Inhalt des Kapitels

KAPITEL 3

Workday Illuminate™: Transformation der Arbeit durch KI

KI verändert unser Leben und Arbeiten. Mit der Automatisierung von Routineaufgaben und der Unterstützung schnellerer Entscheidungen hilft KI Menschen dabei, ihr ganzes Potenzial im Arbeitsalltag zu nutzen. Bei Workday sind wir davon überzeugt, dass erfolgreiche KI einen strategischen, mitarbeiterorientierten Ansatz voraussetzt. Dafür müssen wir den Schwerpunkt auf präzise, wertorientierte Ziele, hochwertige Daten und eine durchdachte Benutzererfahrung legen, aber gleichzeitig Sicherheit, Datenschutz und erklärbare KI priorisieren. Unsere Investitionen in KI begannen 2014 mit der Übernahme von Identified, einem Unternehmen für analysegestützte Recruiting-Software. Und so wie sich KI weiterentwickelt, werden wir auch unsere Strategie fortlaufend erweitern.

KAPITEL 3

Workday Illuminate™: Transformation der Arbeit durch KI

Die Verwendung von KI in Ihren Workflows

Workday Illuminate™ ist die nächste Generation Workday-KI, deren Mehrwert sich in zahlreichen realen Szenarien zeigen wird. Anders als herkömmliche große Sprachmodelle (Large Language Models, LLMs), die mit öffentlichen Internetdaten trainiert werden und häufig ungenaue oder irrelevante Ergebnisse liefern, greift Workday Illuminate auf ein großes, stetig wachsendes Dataset an HR- und Finanzen mit 800 Milliarden Transaktionen von mehr als 70 Millionen Endanwendern zurück. Workday Illuminate beschleunigt Ihre Workflows, unterstützt Ihre Teams und transformiert Ihr Unternehmen. Dieser kombinierte Ansatz bringt Ihnen noch größere Vorteile und maximiert Ihren ROI.

Beschleunigen

Automatisieren Sie manuelle Abläufe in Workday und verbessern Sie die Produktivität durch traditionelles Machine Learning und generative KI. Diese intuitive Form der KI ermöglicht Anwendern, ihre Aufgaben schneller zu erledigen. Sie steigert die Produktivität und senkt die Kosten, damit sich Anwender auf anspruchsvollere Aufgaben konzentrieren können. Die schnellere Inhaltserstellung und die Zusammenfassung von Stellenbeschreibungen, Knowledge Base-Artikeln und Verträgen sind nur einige Beispiele dafür, wie generative KI-Funktionen die Prozesse beschleunigen können. Diese Kategorie übernimmt zudem die Automatisierung von Aufgaben wie Anomalieerkennung, Vorhersagen für die Ressourcenplanung und Belegerfassung mittels optischer Zeichenerkennung (OCR).

Unterstützen

Vereinfachen Sie die Erledigung von Aufgaben in Workday. Durch eine Kombination aus traditionellem Machine Learning und generativer KI schafft Workday ein interaktives, kontextsensitives Benutzererlebnis. So erhalten Sie während Ihrer Arbeit und zum richtigen Zeitpunkt kontinuierliche Unterstützung in natürlicher Sprache. Der Workday Assistant hilft Ihnen beispielsweise dabei, schnell nach Informationen zu suchen, sodass Sie entweder direkt handeln oder nützliche Einblicke und Empfehlungen für bessere Entscheidungen geben können. Dadurch können Sie sich auf die strategischeren und kreativeren Aufgaben konzentrieren, für die Menschen prädestiniert sind.

Transformieren

Transformieren Sie Ihre traditionellen Geschäftsprozesse mithilfe von KI-Orchestrierung vollständig. Hier dient KI nicht nur der Beschleunigung – sie ändert Prozesse und die Interaktion der Beschäftigten mit den Prozessen grundlegend. Zum Beispiel können KI-Agenten Aufgaben antizipieren und selbstständig im Hintergrund abarbeiten, um die menschliche Entscheidungsfindung zu optimieren.

Eine Strategie mit Agents

Die Workday-Vision für KI-Agenten geht weit über die einfache Erledigung von Aufgaben hinaus.

Unsere Agent-Strategie schafft die Grundlage für eine Zukunft, in der Workday – gemeinsam mit unseren Partnern und Kunden – rollenbasierte KI-Agenten entwickelt, die mit flexibel konfigurierbaren Kompetenzen ausgestattet sind und die Menschen bei ihrer Arbeit optimal unterstützen. Diese Agenten könnten einen transformativen Mehrwert bieten, der über eine einfache Automatisierung einzelner Aufgaben hinausgeht. Sehen wir uns drei Beispiele an, die zeigen, wie KI-Agenten kritische Geschäftsprozesse transformieren.

Recruiting Agent

Recruiter sollen Spitzenkräfte für eine Organisation anwerben und akquirieren. Einen Großteil ihrer Zeit verbringen sie aber mit dem Sourcing und der Qualifizierung von Kandidaten. Ein Recruiting Agent kann diesen Prozess optimieren, indem er selbstständig das Sourcing und die Vorauswahl der Kandidaten übernimmt. Dadurch können sich die Recruiter mehr auf die menschlichen Aspekte der Personalbeschaffung konzentrieren, z. B. auf das Beziehungsmanagement und die Interaktion mit Kandidaten und einstellenden Managern.

Ein Recruiting Agent kann zum Beispiel:

Selbstständig geeignete Kandidaten für neue Stellenangebote aus dem vorhandenen Kandidatenpool einer Organisation heraussuchen und in die engere Auswahl aufnehmen
Relevante Daten wie Kompetenzen, Berufserfahrung und Bildungsweg aus Lebensläufen extrahieren
Kandidaten automatisch aussortieren, deren Lebensläufe nicht die Mindestkriterien erfüllen
Eine vorab getroffene Kandidatenauswahl zur Sichtung zusammenstellen
Selbstständig und in Abstimmung mit dem Zeitplan des Interview-Teams Bewerbungsgespräche für geeignete Kandidaten vereinbaren
Wichtige Erkenntnisse aus dem Personalbeschaffungsprozesses sammeln und Kennzahlen gewinnen, die Bereiche mit Verbesserungspotenzial aufzeigen

Schichtplanungs-Agent

Für Organisationen mit Frontline-Mitarbeitern ist die strategische Schichtplanung unverzichtbar. Sie garantiert eine optimale Personaldeckung und beugt zugleich Burnout-Risiken vor. Durch den Einsatz eines Schichtplanungs-Agenten können Organisationen große Teile des Prozesses mithilfe von KI automatisieren und dadurch Fehler reduzieren sowie eine bessere Personaldeckung gewährleisten. Ein Planungs-Agent orchestriert mehrere KI-Modelle, um das richtige Personal zum richtigen Zeitpunkt am richtigen Ort einzusetzen. Dadurch können nicht nur Überstundenkosten reduziert, sondern auch die Effizienz der Filialen sowie die Zufriedenheit von Kunden und Belegschaft gleichermaßen verbessert werden.

