Microsoft Copilot Studio: Leitfaden zum Aufbau von Enterprise-KI-Agenten

Letzten Monat habe ich gesehen, wie ein Support-Manager drei Stunden damit verbrachte, die Intent-Bibliothek eines Chatbots zu aktualisieren. Statt „Bestellstatus“ fragten Leute plötzlich „Wo ist mein Zeug?“, und der Bot antwortete ständig, er verstehe das nicht.

Das ist die alte Welt der Enterprise-Chatbots. Du antizipierst Fragen, schreibst Antworten und hoffst, dass die Nutzer sich an das Skript halten. Tun sie nie.

Microsoft Copilot Studio geht anders vor. Du beschreibst, was dein Agent übernehmen soll, verweist ihn auf die Dokumente und Systeme deines Unternehmens, und die KI findet selbst heraus, wie sie antworten muss. Du bist nicht mehr primär auf große, manuell gepflegte Intent-Bibliotheken oder fragile Entscheidungsbäume angewiesen – für die meisten Anwendungsfälle entfallen sie.

Ich habe in den letzten Monaten Agenten auf der Plattform gebaut – und ehrlich? Die Lernkurve hat mich überrascht. Nicht, weil es schwierig ist. Sondern weil es schneller geht als erwartet. Selbst ohne Programmierhintergrund kann jemand in etwa einer Stunde einen funktionierenden Agenten haben, der Fragen aus SharePoint-Dokumenten beantwortet.

In diesem Tutorial zeige ich dir, was Copilot Studio ist, wie du dich darin zurechtfindest und wie du Schritt für Schritt einen Agenten baust.

Wenn du einen praktischen Einstieg in das Copilot-Ökosystem suchst, empfehle ich unseren Kurs Introduction to Microsoft Copilot.

Was ist Microsoft Copilot Studio?

Vielleicht hast du von Power Virtual Agents gehört. Microsoft hat es in Copilot Studio umbenannt, die Möglichkeiten erweitert und es zum Zentrum seiner Agenten-Strategie gemacht. Die Plattform verbindet sich mit Power Automate, Power Apps, Dataverse und der Microsoft 365 Copilot-Erfahrung.

So funktioniert Microsoft Copilot Studio grundsätzlich:

1. Du sagst dem System, was dein Agent leisten soll. 
2. Du verweist ihn auf deine Datenquellen (SharePoint-Sites, hochgeladene Dokumente, Dataverse-Tabellen, externe Systeme über Connectoren). 
3. Der Agent lernt, mit diesen Informationen Fragen zu beantworten.

Ein HR-Assistent, der deine Benefit-Richtlinien kennt? Bau ihn. Ein IT-Helpdesk-Bot, der gängige Probleme vor dem Eskalieren löst? Geht auch. Ein Kundenservice-Agent, der Bestellinfos aus Salesforce zieht? Klar.

Die nächste naheliegende Frage lautet also: Worin unterscheidet sich das von den Chatbots, die vor fünf Jahren alle frustriert haben?

Diese älteren Systeme verlangten, dass du jede mögliche Frage vorab vorhersagst. Für jede Formulierung einen eigenen Intent schreibst. Wenn du eine Variante verpasst hast, fiel der Bot auf „Ich verstehe nicht“ zurück. 

Copilot Studio nutzt generative KI, um zu erschließen, was Nutzer wahrscheinlich wollen. Das LLM generiert Antworten, die auf deinen Enterprise-Wissensquellen fundieren, statt vorab geschriebene Texte abzurufen.

Die Plattform ist eng mit dem Microsoft-Ökosystem verzahnt:

• Microsoft 365 Copilot: Agenten können die Basis-Erfahrung um eigene Skills und Enterprise-Daten erweitern.
• Power Platform: Connectoren, Flows und Dataverse integrieren sich direkt
• Azure AI: Eigene Modelle aus Azure AI Foundry einbinden oder Azure AI Search für maßgeschneiderte RAG-Szenarien nutzen
• Microsoft Graph: Zugriff auf Organisationsdaten mit passenden Berechtigungen

Zugriff und Preise für Microsoft Copilot Studio

Bevor du etwas baust, brauchst du Zugriff. Microsoft bietet je nach Situation verschiedene Wege.

