Was ist der Unterschied zwischen Real-Time Intelligence und vergleichbaren Azure-Lösungen?

Real-Time Intelligenz und vergleichbare Azure-Lösungen helfen Organisationen, zeitkritische Daten aus mehreren Quellen zu verarbeiten: Sensordaten von physischen Vermögenswerten, Change Data Capture (CDC)-Ströme aus Datenbanken sowie Protokolle aus Infrastruktur und Anwendungen. Dieser Ansatz gibt professionellen Entwicklern feine Kontrolle über Serviceauswahl, Bereitstellung, Netzwerk, Automatisierung und Integrationsmuster.

Real-Time Intelligence in Microsoft Fabric bietet ein einheitliches SaaS-Erlebnis für dieselbe Klasse ereignisgesteuerter und Streaming-Analyseszenarien. Anstatt jede Stufe aus separaten Diensten zusammenzustellen, können Nutzer Datenströme in Real-Time Hub entdecken, Ereignisse mit Eventstream aufnehmen und routen, Daten in Eventhouse speichern und abfragen, Daten mit KQL und Notizbüchern analysieren, Daten in Real-Time Dashboards oder Power BI visualisieren, den operativen Kontext modellieren und Aktionen mit Activator auslösen.

Der Hauptunterschied liegt im Implementierungsmodell. Azure PaaS gibt professionellen Entwicklern maximale Kontrolle über benutzerdefinierte Architekturen und tiefgehende Azure-Integration. Real-Time Intelligence bietet Geschäftsanwendern, Bürgerentwicklern, Datenanalysten und Profi-Entwicklern einen integrierten Workflow, um Echtzeitlösungen schneller und mit weniger manuell zusammengewebten Diensten zu erstellen. Erfahren Sie mehr über Real-Time Intelligence in Was ist Real-Time Intelligence in Fabric?

Microsoft Fabric-Fähigkeiten für Echtzeitanalysen

Real-Time Intelligence umfasst ein breites Spektrum integrierter Dienste und Erfahrungen zum Aufbau von End-to-End-Echtzeit-Analyselösungen. Diese Funktionen umfassen Folgendes:

Real-Time Hub zur Erkennung, Verwaltung und Governance von Streaming-Daten, Fabric-Ereignissen, Azure-Ereignissen und Microsoft-Datenquellen.
Eventstream zum Aufnehmen, Filtern, Transformieren, Anreichern und Weiterleiten von Streaming-Daten von Microsoft, Multicloud- und benutzerdefinierten Quellen.
Multicloud-Konnektivität umfasst Amazon Kinesis, Google Cloud Pub/Sub, Apache Kafka, Confluent Cloud Kafka und Amazon MSK.
Change Data Capture (CDC)-Integration für Datenbanken wie Azure SQL-Datenbank, Azure Cosmos DB, PostgreSQL, MySQL, Azure SQL Managed Instance und SQL Server.
Eventhouse- und KQL-Datenbanken zum Speichern, Abfragen und Analysieren strukturierter, halbstrukturierter und unstrukturierter Streaming-Daten.
Kusto Query Language (KQL) für fortgeschrittene Analytik, Exploration und operative Überwachung.
Copilot in Real-Time Intelligence für die Erforschung natürlicher Sprachdaten, KQL-Generierung, Dashboard-Erstellung und -Analyse.
Real-Time Dashboards für operative Überwachung, Visualisierung, Untersuchungen und Benachrichtigungen.
Power BI-Integration für Business Intelligence und Berichterstattung über Echtzeitdaten.
Activator zum Erkennen von Zuständen, Auslösen von Benachrichtigungen, Automatisierung von Arbeitsabläufen und zum Start von Fabric-Aktivitäten wie Notebooks, Pipelines, Spark-Jobs, Datenflüssen, Funktionen, Kopieraufträgen und Geschäftsereignissen.
Digital Twin Builder (Vorschau) zur Modellierung physischer Systeme und Geschäftseinheiten mit digitalen Zwillingen.
Schema Registry (Vorschau) zur Definition, Validierung, Verwaltung und Weiterentwicklung von Ereignisschemata über Echtzeit-Workflows hinweg.
Integration von Fabric-Events und Azure-Events zur Reaktion auf plattformgenerierte Geschäfts- und Betriebsereignisse.
Notebook- und Spark-Integration für fortgeschrittene Stream-Verarbeitung, maschinelles Lernen, KI-Funktionen und entwicklergesteuerte Analyse-Workflows.
Operations Agents und MCP-Integrationen für KI-unterstützte operative Überwachungs- und Managementszenarien.
Modelle für Anomalieerkennung und Prognosen zur Erkennung ungewöhnlicher Muster und zur Vorhersage zukünftiger Trends in Streamingdaten.
Ontologie und Fabric IQ für Geschäftskontext, semantisches Verständnis und KI-gestützte Erfahrungen über Unternehmensdaten hinweg.

