Marlon Manderfeld

Das Projekt drehte sich um die Entwicklung einer Softwarelösung speziell für die Verwaltung von Studierenden. Ziel war es, eine moderne und benutzerfreundliche Webanwendung zu konzipieren und erfolgreich umzusetzen. Die Software ermöglicht eine effiziente Administration von Studierendendaten und integriert Funktionen, die den Arbeitsalltag von Verwaltung und Nutzern gleichermaßen erleichtern. Das Projekt wurde von der ersten Konzeptionsphase bis hin zur finalen Implementierung umgesetzt. Die Webanwendung wurde mithilfe verschiedener Technologien entwickelt. Das Frontend entstand unter Verwendung von JavaSkript, CSS und HTML , um eine intuitive Benutzeroberfläche zu gewährleisten, während das Backend auf Java aufgebaut wurde, um Skalierbarkeit und Performance sicherzustellen. Die Datenbank basierte auf einer MySQL Datenbank, um eine zuverlässige und sichere Speicherung der Studierendendaten zu ermöglichen.

Ziel des Projektes war es, den produktiven Einsatz von Microsoft Copilot und KI-gestützten Agenten, auf LLM Basis im Unternehmen strukturiert aufzubauen, messbare Effizienzgewinne im Arbeitsalltag zu schaffen und gleichzeitig eine governance-konforme Grundlage für die Skalierung weiterer Copilot-Lösungen bereitzustellen. Der Kunde hatte Microsoft Copilot bereits eingeführt und zentrale Inhalte in die Microsoft Cloud verlagert, die Nutzung blieb jedoch hinter den Erwartungen zurück. Es fehlten konkrete Anwendungsfälle, einheitliche Best Practices, eine zentrale Verwaltung von Agenten und System-Prompts sowie ein belastbarer Rahmen für Betrieb, Compliance und Weiterentwicklung.

Ich unterstützte den Kunden bei der fachlichen und technischen Konzeption einer skalierbaren Copilot- und Power-Platform-Zielarchitektur. Dazu analysierte ich die bestehende Microsoft-365-, Copilot- und Power-Platform-Umgebung und leitete daraus eine strukturierte Umgebungsstrategie für die Entwicklung, den Test und den produktiven Betrieb von Copilot-Agenten ab. Ein Schwerpunkt lag auf dem Aufbau einer Copilot-ready Application-Lifecycle-Management-Architektur mit getrennten Dev-, Test- und Produktivumgebungen, einer dedizierten Pipeline-Host-Umgebung sowie klaren Rollen- und Berechtigungskonzepten für Entwickler, Power User, Administratoren und Fachbereiche.

Im Rahmen der Umsetzung konzipierte ich eine Umgebung, in der Copilot-Agenten und Power-Platform-Komponenten nicht direkt produktiv entwickelt, sondern über Solutions und Deployment Pipelines kontrolliert zwischen den Umgebungen transportiert werden. Dabei wurden Managed Environments, Dataverse, Power Platform Pipelines, Deployment Stages und rollenbasierte Zugriffskonzepte berücksichtigt. Zusätzlich unterstützte ich bei der Definition von Budget- und Abrechnungsmechanismen, damit Copilot Studio, Power Automate und weitere Power-Platform-Funktionen kontrolliert und nachvollziehbar genutzt werden können.

Neben der technischen Plattformarbeit lag ein weiterer Schwerpunkt auf der Identifikation und Umsetzung erster Copilot Quick Wins. Ich unterstützte bei der Aufnahme fachlicher Anforderungen aus den Fachbereichen, der Auswahl geeigneter Anwendungsfälle und der Konzeption spezialisierter Copilot-Agenten, beispielsweise für E-Mail-Bearbeitung, Recherche, Zusammenfassungen, Präsentationserstellung oder Dokumentenprüfung. Für diese Agenten wurden System-Prompts, Wissensgrundlagen, Antwortlogiken und wiederverwendbare Prompt-Vorlagen entwickelt, sodass die Fachbereiche schnell nutzbare KI-Unterstützung im Arbeitsalltag erhalten konnten.

Darüber hinaus begleitete ich den Aufbau von Copilot-Power-Usern als Multiplikatoren im Unternehmen. Ich bereitete Schulungsinhalte zu Microsoft Copilot, Copilot Studio, Prompt Engineering, Agentenerstellung, Release Management und Troubleshooting vor und unterstützte die Durchführung praxisnaher Enablement-Formate. Ziel war es, die Anwender nicht nur in der Nutzung einzelner Agenten zu schulen, sondern sie in die Lage zu versetzen, eigene fachliche Anforderungen zu strukturieren, gute Prompts zu formulieren und neue Copilot-Anwendungsfälle gemeinsam mit IT und Governance-Verantwortlichen weiterzuentwickeln.