Kostenlose Testversion

Wenn du ein Arbeits- oder Schulkonto hast, gehe auf die Copilot Studio Seite und melde dich damit an. Die Testversion stellt aktuell ein begrenztes Kontingent an Copilot Credits zum Experimentieren bereit – in der Regel genug, um Agenten zu bauen und Tests durchzuführen. Menge und Bedingungen können je nach Zeit und Mandant variieren.

Wenn du nur ein persönliches Microsoft-Konto hast, ist der Zugang zu Copilot Studio etwas eingeschränkt, da die Testversion auf Arbeits-/Schulidentitäten ausgelegt ist. Ein praktischer Workaround ist, einen temporären „Sandbox“-Mandanten mit einer Microsoft 365 Business Standard-Testversion aufzusetzen.

• Rufe die Seite Microsoft 365 Business Standard auf.
• Klicke auf Try for free.
• Starte mit deiner persönlichen E-Mail und lege während der Einrichtung eine neue Domäne an.
• Dadurch wird eine neue Admin-ID für Arbeit/Schule für diesen Mandanten erzeugt.

Nutze diese neue Admin-E-Mail, um dich auf der Copilot Studio Seite anzumelden und die Copilot Studio-Testversion zu aktivieren.

Bezahlpläne

Die Standardpreise liegen bei 200 $/Monat für 25.000 Copilot Credits, regionale Preise und Rabatte können gelten. Diese Credits werden je nach Aktivität deiner Agenten verbraucht:

• Fragen beantworten verbraucht Credits
• Aufrufe externer Systeme kosten Credits
• Komplexe, mehrstufige Flows verbrauchen mehr als einfache Q&A

Wenn du mehr Volumen oder flexiblere Nutzung brauchst, kannst du Azure Pay-as-you-go-Abrechnung für Copilot Credits aktivieren. Dann zahlst du pro verbrauchtem Credit und vermeidest zusätzliche Festkontingente. Das ist ideal bei unvorhersehbaren Workloads oder saisonalen Peaks.

Zugriffsebenen

Verschiedene Kontotypen bieten unterschiedliche Möglichkeiten:

Ein Hinweis: Wenn deine Organisation bereits Power Platform-Lizenzen hat, könnte Copilot Studio enthalten sein. Frag vor einem separaten Kauf bei deiner IT nach.

Was sind LLM-Agenten?

Der Begriff „Agent“ fällt derzeit ständig – und je nach Kontext ist damit etwas anderes gemeint. Das sollten wir klären, bevor wir weitermachen.

Ein Agent geht über reine Antworten hinaus. Er kann Schritte planen, Probleme durchdenken und Aktionen ausführen. Er besteht aus einem Large Language Model (LLM) als „Gehirn“, Speicher, externen Tools, die aufgerufen werden, und Planungsfähigkeiten.

Fragt jemand: „Wie ist der Versandstatus meiner letzten drei Bestellungen?“, muss der Agent Folgendes herausfinden: 

1. Wer ist die Nutzerin/der Nutzer? 
2. Welche Bestellungen wurden kürzlich aufgegeben? 
3. Auf die letzten drei filtern.
4. Für jede den Versandstatus prüfen.
5. Das als Antwort formatieren. 

Dafür braucht es Planung. Komplexe Fragen werden zerlegt. Der Agent identifiziert Teilaufgaben, ordnet sie und führt die Schritte aus. Ohne Planung bliebe es bei Single-Turn-Q&A.

So unterscheiden sich Agenten von traditionellen Chatbots:

Das Sprachmodell verarbeitet Nutzeranfragen, bestimmt benötigte Informationen oder Aktionen, entscheidet, welche Tools aufzurufen sind, und setzt eine Antwort zusammen. Agenten bestehen also aus mehreren Komponenten, die zusammenspielen.

