Grundlegendes zu Microsoft Fabric-Daten-Agent-Funktionen

  • 3 Minuten

Fabric-Daten-Agents sollen Organisationen dabei helfen, mit ihren Daten zu interagieren, indem sie generative KI verwenden. Im Folgenden finden Sie wichtige Funktionen, mit denen Fabric-Daten-Agents für die Barrierefreiheit und Benutzerfreundlichkeit von Daten nützlich sind.

Interagieren mit Ihren Daten

Der Daten-Agent ermöglicht natürliche Interaktion mit Ihren Daten, indem Sie Fragen in einfachem Englisch stellen und strukturierte, lesbare Antworten erhalten können. Es analysiert Ihre Eingabe, bestimmt die am besten geeignete Datenquelle – z. B. ein Lakehouse-, Warehouse-, Power BI-Dataset oder KQL-Datenbank – und wählt automatisch das richtige Tool aus, um die entsprechenden Abfragen zu generieren, zu überprüfen und auszuführen.

Durch die Beseitigung der Notwendigkeit, Abfragesprachen wie SQL (Structured Query Language), DAX (Data Analysis Expressions) oder KQL (Kusto Query Language) zu verstehen, macht der Daten-Agent datenerkenntnisse unabhängig von der technischen Qualifikationsstufe in der gesamten Organisation zugänglich.

Es ist wichtig zu beachten, dass der Daten-Agent nur Lesevorgänge unterstützt – es werden keine Daten erstellt, aktualisiert oder gelöscht. Dadurch wird ein sicherer und präziser Zugriff sichergestellt, indem dieselben Datenberechtigungen erzwungen werden, die dem Benutzer zugewiesen sind, der mit ihm interagiert.

Fabric-Daten-Agent-Konfiguration

Fabric-Daten-Agents umfassen Konfigurationsoptionen, mit denen Ersteller testen und bewerten können, wie der Agent Fragen interpretiert und beantwortet. So können Sie die Antworten verfeinern, indem Sie Abfragen iterieren und die Konfiguration anpassen, um korrekte, relevante Antworten zu gewährleisten.

Sie können organisationsspezifische Anweisungen, Beispielabfragen und Anleitungen zur Feinabstimmung des Fabric-Daten-Agents bereitstellen. Dadurch wird sichergestellt, dass die Antworten des Agents den eindeutigen Anforderungen und Zielen Ihrer Organisation entsprechen.

Schlussfolgerungen aus mehreren Datenquellen ziehen

Fabric-Datenagenten können über mehrere Datenquellen hinweg analysieren, einschließlich:

  • Power BI-Semantikmodelle.
  • Eventhouse-KQL-Datenbanken.
  • Lakehouses und Warehouses.
  • Ontologien (für semantische, geschäftsbegriff-spezifischen Abfragen).
  • Azure AI Search Indizes (Vorschau, über einen verbundenen Microsoft Foundry Index, der Reasoning über unstrukturierte Inhalte ermöglicht).

Der Fabric-Daten-Agent kann nur auf von Ihnen bereitgestellte Daten mit bis zu fünf Datenquellen zugreifen. Beispielsweise könnte ein konfigurierter Fabric-Daten-Agent eine Mischung aus zwei Power BI-Semantikmodellen, einem Lakehouse und einer KQL-Datenbank enthalten. In diesen Datenquellen können Sie die relevanten Tabellen auswählen.

Von Bedeutung

Der Fabric-Daten-Agent funktioniert am besten mit 25 oder weniger Tabellen, die in allen Datenquellen ausgewählt sind.

Der Fabric-Daten-Agent greift nicht direkt auf unstrukturierte Dateien (z. B. .pdf, .docxoder .txt) als systemeigene Datenquellen zu. Um über unstrukturierte Inhalte nachzudenken, verbinden Sie einen in Microsoft Foundry erstellten Azure AI Search-Index als zusätzliche Quelle (Vorschau).

Integration innerhalb und außerhalb von Fabric

Ihr Daten-Agent kann sowohl innerhalb als auch außerhalb von Microsoft Fabric verwendet werden. Zu den Integrationen gehören:

  • Copilot Studio: Erweitern der Funktionen des Agents auf benutzerdefinierte Workflows.
  • Microsoft Teams: Unterstützen Sie gemeinsame Datendiskussionen.
  • Microsoft Foundry: Verwenden Sie KI-Funktionen für zusätzliche Szenarien.
  • Benutzerdefinierte Anwendungen: Betten Sie den Agent in Ihre eigenen Tools und Plattformen ein.

Während sowohl Microsoft Fabric-Daten-Agents als auch Copilot für Microsoft Fabric generative KI verwenden, um Daten zu verarbeiten und zu begründen, gibt es wichtige Unterschiede in ihren Funktionen und Anwendungsfällen:

Aspekt Fabric-Daten-Agenten Copilot für Microsoft Fabric
Flexibilität Anpassbar mit Anweisungen und Beispielen. Vorkonfigurierte, eingeschränkte Anpassung.
Anwendungsfall Breiterer Umfang; integriert in externe Tools (z. B. Copilot Studio, Teams, ...). Konzentrieren Sie sich auf In-Fabric-Aufgaben wie Notizbücher und Datenbankabfragen.

Diese Integrationen ermöglichen es den Fabric-Daten-Agents, sich in das vorhandene Ökosystem Ihrer Organisation zu integrieren und die Zusammenarbeit sowie die Entscheidungsfindung zu unterstützen.