebnis. Es trifft keine Entscheidung, die unabhängig von der Aufgabe, den Bildern und den zugehörigen Interpretationsregeln existiert. Genau hierin unterscheidet sich ein nützlicher Pilot von einer überzeugenden Demonstration.

Angenommen, das Lieferfoto soll eine Schadensprüfung unterstützen. Welche Nachweise rechtfertigen die Verwendung eines Kennzeichens? Eine allgemein gültige, veröffentlichte Genauigkeitszahl dürfte hier kaum die Antwort sein. Das Team benötigt repräsentative Bilder: normale Lieferungen, eindeutig beschädigte, unklare, ungewöhnliche Lichtverhältnisse, fehlende Etiketten, Teilansichten und die schwierigen Fälle, die aktuell Arbeit verursachen. Die Stichprobe benötigt eine übereinstimmende Referenzbewertung von Personen, die die Aufgabe verstehen. Wenn Prüfer unterschiedlicher Meinung darüber sind, ob ein Bild einen Schaden zeigt, ist diese Uneinigkeit Teil der praktischen Realität. Ein Modell kann sie nicht durch die Rückgabe einer Dezimalzahl beseitigen.

Messen Sie das Ergebnis in der Sprache der Entscheidung. Ein Triage-Workflow legt möglicherweise Wert auf den Anteil der frühzeitig gefundenen, wirklich wichtigen Elemente, die Anzahl unnötiger Überprüfungen und die Zeit, die ein Prüfer zur Behebung einer Ausnahme benötigt. Ein Such-Workflow legt möglicherweise Wert darauf, ob Benutzer das richtige Element finden können, ohne viele falsche Treffer öffnen zu müssen. Ein Transkriptions-Workflow legt möglicherweise Wert auf Fehler auf Feldebene und darauf, ob eine Person diese effizient korrigieren kann. Eine aggregierte Kennzahl kann die tatsächlichen Kompromisse verschleiern, mit denen das Team leben muss.

Der Begriff „Konfidenz“ ist mit Vorsicht zu genießen. Ein von einem Dienst ausgegebener Konfidenzwert ist ein Modellergebnis und kein universelles Maß für Wahrheit oder Eignung. Er kann zwar bei der Erstellung einer Prüfregel hilfreich sein, diese muss jedoch anhand der konkreten Bilder und Aktionen getestet werden. Ein Schwellenwert, der in einer sauberen internen Stichprobe funktioniert, kann nach einer Änderung der Aufnahmeumgebung entweder eine Flut von Bewertungen oder gefährliches Schweigen auslösen. Ihn als Ausgangshypothese zu betrachten, ist ehrlicher und sinnvoller, als ihn als Richtlinie zu verwenden.

Die Dokumentation von Microsoft verdeutlicht, dass Dienste regions- und funktionsspezifische Einschränkungen aufweisen. Beispielsweise weist die Übersicht zur Bildanalyse darauf hin, dass die Verfügbarkeit bestimmter Bildunterschriften von Region und Version abhängt. Solche Einschränkungen gehören direkt in den Anwendungsfall und nicht in einen entfernten Anhang. Ein Workflow, der auf einer in der benötigten Region nicht verfügbaren Funktion basiert, ist nicht „fast fertig“. Er erfordert ein anderes Design oder eine präzisere Zielsetzung.

Das Nationale Institut für Standards und Technologie (NIST) definiert KI-Risikomanagement als einen Ansatz, um Vertrauenswürdigkeitsaspekte in die Konzeption, Entwicklung, Nutzung und Evaluierung von KI-Systemen zu integrieren. Das NIST-Rahmenwerk für KI-Risikomanagement ist eine freiwillige Leitlinie und keine Produktzertifizierung. Sein Nutzen liegt darin, dass es die Aufmerksamkeit auf das soziotechnische System rund um ein Modell lenkt. In einem Bildverarbeitungs-Workflow bedeutet dies, Fragen zu stellen wie: Wie wurde das Bild aufgenommen? Wessen Arbeit ändert sich? Wer könnte von einem Fehler betroffen sein? Und wie erkennt die Organisation, wenn Annahmen nicht mehr zutreffen?