Ergänzend unterstützte ich bei der Bewertung strategischer KI-Anwendungsfälle im Vertrieb und im Helpdesk-Umfeld. Dazu gehörten die Analyse bestehender Prozesse, die Betrachtung eingehender Dokumente wie E-Mails oder PDFs, die Ableitung möglicher KI-Zielprozesse sowie die Bewertung technischer Lösungsoptionen im Sinne einer Make-or-Buy-Entscheidung. Auf dieser Basis konnten Architekturansätze, Umsetzungsschritte und Aufwandsschätzungen für weiterführende KI-Lösungen abgeleitet werden.

Durch das Projekt entstand eine belastbare Grundlage für die skalierte Nutzung von Microsoft Copilot und Copilot Studio im Unternehmen. Der Kunde erhielt nicht nur erste produktiv nutzbare Copilot-Agenten und konkrete Quick-Win-Anwendungsfälle, sondern auch eine technische und organisatorische Struktur für Governance, Compliance, Release Management, Schulung und kontinuierliche Weiterentwicklung weiterer KI-Lösungen.

Ziel des Projektes war es, ein grundlegendes Verständnis für Künstliche Intelligenz im Unternehmenskontext zu schaffen und gleichzeitig praxisnahe Ansätze für die effiziente Nutzung von Microsoft Copilot in Office-Anwendungen zu vermitteln. Die Schulung richtete sich gezielt an Teilnehmer aus dem Management, um diese in die Lage zu versetzen, Potenziale und Grenzen von KI-Anwendungen – insbesondere Copilot – fundiert einschätzen und in ihren jeweiligen Verantwortungsbereichen anwenden zu können.

Ich war verantwortlich für die eigenständige Konzeption und Durchführung der Schulung. Die Inhalte umfassten sowohl theoretische Grundlagen zu Künstlicher Intelligenz, deren Funktionsweise und den Rahmenbedingungen einer verantwortungsvollen KI-Nutzung (KI-Governance), als auch praxisorientierte Hands-on-Teile. Der Fokus der praktischen Übungen lag auf der Anwendung von Microsoft Copilot innerhalb der bekannten Microsoft-365-Anwendungen wie Teams, Word, Excel und PowerPoint. Dabei wurden typische Anwendungsfälle des Managements adressiert – von der effizienten Erstellung von Entscheidungsunterlagen bis zur Analyse und Aufbereitung von Daten.

Die Durchführung der Schulung erfolgte als einmalige, kompakte Veranstaltung mit ausgewogenem Wechsel zwischen Impulsvortrag, Live-Demonstrationen und interaktiven Übungen.

Zielsetzung des Projektes war es, die Mitarbeitenden aus dem Bereich Einkauf beim produktiven und sicheren Einsatz von Microsoft Copilot, Copilot Studio und der Power Platform zu befähigen. Der Kunde wollte vorhandene Microsoft-365- und Copilot-Potenziale gezielter nutzen, konkrete Einkaufsszenarien mit KI-Unterstützung verbessern und gleichzeitig ein gemeinsames Verständnis für Governance, Datenschutz und verantwortungsvolle KI-Nutzung schaffen. Im Fokus stand nicht nur die reine Schulung der Anwender, sondern auch der Aufbau praktischer Fähigkeiten zur eigenständigen Nutzung, Bewertung und Weiterentwicklung von Copilot-Anwendungsfällen im Fachbereich.

Ich konzipierte und führte eine mehrtägige Schulung durch, die fachliche Grundlagen, technische Zusammenhänge und praktische Umsetzung miteinander verband. Zu Beginn vermittelte ich ein fundiertes Verständnis zu KI-Grundlagen, Funktionsweise generativer KI, Chancen und Grenzen von Sprachmodellen sowie relevanten Governance- und Compliance-Aspekten im Unternehmenskontext. Dabei wurde insbesondere darauf eingegangen, wie KI-Ergebnisse kritisch bewertet, sensible Informationen geschützt und Copilot-Funktionen verantwortungsvoll im Arbeitsalltag eingesetzt werden können.

