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.
Dieser Artikel enthält häufig gestellte Fragen zur Konfiguration und Einrichtung von Sprach-Agents in Copilot Studio.
Kann der Agent nur auf fundiertes Wissen antworten, oder muss er auch in Aufzeichnungssystemen aktiv werden?
Nicht unbedingt. Sie können Agents so konfigurieren, dass sie ausschließlich auf Grundlage von Wissen agieren, ohne Aktionen in Backend-Systemen durchzuführen. Copilot Studio steuert diese Funktion über Wissens- und Websucheinstellungen.
Wann „nur wissensbasierte“ Agenten Sinn machen
Verwenden Sie diesen Modus, wenn die Rolle des Agents hauptsächlich wissensorientiert ist:
Beantwortung von häufig gestellten Fragen
Erklärung von Richtlinien
Anleitung oder Anweisungen geben
Umleitung von Anrufen oder Chat
In diesen Szenarien holt das Modell Informationen aus konfigurierten Quellen ab und generiert eine Antwort, ohne APIs aufzurufen.
Wie ruft der Agent aktuelle Geschäftsdaten, Richtlinien und Kundenkontext in Echtzeit ab?
Fundiertes Wissen (statisch oder halbstatisch): Dieser Ansatz funktioniert am besten für Richtlinien, Dokumentation und strukturierte Inhalte.
Das Modell verwendet Generative Antworten, wobei es:
Konfigurierte Wissensquellen durchsucht.
Eine Antwort erzeugt.
Quellen optional zitiert.
Unterstützte Datenquellen umfassen
SharePoint
Websites
Hochgeladene Dokumente
Dataverse (nur indirekt über Flows)
Anmerkung
Dataverse wird aufgrund von Authentifizierungsanforderungen nicht als direkte Wissensquelle für C2-gerichtete Agents unterstützt. Dataverse-Daten können über Flows oder OData-Aufrufe verfügbar gemacht und dem Agent als strukturierte Ergebnisse bereitgestellt werden.
Beste Anwendungsfälle für Wissen
Rückgabe- und Erstattungsrichtlinien
Öffnungszeiten und Standorte
Berechtigungsregeln
Häufig gestellte Fragen (FAQs) zu Produkten
Interne Vorgänge
Beispiel
„Wie lautet Ihre Rückerstattungsrichtlinie für Online-Bestellungen?“
Das Modell ruft Richtlinieninhalte aus SharePoint ab und generiert eine klare Antwort.
Welche Aufgaben erfordern eine exakte Validierung vor der Ausführung? Rückerstattungen, Stornierungen, Aktualisierungen oder Kontoänderungen
Bestimmte Aktionen erfordern eine strenge Validierung und dürfen niemals Freiform-KI-Entscheidungen überlassen werden.
Hochrisikokategorien
| Kategorie | Beispiele | Warum dies wichtig ist |
|---|---|---|
| Wertmäßig | Rückerstattungen, Zahlungen, Gutschriften | Finanzielles Risiko |
| Kontostatus | Stornierungen, Planänderungen | Unumkehrbare Aktionen |
| Identität | Adress-, Telefon- und Sozialversicherungsnummer-Aktualisierungen | Betrug und Compliance |
| Rechtliches | Zustimmung, Abmeldungen | Regulatorische Exposition |
Muster für sichere Ausführung
KI entscheidet > System validiert > KI kommuniziert
Dieses Prinzip gewährleistet eine sichere generative Orchestrierung.
Beispiel: Rückerstattungsantrag
Das Modell erkennt den Intent
„Nutzer möchte eine Rückerstattung“Das Modell sammelt benötigte Details
Bestell-ID, Grund, ZeitraumAPI- oder Aufzeichnungssystem-Validierung
Überprüft die Zulässigkeit
Wendet die Rückerstattungsrichtlinie an
Bestätigt Genehmigung oder Ablehnung
Das Modell teilt das Ergebnis mit
Erklärt das Ergebnis deutlich
Erfindet oder unterstellt keine Ergebnisse
Aufklärung eines weit verbreiteten Missverständnisses
Die Verwendung eines einzelnen Modells bedeutet nicht unkontrollierte Automatisierung.
Es gibt eine klare Trennung der Verantwortlichkeiten.
| Funktion | Wer entscheidet | Wer setzt durch |
|---|---|---|
| Absichtserkennung | Modell | — |
| Wissensantworten | Modell | Umfang von Wissensquelle nutzen |
| API-Auswahl | Modell | Toolverfügbarkeit |
| Überprüfung | Aufzeichnungssystem | Backend-Logik |
| Endgültige Antwort | Modell | Basierend auf realen Ergebnissen |