Nachweise bestehen nicht nur aus Messwerten, sondern auch aus ihrer Herkunft. Kann ein Prüfer das Originalbild, den Verarbeitungszeitpunkt, die genaue Service-/Versionskonfiguration und das Ergebnis, das zum nächsten Schritt führte, einsehen? Für eine einfache Suchhilfe mag ein kurzes Protokoll ausreichen. Bei Entscheidungen mit Kunden-, Finanz-, Sicherheits- oder Rechtsfolgen kann die Nachweiskette jedoch Teil der Produktanforderungen werden. Lässt sie sich nicht sicher aufbewahren, muss der Anwendungsfall gegebenenfalls eingeschränkt werden.

Deshalb ist die Aussage „Wir haben es getestet und es hat funktioniert“ zu schwach. Unter welchen Bildbedingungen, bei welcher Aufgabenstellung, bei welchem ​​Fehler und welcher menschlichen Handlung hat es funktioniert? Eine gute Evaluation macht diese Grenzen sichtbar. Sie lässt Raum für ein positives Ergebnis und verhindert gleichzeitig, dass ein lokales Ergebnis als allgemeingültig dargestellt wird.

Gestaltung einer menschlichen Überprüfung, bei der sich die Fehlerkosten ändern

Die menschliche Überprüfung wird mitunter als Beweis für das Versagen der Automatisierung gewertet. In einem gut konzipierten Bildverarbeitungs-Workflow ist sie jedoch oft der Mechanismus, der die Automatisierung weiterhin nützlich macht, ohne dass sie eine unangebrachte Entscheidung treffen muss.

Die Frage ist nicht, ob eine Person im Prozessablauf auftaucht. Vielmehr geht es darum, ob diese Person genügend Kontext, Befugnisse und Zeit erhält, um ein Ergebnis zu korrigieren, bevor es Schaden anrichtet. Jedes Ergebnis mit geringer Zuverlässigkeit an eine generische Warteschlange zu senden, ist ein technisches Muster, aber noch kein praktikables Design. Der Prüfer muss wissen, wozu das Bild gehört, welche Schlussfolgerung das System gezogen hat, welche Aktion geplant war und welche Wahlmöglichkeiten er hat. Er benötigt außerdem eine Ausweichmöglichkeit für Bilder, die unklar, unvollständig oder außerhalb des vorgesehenen Bereichs liegen.

Kehren Sie zum Foto der eingehenden Lieferung zurück. Ein praktischer Prüfbildschirm könnte das Originalbild, den verknüpften Lieferdatensatz, die vorgeschlagene Kategorie und eine kurze Begründung für die Kennzeichnung anzeigen. Der Prüfer kann die Kennzeichnung akzeptieren, ablehnen, ein weiteres Bild anfordern oder den Fall eskalieren. Diese Optionen sind keine bloße Benutzeroberfläche. Sie definieren, was im Pilotprojekt als „korrekt“ gilt. Wenn die einzige verfügbare Option „Akzeptieren“ oder „Ablehnen“ ist, wird eine Mehrdeutigkeit in eine binäre Entscheidung gezwungen, die in der Praxis möglicherweise nicht gegeben ist.

Eine menschliche Überprüfung sollte immer dann erfolgen, wenn deren Urteil das Ergebnis beeinflusst. Bei einfacher Transkription kann dies ein Ausnahmefall sein, der durch eine Feldabweichung ausgelöst wird. Bei einem Inhalts- oder Sicherheitshinweis kann eine Überprüfung vor einer externen Konsequenz erforderlich sein. Bei einer Suchhilfe kann sie implizit erfolgen: Der Nutzer sieht das Ergebnis und entscheidet, ob er das Bild öffnen möchte. Je schwerwiegender die Konsequenz, desto weniger sinnvoll ist es, eine generische Modellausgabe ohne eine stichhaltige, aufgabenspezifische Grundlage durch eine menschliche Entscheidung zu ersetzen.

