DIgilife - stock.adobe.com
Schneller zur eigenen KI-App: Azure KI und GitHub Codespaces
Mit Azure KI und GitHub Codespaces lassen sich KI-Anwendungen entwickeln und testen. Vorlagen und Cloud Tools unterstützen den gesamten Entwicklungsprozess.
Azure KI und GitHub stellen eine Kombination an Tools zur Entwicklung von KI-Anwendungen bereit, mit denen Unternehmensanwender eigene KI-Apps entwickeln können. Ein zentraler Aspekt dabei ist der Zugriff auf vorgefertigte, anpassbare Templates und GitHub Codespaces, die den Entwicklungsprozess vereinfachen und beschleunigen.
Nach dem Setup der Azure-Umgebung stellt Microsoft eine Sammlung von KI-Templates bereit. Diese Templates bilden das Fundament für neue Projekte und bieten Technologien, die den Entwicklungsprozess beschleunigen und strukturieren. Die Auswahl eines geeigneten Templates erfolgt über die Azure-Oberfläche.
Integration mit GitHub Codespaces
Nach der Auswahl eines Templates unterstützt GitHub Codespaces die Entwicklungsarbeit durch eine vollständig ausgestattete Cloud-Entwicklungsumgebung. Nach dem Anmelden und Erstellen eines Codespaces erhält der Entwickler eine detaillierte Anleitung zur Einrichtung des Projekts und zum Deployment auf Azure.
Parallel kann GitHub Copilot zum Einsatz kommen, um den Code parallel von KI entwickeln zu lassen. GitHub Copilot unterstützt Entwickler durch KI-generierte Codevorschläge direkt im Editor, während Codespaces als Cloud-Entwicklungsumgebung ein schnelles Setup ohne lokale Installation gewährleistet. Dies erlaubt Entwicklern, von jedem Gerät aus auf eine vollständig ausgestattete Umgebung zuzugreifen, die für das jeweilige Projekt vorkonfiguriert ist.
Codespaces bietet standardmäßig eine universelle Entwicklungsumgebung, die eine breite Palette vorinstallierter Tools bereitstellt. Dadurch entfällt die Notwendigkeit, spezifische Tools auf dem eigenen System zu installieren. Entwickler können Codespaces aus jedem Repository heraus starten und über die verfügbaren Templates direkt loslegen. So lässt sich beispielsweise eine Next.js-Anwendung mit minimalem Aufwand erstellen, ohne dass spezielle Kenntnisse oder lokale Installationen erforderlich sind. GitHub Copilot unterstützt bei der Codegenerierung für gängige Aufgaben und komplexe Funktionen wie das Entwickeln eines Markdown-Editors.
GitHub Copilot kann genutzt werden, um direkt im Editor komplexe Aufgaben durchzuführen. Durch das Erstellen von Kommentaren im Code, die die Aufgaben beschreiben, lassen sich Funktionen wie Fettschrift oder Überschriften in einem Markdown-Editor nahtlos integrieren. Copilot lernt dabei aus dem Kontext und entwickelt sich während der Programmierung weiter, um zusätzliche Anpassungen zu ermöglichen, wie etwa die Anpassung des Designs oder das Hinzufügen von Toolbars.
Github Codespaces und Copilot kombinieren
Die Kombination von Copilot und Codespaces verlagert traditionelle Entwicklungsprozesse in eine flexible und kollaborative Cloud-Umgebung, die sich für den Einsatz moderner Anwendungen und für Teams eignet, die in dynamischen, sich ständig weiterentwickelnden Projekten arbeiten. Durch den Einsatz von KI und Cloud-Entwicklungsumgebungen beschleunigt sich die Entwicklung komplexer Anwendungen.