Im weiteren Verlauf lag der Schwerpunkt auf Microsoft 365 Copilot und dessen Nutzung in den zentralen Office-Anwendungen. Ich zeigte konkrete Anwendungsszenarien für den Einkauf, beispielsweise die strukturierte Zusammenfassung von Dokumenten, die Vorbereitung von Lieferantenkommunikation, die Analyse von Informationen, die Erstellung von Entscheidungsgrundlagen sowie die Unterstützung bei wiederkehrenden administrativen Aufgaben. Durch praxisnahe Übungen lernten die Teilnehmenden, bessere Prompts zu formulieren, Ergebnisse gezielt zu verfeinern und Copilot effizient in bestehende Arbeitsabläufe zu integrieren.

Ein zusätzlicher Schwerpunkt lag auf Copilot Studio und der Erstellung eigener Copilot-Agenten. Ich führte die Teilnehmenden in die Konzeption, den Aufbau und die Anpassung individueller Agenten ein und zeigte, wie fachliches Wissen, System-Prompts und Prozesslogiken strukturiert in Agenten überführt werden können. Dabei wurden konkrete Use Cases aus dem Einkauf aufgegriffen und prototypisch umgesetzt. Ergänzend wurde Power Automate eingesetzt, um einfache Automatisierungen in Einkaufsprozessen abzubilden und Copilot-Agenten mit nachgelagerten Prozessschritten zu verbinden.

Während der Hands-on-Phasen unterstützte ich die Teilnehmenden bei der praktischen Umsetzung eigener Szenarien und übersetzte fachliche Anforderungen in konkrete technische Lösungsansätze. Dabei wurden sowohl die Möglichkeiten von Copilot Studio als auch relevante Rahmenbedingungen für Betrieb, Berechtigungen, Wartbarkeit und Skalierung berücksichtigt. Die Schulung trug dazu bei, Power User im Fachbereich aufzubauen, die Copilot nicht nur anwenden, sondern auch als Multiplikatoren für weitere Anwendungsfälle und eine höhere Copilot-Adoption im Unternehmen wirken können.

Durch das Projekt entstand eine praxisnahe Grundlage für den strukturierten Einsatz von Microsoft Copilot im Einkauf. Der Kunde konnte die KI-Kompetenz der Mitarbeitenden deutlich erhöhen, erste Copilot-Agenten und Automatisierungsideen bewerten und eine Basis für die weitere Skalierung von Copilot-Anwendungen im Fachbereich schaffen.

Ziel des Projektes war es, den Kunden beim produktiven Einsatz von Microsoft Copilot und der Power Platform zu unterstützen und wiederkehrende Geschäftsprozesse durch LLM-gestützte Agenten und Automatisierungen effizienter zu gestalten. Im Fokus stand dabei die Automatisierung eines zentralen E-Mail-Eingangs, bei dem eingehende Nachrichten nicht mehr manuell gesichtet, kategorisiert und weitergeleitet werden sollten. Gleichzeitig sollte die Lösung so aufgebaut werden, dass sie governance-konform betrieben, durch Fachbereiche weiterentwickelt und perspektivisch weiter skaliert werden kann.

Ich unterstützte den Kunden bei der fachlichen und technischen Konzeption der Lösung sowie bei der Umsetzung mit Microsoft Copilot Studio und Power Automate. Dazu wurde ein Prozess entwickelt, bei dem eingehende E-Mails automatisiert verarbeitet, durch KI klassifiziert und anschließend anhand definierter Regeln an die zuständigen Fachbereiche weitergeleitet werden. Der Copilot-Agent im Hintergrund übernahm dabei die strukturierte Bewertung der Inhalte und lieferte ein maschinenlesbares Ergebnis, das im Power-Automate-Flow für die weitere Prozesssteuerung genutzt wurde.

Ein wesentlicher Bestandteil meiner Aufgaben war die Übersetzung fachlicher Anforderungen in ein tragfähiges technisches Lösungskonzept. Ich definierte gemeinsam mit den Fachbereichen relevante E-Mail-Kategorien, Entscheidungslogiken und Fallback-Szenarien für nicht eindeutig klassifizierbare Nachrichten. Darüber hinaus entwickelte ich geeignete Prompts und Antwortformate, damit die KI-Ergebnisse stabil in nachgelagerten Automatisierungen verarbeitet werden konnten. Technisch lag der Schwerpunkt auf der Integration von Microsoft 365 Outlook, Copilot Studio und Power Automate sowie auf der robusten Übergabe strukturierter Daten zwischen Agent und Workflow.