Überprüfungen fördern das Lernen, aber nur, wenn sie im Workflow verantwortungsvoll dokumentiert werden. Wiederholte Korrekturen können Erfassungsprobleme, unklare Richtlinien, unzureichende Kategoriedefinitionen oder eine Diskrepanz zwischen Werkzeug und Aufgabe aufdecken. Sie sollten nicht automatisch als Trainingsdaten oder als Beweis für eine Modellverbesserung interpretiert werden. Ziel von frühem Feedback ist es, die Systemfehler zu verstehen, nicht zukünftige Modellergebnisse zu versprechen.

Die Übersicht der Microsoft Foundry Tools ordnet Vision einer breiteren Gruppe vorkonfigurierter Dienste zu. Diese breitere Einordnung ist hilfreich, da viele Produktionsentscheidungen mehr als nur den Modellaufruf betreffen: Identitäts- und Zugriffskontrollen, Protokollierung, Datenspeicherung, Schnittstellendesign, Überwachung und die Befugnis zum Eingreifen. Die Auswahl einer Vision-Funktion ist nur ein Teil der Systemauswahl.

Das Prüfdesign sollte eine explizite Abbruchregel enthalten. Beispielsweise: Wenn ein Bild keinen zugehörigen Datensatz hat, das Modell das für die Aufgabe benötigte Feld nicht liefern kann, ein Prüfer das Original nicht einsehen kann oder ein bestimmter schwerwiegender Fehler auftritt, verlässt der Vorgang die Automatisierung und wird manuell bearbeitet. Eine Abbruchregel ist kein Zeichen von Pessimismus. Sie verhindert, dass ein Pilotprojekt seinen Umfang stillschweigend ändert, sobald unliebsame Fälle auftreten.

Hier werden auch Fragen der Fairness und Barrierefreiheit konkret. Wenn die Bildqualität aufgrund ungleicher Bedingungen für verschiedene Mitarbeiter, Geräte, Standorte oder Nutzer variiert, kann eine Automatisierungsregel zusätzliche Hürden ungleich verteilen. Werden Untertitel oder Beschreibungen in einer Benutzeroberfläche angezeigt, muss die Sprache im Hinblick auf die Personen, die darauf angewiesen sind, geprüft werden. Diese Fragen erfordern keine pauschale Behauptung, dass jedes Bildverarbeitungsprojekt ein hohes Risiko birgt. Sie erfordern lediglich, dass ein Team erkennt, wer von der jeweiligen Entscheidung, die automatisiert werden soll, betroffen ist.

Überprüfen Sie gemeinsam Daten, Datenschutz, Kosten und Servicelebenszyklus

Selbst der sauberste Modelltest kann der falsche erste Schritt sein, wenn das Team die betreffenden Bilder nicht verantwortungsvoll versenden, speichern, abrufen oder bezahlen kann. Diese Aspekte werden oft in separaten Arbeitsabläufen behandelt; in einer frühen Evaluierungsphase müssen sie jedoch hinsichtlich des gleichen Bildverarbeitungsprozesses zusammengeführt werden.

Beginnen Sie mit den Daten. Was genau ist auf den Bildern zu sehen? Gesichter, Fahrzeugkennzeichen, Bildschirme, Etiketten, handschriftliche Notizen, Adressen, Lagerinformationen oder der Kontext des jeweiligen Standorts können die Sensibilität eines Arbeitsablaufs beeinflussen. Ein Etikett, das in einer Demo harmlos erscheint, kann im Produktivbetrieb einen Kunden oder Mitarbeiter identifizieren. Ein Foto, das für eine Inspektion nützlich ist, kann auch Personen zeigen, die an der Aufgabe gar nicht beteiligt waren. Die richtigen Fragen sind faktisch und lokal: Was gelangt in den Dienst, wo wird es verarbeitet, was wird gespeichert, wer kann darauf zugreifen und wie lange wird es aufbewahrt?

