Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
In diesem Artikel erfahren Sie, wie Microsoft Copilot in Notebooks und Fabric-Daten-Agents (früher als Daten-Agent bezeichnet) funktionieren, wie sie Ihre Geschäftsdaten sicher und den Datenschutzanforderungen entsprechen und wie Sie generative KI verantwortungsbewusst verwenden. Eine Übersicht über diese Themen für Copilot in Fabric finden Sie unter Datenschutz, Sicherheit und verantwortungsvolle Verwendung von Copilot (Vorschau).
Datennutzung
Datenverwendung in Copilot für Notizbücher in Fabric
In Notebooks kann Copilot nur auf Daten zugreifen, die für das aktuelle Notebook des Benutzers zugänglich sind, entweder in einem angehängten Lakehouse oder direkt vom Benutzer in dieses Notebook geladen oder importiert. In Notizbüchern kann Copilot nicht auf Daten zugreifen, die für das Notizbuch nicht zugänglich sind.
Standardmäßig hat Copilot Zugriff auf die folgenden Datentypen:
- Aufgezeichnete Unterhaltungen: Frühere Nachrichten, die von Copilot für diesen Benutzer gesendet wurden, und Antworten. (weitere Informationen zum Speichern des Unterhaltungsverlaufs finden Sie weiter unten.
- Inhalt von Zellen, die der Benutzer ausgeführt hat.
- Ergebnisse von Zellen, die der Benutzer ausgeführt hat.
- Schemas von Datenquellen im Notizbuch.
- Beispieldaten aus Datenquellen im Notizbuch.
- Schemas aus externen Datenquellen in einem angehängten Lakehouse
Datenverwendung in Fabric-Datenagenten
- Fabric-Daten-Agents verlassen sich auf den Unterhaltungsverlauf des Benutzers, um die Fragen des Benutzers besser zu beantworten. (weitere Informationen zum Speichern des Unterhaltungsverlaufs finden Sie weiter unten.
- Schemainformationen der hinzugefügten Datenquellen. Dazu gehören Tabellen- und Spaltennamen. (Der Ersteller eines Daten-Agents wählt aus, welche Tabellen einbezogen werden sollen.)
Wie wir den Unterhaltungsverlauf behandeln
Für Copilot in Notizbüchern und Fabric-Daten-Agents speichern wir aufgezeichnete Unterhaltungen über Benutzersitzungen hinweg.
Warum wird der Gesprächsverlauf gespeichert und wo wird er gespeichert?
Um vollwertige agentenbasierte KI-Erfahrungen zu nutzen, muss der Agent den Konversationsverlauf über Benutzersitzungen hinweg speichern, um den Kontext aufrechtzuerhalten. Dadurch wird sichergestellt, dass der KI-Agent den Kontext darüber behält, was ein Benutzer in früheren Sitzungen gefragt hat und in der Regel ein gewünschtes Verhalten in vielen agentischen KI-Erfahrungen ist. Erfahrungen wie Copilot in Notizbüchern und Fabric-Datenagenten sind KI-Erfahrungen, die den Gesprächsverlauf über die Sitzungen des Benutzers hinweg speichern.
Dieser Verlauf wird innerhalb der Azure-Sicherheitsgrenze in derselben Region und in den gleichen Azure OpenAI-Ressourcen gespeichert, die alle Ihre Fabric AI-Anforderungen verarbeiten. Der Unterschied in diesem Fall besteht darin, dass der Unterhaltungsverlauf so lange gespeichert wird, wie der Benutzer zulässt. Für Erfahrungen, die den Unterhaltungsverlauf nicht über Sitzungen hinweg speichern, werden keine Daten gespeichert. Eingabeaufforderungen werden nur von Azure OpenAI-Ressourcen verarbeitet, die Fabric verwendet.
Ihre Benutzer können ihren Unterhaltungsverlauf jederzeit löschen, indem Sie einfach den Chat löschen. Diese Option ist sowohl für Copilot im Notizbuch als auch für Datenagenten verfügbar. Wenn der Gesprächsverlauf nicht manuell entfernt wird, wird er 28 Tage lang gespeichert.