Azure PaaS-basierte Lösungen für Echtzeitanalysen

Azure bietet ein breites Spektrum an Diensten, die Sie kombinieren können, um maßgeschneiderte Echtzeit-Analysen und ereignisgesteuerte Architekturen zu erstellen. Diese Funktionen umfassen Folgendes:

Azure Event Hubs für Hochdurchsatz-Ereignisaufnahme, Telemetrieerfassung und Streaming-Analyseszenarien.
Azure Event Grid für reaktives Ereignis-Routing und eventgesteuerte Anwendungsintegration.
Azure Service Bus für Unternehmensmessaging, transaktionale Workflows und zuverlässige Nachrichtenzustellung.
Azure Stream Analytics für Echtzeit-Streamverarbeitung, Filterung, Aggregation und komplexe Ereignisverarbeitung.
Azure Data Explorer für Hochleistungsanalysen von Telemetrie, Logs, Zeitreihen und Streaming-Daten.
Azure IoT Hub für sichere Gerätekonnektivität und IoT-Datenaufnahme.
Azure Functions für ereignisgesteuerte Codeausführung und Automatisierung.
Azure Logic Apps für Low-Code-Workflow-Automatisierung und Integration über Cloud- und Unternehmenssysteme hinweg.
Azure Monitor für operative Überwachung, Warnungen, Observabilität und Diagnostik.
Azure Digital Twins zur Modellierung physischer Umgebungen, Assets und Beziehungen.
Azure Event Hubs Schema Registry für Schema-Management und Governance in ereignisgesteuerten Architekturen.
Apache Kafka-kompatibles Event Streaming durch Azure Event Hubs.
Power BI, Azure Data Explorer-Dashboards, Grafana und andere Visualisierungstools zur Überwachung und Analyse.
Azure-KI- und Machine-Learning-Dienste für Anomalieerkennung, Prognosen, prädiktive Analysen und KI-gestützte Anwendungen.
Infrastructure-as-Code, Netzwerk-, Sicherheits-, Governance- und DevOps-Fähigkeiten für die Bereitstellung und den Betrieb maßgeschneiderter Echtzeitlösungen in Azure-Umgebungen.

Allgemeine Unterschiede

Fähigkeit	Azure-PaaS-basierte Lösung	Real-Time Intelligence-Lösung
Integration von Diensten	Hängt von der Integrationskompatibilität zwischen den Diensten in der Architektur ab. Weitere Informationen finden Sie unter Choose between Azure Event Grid, Event Hubs und Service Bus.	Integriert Datenerfassung, Verarbeitung, Visualisierung und Aktionen in einem einheitlichen Erlebnis über Eventstream, KQL, Spark und Real-Time Dashboards. Diese Erfahrung ermöglicht es Ihnen, End-to-End-Echtzeitlösungen effizienter zu entwickeln, ohne mehrere Services zu kombinieren und zu verwalten.
Pro- und Citizen Developer-Erfahrung	Für Pro-Entwickler besser geeignet.	Pro-Entwickler, Citizen Developer und im geschäftlichen Bereich tätige Personen können koexistieren.
Wenig oder kein Code	Nur für die Transformation in Azure Stream Analytics und zum Erstellen von Warnungen mit Logik-Apps oder Power Automate verfügbar. Für die End-to-End-Implementierung ist eine professionelle Entwicklung erforderlich.	Man kann End-to-End-Lösungen durch Ingesting, Analyse, Transformation, Visualisierung und Handeln bauen, ohne Code schreiben zu müssen. Weitere Informationen finden Sie unter Interactie mit RTI-Komponenten.
Nutzungsmodell	Dienstabhängiges Schätz-, Verbrauchs- und Abrechnungsmodell.	Einheitliches Modell für Fabric-Kapazitätseinheitenverbrauch und Abrechnung