Die Servicedokumentation kann zwar die technische Konfiguration unterstützen, regelt aber nicht die rechtlichen oder vertraglichen Pflichten eines Unternehmens. Microsoft beschreibt Sicherheit, Compliance, regionale Verfügbarkeit und Entwicklungsoptionen seiner Tools in der Foundry Tools-Dokumentation . Ein Käufer muss dennoch seine eigenen Datenkategorien, Verträge, Rechtsordnung, Aufbewahrungsfristen und sein Zugriffsmodell mit der entsprechenden internen und externen Unterstützung prüfen. Die Aussage „Der Anbieter verfügt über Compliance-Informationen“ ist nicht gleichbedeutend mit „Diese Nutzung ist konform“.

Die Kosten sind kontextabhängig. Entscheidend ist nicht nur der API-Preis pro Einheit, sondern die Kosten pro sinnvoller Entscheidung nach Berücksichtigung von Wiederholungsversuchen, fehlerhaften Bildern, manueller Überprüfung, Speicherung, Integration, Überwachung und Support. Ein Workflow, der bei jedem Bild 30 Sekunden einspart, kann wertvoll sein. Auch ein Workflow, der eine neue Warteschlange für einen erfahrenen Prüfer erstellt, kann wertvoll sein, sollte aber transparent beschrieben werden. Das Team benötigt ein erwartetes Volumen, eine Fehlerquote und eine Übersicht darüber, was bei steigender Nutzung oder Bildkomplexität passiert.

Der Lebenszyklus wird leicht übersehen, wenn eine Funktion bereits heute verfügbar ist. Die aktuelle Dokumentation zur Bildanalyse von Microsoft enthält einen deutlichen Hinweis auf die veraltete Version 4.0 mit dem 25. September 2028 als Abschalttermin. Das bedeutet jedoch nicht, dass der Dienst unbrauchbar wird. Es bedeutet lediglich, dass der Dienst bzw. die Version Teil der Dokumentation ist. Ein Pilotprojekt sollte den genauen Endpunkt bzw. die API-Version, die abhängige Funktion, die getestete Region und den Verantwortlichen für die Migrationsrichtlinien dokumentieren. Die Bezeichnung „Vision“ ist für die Wartung nicht ausreichend.

Zuverlässigkeit verdient die gleiche Aufmerksamkeit. Was passiert, wenn der Dienst langsam, nicht verfügbar oder ratenbegrenzt ist oder keine brauchbaren Ergebnisse liefert? Lautet die Antwort „Der Prozess wird abgebrochen“, hat das Unternehmen eine Entscheidung hinsichtlich der Zuverlässigkeit getroffen, ob bewusst oder unbewusst. Eine bessere Planung von Anfang an legt fest, ob ein erneuter Versuch unternommen, die Verarbeitung manuell durchgeführt, der Vorgang in eine Warteschlange gestellt oder eine klare Ausnahme ausgegeben wird. Der bestehende Prozess mag nicht perfekt sein, bietet aber oft die notwendige Ausweichlösung, um eine erste Implementierung sicherer zu gestalten.

Sicherheit, Datenschutz, Kosten und Lebenszyklus sollten daher in derselben einseitigen Anwendungsfallbeschreibung wie Bild, Ausgabe und Aktion aufgeführt werden. Eine Trennung mag zwar administrativ praktischer sein, erleichtert aber die Validierung des Modellverhaltens durch ein Team, während die Bedingungen, die die Realisierbarkeit des Workflows überhaupt bestimmen, hinausgezögert werden.

Hier gilt eine wichtige Regel: Der Workflow sollte zunächst so sicher gestaltet sein, dass er sich beobachten lässt, bevor man ihn für die Skalierung beschleunigt. In der Praxis bedeutet das beispielsweise, mit einer privaten Prüfwarteschlange zu beginnen, das Originalbild und seine Zuordnung zum Fall beizubehalten und zu verhindern, dass eine Ausgabe einen Datensatz automatisch ändert. Diese Maßnahmen bedeuten zwar anfänglich etwas mehr Aufwand, ermöglichen es dem Team aber auch, herauszufinden, ob der erkennbare Nutzen vom Modell, von einer präziseren Erfassung, von einer klareren Routing-Regel oder davon herrührt, dass ein Prüfer die richtigen Informationen früher einsehen konnte. Ohne diese Unterscheidung kann ein Pilotprojekt zwar ein zufriedenstellendes operatives Ergebnis liefern, die Organisation kann aber dennoch nicht erklären, was wiederholt werden sollte.

