WEBVTT

00:00:00.000 --> 00:00:02.420
Ihr Fabric Data Warehouse ist nur ein Friedhof für CSV-Dateien.

00:00:02.560 --> 00:00:04.980
Ich weiß, das klingt hart, aber sehen Sie sich an, wie Sie es nutzen.

00:00:05.120 --> 00:00:09.980
Endlose CSV-Dumps, kalte Tabellen, geplante ETL-Jobs, die schwerfällig wie im Jahr 2015 vor sich hinlaufen.

00:00:10.160 --> 00:00:14.460
Sie haben Fabric gekauft, um Ihre Daten in das Zeitalter der Key zu führen, und dann haben Sie es in ein Archiv verwandelt.

00:00:14.580 --> 00:00:15.960
Die Ironie ist erstklassig.

00:00:16.120 --> 00:00:20.880
Fabric wurde für Intelligenz, Echtzeiteinblicke, kontextbezogenes Denken und selbst anpassende Analysen entwickelt.

00:00:21.040 --> 00:00:23.260
Doch Sie behandeln es wie eine digitale Tupperdose.

00:00:23.480 --> 00:00:27.820
Währenddessen bleibt die Key-Ebene, für die Sie bezahlt haben die Datenagenten, die kontextbezogene Governance,

00:00:27.820 --> 00:00:30.940
das semantische Denken ungenutzt und wartet auf Anweisungen, die nie kommen.

00:00:31.080 --> 00:00:34.120
Das Problem liegt also nicht an der Kapazität und auch nicht an der Datenqualität.

00:00:34.260 --> 00:00:35.100
Es liegt am Denken.

00:00:35.260 --> 00:00:36.180
Sie haben kein Datenproblem.

00:00:36.480 --> 00:00:37.780
Sie haben ein konzeptionelles Problem.

00:00:38.080 --> 00:00:40.240
Sie halten eine Intelligenz-Infrastruktur für einen Speicher.

00:00:40.440 --> 00:00:43.180
Lassen Sie uns dieses mentale Modell korrigieren, bevor Ihr CFO merkt,

00:00:43.400 --> 00:00:45.620
dass Sie ein Netzlaufwerk mit besserem Branding neu erfunden haben.

00:00:45.760 --> 00:00:47.040
Das Problem der toten Daten.

00:00:47.240 --> 00:00:49.260
Alte Verhaltensweisen lassen sich nur schwer ablegen.

00:00:49.400 --> 00:00:52.040
Die meisten Organisationen führen immer noch nächtliche ETL-Jobs aus,

00:00:52.180 --> 00:00:56.820
die operative Systeme durchsuchen, Tabellen in Komma getrennte Relikte flachklopfen und die Leichen in One Lake hochladen.

00:00:56.820 --> 00:01:00.100
Es ist beruhigend, vorhersehbar, messbar, verführerisch einfach.

00:01:00.220 --> 00:01:02.760
Aber am Ende haben Sie ein statisches Museum aus Momentaufnahmen.

00:01:02.980 --> 00:01:06.520
Jede Datei repräsentiert den Zustand zu einem bestimmten Zeitpunkt und beginnt sofort zu verfallen.

00:01:06.680 --> 00:01:10.520
Es gibt keine Bewegung, keine Beziehungen, keinen sich entwickelnden Kontext, nur Dateien sehr viele davon.

00:01:10.680 --> 00:01:14.680
Die Wahrheit dieser Ansatz ergab Sinn, als Daten noch lokal in begrenzten Systemen lebten.

00:01:14.860 --> 00:01:16.420
Fabric wurde für etwas völlig anderes entworfen.

00:01:16.620 --> 00:01:19.300
Lebendige Daten, Streaming-Daten, kontextbewusste Intelligenz.

00:01:19.400 --> 00:01:20.820
One Lake ist kein Aktenschrank.

00:01:21.040 --> 00:01:24.060
Es sollte das Kreislaufsystem für den Informationsfluss Ihres Unternehmens sein.

00:01:24.060 --> 00:01:28.640
Es wie ein Kühllager zu behandeln, ist das digitale Äquivalent zur Einbalsamierung Ihrer Geschäftskennzahlen.

00:01:28.820 --> 00:01:31.280
Ohne semantische Modelle haben Ihre Daten keine Sprache.

00:01:31.440 --> 00:01:33.280
Ohne Beziehungen haben Sie kein Gedächtnis.

00:01:33.420 --> 00:01:36.700
Eine CSV aus dem Vertrieb, eine aus dem Marketing, eine aus dem Finanzwesen.

00:01:36.840 --> 00:01:40.400
Sie können friedlich im selben Lake koexistieren und trotzdem nie miteinander kommunizieren.

00:01:40.560 --> 00:01:43.680
Governance-Strukturen fehlen, Metadaten sind offenbar optional.

00:01:43.940 --> 00:01:49.360
Das Ergebnis ist eine Isolierung, die so rein ist, dass selbst Co-Pilot, die Key von Microsoft, sie nicht interpretieren kann.

00:01:49.360 --> 00:01:56.860
Wenn Sie Co-Pilot fragen, was waren die Umsatztreiber des letzten Quartals, weiß es nicht, wo es suchen soll, weil Sie ihm nie gesagt haben, was Umsatz in Ihrem Schema bedeutet.

00:01:57.080 --> 00:01:58.280
Nehmen wir ein kleines Beispiel.