Erfassen und Verarbeiten

Fähigkeit	Azure-PaaS-basierte Lösung	Real-Time Intelligence-Lösung
Multicloud-Verbindung	Azure Stream Analytics verbindet sich mit Confluent Kafka. Es gibt keine Connectoren, um Daten von Streaming-Quellen in anderen Clouds wie Amazon Kinesis oder Google Pub/Sub auszulesen.	Native Integrationen über mehrere Clouds hinweg, darunter Confluent Kafka, Amazon Kinesis und Google Pub/Sub.
Unterstützung von CDC-Streams	Erfordert die Bereitstellung anderer Dienste wie Debezium.	Native Integration für das Streaming von CDC-Quellen wie Azure Cosmos DB CDC, Azure SQL CDC, Azure SQL Managed Instance CDC, PostgreSQL CDC, MySQL DB CDC, SQL Server CDC, Oracle Database CDC, MongoDB CDC und Fabric-gespiegelter Datenbank-Wechselfeed. Für die vollständige Liste der CDC-Quellen siehe Eventstream-Quellen hinzufügen und verwalten.
Unterstützung für Protokolle	HTTP, AMQP, Kafka und MQTT.	HTTP, AMQP und Kafka.
Stromverarbeitung	Azure Stream Analytics, ein vollständig verwalteter Echtzeit-Analysedienst, hilft Ihnen, schnell bewegte Datenströme zu analysieren und zu verarbeiten, um umsetzbare Erkenntnisse zu gewinnen.	In Fabric Real-Time Intelligence ist die Stream-Verarbeitung direkt in Eventstream integriert und bietet nativen Funktionen zum Filtern, Transformieren und Routing von Streaming-Daten. Für fortgeschrittene Analysen und individuelle Verarbeitung kann Eventstream auch mit Spark-Notebooks integriert werden, sodass Entwickler codebasierte Ansätze zur Verarbeitung von Streaming-Daten nutzen können.
On-Premises- und virtuelle Netzwerkintegration	Erfordert die Bereitstellung und Verwaltung selbstgehosteter Integrationslaufzeiten oder Gateways für jeden Dienst.	Das virtuelle Netzwerk-Datengateway bietet eine einzige, wiederverwendbare Verbindung zu lokalen und virtuellen Netzwerkdatenquellen über alle Eventstream-Connectoren.

Analysieren und transformieren

Fähigkeit	Azure-PaaS-basierte Lösung	Real-Time Intelligence-Lösung
Datenprofilerstellung	Nicht verfügbar	Die Datenprofilansicht Ihrer Echtzeittabellen zeigt vordefinierte Histogramme und Min-Max-Bereiche für jede Spalte an.
Digitale Zwillingsmodellierung	Digitale Zwillinge von Azure	Digital Twin Builder (Vorschau)
Visuelle Datenexploration	Nicht verfügbar	Ziehen Sie Features, um Ihre Echtzeitdaten visuell zu analysieren.
Copilot-Erfahrung	Es gibt keinen speziellen Copilot für Azure-Messaging-Dienste, aber Azure Copilot kann insgesamt bei der Verwaltung von Azure-Ressourcen und beim Betrieb über Azure-Dienste hinweg helfen.	Copilot im Fabric Real-Time Intelligence-Workload ist ein KI-Assistent, mit dem Sie Ihre Echtzeitdaten abfragen, analysieren und untersuchen können. Copilot übersetzt natürliche Sprache in KQL-Abfragen (Kusto Query Language) und ermöglicht die interaktive Datensuche, ohne dass KQL-Kenntnisse erforderlich sind. Für weitere Informationen siehe Copilot für Real-Time Intelligence.
Integrierte ML-Modelle	Modelle zur Anomalieerkennung und -prognose sind verfügbar, aber Sie müssen Ihren eigenen Code schreiben, um Azure Machine Learning zu nutzen, um sie zu bauen, zu trainieren und bereitzustellen.	Anomalieerkennungs- und Prognosemodelle sind nativ integriert, sodass man sie auf eingehende Streaming-Daten anwenden kann, ohne Code schreiben zu müssen. Eventstream unterstützt außerdem Spark Structured Streaming, sodass Sie integrierte KI-Funktionen nutzen können, um Streaming-Daten mit vortrainierten KI-Modellen direkt in Ihren Streaming-Pipelines zu bereichern und zu transformieren.
Visualisierung (Microsoft)	Power BI- und Azure Data Explorer-Dashboards	Native One-Click-Integration mit Power BI und Echtzeit-Dashboard
Visualisierung (Drittanbieter)	Grafana, Kibana, Matlab	Grafana, Kibana und Matlab können auch in Eventhouse integriert werden.