Im Handelsbereich kann ein Schichtplanungs-Agent zum Beispiel:

Zur Prognose des Personalbedarfs historische Daten, Warenabfluss und andere Faktoren analysieren
Mitarbeiterverfügbarkeit, Rollen und Fachwissen mit dem prognostizierten Bedarf abgleichen, um die erforderliche Abdeckung jeder Schicht zu gewährleisten
Einhaltung arbeitsrechtlicher Vorgaben wie Höchstarbeitszeiten und Pflichtpausen überprüfen sowie eine gerechte Verteilung der Schichten auf die Mitarbeitenden sicherstellen
Schichtleitern schnell Zeitplananpassungen vorschlagen, um Ressourcen neu zuzuweisen und eine optimale Abdeckung zu gewährleisten, wenn es unerwartete Abwesenheiten oder plötzliche Änderungen im Kundenaufkommen gibt
Kontinuierlich Daten zu Mitarbeiter-Performance, Abteilungs-Performance sowie Zeitpräferenzen der Mitarbeiter erfassen und diese Erkenntnisse zur Optimierung und Verfeinerung künftiger Schichtpläne nutzen

Quartalsabschluss-Agent

Für Finanzabschlüsse müssen zahlreiche Aufgaben erfolgreich ausgeführt werden. Ein KI-Agent ermöglicht die Optimierung und Beschleunigung des Abschlussprozesses, minimiert Fehler, sichert die Einhaltung von Vorschriften, reduziert Betriebskosten und bietet Echtzeitanalysen für eine verbesserte Entscheidungsfindung.

Beispielsweise kann ein Quartalsabschluss-Agent:

Finanzdaten aus Kontoauszügen, Spesenabrechnungen und weiteren Finanzdokumenten automatisch erfassen und Transaktionen kontenübergreifend abgleichen – Unstimmigkeiten werden dabei erkannt und zur weiteren Überprüfung markiert
Ausgaben und Einnahmen exakt kategorisieren, diese den korrekten Konten zuordnen und Rechnungen mit entsprechenden Bestellungen und Belegen verknüpfen und damit die genaue Erfassung und Überprüfung sämtlicher Finanzströme sicherstellen
Regelmäßige Journaleinträge (z. B. für Abschreibungen, Amortisierungen und Rückstellungen) erstellen und verbuchen unter Wahrung der Rechnungslegungsstandards und Ausarbeitung von Korrekturempfehlungen bei Unregelmäßigkeiten und Fehlern
Kontinuierliche Audits von Finanzdaten durchführen, um potenzielle Unregelmäßigkeiten oder Betrugsfälle schnell zu identifizieren und um sicherzustellen, dass alle Finanzunterlagen die relevanten Vorschriften und Rechnungslegungsstandards erfüllen
Wichtige Finanzaufstellungen wie Bilanzen, Gewinn- und Verlustrechnungen sowie Cashflow-Aufstellungen generieren zur zeitnahen Vorlage an das Management und externe Auditoren
Varianzanalysen durchführen, in denen tatsächliche Ergebnisse mit Prognosen verglichen werden und die wertvolle Erkenntnisse über alle Abweichungen liefern
Workflow der Abschlussaufgaben managen, Verantwortlichkeiten an Teammitglieder delegieren und Fortschritt jeder Aufgabe im Blick behalten
Review- und Genehmigungsprozess durch umfassende Berichte und Erkenntnisse für Finanzmanager unterstützen und sicherstellen, dass alle notwendigen Maßnahmen vor der endgültigen Abschlusserstellung vollständig umgesetzt werden

Workday Agent System of Record

KI-Agenten können Details der Umgebung erfassen, komplexe, mehrstufige Aufgaben verarbeiten und durchdenken sowie Aufgaben ausführen, um bestimmte Ziele zu erreichen. Dadurch kann sich Mitarbeiterinnen und Mitarbeiter auf Aufgaben konzentrieren, die von typisch menschlichen Qualitäten profitieren, beispielsweise von Gesprächen, die Einfühlungsvermögen und emotionale Intelligenz erfordern. Mit der zunehmenden Zahl an KI-Agenten wird Ihre digitale Belegschaft wachsen und benötigt Managementstrukturen, genau wie Ihre Belegschaft aus Mitarbeitern und Auftragnehmern.

Von Anfang an hat Workday das Management Ihrer Belegschaft aus fest angestellten und externen Mitarbeitern und nun auch aus digitalem Personal erleichtert. Workday Agent System of Record fungiert als Single Source of Truth für die Entwicklung und Steuerung von KI-Agenten, die in Ihrer gesamten Belegschaft eingesetzt werden. Mit dem Workday Agent System of Record Command Center werden KI-Agenten gesteuert, gemanagt, gemanagt und überwacht, sodass Führungskräfte im Business- und IT-Bereich sehen können, wie Agenten mit Menschen kooperieren, Arbeitsabläufe beeinflussen und messbaren Mehrwert generieren.

Zu den wichtigen Funktionen von Workday Agent System of Record gehören:

Agent-Entwicklung: Entwickeln und individualisieren Sie Agenten mithilfe von Workday Extend, um eine einfache Integration mit führenden KI-Plattformen und Agenten von Drittanbietern zu ermöglichen.
Zentralisiertes Management: Integrieren Sie alle Ihre Agenten, unabhängig von deren Ursprung, in ein einheitliches System of Record und vereinfachen Sie dadurch die Registrierung, Überwachung, Verwaltung und Kontrolle der gesamten digitalen Belegschaft.
Agent-Onboarding: Beschleunigen Sie das Onboarding von Agenten für eine unmittelbare Einsatzbereitschaft – mit festgelegten Kompetenzen, zugewiesenen Rollen und angemessenem Zugang zu unternehmensspezifischem Wissen.
Agent-Orchestrierung: Verbinden Sie Agenten von Workday und Drittanbietern für eine effektive Zusammenarbeit und zielgerichtete Aktionen – beispielsweise durch die Verbindung isolierter Datenquellen und die gemeinsame Nutzung von Lösungen für komplexe Analyseaufgaben.
Agent-Deployment: Gestalten Sie das Deployment von Agenten nahtlos mit automatisierter Konfiguration, Zugriffskontrolle und Richtlinienumsetzung für eine sichere und konforme Einführung.
Agent-UX mit „Human-in-the-Loop“-Ansatz: Binden Sie Agenten fließend in den natürlichen Arbeitsprozess ein und nutzen Sie Workday Assistant als menschliche Kontrollinstanz und primäre Oberfläche für Interaktionen mit Agent-Funktionen.
Governance und Reporting: Sorgen Sie für Compliance und Transparenz durch umfassende Berichte, Audits und genaue Einblicke in die Performance.