Die im Template hinterlegten Anweisungen leiten den Benutzer durch den Einsatz von Terminal-Befehle, welche die benötigte Infrastruktur und Beispielcode in das Azure-Abonnement implementieren. Bereitstellung und Test des Templates dauert rund 20 Minuten. Nach Abschluss zeigt das Terminal einen Endpunkt für die erstellte KI-App an, über den eine Interaktion mit der Demo-Anwendung möglich ist.
Das Template dient als anpassbarer Ausgangspunkt, der auf die spezifischen Anforderungen des finalen Projekts zugeschnitten werden kann. Mit den grundlegenden Funktionen von GitHub Copilot und Codespaces wird die Basis für eine effiziente Entwicklungsumgebung geschaffen. Neben diesen Werkzeugen bietet Microsoft mit Azure KI Studio eine umfassende Plattform für die Erstellung und Anpassung von KI-Modellen.
Azure KI Studio: Modelle entwickeln und APIs nutzen
Azure KI Studio vereint diverse KI-Dienste von Microsoft, darunter Azure OpenAI und maschinelles Lernen, in einer zentralen Plattform. KI Studio ermöglicht Entwicklern, Projekte aufzubauen und KI-Modelle anzupassen. Über das Playground-Interface lassen sich KI-Parameter und Systemeinstellungen konfigurieren, während Funktionen wie der Prompt Flow die Visualisierung komplexer Abfragen und den Aufbau mehrstufiger Workflows unterstützen. Daten lassen sich direkt integrieren, was den Einsatz von CSV-Dateien, Dokumenten oder Cloud-Speicher vereinfacht. Durch die Bereitstellung von Modellen und API-Integration erlaubt Azure KI Studio die skalierbare Umsetzung von KI-Anwendungen in Echtzeit.
Azure KI Studio und GitHub Codespaces ergänzen sich für KI-gestützte Entwicklung. Während GitHub Codespaces Entwicklern eine vorkonfigurierte Entwicklungsumgebung bereitstellt, in der sie ohne lokale Installationen direkt mit der Arbeit beginnen können, schafft Azure KI Studio die Grundlage für die tiefergehende Modell- und Datenintegration in Anwendungen. Azure KI Studio ermöglicht nicht nur die Entwicklung maßgeschneiderter KI-Modelle, sondern bietet über Funktionen wie den Prompt Flow erweiterte Optionen zur Steuerung von Abfrageflüssen und zur Kombination verschiedener KI-Komponenten.
Diese Visualisierung erleichtert das Handling komplexer Logiken und den Aufbau anwendungsspezifischer Funktionen. Darüber hinaus erlaubt die API-Integration eine Verbindung zwischen Codespaces und Azure KI Studio, sodass Anwendungen, die in Codespaces entwickelt werden, auf die Modelle und Datensätze in Azure KI zugreifen können. Damit können Entwickler fortgeschrittene Lösungen für spezifische Anwendungsfälle entwerfen, die von der serverseitigen Datenverarbeitung bis hin zu interaktiven Anwendungen mit KI-Unterstützung reichen. So entsteht eine End-to-End-Entwicklungsumgebung, die alle Schritte, von der Konzeption bis zum Deployment abdeckt.
Eigene KI-Assistenten erstellen mit Azure KI Studio
Mit Azure KI Studio können Unternehmen individuelle KI-Assistenten, sogenannte Copiloten, für spezifische Anwendungen und Workloads entwickeln. Nutzer können eigene Datenquellen einbinden und in Kombination mit OneLake und Microsoft Fabric Daten für KI-Modelle bereitstellen, ohne sie physisch verschieben zu müssen.
Die Multimodalität der Plattform erlaubt außerdem die Nutzung von Text, Bild, Sprache und Video, was vielseitige und dynamische Einsatzszenarien erlaubt. Mit erweiterten Tools für die Klassifikation und semantische Suche, schnellen Anpassungen und Evaluierungsmöglichkeiten lassen sich komplexe KI-Assistenten erstellen, die Informationen kontextbezogen bereitstellen.