Neben der Umsetzung des konkreten Use Cases unterstützte ich den Kunden beim Aufbau skalierbarer Strukturen für weitere Copilot-Agenten. Dazu gehörte die Beratung zur Power-Platform-Umgebungsstrategie, insbesondere zur Trennung von Entwicklungs-, Test- und Produktivumgebungen, zur Definition von Verantwortlichkeiten sowie zur governance-konformen Bereitstellung neuer Agenten. Dabei wurden Aspekte wie Berechtigungen, Datenschutz, Compliance, Betriebsmodell und Wiederverwendbarkeit von Komponenten berücksichtigt.

Zusätzlich begleitete ich die Anwender und Fachbereiche im Enablement. Ich erklärte die Funktionsweise der Lösung, zeigte Möglichkeiten und Grenzen von Copilot-Agenten auf und unterstützte dabei, ein besseres Verständnis für den sicheren und zielgerichteten Einsatz von KI in Microsoft 365 zu schaffen. Dadurch konnte nicht nur der konkrete E-Mail-Prozess automatisiert werden, sondern auch die Grundlage für eine breitere Copilot-Adoption und die strukturierte Skalierung weiterer KI-Anwendungsfälle im Unternehmen geschaffen werden.

Ziel des Projektes war es, die bislang stark manuell geprägte Verarbeitung eingehender Bestellungen und Rechnungen mithilfe generativer KI zu automatisieren. Der Kunde verarbeitet jährlich mehr als 60.000 schriftliche Aufträge und über 25.000 Rechnungen, die geprüft und anschließend im SAP-S/4HANA-System angelegt beziehungsweise weiterverarbeitet werden müssen.

Ich unterstützte bei der Analyse der bestehenden Auftrags- und Rechnungseingangsprozesse sowie bei der Konzeption geeigneter KI-gestützter Soll-Prozesse. Dabei wurden die relevanten Eingangskanäle, manuellen Prüfungsschritte und benötigten SAP-Daten betrachtet. Ein Schwerpunkt lag auf der Frage, wie eingehende Dokumente automatisiert klassifiziert, relevante Informationen extrahiert und anschließend für die weitere Verarbeitung in SAP S/4HANA bereitgestellt werden können.

Für den Auftragseingang wurde ein Lösungsansatz entwickelt, bei dem eingehende E-Mails, PDFs, Faxe und Bilddateien automatisiert analysiert und dem passenden Geschäftsprozess zugeordnet werden. Anschließend sollten Stamm- und Auftragsdaten aus SAP S/4HANA für Plausibilitätsprüfungen genutzt und Kundenaufträge in SAP vorbereitet beziehungsweise vorangelegt werden. Im Rechnungseingang lag der Fokus auf der KI-gestützten Vorkontierung, der fachlichen und sachlichen Rechnungsprüfung auf Basis von SAP-Daten sowie der Vorbereitung von MIRO-Belegen für die weitere Bearbeitung.

Darüber hinaus wirkte ich an der technischen Konzeption und Pilotierung der Lösung mit. Dazu gehörten die Bewertung von SAP-Standardfunktionen, möglichen SAP-BTP-Erweiterungen und alternativen KI-Services sowie die Konzeption der Integration generativer KI in die SAP-S/4HANA-Landschaft. Der Pilot war mit einer Anbindung an das SAP-S/4HANA-Q-System vorgesehen, um technische Machbarkeit, Datenqualität und die Qualität der KI-Ergebnisse unter realistischen Bedingungen zu validieren.

Durch das Projekt entstand ein technisches und fachliches Zielbild für die automatisierte Eingangsverarbeitung. Auf dieser Grundlage konnten die Integrationsmöglichkeiten mit SAP S/4HANA, mögliche Einsparungspotenziale und die nächsten Umsetzungsschritte für eine produktive Lösung bewertet und geplant werden.

Das Projekt umfasste die vollständige Planung, Durchführung und Nachbereitung eines KI-Potentialworkshops im Unternehmen. In der Vorbereitungsphase wurden zunächst die Rahmenbedingungen für den Workshop festgelegt, relevante Stakeholder identifiziert und eine strukturierte Methodik zur Analyse von KI-Potentialen entwickelt. Zudem wurden erste interne Datenquellen und Geschäftsprozesse analysiert, um mögliche Anwendungsfälle für Künstliche Intelligenz gezielt vorzubereiten.