Je mehr KI-Agenten von Workday, unseren Kunden und Partnern entwickelt werden, desto dynamischer wird sich auch unsere Agente-Strategie weiterentwickeln. Auf unserer Seite zu KI-Agenten finden Sie die neuesten Updates.

Workday und eine differenzierte KI-Basis

Abb. 3-1 Das KI-Viertel auf dem Stadtplan

Um die Vision von Workday Illuminate zu verwirklichen, hat Workday KI in die Architektur unserer Kernanwendungen eingebunden, wie im Stadtplan dargestellt. Dadurch können KI-Lösungen direkt in Workday-Anwendungen zum Einsatz gebracht werden, ohne eine separate DIY-Toolbench zu benötigen, die ein IT-Team zur Beschaffung, Anpassung und Verwaltung erfordert. Unsere Plattform basiert auf einer einheitlichen KI-Technologiegrundlage. Damit können wir KI für zahlreiche HR-, Finanz- und Beschaffungsfälle entwickeln und bereitstellen und gleichzeitig neue KI-Funktionen nahtlos einbinden – ohne Anwendungen neu strukturieren oder entwickeln zu müssen. Dies garantiert, dass unsere KI für sämtliche Workday-Kunden simultan skalierbar ist. Komplexe Upgrades, langwierige Implementierungen oder Zusatzkosten sind Vergangenheit. Für sofortigen Mehrwert aktivieren Kunden KI-Funktionen mit nur einem Klick über ein zentrales Dashboard in ihrem Mandanten, das transparent aufzeigt, welche Daten für jede KI-Funktion verwendet werden.

Doch selbst mit der fortschrittlichsten Technologiebasis ist KI nur so leistungsfähig wie die Qualität und Relevanz der Daten, mit denen sie arbeitet. Zur weiteren Differenzierung des Mehrwerts von Illuminate besitzt Workday den weltweit größten und hochwertigsten Bestand an HR- und Finanzdaten. Mit über 70 Millionen Endanwendern und jährlich mehr als 800 Milliarden Transaktionen (alle in einem einheitlichen Datenmodell) erzielen wir noch präzisere, relevantere und organisationsspezifischere Resultate.

Mit der geeigneten Datenbasis besteht der nächste Schritt darin, der KI den nötigen Business-Kontext zu vermitteln. So lassen sich Optimierungspotenziale in einzelnen Prozessen erschließen und letztlich ganze Geschäftsfunktionen transformieren. Durch monatlich mehr als 72 Millionen Geschäftsprozesse kennt Workday den früheren und aktuellen Geschäftskontext unserer Daten. Dazu gehört zum Beispiel Kontext zu Geschäftsprozessen, Aufgaben, Daten, Anwenderinformationen und Dialogaufforderungen.

Als Nächstes führen wir Sie durch die eigentliche Architektur von Workday Illuminate, bevor wir abschließend zeigen, wie wir mithilfe verantwortungsvoller KI (RAI) ethische Standards in Workday Illuminate umsetzen.

KI integriert: Die Architektur von Workday Illuminate

Workday hat eine robuste, anpassungsfähige und sichere Architektur für die Entwicklung, die Tests und das Deployment von KI konzipiert. In diesem Kapitel werden die verschiedenen Bereiche der KI-Architektur in Workday untersucht. Darüber hinaus wird beschrieben, wie die einzelnen Bestandteile funktionieren und welche Bedeutung sie haben. Die Architektur besteht aus folgenden Kernbereichen:

LLM-Gateway
Modellkatalog
LLM-Inferenz und Feinabstimmung
Retrieval-Augmented Generation (RAG)
Datenzugriff, Pipeline und Speicher
Client-Zugriff (XpressO, Workday Extend/Workday AI-Gateway)
GenAI Studio und LLM Playground

Workday Illuminate-Architektur

Abb. 3-2 Workday Illuminate-Architektur

Wichtige Begriffe

Bevor wir uns mit der Funktionsweise der Architektur befassen, sollten wir einige allgemeine Begriffe definieren.

Basismodell: Ein großes Sprachmodell (LLM), das anhand enormer Datenmengen trainiert wurde, um menschliche Sprache zu interpretieren und zu generieren. Stellen Sie sich das Ganze als die grundlegende KI-"Intelligenz“ vor. Beispiele hierfür sind OpenAI GPT-4o und Google Gemini Pro 1.5.
Parameter: Ein numerischer Wert zur gezielten Steuerung bestimmter Verhaltensweisen des Modells. Diese Modelle arbeiten mit Millionen oder sogar Milliarden von Parametern, wodurch sich ihre Funktionen präzise justieren lassen.
Training: Der Prozess, in dem das Basismodell mithilfe großer Mengen an Textdaten „unterrichtet“ wird. So lernt das Modell, Sprache zu verstehen und zu erzeugen.
Feinabstimmung: Anpassung eines Basismodells für bestimmte Aufgaben durch weiteres Training mit einem kleineren, gezielteren Dataset. Das entspricht einer gezielten Spezialisierung der Kompetenzen des Modells.
Anwendungsfall: Eine gezielte Nutzung von KI in der Workday-Umgebung, unterstützt durch ein feiner abgestimmtes Modell. Beispiele hierfür sind Workday Q&A Generation sowie Workday Document Intelligence.
KI-Adaptor: Die benutzerdefinierte Version eines Anwendungsfalls, feinabgestimmt zur Erfüllung der konkreten Bedürfnisse eines Kunden.
Prompt: Der Input für ein LLM, der als Frage, Befehl oder Textabschnitt formuliert sein kann.
Chunking: Die Segmentierung großer Dokumente oder Datasets in kleinere, überschaubare Abschnitte, die von der KI effizienter verarbeitet werden können.
Grounding: Verifizierung, dass die Ausgabe des LLM exakt und relevant für den vorgegebenen Prompt und Kontext ist. Dadurch wird sichergestellt, dass die KI ihre Aufgabe fokussiert erfüllt.

Sehen wir uns nun die in Workday implementierte KI-Architektur an.

Die Architektur von Workday Illuminate: Das LLM-Gateway

Als zentraler Hub der Workday Illuminate-Architektur bietet das LLM-Gateway eine Vielzahl von Services und einen zentralen Zugangspunkt für alle Workday-Entwickler und -Kunden. Es liefert die benötigte DevOps-Infrastruktur mit den jeweils aktuellen KI-Modellen und Lösungen, wodurch KI von allen nahtlos genutzt werden kann. Das Gateway umfasst Demo-Umgebungen, Deployment-Umgebungen und APIs für externe Integrationen, damit Entwickler neue Funktionen unkompliziert testen und perfektionieren können. Sie ermöglicht XpressO den Zugriff auf jede eingeführte KI-Technologie. Das LLM-Gateway bietet Workday außerdem die Möglichkeit, den Zugriff auf Daten und Modelle zu steuern. Dadurch können Datenlecks sowie böswillige Zugriffe verhindert und gleichzeitig die externen Kosten für den Zugriff auf Drittanbieter-LLMs minimiert werden.

