KI-gestützte Softwarebereitstellung für ein Automobilprojekt
Dynamics 365
Azure Services
Visual Studio
Copilot Studio
Geographie
Deutschland
Industrie
Automobil
Größe
200+ Mitarbeiter
Implementierung
2026
Eine Kurze Referenz über die KI-Sachverstand der UDS
Wir unterstützen unsere Kunden bei folgenden gängigen Anwendungsfällen:
- KI-beschleunigte Dynamics 365-Implementierung
- KI-Unterstützung für Dynamics 365-Entwickler, Power Plattform-Entwicklung und Verbesserung der Codequalität
- KI-automatisierte Dokumentenverwaltung, Rechnungsstellung, Produktverwaltung etc. (entsprechend den individuellen Bedürfnissen und Anforderungen des Kunden)
- KI-automatisierte Dynamics 365-Tests, DevOps und Bereitstellung
Eine Kurze Referenz über das Projektteam
Das Projektteam ist spezialisiert auf Dynamics 365 Customer Engagement, Azure, Copilot und Visual Studio. Mit zahlreichen erfolgreich abgeschlossenen Projekten im DACH-Raum bietet es innovative Lösungen, die auf die individuellen Geschäftsanforderungen des Kunden zugeschnitten sind.
Die Kundenanfrage
Das Team entwickelt eine Automobilplattform für Frontend, Backend, API, Dynamics 365, Azure Funktionen und Qualitätssicherung. Ein einzelner Arbeitsschritt kann mehrere dieser Bereiche berühren. Die Anforderungen werden in Azure DevOps definiert, während Implementierung und technische Anleitung in GitHub bereitgestellt werden. Daher benötigte das Team KI-Unterstützung, die diesen Projektkontext nutzen und die Entwickler während des gesamten Prozesses unterstützen konnte.
Briefing
Die Aufgabe des Projektteams bestand daher darin, Entwicklern einen zentralen Zugangspunkt für die KI-gestützte Bereitstellung zu bieten. Ein Copilot-Orchestrator sollte die Aufgabe interpretieren, die relevanten Spezialisten einbeziehen, Kontextinformationen aus den Projektsystemen abrufen und die Arbeit zur menschlichen Überprüfung zurückgeben. Dasselbe Modell wurde benötigt, um sowohl einen Pull-Anfrage als auch die lokale Implementierung in Visual Studio Code zu unterstützen.
Vorbereitung
Jeder Plattform wurde vor der Einführung der agentenbasierten Bereitstellung eine klare Rolle zugewiesen:
-
Azure DevOps als zentrale Datenquelle:
Arbeitselemente, Akzeptanzkriterien, Prioritäten und Wiki-Dokumentation verbleiben in Azure DevOps. Der KI-Arbeitselementassistent und Azure DevOps MCP stellen diese Informationen zur Aufgabenklärung und Implementierungsplanung bereit.
-
GitHub Enterprise als Ausführungsplattform:
Repositorien, Zweige, Pull-Anfragen, Copilot-Anweisungen, Agentendefinitionen und wiederverwendbare Skills werden in GitHub Enterprise verwaltet. Dadurch bleibt die KI-Unterstützung nah am Code und dessen Änderungshistorie.
-
Visual Studio Code-Entwicklereinrichtung:
Die Onboarding-Handbücher für das Team umfassen die GitHub Enterprise-Authentifizierung, GitHub Copilot, Azure DevOps MCP, GitHub MCP und den Dynamics 365-Agenten mit Dataverse MCP. Das bietet Entwicklern einen einheitlichen lokalen Ausgangspunkt.
-
Projektanweisungen und wiederverwendbare Skills:
Die Repositorium-Anweisungen beschreiben Architektur, Codierungskonventionen, Konfiguration, Tests und häufige Fehlerquellen. Skills bündeln wiederholbare Arbeitsabläufe wie Onboarding, Arbeitselementanalyse, CRM-Zugriff, Sicherheitsprüfung und Umgebungsprüfungen.
-
MCP-Kontextschicht:
Die MCP-Integrationen von Dataverse, GitHub Enterprise, Azure DevOps, Figma und Playwright stellen die von verschiedenen Agenten benötigten Daten bereit, darunter CRM-Datensätze, Code, Anforderungen, Designs und Browser-Validierungskontext.
Realisierung
- 1.
Aufgabenannahme und Vorbereitung
Ein PO, UX-Spezialist oder ein anderer Projektbeteiligter erstellt das Arbeitselement in Azure DevOps. Die Aufgabe, die Akzeptanzkriterien und die zugehörige Dokumentation bilden die Ausgangsanfrage. Der KI-Arbeitselement-Assistent kann die Beschreibung verbessern und die Aufgabe für die Ausführung durch einen Agenten vorbereiten.
- 2.
Zentrale Orchestrierung
Der Standard-Copilot-Agent fungiert als zentrale Orchestrierungsinstanz. Er analysiert die Anfrage, identifiziert die betroffenen technischen Bereiche, wählt die benötigten Agenten aus, koordiniert deren Arbeit und fasst die Ergebnisse in einer konsistenten Antwort zusammen.
- 3.
Spezialisierte Entwicklungsagenten
Für Mobilgeräte, Frontend, Backend, API, Dynamics 365, Azure Funktionen und Qualitätssicherung wurden sieben Domänenagenten definiert. Jeder Agent verfügt über rollenspezifische Verantwortlichkeiten, erwartete Ergebnisse und relevante Projekttools. Mehrere Agenten können zusammenarbeiten, wenn eine Aufgabe mehrere Anwendungsschichten betrifft.