Während des Workshops selbst lag der Fokus darauf, die bestehenden Prozesse und Herausforderungen im Unternehmen zu identifizieren und gezielt nach Optimierungsmöglichkeiten durch den Einsatz von KI zu suchen. Gemeinsam mit den Teilnehmern wurden verschiedene KI-Potentiale erarbeitet und anschließend in konkrete Anwendungsfälle (Use Cases) überführt. Dabei wurden sowohl kurzfristig realisierbare als auch strategisch relevante KI-Projekte mit langfristiger Wirkung betrachtet.

Nach dem Workshop erfolgte eine detaillierte Nachbereitung, in der die gesammelten Erkenntnisse weiter strukturiert, bewertet und priorisiert wurden. Basierend auf den erarbeiteten Use Cases wurde eine umfassende KI-Roadmap erstellt, die eine schrittweise Einführung von KI-Technologien im Unternehmen ermöglicht. Diese Roadmap berücksichtigt sowohl technische als auch wirtschaftliche Aspekte und dient als strategischer Leitfaden für zukünftige KI-Initiativen.

Es wurde ein Workflow implementiert, der eine KI-gestützte Internetrecherche durchführt und dadurch neue Leads mit bestimmten Voraussetzungen findet. Zudem werden zu den neuen Leads gewünschte Informationen, wie Adressen, Telefonnummern, Mail und Ansprechpartner aus dem Internet recherchiert. Die gefundenen Leads und Informationen werden dann in eine Datenbank gespeichert und können vom Vertriebsteam genutzt werden.

Die Vorbereitung auf Vertriebsgespräche fand immer manuell statt. Dazu wurden Informationen gesucht, mit denen man das Produkt dem Kunden explizit anbieten kann. Es wurden dabei im Internet nach expliziten Anwendungsfällen für den bestimmten Kunden und das bestimmte Produkt gesucht. Ziel des Projektes war es, diese Recherche zu automatisieren. Dazu wurde eine KI entwickelt, welche aus einer Masse an Produkten und möglichen Kunden zu jedem Kunden Informationen im Internet recherchiert, warum dieser das Produkt gebrauchen kann. Und welche expliziten Anwendungsfälle der Kunde damit abdecken könnte.

Im Rahmen dieses Projektes bestand die Zielsetzung darin, manuelle Prozesse bei der Erfassung von Produktetikettendaten zu automatisieren. Der Kunde stand vor der Herausforderung, Informationen wie Texte, Bilder und Symbole von Produktetiketten händisch in eine Excel-Tabelle zu übertragen. Dies war zeitaufwendig und fehleranfällig. Ziel war es, ein automatisiertes System zu entwickeln, das diese Daten zuverlässig extrahiert und in strukturierter Form bereitstellt.

In meiner Rolle als IT-Consultant habe ich zunächst einen Workflow mit Make.com als Proof of Concept entwickelt. Anschließend in der Umsetzung habe ich ein Programm in Python entwickelt, das mithilfe von KI und Bildverarbeitungstechnologien die relevanten Daten aus PDF-Etiketten extrahiert. Der Workflow begann mit der Konvertierung der PDF-Seiten in Bilder bzw. des Textes in eine txt Datei unter Verwendung der Bibliothek pdf2image. Für die Texterkennung und Analyse kam ein LLM angebunden über die OpenAI API (ChatGPT) zum Einsatz, während die Bildverarbeitung und das Erkennen von Symbolen mit OpenCV und NumPy realisiert wurden. Abschließend wurden die extrahierten Daten in einer strukturierten Excel-Tabelle abgelegt, wobei ich die Bibliothek openpyxl für die Erstellung und Bearbeitung von Excel-Dateien nutzte.

Eine besondere Herausforderung war die Erkennung bestimmter Symbole, die in der Texterkennung nicht korrekt verarbeitet wurden. Zur Lösung dieses Problems wurde eine Bildvergleichsfunktion implementiert, bei der Vergleichsbilder herangezogen und mit den erkannten Symbolen abgeglichen wurden.

Das Ziel des Projekts war die Entwicklung eines Powershellskripts, das die Versionen bestimmter Anwendungen auf mehreren Servern prüft und bei Abweichungen automatisiert aktualisiert. Dadurch sollten einheitliche Softwarestände gewährleistet und Wartungsaufwände reduziert werden.

Meine Aufgaben umfassten die Anforderungsanalyse und die Entwicklung des PowerShell-Skripts zur Versionserkennung, zum Vergleich der Versionen sowie die Implementierung eines automatisierten Update-Prozesses.