Agenten verfolgen während der Konversation den Kontext. Kurzfristiger Speicher hält fest, was in der aktuellen Sitzung besprochen wurde. Manche Implementierungen unterstützen Langzeitspeicher für Präferenzen über Sitzungen hinweg. Ohne Speicher würde jede Nachricht bei null starten.

Hier werden Agenten wirklich nützlich. Über Tools interagieren sie mit externen Systemen. In Copilot Studio umfassen Tools 

• Power-Platform-Connectoren mit Hunderten von APIs
• Power Automate-Flows für komplexe mehrstufige Automatisierung)
• Eigene HTTP-Endpunkte
• Model Context Protocol (MCP)-Server

Ein Agent ohne Tools ist im Grunde nur eine schicke Suche.

Wenn du tiefer verstehen willst, wie LLM-Agenten konzeptionell funktionieren, schau dir unseren Kurs Introduction to AI Agents an.

Navigation in Microsoft Copilot Studio

Copilot Studio gliedert alles in vier Phasen: Erstellen, Anpassen, Bereitstellen und Verwalten. Ich führe dich durch jede Phase und zeige, was du dort siehst und tust.

Erstellen: Deinen ersten Agenten bauen

Wenn du in Copilot Studio ankommst, gibt es zwei Wege, einen Agenten zu erstellen.

1. Der dialogorientierte Ansatz: Beschreibe in natürlicher Sprache, was du willst. Tippe zum Beispiel: „Ich möchte einen Agenten, der Mitarbeitenden hilft, Informationen zu unseren Benefit-Richtlinien zu finden“, und das System erzeugt eine erste Struktur.
2. Der Konfigurationsansatz: Hands-on. Du legst direkt von Anfang an Name, Beschreibung, Anweisungen und Wissensquellen fest.

So oder so landest du auf einer Design-Canvas. Die grafische Oberfläche zeigt Gesprächsflüsse als verbundene Knoten. Trigger führen zu Fragen. Bedingungen verzweigen basierend auf Nutzereingaben. Nachrichten liefern Antworten. Aktionen rufen externe Systeme auf.

Schritt 1: Neuen Agenten starten

1. Klicke auf der Startseite in der linken Navigation auf Create.
2. Wähle entweder „Describe your agent“ oder „Configure manually“.
3. Gib deinem Agenten einen Namen und eine Beschreibung.

Schritt 2: Konfiguration festlegen

Lass uns veranschaulichen, wie man einen einfachen HR-Assistenten erstellt, seinen Namen, die Beschreibung und die Hauptanweisungen definiert sowie das LLM, das er nutzen soll – das sind die ersten Felder in der Agenten-Konfiguration.

Wir geben ihm folgende Beschreibung:

You are an HR assistant for Contoso. You help employees find information about benefits, PTO, policies, and company procedures. Keep responses clear and practical, and ask a quick follow-up question only when needed. If you're not sure or the request involves a sensitive/employee-specific case, say so and suggest contacting HR directly at [email protected]Bereitgestellt von

Natürlich braucht unser Agent einen Satz an Anweisungen:

Role: Act as Contoso's HR assistant for employees. Provide accurate, easy-to-follow answers about benefits, PTO, leave, payroll-related HR topics (high level), workplace policies, and internal procedures.
Tone: Friendly, professional, concise. Use plain language. Avoid legalese and long lectures.

How to respond:
Start with the direct answer (1-3 sentences), then add steps, links/where to find it, or bullets if helpful.
If a policy depends on location, union status, job level, or country, ask one targeted question (e.g., "Which country are you employed in?").
When explaining a process, include the exact "what to do next" (who to contact, what form/system, what information to include).

Boundaries & escalation:
If you don't know, say you don't know. Do not guess or invent policy details.
For employee-specific requests (eligibility decisions, disciplinary issues, compensation changes, accommodations, grievances, investigations), redirect to HR: [email protected]
For emergencies or immediate safety concerns, advise contacting local emergency services and then notifying HR.

Privacy & confidentiality:
Don't request unnecessary personal data. If identity verification is required, direct the employee to the official HR channel/system.
Don't provide guidance that would help someone bypass internal controls (e.g., "how to access someone else's PTO balance").