Copilot in Notizbüchern: Verantwortungsvolle KI – Häufig gestellte Fragen
Mit Copilot in Notizbüchern für Data Science and Data Engineering in Microsoft Fabric bieten wir einen KI-Assistenten an, mit dem Lösungen im Kontext des Notizbuchs transformiert, untersucht und erstellt werden können.
Überlegungen und Einschränkungen finden Sie unter "Einschränkungen".
Wie haben wir Copilot in Notizbüchern für Data Science und Data Engineering ausgewertet?
- Das Produktteam hat Copilot getestet, um zu sehen, wie gut das System im Kontext von Notizbüchern funktioniert und ob KI-Antworten aufschlussreich und nützlich sind.
- Das Team investierte auch in andere Schadensminderungen, darunter technologische Ansätze zur Konzentration der Copilot-Ausgabe auf Data Science-bezogene Themen.
Wie arbeiten Sie am besten mit Copilot in Notizbüchern für Data Science und Data Engineering?
- Copilot ist am besten ausgestattet, um Data Science-Themen zu behandeln, also beschränken Sie Ihre Fragen auf diesen Bereich.
- Beschreiben Sie explizit die Daten, die Copilot untersuchen soll. Wenn Sie die Datenressource beschreiben – z. B. durch benennen von Dateien, Tabellen oder Spalten – kann Copilot relevante Daten wahrscheinlicher abrufen und nützliche Ausgaben generieren.
- Um präzisere Antworten zu erhalten, laden Sie die Daten als DataFrames in das Notizbuch, oder heften Sie die Daten in Ihrem Lakehouse an. Dadurch erhält Copilot mehr Kontext, mit dem Analysen durchgeführt werden können. Wenn eine Ressource zu groß zum Laden ist, ist das Anheften eine hilfreiche Alternative.
Fabric-Daten-Agent: Verantwortungsvolle KI – Häufig gestellte Fragen
Was ist Fabric-Daten-Agent?
Der Daten-Agent ist ein neues Microsoft Fabric-Feature, mit dem Sie Ihre eigenen Unterhaltungs-Q&A-Systeme mit generativer KI erstellen können. Ein Fabric-Datenagent macht Datenerkenntnisse für alle Personen in Ihrer Organisation zugänglicher und umsetzbarer. Mit einem Fabric-Daten-Agent kann Ihr Team Unterhaltungen mit einfachen Englisch-Sprachfragen, zu den in Fabric OneLake gespeicherten Daten führen und dann relevante Antworten erhalten. Auch Personen ohne technische Expertise in KI oder ohne ein tiefes Verständnis der Datenstruktur können präzise und kontextreiche Antworten erhalten.
Was kann der Daten-Agent tun?
Der Fabric-Daten-Agent ermöglicht Interaktionen in natürlicher Sprache mit strukturierten Daten, sodass Benutzer Fragen stellen und umfassende, kontextbezogene Antworten erhalten können. Es kann Benutzern ermöglichen, Verbindungen herzustellen und Erkenntnisse aus Datenquellen wie Lakehouse, Warehouse, Power BI-Dataset, KQL-Datenbanken zu erhalten, ohne komplexe Abfragen schreiben zu müssen. Der Daten-Agent wurde entwickelt, um Benutzern den Zugriff auf und die Verarbeitung von Daten zu erleichtern und die Entscheidungsfindung über Unterhaltungsschnittstellen zu verbessern und gleichzeitig die Kontrolle über Datensicherheit und Datenschutz zu gewährleisten.
Was sind die vorgesehenen Verwendungsmöglichkeiten für den Datenagenten?
Der Fabric-Daten-Agent soll den Datenabfrageprozess vereinfachen. Sie ermöglicht Benutzern die Interaktion mit strukturierten Daten über natürliche Sprache. Sie unterstützt Benutzereinblicke, Entscheidungsfindung und Generierung von Antworten auf komplexe Fragen, ohne dass spezielle Abfragesprachenkenntnisse erforderlich sind. Der Daten-Agent ist besonders nützlich für Geschäftsanalysten, Entscheidungsträger und andere nicht technische Benutzer, die schnelle, umsetzbare Einblicke aus Daten benötigen, die in Quellen wie KQL-Datenbank, Lakehouse-, Power BI-Dataset- und Warehouse-Ressourcen gespeichert sind.