- 4.
Kontextabruf über MCP
Agenten rufen den aktuellen Kontext ab, anstatt sich nur auf Eingabeaufforderungstexte zu verlassen:
- GitHub Enterprise MCP bietet Zugriff auf Repositorien und den Verlauf von Pull-Anfragen.
- Azure DevOps MCP bietet Zugriff auf Aufgaben und Akzeptanzkriterien.
- Dataverse MCP bietet Zugriff auf CRM-Entitäten und -Beziehungen.
- Figma MCP bietet Zugriff auf UI-Designs.
- Playwright MCP unterstützt Browserautomatisierung und End-to-End-Validierung.
- 5.
Ausführungspfad für Pull-Anfragen
Bei klar abgegrenzten Aufgaben kann der Agenten-Arbeitslauf eine fertige Pull-Anfrage in GitHub Enterprise generieren. Der Entwickler prüft den vorgeschlagenen Code, vergleicht die Implementierung mit dem Arbeitselement und genehmigt oder lehnt die Änderung ab.
- 6.
Lokaler Ausführungspfad in VS Code
Bei komplexen Aufgaben oder Arbeiten, die Debugging erfordern, schlägt der Agent Änderungen vor oder wendet diese lokal in Visual Studio Code an. Der Entwickler untersucht das Ergebnis, führt die Validierung durch, passt die Implementierung an und committet und pusht anschließend den genehmigten Code.
- 7.
GitHub Enterprise-Bereitstellungskontrolle
GitHub Enterprise hostet die Repositorien, Agentenressourcen, Anweisungen, Zweige, Pull-Anfragen und den Änderungsverlauf. Es ist die gemeinsame Ausführungsumgebung, die Copilot und die Projektcodegrundlage verbindet.
- 8.
Nachvollziehbarkeit und kontinuierliche Verbesserung
Azure DevOps-Arbeitselemente können die primäre und sekundäre KI-Nutzung erfassen, während GitHub Copilot-Daten Informationen zur plattformweiten Nutzung liefern. Diese Quellen helfen dem Team, häufig verwendete Szenarien zu identifizieren und Anweisungen, Skills und Agenten-Workflows zu verbessern. Die endgültigen Codeentscheidungen liegen weiterhin beim Entwickler.
Die Wichtigsten Merkmale
Projektbezogene Unterstützung
Copilot erhält Repository-Regeln und aufgabenspezifische Vorgehensweisen, anstatt sich ausschließlich auf Entwicklereingaben zu verlassen.
Vernetzter Bereitstellungskontext
Der konfigurierte MCP-Zugriff ermöglicht es den Agenten, während der Untersuchung und Implementierung relevante Projektsysteme zu konsultieren.
Koordinierte Spezialistenarbeit
Der Orchestrator kann die für Änderungen über die Anwendungsschichten hinweg benötigten Rollen zusammenführen.
Nachvollziehbare, geprüfte Ergebnisse
KI-gestützte Arbeit wird in der Aufgabe protokolliert. Der vorgeschlagene Code wird weiterhin vom Entwickler geprüft.
Visualisierung
Was der Kunde Erhalten Hat
Die Endergebnisse demonstrieren die wertvollen Vorteile KI-gestützter Softwareentwicklung.
! Hinweis. Die Entwicklerprüfung bleibt der entscheidende Kontrollpunkt, bevor eine vorgeschlagene Änderung das Produkt erreicht.
Copilot nutzt Repository-Informationen und Projektwissen, um die Arbeit am eigentlichen Quellcode zu unterstützen.
Agentendefinitionen organisieren die Unterstützung für Frontend, Backend, API, CRM, Azure Funktionen, Mobile und Qualitätssicherung.
Die Skills vereinfachen wiederkehrende Untersuchungen, Onboarding-Prozesse, DevOps-Aktivitäten und Prüfungen.
Arbeitselementfelder erfassen die Art der verwendeten KI-Unterstützung und bieten dem Team so eine Grundlage für die Bereitstellungsanalyse.
Zusammenfassung
Das deutsche Automobilprojekt hat ein strukturiertes, KI-gestütztes Entwicklungs-Ökosystem etabliert, das Azure DevOps, GitHub Enterprise, GitHub Copilot, VS-Code, spezialisierte Agenten, wiederverwendbare Skills und MCP-Integrationen integriert. Azure DevOps verwaltet Anforderungen und Akzeptanzkriterien, während GitHub Enterprise Code, Anweisungen, Agentenressourcen, Pull-Anfragen und Änderungshistorie hostet.
Der zentrale Copilot-Orchestrator koordiniert spezialisierte Agenten in Entwicklung und Qualitätssicherung und nutzt den Projektkontext, um Pull-Request- oder lokale VS-Code-Workflows zu unterstützen.
Wiederverwendbares Projektwissen, von Entwicklern geprüfte Änderungen und die Nachverfolgung der KI-Nutzung ermöglichen eine konsistente, nachvollziehbare Bereitstellung und kontinuierliche Verbesserung bei gleichzeitiger Wahrung der menschlichen Kontrolle.
Materialien, die Sie interessieren Könnten
- KI-Assistenzdienst
- Microsoft KI-Fallstudien
-
Blogartikel über KI-Entwicklung mit der Power Plattform, Copilot, und Azure AI
Wenn Sie weitere Informationen zur KI-Infrastruktur benötigen oder eine kostenlose Beratung durch professionelle KI-Experten wünschen, kontaktieren Sie gerne unser UDS Systems-Team.