Agieren

Fähigkeit	Azure-PaaS-basierte Lösung	Real-Time Intelligence-Lösung
Fördern von Geschäftsaktionen aus Erkenntnissen	Benötigt Azure Logic Apps, Power Automate, Azure Functions oder Azure Monitor-Warnungen.	Verfügbar in Fabric mit Fabric-Aktivatorelementen und Integration von Power BI-Semantikmodellen, Eventstream und KQL-Abfragen mithilfe von KQL-Querysets oder Real-Time-Dashboards. Der Operations-Agent (Vorschau) kann auch ein Eventhouse oder eine Ontologie überwachen und Aktionen wie Teams-Nachrichten, Notebooks, Pipelines oder Power Automate-Flows empfehlen oder auslösen.
Reaktive Systemereignisse	Nicht verfügbar	Integrierte Events, die über Real-Time Hub veröffentlicht werden. Verwenden Sie Aktiviererelemente, um Datenprozesse wie Pipelines und Notizbücher zu automatisieren.
Semantikmodelle in Echtzeit	Nicht verfügbar oder Code-First-Lösung mit Logic Apps oder Azure Functions	Nicht verfügbar
Integrierte KI	Nicht verfügbar	Copilot in Real-Time Intelligence, KI-Agenten (Vorschau) für Eventhouse- und KQL-Datenbanken sowie der Operations-Agent (Vorschau) für kontinuierliche Überwachung und empfohlene Maßnahmen sind nativ integriert, sodass Sie sie auf eingehende Streamingdaten anwenden können, ohne Code schreiben zu müssen. Eventstream unterstützt außerdem Spark Structured Streaming, sodass Sie integrierte KI-Funktionen nutzen können, um Streaming-Daten mit vortrainierten KI-Modellen direkt in Ihren Streaming-Pipelines zu bereichern und zu transformieren.
Benachrichtigungsziel	Hängt vom Connectorportfolio des Diensts ab.	Microsoft Teams, Microsoft Outlook, Dataflow, Pipeline, Spark-Job, Notebook, Funktion, Copy-Job und Business events (Vorschau). Weitere Informationen finden Sie unter Konfigurieren von Aktionen für Aktivierregeln.

Katalog

Fähigkeit	Azure-PaaS-basierte Lösung	Real-Time Intelligence-Lösung
Einheitlicher Katalog von Datenströmen	Nicht verfügbar	Echtzeit-Hub: – Datenströme, die von den Benutzern erstellt wurden – Vorhandene Datenströme aus Microsoft-Quellen - Fabric-Systemereignisströme
Erkennung von Microsoft-Datenströmen	Nicht verfügbar	Der Echtzeit-Intelligence-Hub findet Datenströme in Ihrem Azure-Mandanten.
Schemaregistrierung	Azure Schema Registry ist eine Funktion von Event Hubs, die ein zentrales Repository für Schemata für ereignisgesteuerte und messaging-zentrierte Anwendungen bietet. Es bietet Hersteller- und Verbraucheranwendungen die Flexibilität, Daten auszutauschen, ohne das Schema verwalten und teilen zu müssen. Weitere Informationen finden Sie unter Azure Schema Registry in Azure Event Hubs.	Die Schemaregistrierung in Fabric Real-Time Intelligence ist ein zentraler Ort zum Definieren, Überprüfen und Entwickeln von Datenschemas für Streamingdaten. Die Schemaregistrierung in Fabric Real-Time Intelligence trägt dazu bei, die Datenqualität, Konsistenz und Kontrolle in ihren ereignisgesteuerten Workflows zu verbessern. Weitere Informationen finden Sie unter Schema Registry in Fabric Real-Time Intelligence - Microsoft Fabric.

Erste Schritte mit Real-Time Intelligence

Feedback

War diese Seite hilfreich?

Zuletzt aktualisiert um 2026-09-08