Der Fabric-Daten-Agent ist nicht für Anwendungsfälle vorgesehen, in denen deterministische und 100% genaue Ergebnisse erforderlich sind, aufgrund aktueller LLM-Einschränkungen.
Der Fabric-Daten-Agent ist nicht für Anwendungsfälle vorgesehen, die umfassende Analysen oder kausale Analysen erfordern. Beispielsweise ist "Warum sind die Verkaufszahlen im letzten Monat zurückgegangen?" außerhalb des aktuellen Umfangs.
Wie wurde der Fabric-Daten-Agent ausgewertet? Welche Metriken werden verwendet, um die Leistung zu messen?
Das Produktteam hat den Datenagenten auf verschiedenen öffentlichen und privaten Benchmarks getestet, um die Abfragequalität für verschiedene Datenquellen zu ermitteln. Das Team investierte auch in andere Schadensminderungen, einschließlich technologischer Ansätze, um sicherzustellen, dass die Ausgabe des Datenagenten auf den Kontext der ausgewählten Datenquellen beschränkt ist.
Welche Einschränkungen gelten für den Fabric-Daten-Agent? Wie können Benutzer die Auswirkungen der Fabric-Daten-Agent-Einschränkungen bei verwendung des Systems minimieren?
Stellen Sie sicher, dass Sie beschreibende Spaltennamen verwenden. Verwenden Sie anstelle von Spaltennamen "C1" oder "ActCu" (als Beispiele) "ActiveCustomer" oder "IsCustomerActive". Dies ist die effektivste Möglichkeit, zuverlässigere Abfragen aus der KI herauszuholen.
Um die Genauigkeit des Fabric-Daten-Agents zu verbessern, können Sie mehr Kontext mit Daten-Agent-Anweisungen und Beispielabfragen bereitstellen. Diese Eingaben helfen der Azure OpenAI-Assistenten-API , die den Fabric-Daten-Agent unterstützt, bessere Entscheidungen darüber zu treffen, wie Benutzerfragen interpretiert werden und welche Datenquelle am besten für die Verwendung geeignet ist.
Sie können Daten-Agent-Anweisungen verwenden, um das Verhalten des zugrunde liegenden Agents zu leiten, um die beste Datenquelle zu identifizieren, um bestimmte Arten von Fragen zu beantworten.
Sie können auch Beispiel-Frage-Abfrage-Paare bereitstellen, um zu veranschaulichen, wie der Fabric-Daten-Agent auf allgemeine Abfragen reagieren soll. Diese Beispiele dienen als Muster für die Interpretation ähnlicher Benutzereingaben und generieren genaue Ergebnisse. Beispiel-Frageabfragepaare werden derzeit für Power BI-Semantikmodelldatenquellen nicht unterstützt.
Eine vollständige Liste der aktuellen Einschränkungen des Daten-Agents finden Sie in dieser Ressource .
Welche betrieblichen Faktoren und Einstellungen ermöglichen eine effektive und verantwortungsvolle Verwendung des Fabric-Daten-Agents?
Der Fabric-Daten-Agent kann nur auf die von Ihnen bereitgestellten Daten zugreifen. Es verwendet das Schema (Tabellenname und Spaltenname) sowie die Fabric-Daten-Agent-Anweisungen und Beispielabfragen, die Sie bereitstellen, in der Benutzeroberfläche (UI) oder über das SDK.
Der Fabric-Daten-Agent kann nur auf die Daten zugreifen, auf die der Benutzer zugreifen kann. Wenn Sie den Daten-Agent verwenden, werden Ihre Anmeldeinformationen für den Zugriff auf die zugrunde liegende Datenbank verwendet. Wenn Sie keinen Zugriff auf die zugrunde liegenden Daten haben, kann der Daten-Agent nicht auf diese zugrunde liegenden Daten zugreifen. Dies gilt, wenn Sie den Daten-Agent über verschiedene Kanäle hinweg nutzen – z. B. Microsoft Foundry oder Microsoft Copilot Studio – wo andere Benutzer den Daten-Agent verwenden können.