Was ist Azure KI-Suche?

Hinweis

Azure KI-Suche ist über das Azure Portal, REST-APIs und Azure SDKs verfügbar. Es unterstützt auch Foundry IQ, die verwaltete Wissensschicht, die Unternehmensinhalte in wiederverwendbare, berechtigungsfähige Wissensbasen für Agenten im Microsoft Foundry-Portal transformiert.

Azure KI-Suche ist ein vollständig verwalteter, in der Cloud gehosteter Dienst, der Ihre Daten mit KI verbindet. Der Dienst vereint den Zugriff auf Unternehmens- und Webinhalte, sodass Agents und LLMs Kontext-, Chatverlaufs- und Multi-Source-Signale verwenden können, um zuverlässige, geerdete Antworten zu erzeugen.

Azure KI-Suche ist in zwei Preismodellen verfügbar:

  • Dedizierte: Bereitgestellte Kapazität mit festen Preisen. Sie wählen eine Dienstebene aus, und Sie werden pro Stunde abgerechnet, basierend auf Sucheinheiten (SUs). Am besten geeignet für stabile, vorhersagbare, auslastungsintensive Workloads.

  • Serverless (Vorschau): Verbrauchsbasierte Preise, abgerechnet nach Compute-Einheiten pro Stunde (CU/hr) und pro-GB/Monat für indizierten Speicher. Am besten geeignet für sporadische, sprunghafte oder stark schwankende Arbeitslasten.

Important

Der serverlose Entwicklertarif ist derzeit als Vorschau verfügbar. Diese Vorschau wird ohne Vereinbarung auf Serviceebene bereitgestellt und wird für Produktionsworkloads nicht empfohlen. Manche Features werden möglicherweise nicht unterstützt oder sind nur eingeschränkt verwendbar. Weitere Informationen finden Sie unter Supplementale Nutzungsbedingungen für Microsoft Azure Previews.

Die Abrechnung für die Serverless Developer-Stufe ist während der Vorschau noch nicht aktiviert. Geschätzte Kosten für Ihre Nutzung sind im Azure Portal und telemetrie verfügbar, diese Nutzung wird jedoch während dieses anfänglichen Zeitraums nicht auf Ihrer Azure Rechnung angezeigt. Microsoft stellen mindestens 30 Tage vor Beginn der Abrechnung eine Benachrichtigung zur Verfügung. Die Verzögerung der Abrechnung während dieser Vorschau ist temporär. Serverless Developer ist eine kostenpflichtige Stufe, und Sie sind für alle Gebühren verantwortlich, die nach Beginn der Abrechnung anfallen.

Die Serverless Developer-Stufe unterstützt keine Migration zu oder von anderen Preisstufen, und einige Features, die auf anderen Ebenen verfügbar sind, werden während der öffentlichen Vorschau nicht unterstützt. Servicelimits, unterstützte Features und Preisdetails können sich vor der allgemeinen Verfügbarkeit ändern.

Die Vorschau ist derzeit nur im westlichen Zentralteil der USA, in der Schweiz Nord und in Japan Ost verfügbar.

Häufige Anwendungsfälle umfassen klassische Such - und Abruferweiterungen (RAG) mithilfe des agentischen Abrufs, bei dem der Dienst die Abfrageplanung, das Abrufen und die Reaktionskonstruktion koordiniert. Diese Funktionen unterstützen Szenarien, die von herkömmlichen Suchfunktionen bis hin zu KI-basierten Agents und Chatanwendungen reichen, die sowohl für Unternehmens- als auch Für Verbraucherszenarien geeignet sind.

Wenn Sie einen Suchdienst erstellen, sind die folgenden Funktionen enthalten:

  • Zwei Module: klassische Suche nach einzelnen Anforderungen und agentischer Abruf für parallele, iterative, LLM-unterstützte Suche.
  • Volltext-, Vektor-, Hybrid- und multimodale Abfragen über lokale (indizierte) und Remoteinhalte.
  • KI-Anreicherung, um Inhalte zu segmentieren, zu vektorisieren und zugänglich für die Suche zu machen.
  • Relevanzoptimierung zur Verbesserung der Absichtsabgleichs- und Ergebnisqualität.
  • Azure Skalierung, Sicherheit, Überwachung und Compliance.
  • Azure Integrationen mit unterstützten Datenplattformen, Azure OpenAI und Microsoft Foundry.

Erstellen eines Suchdiensts

  • Basieren Sie Agents und Chatbots auf proprietären, Unternehmens- oder Webdaten, um genaue, kontextbezogene Antworten zu erzeugen.

  • Zugreifen auf Daten aus Azure Blob Storage, Azure Cosmos DB, Microsoft SharePoint, Microsoft OneLake und anderen unterstützten Datenquellen. Wählen Sie den indizierten oder Remotezugriff basierend auf Ihren Aktualitäts-, Latenz- und Complianceanforderungen aus.