Dieselbe Regel gilt auch für die Wartung. Ein Workflow lässt sich leichter anpassen, wenn seine Geschäftsregel getrennt vom Serviceaufruf formuliert ist. „Bilder, die einer manuellen Schadensprüfung bedürfen, kennzeichnen“ ist eine Geschäftsregel. „Diese Version dieses Endpunkts mit diesem Schwellenwert verwenden“ ist eine Implementierungsoption. Beides gehört in die Dokumentation, darf aber nicht verwechselt werden. Wenn ein Anbieter einen Service ändert, weiß das Team so, welche Vorgaben unbedingt beibehalten werden müssen, anstatt eine Migration als undurchsichtiges Parametergeflecht zu behandeln.

Schließlich gilt es, ein beherrschbares operationelles Risiko von der Behauptung, es gäbe kein Risiko, zu unterscheiden. Ein Bildverarbeitungsprozess kann so gestaltet werden, dass er die Offenlegung von Risiken begrenzt, die Überprüfung sicherstellt und Fehler überwacht. Er kann jedoch nicht allein durch das Hinzufügen eines Modells oder einer Kontrollmaßnahme universell korrekt gemacht werden. Diese klare Abgrenzung ermöglicht es einem Team, eine nützliche Funktion einzusetzen, ohne ihr mehr Bedeutung beizumessen, als die Beweislage rechtfertigt.

Dies ist auch ein Grund, die Dokumentation so zu gestalten, dass sie für die Personen, die die Arbeit übernehmen, verständlich ist. Eine prägnante Beschreibung der Images, der Entscheidungsregel, des Ausnahmebehandlungspfads, des Dienstes/der Version, der Zugriffsgrenzen und des Verantwortlichen kann wertvoller sein als ein langes technisches Verzeichnis, das kein operativer Kollege nutzen kann. Wenn ein Ergebnis Monate später infrage gestellt wird, lautet die zielführende Frage selten: „Welche Funktion klang am fortschrittlichsten?“ Vielmehr lautet sie: „Was sollte diese Image-Ausgabe bewirken, und wie könnte jemand sie korrigieren?“

Diese Frage sorgt dafür, dass das System für die Aufgaben, die es eigentlich verbessern soll, verantwortlich gemacht wird.

Führen Sie das kleinste Pilotprojekt durch, das eine echte Entscheidung verändern kann.

Ein verantwortungsvoller Pilotversuch ist kein Miniatur-Produktionsstart. Er ist ein begrenztes Mittel, um herauszufinden, ob die vorgeschlagene Bildentwicklung eine reale Entscheidung so weit verbessert, dass sie weitere Bemühungen rechtfertigt.

Wählen Sie einen genau definierten Bildtyp, eine Aufgabe, eine Benutzergruppe und einen bestehenden Prozess zum Vergleich aus. Der ursprüngliche Ablauf bleibt erhalten. Das bedeutet nicht, gar nichts zu entwickeln, sondern nur das Nötigste, um den Workflow zu überprüfen. Im Beispiel der Lieferfotos könnte ein Pilotprojekt eine begrenzte Anzahl eingehender Bilder erfassen, die Ausgabe dem richtigen Datensatz zuordnen, ausgewählte Fälle an einen bestimmten Prüfer weiterleiten und dokumentieren, wie oft der Ablauf die Entscheidung unterstützt oder behindert. Es würde nicht behaupten, die gesamte Schadensbewertung zu automatisieren, Kosteneinsparungen nachzuweisen oder eine universelle Genauigkeitsrate zu etablieren.