Das LLM-Gateway sorgt für die Aktivierung der Workday-Mandanten und lässt zu, dass alle Kunden im ihren Workday-Deployments auf das Gateway zugreifen können. Es ist für die Ressourcenzuteilung zuständig und ermöglicht die bedarfsgerechte dynamische Skalierung interner Services. Das Gateway enthält ausführliche Protokollierungsmöglichkeiten für lückenlose Audits. Es stellt außerdem APIs zur Verfügung, sodass Entwickler und Kunden KI mithilfe von Lösungen wie Workday Extend und XpressO in alle Komponenten der Workday-Plattform integrieren können.

KI-Modellkatalog: Leistungsfähigkeit von Workday durch innovative KI steigern

Angesichts der schnellen Entwicklung neuer KI-Modelle ist der Modellkatalog der dynamischste Teil der KI-Architektur. Alle Modelle können über das LLM-Gateway abgerufen werden. Damit erhält jede Person, die bei Workday oder bei externen Anbietern an KI-Funktionen arbeitet, über eine zentrale Plattform uneingeschränkten Zugriff auf die neuesten Modelle. Dazu gehören auch generative LLMs und Machine Learning-Algorithmen, die in der gesamten Workday-Plattform für Aufgaben wie statistische Analysen und prädiktive Schlussfolgerungen eingesetzt werden.

Der Katalog umfasst auch Lösungen externer Anbieter, beispielsweise Llama Guard zur Moderation von Inhalten. Dadurch wird gewährleistet, dass sowohl Ein- als auch Ausgaben generativer LLMs in angemessener Sprache erfolgen. Darüber hinaus sind Analyse- und Bewertungslösungen integriert, die eine Quantifizierung der Modellgenauigkeit während Training und Feinabstimmung ermöglichen.

Für einen verantwortungsvollen Einsatz von KI enthält der Modellkatalog entsprechende Grounding- sowie Nachbearbeitungsprozesse. Dadurch wird sichergestellt, dass die Ausgabe des Modells den Erwartungen entspricht. Falls ein Kunde beispielsweise eine generative LLM-Anfrage im Zusammenhang mit einem privaten Rechtsvertrag nutzt, stellt das LLM-Gateway sicher, dass die vom LLM generierte und angezeigte Ausgabe tatsächlich im betreffenden Vertrag vorhanden ist. Dieser Vorgang schränkt Halluzinationen und schädliche Prompt-Injektionen ein. Workday verwendet zwar gelegentlich Modelle von Drittanbietern, sensible Kundendaten werden jedoch niemals nach außen weitergegeben. Für diese Fälle werden Modelle verwendet, die für optimalen Schutz innerhalb des LLM-Gateways selbst gehostet werden.

LLM-Inferenz und Feinabstimmung für effiziente KI

Obwohl der Modellkatalog als dynamischstes Element der Workday Illuminate-Architektur gilt, sind LLM-Inferenz und Feinabstimmung zweifellos ihre wichtigsten Bereiche. Dieser Prozess managt die Datenhoheit, Genauigkeit und Effizienz. Die Verwendung eines Basismodells, das oft Milliarden Parameter zur Ausgabegenerierung für alle Aufgabenstellungen enthält, ist sowohl kosten- als auch zeitaufwendig. Es ist beispielsweise ineffizient, mit massiver Rechenleistung ein LLM mit 80 Milliarden Parametern durchzuarbeiten, nur um kleine Details aus einem 250-seitigen Rechtsvertrag zu erhalten. Darüber hinaus könnte die Bereitstellung sensibler Daten (z. B. ein Rechtsvertrag) in einem öffentlichen Modell oder einem Modell eines Drittanbieters ein Sicherheitsrisiko darstellen.

Um dieses Problem zu lösen, nutzt Workday die Basismodelle aus dem Modellkatalog und passt sie für kleinere, spezifischere Anwendungsfälle an. Dadurch wird die Zahl der Parameter von Milliarden auf Millionen reduziert, was wiederum effizientere, auf die jeweiligen Anforderungen und Kontexte zugeschnittene Modellen ergibt. Kunden verfeinern diese Modelle mithilfe ihrer eigenen urheberrechtlich geschützten Datasets, die in ihrem eigenen Mandanten sicher isoliert sind, und unter Nutzung der Retrieval-Augmented Generation (RAG) weiter. Im nächsten Abschnitt erfahren Sie mehr dazu. Dadurch wird eine einzelne, isolierte Instanz generiert: der KI-Adapter.

KI-Adapter werden für spezifische Anwendungsfälle in den aktiven Arbeitsspeicher geladen. Jedem Anwendungsfall ist ein eigener Rechenknoten mit dediziertem Speicher und separaten GPU-Ressourcen zugewiesen. Diese Knoten funktionieren in einer dualen, Aktiv-Aktiv-Konfiguration, die einen automatischen Schutz bei Systemausfällen bietet. Bei Bedarf wird das System außerdem um zusätzliche Knoten erweitert.

Feinabstimmung

Abb. 3-3 Managen Sie Genauigkeit, Effizienz und Datenhoheit durch Feinabstimmung.

Im Wesentlichen ist der KI-Adapter ein kleineres, fein abgestimmtes Modell, das schnell geladen und verarbeitet und danach wieder aus dem aktiven Speicher entfernt werden kann. Wichtig dabei ist, dass der Kunde seine sensiblen Daten im RAG-Speicher immer selbst kontrolliert.

Retrieval-Augmented Generation (RAG)

RAG verbessert große Sprachmodelle, indem es spezifische Dokumente einbezieht, um den Kontext bei Prompt-Antworten einzugrenzen. Dies ist für den Umgang mit sensiblen Informationen unerlässlich. Wenn ein Kunde zum Beispiel eine Frage über einen Stapel gespeicherter Rechnungen stellen möchte, kann er nicht zu einem öffentlichen LLM wie ChatGPT gehen. Denn dadurch würden interne Daten für externe Lösungen zugänglich gemacht, was ein Sicherheitsrisiko darstellt.

Der RAG-Prozess gliedert sich in vier Hauptschritte:

Prompt-Eingabe. Der Anwender gibt die Frage in das LLM ein.
Chunking. Das System identifiziert und filtert die relevanten Bereiche innerhalb der Dokumente.
Antwortgenerierung. Der KI-Adapter verarbeitet den Prompt im Kontext der ausgewählten Daten und generiert eine Antwort.
Grounding. Die Antwort wird gefiltert und für Transparenz und Genauigkeit mit eindeutigen Quellenangaben der Dokumente versehen, die zur Beantwortung der Frage verwendet wurden.

