🚫 Serverless heisst nicht „keine Server“ – es heisst, ich muss mich nicht darum kümmern.
Dieser Paradigmenwechsel hat meine Herangehensweise an KI-Entwicklung grundlegend verändert.
In den letzten Monaten habe ich viel mit KI-Systemen experimentiert – mit Azure Functions und dem Azure OpenAI Service als technischer Basis. Mein Fazit: Diese Kombination ermöglicht es mir, intelligente, skalierbare und ereignisgesteuerte KI-Workflows zu entwickeln, ohne mich mit klassischer Infrastruktur herumschlagen zu müssen.
Azure Functions: Ereignisgesteuerte Einfachheit
Mit Azure Functions schreibe ich kleine, fokussierte Codeblöcke, die auf bestimmte Ereignisse reagieren – etwa HTTP-Requests, Datei-Uploads oder Nachrichten in einer Queue. Ich verwalte weder die Laufzeitumgebung noch das Skalierungsverhalten – ich definiere nur Trigger und Logik.
Die grössten Vorteile aus meiner Sicht:
- Sofortige Skalierung – Egal ob ein Event oder tausend: Der Code reagiert automatisch
- Bezahlung pro Ausführung – Nur die tatsächlich genutzte Rechenzeit wird berechnet
- Keine Startverzögerung (bei Premium-Plänen) – Perfekt für Echtzeit-Anwendungen
Azure OpenAI: Leistungsstarke LLMs per einfacher API
Der Azure OpenAI Service bietet Zugriff auf GPT-4, GPT-3.5 Turbo und andere Modelle – über eine sichere, unternehmensgerechte API. Diese kann ich direkt aus einer Azure Function aufrufen, um Texte zu generieren, Inhalte zusammenzufassen, Sentiment-Analysen durchzuführen und mehr.
Ich muss kein Modell hosten, nicht feinjustieren und nichts manuell skalieren – Microsoft übernimmt den Betrieb. Ich sende einfach eine Anfrage – und bekomme eine Antwort.
Ein einfaches Beispiel: Feedback-Zusammenfassung
Ein praxisnahes Szenario, das viele kennen:
Ein:e Nutzer:in füllt ein Feedback-Formular auf deiner Website aus.
Mit Azure Functions + OpenAI kannst du daraus einen automatisierten Workflow machen:
- Azure Function wird beim Absenden des Formulars getriggert
- OpenAI analysiert den Text, erkennt die Stimmung und erstellt eine Kurz-Zusammenfassung
- Das Ergebnis wird an Microsoft Teams gepostet oder in dein CRM/Datenbank gespeichert
Warum dieses Setup so gut funktioniert
⚡ Schnell
⚡ Automatische Skalierung
⚡ Keine Kosten bei Inaktivität
⚡ Keine Verwaltung von VMs, Containern oder GPU-Cluster nötig
⚡ Logik oder Prompts lassen sich in Minuten aktualisieren
Was ich gelernt habe
Diese Architektur ermöglicht es mir:
✅ Den Fokus auf smarte, hilfreiche KI zu legen – statt auf Infrastruktur
✅ Schnell zu iterieren – von der Idee zum Prototyp in wenigen Stunden
✅ Workflows zu bauen, die von 1 bis 1.000+ Anfragen pro Sekunde skalieren – ohne manuelle Eingriffe
Kurz gesagt:
Ich verbringe mehr Zeit mit Modellen – und weniger mit Ops.