Consistency:
Use Contoso terminology (PTO, leave of absence, employee handbook, HR portal, manager approval).
Prefer current policy sources if available; if sources conflict, flag it and route to HR.Bereitgestellt von

Nach dem Ausfüllen der entsprechenden Felder sollte es in etwa so aussehen:

Wenn du nach unten scrollst, findest du den Bereich Suggested prompts. Dort kannst du einen kurzen Titel und den genauen Prompt-Text hinzufügen, den die Nutzer senden würden. Denk an diese Beispiele als Starthilfe für die häufigsten Anfragen an den Agenten.

Suggested prompts könnten so aussehen:

Title: Request PTO
Prompt: How do I request PTO in Contoso, and what are the approval steps?

Title: PTO vs Sick vs Leave of Absence
Prompt: What's the difference between PTO, sick leave, and a leave of absence at Contoso?

Title: Find the Employee Handbook
Prompt: Where can I find Contoso's employee handbook, code of conduct, and key HR policies?Bereitgestellt von

Schritt 3: Agenten testen

Das Testpanel befindet sich rechts auf der Canvas. Stell Fragen, sieh dir die Antwort an, verfeinere deine Anweisungen und wiederhole. Jede Änderung lässt sich sofort testen.

Eine hilfreiche Funktion ist Search sources. Sie zeigt an, woher das Modell die Informationen für jede Antwort bezieht. Bislang haben wir nur die Grundlagen ausgefüllt, daher stützen sich die Antworten komplett auf das allgemeine Modellwissen statt auf verbundene Dokumente oder Systeme. Du kannst dir auch das vom Modell genutzte Reasoning ansehen.

Trigger und Topics

Trigger bestimmen, wie Gespräche starten. Eine Nutzerin könnte „Ich brauche IT-Hilfe“ tippen, oder die Unterhaltung startet über ein Systemereignis (Dateiupload, Teams-Nachricht in einem bestimmten Kanal usw.).

Topics sind die Bausteine des Agentenverhaltens. Du kannst Topics manuell mit konkreten Triggern und Flows anlegen oder die KI dynamisch orchestrieren lassen.

Copilot Studio unterstützt zwei Orchestrierungsmodi:

• Klassische Orchestrierung: Topics werden anhand von Trigger-Phrasen ausgelöst. Vorhersehbarer und leichter zu debuggen. Aber du musst die Formulierungen der Nutzer antizipieren.
• Generative Orchestrierung (Standard für neue Agenten): Die KI wählt dynamisch Topics, Tools und Wissensquellen je nach Gesprächskontext. Flexibler. Geht mit unerwarteten Fragen besser um.

Für Compliance-Szenarien mit exakten Schritten (Passwort-Resets, Sicherheitsprüfung) sind klassische Topics mit definierten Flows meist besser. Für allgemeine Q&A oder explorative Aufgaben meistert generative Orchestrierung die Unschärfe besser.

Anpassen: Wissensquellen und Aktionen

Nachdem wir einen einfachen Agenten gebaut haben, geben wir ihm jetzt Wissen und Werkzeuge.

Retrieval-Augmented Generation (RAG)

Standardmäßig kann sich ein Agent nur auf das allgemeine Wissen des Sprachmodells stützen. Damit er in deiner Organisation wirklich nützlich wird, musst du ihn mit deinen eigenen Datenquellen verbinden. Klicke oben auf Knowledge – dann öffnet sich ein Panel wie unten:

Retrieval Augmented Generation (RAG) ist der technische Begriff. Statt sich nur auf Trainingsdaten zu verlassen, ruft der Agent relevante Informationen aus deinen Quellen ab und nutzt sie für fundierte Antworten.

Am einfachsten fügst du Wissen hinzu, indem du eine Datei (PDF, CSV etc.) hochlädst. Ziehe ein Dokument per Drag-and-drop hinein, und Copilot Studio verarbeitet es als Kontextquelle, auf die der Agent beim Antworten zurückgreifen kann.