Datenzugriff, Pipeline und Speicher in Workday Illuminate

Wenn es um KI und Ihre Daten geht, stellen sich drei zentrale Fragen:

Wo werden die Daten gespeichert?
Wer hat Zugriff auf die Daten?
Wie werden die Daten verwendet?

Workday legt höchsten Wert auf Datensicherheit und Datenschutz. Alle Kundendaten werden in isolierten mandantenspezifischen Buckets auf Amazon Simple Storage Service (Amazon S3) gespeichert. Diese Architektur sorgt für eine strikte Datentrennung und verhindert die Vermischung von Informationen zwischen verschiedenen Kunden.

Für zusätzlichen Datenschutz erzwingt Workday strenge Zugriffskontrollen:

Nur autorisiertes Personal. Kundendaten sind nur für autorisierte Workday-Mitarbeiter mit speziellen Rollen und Aufgaben zugänglich, z. B. Mitarbeiter in Machine Learning-Abläufen oder im Kundensupport. Unsere Mitarbeiter werden durch formale Weiterbildung und Zertifizierungen qualifiziert, um vertrauliche Informationen nach strengen Sicherheits- und Datenschutzvorgaben zu verarbeiten.
Vollständige Auditierbarkeit. Alle Datenzugriffe und Datenverarbeitungen werden akribisch und lückenlose in Protokollen dokumentiert, um Nachvollziehbarkeit und Transparenz zu gewährleisten. Diese Protokolle erfassen, welche Personen wann und für welche Aktion auf die Daten zugegriffen haben.
Keine doppelten Daten. Daten, die für das Training und die Feinabstimmung von KI-Modellen verwendet werden, werden niemals dupliziert. Damit wird eine Single Source of Truth sichergestellt und die Datenintegrität in der jeweiligen Mandantenumgebung gewahrt. Workday setzt Techniken wie Differential Privacy und föderales Lernen ein, um Modelle mit Daten zu trainieren, ohne diese zu kopieren.

Durch diesen strengen Ansatz wird sichergestellt, dass Ihre Daten im Rahmen des Workday Illuminate Frameworks geschützt bleiben und vertraulich sowie verantwortungsbewusst behandelt werden.

Entwicklung von KI-Anwendungen mit XpressO, Workday Extend und dem Workday AI-Gateway

Es gibt zwei primäre Möglichkeiten, das LLM-Gateway innerhalb der Workday-Plattform zu nutzen:

XpressO. Diese Methode ermöglicht es Workday-Entwicklern, KI-Funktionen per API nahtlos in das Workday-Kernprodukt zu integrieren. Durch die flexible Architektur des LLM-Gateways lassen sich diese KI-Funktionen direkt in verschiedene Anwendungen und Funktionen in der Plattform implementieren. Das heißt, dass Workday keine separate KI-Lösung hat. Stattdessen sind KI-Fähigkeiten tief in die Architektur der Workday-Plattform eingebettet.
Workday Extend kombiniert mit dem Workday AI-Gateway. Dieser Ansatz ermöglicht es Kunden, ihre eigenen benutzerdefinierten Anwendungen zu entwickeln und das funktionale Potenzial von Workday mit KI zu erweitern. Während Workday Extend vielfältige Entwicklungsfunktionen bietet, können Kunden mit dem Workday AI-Gateway innovative Apps erstellen, die die Stärken von LLMs und weiteren KI-Modellen optimal nutzen. (Workday Extend wird in Kapitel 6 ausführlicher vorgestellt.)

Workday interne KI-Lösungen: GenAI Studio und LLM Playground

GenAI Studio und der LLM Playground sind wichtige Komponenten der Workday Illuminate-Architektur. Diese internen Lösungen sind für Kunden zwar nicht direkt zugänglich, dennoch sind sie für die Weiterentwicklung der KI bei Workday enorm wichtig. Sie schaffen eine Umgebung, in der Workday-Entwickler neue KI-Funktionen ausprobieren, entwickeln und testen können.

GenAI Studio und LLM Playground bieten Entwicklern Zugang zu den neuesten KI-Modellen, Lösungen und Ressourcen und ermöglichen ihnen damit Folgendes:

Agile Prototypenerstellung und iterative Weiterentwicklung neuer und verbesserter KI-Funktionen
Erkundung wegweisender KI-Einsatzmöglichkeiten auf der gesamten Workday-Plattform
Effizientere Entwicklung und Einführung von KI-Lösungen

Diese Lösungen sind maßgeblich für die laufenden Bemühungen von Workday, Produkte und Services mit zukunftsweisende KI-Funktionen zu verbessern.

Das Workday-Konzept zum Schutz Ihrer Daten durch KI-gestützte Sicherheit

Viel zu oft wird bei Diskussionen über KI und Datensicherheit davon ausgegangen, dass sich beide gegenseitig ausschließen. Nach 10 Jahren Entwicklung und Bereitstellung hochwertiger KI-Funktionen hat Workday jedoch bewiesen, dass diese Annahme falsch ist. Mit dem richtigen Konzept und herausragender Technik können Kundendaten abgesichert werden, ohne Kompromisse bei Mehrwert und Effizienz der KI im Unternehmen machen zu müssen.

Für das Training von KI-Modellen hat Workday mehrere Sicherheitskonzepte entwickelt und wählt für jeden Anwendungsfall und jede Funktion die am besten geeignete Methode aus. Das Konzept richtet sich in erster Linie nach der Sensibilität des Anwendungsfalls und der dazugehörigen Daten. Anschließend wird diese Entscheidung durch eine Risikobewertung validiert. Auch wenn es für jede Funktion ein spezifisches und passendes Sicherheitskonzept gibt, können die meisten in drei Kategorien eingeteilt werden:

1. Unternehmensspezifische Modelle

Einige Anwendungsfälle – etwa die Gewinnung unternehmensspezifischer Erkenntnisse und die Identifikation von Unregelmäßigkeiten in Buchhaltungsdaten (beispielsweise Journaleinblicke) – enthalten proprietäre und sensible Daten, bei denen jedes potenzielle Datenleckrisiko absolut inakzeptabel ist. Außerdem bringt es keine Vorteile, wenn ein KI-Modell auf der Basis der Finanzdaten anderer Organisationen trainiert wird, da die resultierenden Erkenntnisse weder auf andere Kunden anwendbar noch für diese relevant sind. Für diese Szenarien passt Workday kleinere Basismodelle gezielt an, um mandantenspezifische Antworten bereitzustellen. Jeder Mandant erhält ein eigenes, isoliertes Modell, wodurch der Abfluss von Daten zwischen den Mandanten verhindert wird.