  • Anreicherung und Strukturierung von Inhalten zur Zeit der Indizierung oder Abfrage mit Funktionen, die Blockbildung, Einbettungen und LLM-unterstützte Transformationen ausführen.

  • Kombinieren Sie die Volltextsuche mit der Vektorsuche (Hybridsuche), um Präzision und Rückruf auszugleichen.

  • Abfragen von Inhalten, die Sowohl Text als auch Bilder in einer einzigen multimodalen Pipeline enthalten.

  • Implementieren Sie problemlos suchbezogene Features: Relevanzoptimierung, Faceted Navigation, Filter (einschließlich geo-räumlicher Suche), Synonymzuordnung und AutoVervollständigen.

  • Bieten Sie Unternehmenssicherheit, Zugriffssteuerung und Compliance über Microsoft Entra, Azure Private Link, Zugriffssteuerung auf Dokumentebene und rollenbasierten Zugriff.

  • Skalieren und arbeiten Sie in der Produktion mit Azure Zuverlässigkeit, Überwachung und Diagnose (Protokolle, Metriken und Warnungen) und REST-API oder SDK-Tools für die Automatisierung.

Hinweis

Im Serverless-Preismodell wird die Skalierung automatisch vom Dienst verarbeitet. Im Gegensatz zu dedizierten Modellen, bei denen Sie Replikate und Partitionen konfigurieren, verwendet Serverless verbrauchsbasierte Skalierungs- und Dienstebenengrenzwerte zum Verwalten der Kapazität. Weitere Informationen finden Sie unter Optimieren der Kosten mit dem Serverless-Preismodell.

Weitere Informationen zu bestimmten Funktionen finden Sie unter Features von Azure KI-Suche.

Bei der klassischen Suche handelt es sich um ein Index-first-Abrufmodell für vorhersagbare Abfragen mit geringer Latenz. Jede Abfrage zielt auf einen einzelnen vordefinierten Suchindex ab und gibt bewertete Dokumente in einem Anforderungsantwortzyklus zurück. Während des Abrufs erfolgt keine LLM-unterstützte Planung, Iteration oder Synthese.

In dieser Architektur befindet sich Ihr Suchdienst zwischen den Datenspeichern, die Ihre nicht verarbeiteten Inhalte und Ihre Client-App enthalten. Die App ist dafür verantwortlich, Abfrageanforderungen an Ihren Suchdienst zu senden und die Antwort zu verarbeiten.

Diese Architektur verfügt über zwei primäre Workloads:

Durch die Indizierung werden Inhalte in einen Index geladen und durchsuchbar. Intern wird eingehender Text tokenisiert und in umgekehrten Indizes gespeichert, während eingehende Vektoren in Vektorindizes gespeichert werden. Azure KI-Suche kann nur JSON-Dokumente indizieren. Sie können die Pushmethode verwenden, um JSON-Dokumente direkt oder die Pullmethode (Indexer oder Logik-App-Workflow) hochzuladen, um Daten in JSON abzurufen und zu serialisieren.

Während der Indizierung können Sie KI-Anreicherung verwenden, um Text zu blöcken, Vektoren zu generieren und andere Transformationen anzuwenden, die Struktur und Inhalt erstellen. Azure KI-Suche serialisiert dann die angereicherte Ausgabe in JSON-Dokumente und nimmt sie in den Index ein.

Diagramm der Azure KI-Suche Architektur für klassische search.

Hinweis

Dieses Diagramm trennt die Indizierungs- und Abfragemodule aus Gründen der Übersichtlichkeit. In Azure KI-Suche sind sie jedoch dieselbe Komponente, die im Lese-/Schreibmodus und im Schreibgeschütztmodus betrieben wird.

Was ist agentic retrieval?

Agentic retrieval ist eine Multi-Anfrage-Pipeline, die für komplexe Agent-zu-Agent-Workflows entwickelt wurde. Jede Abfrage zielt auf eine Wissensbasis ab, die eine vollständige Wissensdomäne darstellt. Ihr Agent verweist auf die Wissensbasis für worauf begründet werden soll, während die Wissensbasis übernimmt, wie das Begründen durchgeführt wird.

Eine Wissensbasis besteht aus einer oder mehreren Wissensquellen, einer optionalen LLM für die Abfrageplanung und Antwortsynthese und Parameter, die das Abrufverhalten steuern. Jede Abfrage durchläuft Planung, Analyse in fokussierte Unterabfragen, paralleles Abrufen von Wissensquellen, semantisches Neuranking und Zusammenführen von Ergebnissen. Der dreifache Ansatz für Antworten wurde für die Nutzung durch Agents optimiert.

Unter der Haube baut der agentische Abruf auf der klassischen Sucharchitektur auf, indem eine Kontextebene (Knowledge Base) hinzugefügt wird, die den Abruf von mehreren Quellen koordiniert. Wissensquellen können indiziert oder remote sein: Indizierte Quellen verwenden dieselben Indizierungs- und Abfragemodule wie die klassische Suche, während Remotequellen die Indizierung umgehen und live abgefragt werden.