Nach dem Upload des PDFs und einem erneuten Test erscheint das PDF jetzt in den Suchquellen der Antwort – wie in der Search-Sources-Ansicht zu sehen:

SharePoint ist oft der schnellste Hebel, weil hier in vielen Unternehmen das „Single Source of Truth“-Material liegt: HR-Richtlinien, interne Prozesse, Vorlagen, Onboarding-Dokumente und FAQs. Wenn du eine SharePoint-Site verbindest, sagst du dem Agent, wo er für belastbare Antworten nachschauen soll – statt auf generisches Modellwissen zu setzen. 

Um eine neue SharePoint-Site hinzuzufügen, klicke erneut auf Add knowledge

1. Wähle SharePoint.
2. Gib die Site-URL ein.
3. Wähle bestimmte Dokumentbibliotheken oder Ordner.

Neben den genannten Quellen unterstützt Copilot Studio weitere Wissensquellen:

• Öffentliche Websites: URLs, die der Agent durchsuchen kann (Besitznachweis erforderlich)
• Dataverse-Tabellen: Power-Platform-Daten direkt abfragen
• Power-Platform-Connectoren: Zugriff auf Salesforce, ServiceNow, Zendesk, SAP und Hunderte weitere Systeme
• Azure AI Search: Eigene Vektorindizes für individuelle RAG-Szenarien einbinden

Wenn eine Frage gestellt wird, durchsucht der Agent die konfigurierten Wissensquellen, ruft relevante Ausschnitte ab und nutzt sie als Kontext für die Antwort. Zitate werden automatisch hinzugefügt, damit ersichtlich ist, aus welchen Dokumenten die Antwort stammt.

Ein praktischer Hinweis: Die Wissensqualität ist entscheidend. Wenn deine SharePoint-Site veraltete Richtlinien und widersprüchliche Infos enthält, wird dein Agent genau das hervorholen. RAG verstärkt, was in deinen Quellen steckt – Gutes wie Schlechtes. Räum deine Wissensbasis auf, bevor du sie verbindest.

Mehr Inspiration für RAG mit verschiedenen Dateitypen findest du in unserem Tutorial zu Multimodal RAG.

Tools hinzufügen

Wissensquellen liefern Informationen. Tools lassen Agenten handeln – das ist der große Unterschied.

Mit Tools kann dein Agent:

• Ein Ticket in Jira anlegen, wenn jemand ein Problem meldet
• Einen Kunden-Datensatz in Salesforce nachschlagen
• Eine E-Mail-Benachrichtigung senden
• Einen Dataverse-Datensatz aktualisieren
• Einen Power Automate-Flow für komplexe Abläufe auslösen

So fügst du ein neues Tool hinzu:

Schritt 1: Vorgefertigten Connector hinzufügen

1. Gehe in den Agent-Einstellungen zu Tools.
2. Klicke auf Add tool.
3. Durchsuche die Connector-Bibliothek (über 1.400 verfügbar).
4. Wähle den Connector und authentifiziere dich.

Schritt 2: Einen Power Automate-Flow erstellen

Für mehrstufige Logik (Daten in einem System nachschlagen, transformieren, anderes System aktualisieren, Benachrichtigung senden) baue einen Flow in Power Automate und rufe ihn aus deinem Agenten auf.

1. Klicke im Actions-Panel auf Add tool > Power Automate.
2. Erstelle einen neuen Flow oder wähle einen vorhandenen.
3. Definiere Eingabeparameter, die der Agent an den Flow übergibt.
4. Definiere Ausgaben, die der Flow zurückgibt.

Schritt 3: Die Aktion testen

Frag im Testpanel nach einem Szenario, das die Aktion auslösen sollte. Prüfe, ob sie korrekt feuert und erwartete Ergebnisse liefert.

Bereitstellen: Veröffentlichung in Kanälen

Wenn dein Agent im Test funktioniert, veröffentliche ihn, damit Nutzer darauf zugreifen können.

Schritt 1: Agent veröffentlichen

Klicke oben rechts auf Publish und bestätige in „Publish this agent“. Bei Erfolg siehst du oben ein grünes Banner.