2. Feinabstimmung auf gemeinsam genutzten großen Modellen

Bestimmte HR- und Finanzdaten sind nicht sensibel (öffentlich einsehbare Stellenbeschreibungen sind mit hoher Wahrscheinlichkeit bereits Teil der Trainingsdaten von großen Sprachmodellen). Die Funktion „Stellenbeschreibungen generieren“ arbeitet beispielsweise mit einem einzigen Basismodell, das durch öffentlich zugängliche Stellenbeschreibungen optimiert wurde. Dieses Modell wird von verschiedenen Mandanten gemeinsam genutzt. Die KI-generierten Ausgaben sind unternehmensspezifisch und basieren auf den vom Anwender definierten Parametern für die Rolle. Da für das Training ausschließlich nicht sensible, öffentlich zugängliche Daten genutzt werden, ist keine solche Modellisolierung erforderlich. Ein gemeinsam genutztes Modell, das mit öffentlichen Daten trainiert wurde, steigert die Qualität der Ausgabe erheblich.

3. Gemeinsam genutztes LLM ohne vollständiges Neutraining

Ebenso wie Journaleinblicke umfassen unternehmensspezifische Wissensdatenbanken sensible Daten, die für das Training eines gemeinsam genutzten Modells ungeeignet sind. Um die Komplexität mehrerer Sätze unstrukturierter Daten zu bewältigen und relevante Ausgaben zu generieren, ist jedoch ein LLM erforderlich.

Workday nutzt RAG, wobei zunächst ein offenes LLM mit öffentlichen, nicht proprietären Daten für einen spezifischen Anwendungsfall optimiert wird. Für das Training dieses KI-Modells werden ausschließlich minimierte und anonymisierte Daten verwendet. Dann wird für jeden Mandant eine Vektordatenbank mit ausschließlich mandantenspezifischen Daten erstellt, um das fein abgestimmte LLM zu ergänzen. Wenn ein Anwender zur Runtime einen Prompt eingibt, wird dieser anhand der mandantenspezifischen Vektordatenbank und des fein abgestimmten LLM verarbeitet. So entsteht eine hochwertige, organisationsspezifische Ausgabe. Die Verwendung ausschließlich unternehmensspezifischer Daten zur Runtime schützt vor Datenlecks zwischen den Mandanten. Zudem verbindet das gemeinsam genutzte LLM keine unternehmensspezifischen Daten und „lernt“ nicht aus den Prompts oder generierten Ausgaben.

Ähnliche Konzepte implementieren LoRA-Adapter (Low Rank Adaptation) und liefern mit einem anderen technischen Ansatz vergleichbare Ergebnisse. Diese Techniken sind eine Antwort auf die Herausforderung massiver LLMs, bei denen ein Neutraining oder eine Feinabstimmung für mandantenspezifische Modelle unpraktisch ist. RAG und LoRA-Adapter ermöglichen eine sichere, mandantenübergreifende Nutzung gemeinsamer LLMs und stellen dabei mandantenspezifische Ergebnisse sicher.

Neben diesen auf spezifische Anwendungsfälle zugeschnittenen Datenschutzmaßnahmen führt Workday wichtige KI-Sicherheitsmaßnahmen für Workday Illuminate ein:

Die Daten werden niemals zum Trainieren öffentlicher Modelle von Drittanbietern weitergegeben.
Die Daten werden bei der Übertragung und im Ruhezustand immer verschlüsselt.
Die regionale Daten-Compliance (Datenresidenz in Training und Inferenz) wird in jeder Region gewährleistet.
Die KI-Funktionen können so konfiguriert werden, dass bestimmte Standorte oder Anwendergruppen ausgeschlossen werden.

Ansätze für das sichere Trainieren von Modellen

Unternehmensspezifische Modelle

Feinabstimmung je Unternehmen
Ein Modell pro Mandant
Beispiel: Journaleinblicke

Feinabstimmung auf gemeinsam genutztem LLM

Gemeinsames Modell für alle Mandanten
Nur nicht-sensible Daten
Beispiel: Generierung von Stellenbeschreibungen

Gemeinsam genutztes LLM ohne vollständiges Neutraining

Mandantenspezifische Vektordatenbanken
Keine Vermischung von Daten
Beispiel: Fragen und Antworten

Unternehmensspezifische Modelle

Feinabstimmung je Unternehmen
Ein Modell pro Mandant
Beispiel: Journaleinblicke

Feinabstimmung auf gemeinsam genutztem LLM

Gemeinsames Modell für alle Mandanten
Nur nicht-sensible Daten
Beispiel: Generierung von Stellenbeschreibungen

Gemeinsam genutztes LLM ohne vollständiges Neutraining

Mandantenspezifische Vektordatenbanken
Keine Vermischung von Daten
Beispiel: Fragen und Antworten

Workday wählt den besten Ansatz, um qualitativ hochwertige Ergebnisse zu liefern und gleichzeitig den Schutz und die Sicherheit der Kundendaten zu gewährleisten.

Verantwortungsvolle KI: Der Schlüssel zu nachhaltigen KI-Innovationen im Unternehmen

Ende 2022 eroberte KI mit der Einführung von OpenAI ChatGPT den Verbrauchermarkt. Es folgten schnell zahlreiche Anwendungen, die komplexe Texte, Programmcode, realistische Fotografien und sogar animierte Darstellungen aus einfachen Sprachanweisungen erzeugen können. Diese schnellen Fortschritte brachten allerdings auch Bedenken hinsichtlich Voreingenommenheit, Halluzinationen (d. h. ungenaue und unlogische Ausgaben) sowie der ethischen Konsequenzen immer leistungsstärkerer KI-Lösungen mit sich. Die KI-Revolution hat schon jetzt zu grundlegenden Veränderungen geführt, und ihre Bedeutung wird in Zukunft noch zunehmen.

Organisationen, die KI einsetzen, sollten ihren Umgang mit KI strategisch planen. Nur so können sie nachhaltigen Erfolg sichern und potenzielle Risiken minimieren.

Verantwortungsvolle KI: Geschäftsvorteile durch Innovation mit Integrität

Wir sind überzeugt, dass ein verantwortungsvoller Einsatz von KI nicht nur aus ethischer, sondern auch aus betriebswirtschaftlicher Sicht sinnvoll ist. Ein robustes RAI-Programm bringt zahlreiche Vorteile mit sich, darunter:

Höhere Akzeptanz: Wenn Belegschaft und Kunden Vertrauen in die Fairness, Neutralität und Zuverlässigkeit von KI-Systemen haben, sind sie eher bereit, diese zu akzeptieren und einzusetzen.
Bessere Entscheidungen: RAI-Programme legen den Fokus auf Datenqualität, Fairness und Transparenz, wodurch noch genauere und zuverlässigere KI-Modelle entstehen, die strategische Entscheidungsprozesse maßgeblich unterstützen.
Weniger Risiken: Dank einer aktiven Auseinandersetzung mit potenziellen ethischen und gesellschaftlichen Bedenken lassen sich mit RAI-Programmen Risiken wie Imageschäden, Bußgelder und rechtliche Herausforderungen effektiv eindämmen.
Höhere Agilität: Ein starkes RAI-Framework schafft eine klare und konsistente Herangehensweise an die KI-Entwicklung. So können Organisationen schnell auf neue Herausforderungen und Chancen reagieren.