Diagramm der Azure KI-Suche Architektur für den agentischen Abruf.

Der Vergleich

Klassische Suche und agentischer Abruf sind ergänzende Modi des Abrufens von Informationen. Beide unterstützen Volltext-, Vektor-, Hybrid- und multimodale Suche. Sie unterscheiden sich jedoch darin, wie Inhalte aufgenommen und abgefragt werden. In der folgenden Tabelle sind die wichtigsten Unterschiede zusammengefasst.

Aspekt Klassische Suche Agentenbasiertes Abrufen
Korpus durchsuchen Suchindex Wissensquelle
Suchziel Ein durch ein Schema definierter Index Eine Wissensbasis, die auf eine oder mehrere Wissensquellen verweist
Abfrageplan Kein Plan, nur eine Anforderung LLM-unterstützter oder vom Benutzer bereitgestellter Plan
Abfrageanforderung Durchsuchen von Dokumenten in einem Index Abruf von Wissensquellen
Antwort Flache Suchergebnisse basierend auf dem Schema LLM-formulierte Antwort- oder Rohdaten, Aktivitätsprotokoll, Referenzen
Regionseinschränkungen Nein Ja
Status Allgemein verfügbar Allgemein verfügbar, mit einigen Funktionen im Vorschau-Modus.
Dedizierte Preismodellunterstützung Ja Ja
Serverlose Preismodellunterstützung Ja Ja

Erste Schritte

Sie können über das Azure Portal, REST-APIs auf Azure KI-Suche zugreifen, und Azure SDKs für .NET, Java, JavaScript und Python.

Das Portal ist nützlich für die Dienstverwaltung und die Inhaltsverwaltung mit Tools für die Prototyperstellung Ihrer Wissensdatenbanken, Wissensquellen, Indizes, Indexer, Skillsets und Datenquellen. REST-APIs und SDKs sind für die Produktionsautomatisierung nützlich.

Wählen Sie Ihren Pfad aus.

Bevor Sie beginnen, verwenden Sie diese Checkliste, um wichtige Entscheidungen zu treffen:

  • Wählen Sie ein Preismodell aus: Wählen Sie zwischen dem Modell für dedizierte oder serverlose Preise aus. Hilfe zum Auswählen des Modells, das Ihren Anforderungen am besten entspricht, finden Sie unter Auswählen eines Preismodells und einer Serviceebene .

  • Wählen Sie aus, wie Daten abgerufen werden sollen: Sie können direkt aus einem Suchindex nach vorhersagbaren Ergebnissen mit geringer Latenz abfragen oder agentische Abrufe verwenden, um mehrere Indizes über eine Wissensbasis abzufragen. Wenn Sie eine herkömmliche App ohne Agent oder Chatbot erstellen, können Direkte Indexabfragen die meisten Anforderungen mit niedrigeren Kosten und Komplexität erfüllen. Wenn Sie über mehrere Wissensquellen hinweg arbeiten oder komplexere Szenarien unterstützen möchten, sollten Sie den agentischen Abruf mit minimalem Aufwand in Betracht ziehen.

  • Wählen Sie eine Region aus: Wenn Sie den agentischen Abruf verwenden, wählen Sie eine unterstützte Region aus. Wählen Sie für die klassische Suche eine Region aus, die die benötigten Features und Kapazität bietet.

  • Wählen Sie eine Aufnahmemethode für indexgebundene Inhalte aus: Wenn sich Der Inhalt in einer unterstützten Datenquelle befindet, verwenden Sie die Pullmethode , um Daten in JSON abzurufen und zu serialisieren. Wenn Sie nicht über eine unterstützte Datenquelle verfügen oder Wenn Ihre Inhalte und Der Index in Echtzeit synchronisiert werden müssen, ist die Pushmethode Ihre einzige Option.

  • Benötigen Sie Vektoren? LLMs und Agents erfordern keine Vektoren. Verwenden Sie sie nur, wenn Sie eine Ähnlichkeitssuche benötigen oder Inhalte haben, die in Vektoren homogenisiert werden können. Azure KI-Suche bietet integrierte Vektorisierung für diesen Vorgang.

  • Benötigen Sie die benutzerbasierte Berechtigungsvererbung? Remote-SharePoint ist für dieses Szenario konzipiert, Sie können jedoch auch Benutzerberechtigungen erben, die an Inhalte in Azure Blob Storage oder ADLS Gen2 angefügt sind. Für alle anderen Szenarien können Sie den Sicherheitsfilter-Problemumgehung verwenden.

Auswählen Ihrer Lernressourcen

Diese Schnellstarts und Beispiele helfen Ihnen beim Einstieg.

Tipp

Bei Hilfe zu komplexen oder benutzerdefinierten Lösungen kontaktieren Sie einen Partner mit fundiertem Know-how in Azure KI-Suche.

  • Last updated on