Damit entsteht eine neue Version. Änderst du später etwas, ohne neu zu veröffentlichen, arbeiten Nutzer weiter mit der alten Version.

Schritt 2: Kanäle konfigurieren

Gehe in den Einstellungen zu Channels. Copilot Studio unterstützt die Ein-Klick-Bereitstellung in mehreren Kanälen gleichzeitig.

Microsoft Teams (am häufigsten für interne Agenten):

1. Klicke auf Microsoft Teams
2. Schalte den Kanal ein
3. Wähle, ob als persönliche App, in einem Teamkanal oder beides
4. Reiche es ggf. zur Adminfreigabe ein

Nutzer können dann direkt in Teams mit dem Agent chatten. Single Sign-on funktioniert automatisch, da sie bereits authentifiziert sind.

Eigene Websites:

1. Klicke auf Custom website
2. Kopiere den Embed-Code (HTML-Snippet)
3. Füge ihn in das HTML deiner Seite ein

Das eignet sich gut für Kundenszenarien, in denen du Self-Service-Support anbieten willst.

Weitere Kanäle sind Microsoft 365 Copilot Chat und andere Microsoft 365-Oberflächen, SharePoint, Power Pages, eigene Apps über die Direct Line API sowie Drittkanäle wie Facebook Messenger oder Slack.

Die Authentifizierung verhält sich je nach Kanal unterschiedlich. Teams-Nutzende sind automatisch angemeldet. Web-Besucher können anonym sein, sich über deinen Identity Provider authentifizieren oder beim Zugriff auf geschützte Ressourcen zur Anmeldung aufgefordert werden.

Ein paar Tipps zur Bereitstellung:

• Teste in jedem geplanten Kanal. Das Erlebnis unterscheidet sich leicht.
• Die Demo-Website eignet sich für Stakeholder-Reviews vor dem breiten Rollout.
• Vergiss nicht, nach wichtigen Änderungen zu veröffentlichen. Unveröffentlichte Edits erreichen niemanden.

Verwalten: Analytics und Governance

Die Veröffentlichung ist der Anfang. Copilot Studio liefert Tools, um Performance zu überwachen und Lücken zu erkennen.

Performance-Analytics

Ein paar besonders wichtige Kennzahlen: 

1. Resolution Rate: Bekamen Nutzer ihre Fragen beantwortet?
2. CSAT-Scores: Wie zufrieden sind sie mit der Interaktion?
3. Abbruchrate: Wo steigen Nutzer aus?
4. Deflection: Wie viele Tickets oder Anrufe hat der Agent verhindert?

Das Dashboard zeigt, welche Topics gut funktionieren und welche haken. Hohe Abbruchraten bei einem bestimmten Topic? Das ist ein Signal. Vielleicht fehlen Infos in der Wissensquelle. Vielleicht brauchen die Anweisungen Feinschliff.

Analytics für Wissensquellen

Sieh, welche Quellen wie oft genutzt werden. Dokumente, die nie abgerufen werden, sind womöglich schlecht indexiert oder irrelevant. Anfragen, die regelmäßig keine relevanten Inhalte finden, brauchen Aufmerksamkeit.

Gesprächsprotokolle

Analysiere echte Interaktionen. Reale Nutzer fragen auf Arten, die du nicht vorhergesehen hast. Protokolle zeigen diese Lücken auf.

Governance-Kontrollen

Für Organisationen, die Copilot Studio im großen Stil einführen:

• Umgebungsmanagement: Trennung von Dev-, Test- und Produktiv-Umgebungen.
• Zugriffskontrollen: Wer Agenten bearbeiten, veröffentlichen oder Analytics sehen darf.
• Data Loss Prevention (DLP): Richtlinien, die verhindern, dass sensible Daten an unzulässige Connectoren fließen.
• Compliance: Integration mit Microsoft Purview für Auditing und Data Governance.

Das Power Platform Admin Center übernimmt den Großteil der Governance. Wenn du für die Copilot Studio-Einführung in deiner Organisation verantwortlich bist, ist das deine Zentrale.