Bei Workday sind wir der Meinung, dass Innovation nicht auf Kosten der Integrität gehen muss. Mit einem gut strukturierte RAI-Programm hingegen können Unternehmen Risiken rechtzeitig verstehen und minimieren, sodass sie ihre KI-Ziele bedenkenlos und konsequent verfolgen können.

Das Workday-Programm für eine verantwortungsvolle KI: Vertrauen aufbauen, um echten Mehrwert zu generieren

Nach jahrelangem Entwickeln, Testen und Verbessern unseres internen RAI-Konzepts hat Workday ein ganzheitliches und handlungsorientiertes Programm erstellt, das auf vier Grundpfeilern beruht – Prinzipien, Praktiken, Personen und Richtlinien. In den folgenden Abschnitten werden wir jeden Grundpfeiler detailliert betrachten.

Grundpfeiler 1: Die Prinzipien und Werte, die unser Handeln bestimmen.

Workday engagiert sich dafür, stets im Sinne unserer Kunden, ihrer Belegschaft und der größeren Gemeinschaft zu handeln. Seit unserer Gründung sind Grundwerte wie Respekt und Wertschätzung für Personal und Kunden fest in unserem Unternehmen verankert. Wir glauben an Innovation mit Integrität und in diesem Sinne haben wir uns 2019 erstmalig zu einem ethischen KI-Ansatz verpflichtet.

Nach der Etablierung eines dezidierten RAI-Teams im Jahr 2022 haben wir unsere ethischen KI-Prinzipien überarbeitet, um unternehmensweite Transparenz und eine gemeinsame Ausrichtung zu gewährleisten. Bei der Entwicklung verantwortungsvoller und vertrauenswürdiger KI-Lösungen möchten wir die vier folgenden zentralen Prinzipien einhalten:

Erweiterung des menschlichen Potenzials

Wir sind der Meinung, dass KI den Menschen stärken und nicht ersetzen sollte. Wir konzentrieren uns darauf, Kunden und ihre Mitarbeiter beim Einsatz der KI zu unterstützen, damit sie sich anpassen und erfolgreich sein können. Unsere KI-Lösungen reduzieren Routineaufgaben, sodass Zeit für strategische und sinnstiftende Arbeiten bleibt.

Positiver Einfluss auf die Gesellschaft

Wir entwickeln KI, um echte Geschäftsprobleme zu lösen und Menschen zu unterstützen, nicht nur um der Technologie willen. Als führender Anbieter von Enterprise-Cloud-Anwendungen für das Personal- und Finanzwesen lehnen wir KI-Lösungen zur Produktivitätsüberwachung, die in die Privatsphäre der Mitarbeitenden eingreifen, ab. Unser Schwerpunkt liegt stattdessen auf sicheren, mitarbeiterorientierten KI-Lösungen im Einklang mit unseren Grundwerten.

Gewährleistung von Transparenz und Fairness

Anhand eines risikobasierten Ansatzes ermitteln und mindern wir das Risiko von Voreingenommenheit unserer KI-Funktionen. Zudem stellen wir unseren Kunden transparente und umfassende Informationen darüber zur Verfügung, wie unsere KI-Lösungen designt sind, wie sie funktionieren und wie sie trainiert, getestet und überwacht werden.

Einhaltung unserer Verpflichtungen im Bereich Datenschutz und Datensicherheit

Der Schutz der Kunden- und Anwenderdaten hatte für uns seit jeher Priorität. Diese Verpflichtung gilt auch für unsere KI-Technologien. Datenschutz und Sicherheit sind in die Entwicklung und die Architektur jeder KI-Funktion integriert. Beim Training von KI-Modellen wird die Sensibilität von Daten und Anwendungsfällen, die über ein robustes Risikomanagement-Framework ermittelt werden, berücksichtigt.

Grundpfeiler 2: Die Praktiken verantwortungsvoller KI in Workday.

Unsere Leitprinzipien stehen im Mittelpunkt unserer RAI-Überlegungen und bilden die Grundlage für die folgenden Praktiken.

Mitarbeiterorientierung

Um das menschliche Potenzial zu fördern, haben wir Praktiken eingeführt, die sicherstellen, dass bei unseren KI-Lösungen immer der Mensch im Mittelpunkt steht. Unsere Entwicklungsteams verfolgen einen „Human-in-the-Loop“-Ansatz. Das bedeutet, dass wichtige Geschäftsentscheidungen zwar auf Basis von KI-Ausgaben, aber nicht automatisiert getroffen werden. Alle KI-Funktionen werden unter dem Aspekt der Inklusion entwickelt, sodass sie von verschiedenen Anwendern unabhängig von ihrem technischen Know-how und ihrer Sprache genutzt werden können. Zudem achten wir bei der Entwicklung auf Barrierefreiheit. Die Kontrolle über die uns bereitgestellten Daten liegt ausschließlich bei unseren Kunden, nicht bei Workday. Wir kommunizieren klar, wie die Kundendaten für das Training von KI-Modellen eingesetzt werden und holen die ausdrückliche Zustimmung dafür ein. Kunden haben die volle Transparenz und Kontrolle und können KI-Funktionen nach eigenem Ermessen ein- bzw. ausschalten. Darüber hinaus haben sie granulare Kontrollmöglichkeiten, um KI-Funktionen für bestimmte Standorte oder Tätigkeitsprofile zu deaktivieren.

Transparenz und Nachvollziehbarkeit

Um Transparenz in unserem Produkt zu fördern, geben wir auf der Bedienoberfläche eindeutige Hinweise, wenn KI zum Einsatz kommt. Darüber hinaus enthält die Oberfläche Erklärungen dazu, wie die Ausgaben der KI-Funktionen hergeleitet werden und wie sie im Kontext des jeweiligen Anwendungsfalls zu verstehen sind.

Unsere Workday Illuminate-Factsheets bieten Kunden umfangreiche Informationen zu bestimmten KI-Funktionen, beispielsweise:

Dateneingaben und -ausgaben
Hinweise zur vorgesehenen Nutzung
Trainings- und Testmethoden
Einschränkungen

Uns ist bewusst, dass Kunden die KI-Ergebnisse bei sensiblen Anwendungsfällen unter Umständen lokal testen möchten. Hierfür bieten wir Optionen an, z. B. den vereinfachten Datenexport für zusätzliche Tests.