Die Erfolgskriterien des Pilotprojekts sollten sowohl Nutzen als auch Grenzen umfassen. Zu den Vorteilen zählen beispielsweise ein schnellerer Abruf, eine effektivere Triage, weniger manuelle Transkriptionsschritte oder eine übersichtlichere Dokumentation. Grenzen könnten eine maximal tolerierbare Anzahl von Fehlalarmen, eine Reihe von Bildbedingungen, die eine manuelle Bearbeitung erfordern, die Anforderung, dass Prüfer das Original einsehen können, oder die Regel, dass im Pilotprojekt keine externen Entscheidungen automatisiert werden. Die richtigen Kriterien hängen vom jeweiligen Anwendungsfall ab; wichtig ist, dass sie festgelegt werden, bevor das Ergebnis gefeiert wird.

Entscheiden Sie, was verglichen werden soll. Falls der aktuelle Prozess keine Fehler oder Verzögerungen aufweist, beginnen Sie mit einer kurzen Beobachtungsphase, anstatt eine Basislinie zu erfinden. Sollten menschliche Gutachter unterschiedlicher Meinung sein, dokumentieren Sie dies, anstatt dem Modell per Definition ein Etikett aufzuzwingen, das es als falsch oder richtig erscheinen lässt. Ist die zugrunde liegende Richtlinie unklar, klären Sie diese, bevor Sie das Modell als Quelle der Gewissheit betrachten. Ein Pilotprojekt deckt häufig Unklarheiten im Prozess auf. Dies ist ein nützliches Ergebnis, selbst wenn kein Service ausgewählt wird.

Der Test sollte auch einen Verantwortlichen benennen. Jemand muss für die Stichprobe, die Bewertungsdefinition, den manuellen Prüfprozess, den Zugriff auf die Images, die operative Entscheidung nach dem Test und die Dokumentation des Lebenszyklus verantwortlich sein, falls die Arbeiten fortgesetzt werden. Die Aussage „Die IT ist für das Modell verantwortlich“ ist zu allgemein; ein technischer Verantwortlicher kann nicht allein entscheiden, ob ein markiertes Auslieferungsimage einen Kundenprozess verändern sollte. Umgekehrt sollte von einem operativen Verantwortlichen nicht erwartet werden, dass er allein Sicherheits- oder Serviceversionsauswirkungen ableitet.

Treffen Sie am Ende eine von drei Entscheidungen. Weitermachen, weil der spezifische Workflow trotz bekannter Grenzen ausreichend Nutzen gebracht hat. Neugestaltung, weil der Anwendungsfall schlüssig ist, aber die Daten, die Schnittstelle oder der Prozess der manuellen Überprüfung gescheitert sind. Abbruch, weil die Aktion nicht definiert werden kann, die Fehlerkosten zu hoch sind, die Beweislage zu schwach ist oder der bestehende Prozess aktuell besser geeignet ist. Ein Abbruch ist keine vergeudete Mühe. Er schützt das Team davor, Begeisterung in ein fragiles System umzuwandeln.

Das Bild, mit dem der Artikel begann, dient weiterhin als Praxistest. Kann das Team beschreiben, was passiert, wenn es klar, unklar, fehlerhaft, sensibel, verzögert oder nicht verfügbar ist? Kann man sich erholen, wenn das Ergebnis nicht den Erwartungen entspricht? Kann das Team die gewonnenen Erkenntnisse erläutern, ohne eine Erfolgsgeschichte zu erfinden? Lautet die Antwort „Ja“, ist Azure Vision zu einer sinnvollen Option im realen Arbeitsablauf geworden. Lautet sie „Nein“, ist der verantwortungsvollste nächste Schritt nicht, weitere Funktionen hinzuzufügen, sondern zunächst die Entscheidung und ihre Konsequenzen transparent zu machen.

Quellen

Die Namen, Funktionen, Verfügbarkeit, Preise und Lebenszyklusbedingungen von Microsoft-Diensten können sich ändern; überprüfen Sie daher vor der Implementierung die aktuelle Dokumentation sowie die rechtlichen, datenschutzrechtlichen, sicherheitsrelevanten und betrieblichen Anforderungen Ihrer Organisation.

Verwandte lesen