Außerdem stellen wir unseren Kunden zusammengefasste Ergebnisse aus ganzheitlichen Qualitätstests und die zugehörigen Berichte zur Verfügung. Bei sensiblen Anwendungsfällen dokumentieren wir, dass die Qualität der Daten für den vorgesehenen Verwendungszweck angemessen ist. Die Ergebnisse der Tests werden vor dem Deployment und in geplanten Abständen dokumentiert.

Sicherheit

Zusätzlich zu dem in der Workday-Plattform implementierten Datenschutz und der Datensicherheit ergreifen wir weitere Maßnahmen, um KI-Funktionen mit höchsten Standards zu gewährleisten.

Training öffentlicher Modelle: Kundendaten werden niemals zum Trainieren öffentlicher Modelle von Drittanbietern wie ChatGPT oder Google Gemini weitergegeben. Dadurch wird sichergestellt, dass vertrauliche Informationen weder nach außen gelangen noch unbefugtem Personal intern zugänglich gemacht werden.
Kontrolle über Kundendaten: Kunden behalten die volle Kontrolle über ihre Daten und deren Verwendung beim Training der Modelle. Die für das Training verwendeten Daten werden regelmäßig aktualisiert. Das gilt auch dann, wenn ein Kunde sich gegen die Datenbereitstellung für bestimmte Funktionen entscheidet.
Datenverschlüsselung: Alle Daten, die über die Funktionen von Workday Illuminate verarbeitet werden, werden sowohl während der Übertragung als auch im gespeicherten Zustand verschlüsselt.

Grundpfeiler 3: Die Personen und die Bedeutung von multidisziplinärer Zusammenarbeit.

Bei Workday ist verantwortungsvolle KI eine Gemeinschaftsaufgabe. Unser RAI-Programm fördert die interdisziplinäre Zusammenarbeit, was die Mitwirkung und Kontrolle verschiedener Stakeholder erfordert. Wir stützen uns bei der Entwicklung und Verwaltung unseres RAI-Governance-Frameworks auf eine Reihe funktionsübergreifender Experten, unter anderem aus folgenden Bereichen:

Entwicklung und Produkte
Datenwissenschaft und Qualitätskontrolle
Recht und Compliance
Politik
UX-Design
Zugehörigkeit und Diversität

Das Programm wird von den Führungskräften stark unterstützt, die RAI als unternehmerische Notwendigkeit erkennen.

Bei Workday haben wir die folgenden Mitwirkungsstufen entwickelt:

RAI Advisory Board: Diesem Gremium gehören Führungskräfte auf Vorstandsebene aus dem gesamten Unternehmen an. Es leitet und unterstützt das RAI-Fachteam.
RAI-Team: Dieses Team aus Wissenschaftlern und KI-Experten wird von Chief RAI Officer Dr. Kelly Trindel geleitet und beschäftigt sich ausschließlich mit dem Aufbau und der Weiterentwicklung der RAI-Governance.
RAI-Champions: Dieses Netzwerk aus Fachleuten aus zentralen Produkt- und Technologieteams innerhalb des Unternehmens setzt sich leidenschaftlich für die Entwicklung verantwortungsvoller und ethischer KI-Lösungen ein.

Grundpfeiler 4: Die Richtlinien proaktivem Engagements.

Workday trägt aktiv zu Richtlinien für verantwortungsvolle KI bei. Wir arbeiten während der gesamten Richtlinienentwicklung mit Stakeholdern zusammen, um unsere Kunden bei der Anpassung an neue Vorschriften zu unterstützen und Richtlinien zu gestalten, die Vertrauen, Innovation und ethische KI-Praktiken fördern.

Mit Inkrafttreten der KI-Verordnung der EU im August 2024 waren Kunden von Workday bereits optimal darauf vorbereitet. Da die Anforderungen des Gesetzes schrittweise eingeführt werden, haben wir unsere RAI-Praktiken proaktiv darauf abgestimmt. Dazu haben wir während der Ausarbeitung des Gesetzes eng mit Behördenvertreter zusammengearbeitet. Dieser proaktive Ansatz minimierte disruptive Auswirkungen und erlaubte es Kunden, sich weiterhin auf das Kerngeschäft ihres Unternehmens zu konzentrieren.

Minimierung des KI-Risikos: Ein Workday Framework

Unserem RAI-Programm liegt ein risikobasierter Ansatz zugrunde. Mit unserem Risikobewertungstool teilen wir die KI-Funktionen in fünf Stufen ein: vier Stufen mit akzeptablem Risiko und eine Stufe mit inakzeptablem Risiko. Für jede Stufe gelten spezifische Anforderungen hinsichtlich Dokumentation, Leitfäden und Strategien zur Risikominderung.

Das Risikobewertungstool identifiziert und dokumentiert die Risikostufen für alle neuen KI-Produkte und -Funktionen. Dadurch ist eine angemessene Risikominderung bereits in der Anfangsphase des Entwicklungsprozesses möglich. Die Analyse ist schnell und effizient und berücksichtigt unter anderem folgende Faktoren:

Kontext der KI-Nutzung
Technisches Design der KI
Potenzielle Auswirkungen auf Einzelpersonen
Bedenken hinsichtlich Überwachung und Datenschutz

Abb. 3-4 Faktoren zur RAI-Risikobewertung

Ohne diesen risikobasierten Ansatz behindern wir möglicherweise Innovationen, indem wir KI mit geringem Risiko unnötige Vorgaben auferlegen oder potenzielle Probleme bei KI mit hohem Risiko übersehen. Mit diesem Framework können wir Ressourcen effizient zuweisen und sichere KI-Innovationen fördern.

Fazit

Dank eines durchdachten, proaktiven und verantwortungsvollen Umgangs mit KI ermöglicht Workday die Implementierung und Nutzung künstlicher Intelligenz in Ihren kritischen Geschäftsprozessen und täglichen Arbeitsabläufen. Die einzigartige Architektur von Workday Illuminate, das Workday Agent System of Record und unsere verantwortungsvolle KI-Umsetzung sorgen gemeinsam für die Sicherheit Ihrer Daten und Senkung von Risiken, während sie zugleich noch größere Lösungen zur Maximierung Ihres ROI freischalten. Workday verfügt über eine differenzierte KI-Basis, die darauf ausgerichtet ist, die neuesten Innovationen zu nutzen und unseren Kunden schnell einen echten Mehrwert zu verschaffen – unabhängig davon, wohin sich künftige Technologien entwickeln.

Das nächste Kapitel befasst sich mit unserem kontinuierlichen Engagement für eine außergewöhnliche Benutzererfahrung.

Workday | Telefon: +49 (0) 89 21093215 | workday.de

© 2025. Workday, Inc. Alle Rechte vorbehalten. Workday und das Workday-Logo sind eingetragene Marken von Workday, Inc. Alle anderen Marken- und Produktnamen sind Marken oder eingetragene Marken ihrer jeweiligen Inhaber.

20250630-tech-strategy-ebook-content-refresh-and-foleon-migration-enus