00:01:58.500 --> 00:02:03.680
Angenommen, Ihr Verkaufsdatensatz enthält Transaktionsdatensätze, Daten, Beträge, Produkt-SKUs und Regionen-Codes.

00:02:03.840 --> 00:02:05.540
Sie laden Sie fröhlich in One Lake hoch.

00:02:05.680 --> 00:02:08.820
Kein semantisches Modell, keine benannten Beziehungen, nur rohe Tabellenspalten.

00:02:09.020 --> 00:02:12.060
Bitten Sie nun die Key von Fabric, die leistungsstärksten Regionen zu identifizieren.

00:02:12.240 --> 00:02:13.300
Sie zuckt nur mit den Schultern.

00:02:13.460 --> 00:02:18.320
Es kann Regionen-Codes ohne Metadaten, die Sie mit Geografie oder Organisationseinheiten verknüpfen, nicht kontextualisieren.

00:02:18.320 --> 00:02:21.940
Für die Maschine könnte USN Nordamerika oder ein Benutzersegment Nord bedeuten.

00:02:22.100 --> 00:02:23.760
Menschen verlassen sich auf Schlussfolgerungen.

00:02:23.940 --> 00:02:25.620
Key benötigt explizite Strukturen.

00:02:25.800 --> 00:02:28.240
Das ist die Lücke, die Ihr Data Warehouse in ein Leichenhaus verwandelt.

00:02:28.380 --> 00:02:29.720
Das übersehen die meisten Leute.

00:02:29.940 --> 00:02:33.420
Fabric behandelt ruhende Daten und Daten in Bewegung nicht als verschiedene Arten.

00:02:33.600 --> 00:02:42.120
Es geht davon aus, dass jeder Datensatz eines Tages ein intelligenter Teilnehmer sein kann, der in Echtzeit abgefragt, durch Kontext angereichert, durch Governance-Regeln geformt und sogar von Agenten analysiert wird.

00:02:42.240 --> 00:02:47.460
Wenn Sie CSV-Dateien speichern, ohne diese Verbindungen zu aktivieren, ignorieren Sie das metabolische Design von Fabric.

00:02:47.460 --> 00:02:48.900
Sie kappen sein Nervensystem.

00:02:49.100 --> 00:02:50.940
Vergleichen Sie das mit Daten in Bewegung.

00:02:51.060 --> 00:03:00.580
In Fabric erfassen Echtzeit-Intelligenzmodule Streaming-Signale, IoT-Ereignisse, Transaktionsprotokolle und Sensor-Pings und speisen Sie in Live-Datensätze ein, die sofort Reaktionen auslösen können.

00:03:00.760 --> 00:03:02.480
Anomalie-Erkennung läuft nicht wöchentlich.

00:03:02.780 --> 00:03:03.860
Sie geschieht kontinuierlich.

00:03:04.160 --> 00:03:06.000
Trendanalysen warten nicht auf das Quartalsende.

00:03:06.300 --> 00:03:08.320
Sie aktualisieren sich mit jedem neuen Datensatz.

00:03:08.320 --> 00:03:15.700
So sehen Live-Daten aus, ständig bewertet, durch Key-Agenten kontextualisiert und innerhalb von Millisekunden-Governance-Regeln unterworfen.

00:03:15.840 --> 00:03:19.160
Der Unterschied zwischen ruhenden Daten und Daten in Bewegung ist fundamental.

00:03:19.540 --> 00:03:25.180
Ruhende Daten beantworten, was passiert ist, aber bewegte Daten beantworten, was gerade geschieht und was als nächstes zu tun ist.

00:03:25.320 --> 00:03:29.680
Wenn Ihr Wehrhaus nur Ersteres tut, betreiben Sie ein historisches Archiv, keine Entscheidungsmaschine.

00:03:29.840 --> 00:03:34.740
Das Ziel von Fabric ist es, diese Zeitspanne zu komprimieren, bis Beobachtung und Handlung ununterscheidbar sind.

00:03:34.740 --> 00:03:40.600
Ohne Key-Aktivierung speichern Sie Fossilien. Mit ihr verwalten Sie lebende Organismen, die sich an den Kontext anpassen.

00:03:40.820 --> 00:03:42.600
Betrachten Sie Ihr Wehrhaus wie einen Körper.

00:03:42.820 --> 00:03:44.360
One Lake ist der Blutkreislauf.

00:03:44.600 --> 00:03:49.080
Semantische Modelle sind die DNA und Datenagenten sind die Gehirnzellen, die Signale durch die Systeme senden.

00:03:49.260 --> 00:03:52.220
Momentan haben die meisten von ihnen den Blutkreislauf, aber keine Funktion.

00:03:52.380 --> 00:03:54.580
Die Organe sind vorhanden, aber nichts koordiniert sie.

00:03:54.720 --> 00:03:56.060
Und ja, so ist es bequem.

00:03:56.240 --> 00:03:59.840
Keine Überraschungen, keine plötzliche Automatisierung, keine unkontrollierten Empfehlungen.

00:04:00.080 --> 00:04:03.060
Statische Systeme gehorchen zwar, aber sie sind nicht wettbewerbsfähig.

00:04:03.060 --> 00:04:13.300
In einer Umgebung, in der 90% der Großunternehmen ihre Warehouses mit Key-Agenten speisen, ist es so, als würden sie ein Luxus-Aquarium mit Plastikfischen bestücken, weil sie Vorhersehbarkeit dem Leben vorziehen.

00:04:13.500 --> 00:04:15.820
Was sollte also in ihrem One Lake lebendig sein?

00:04:15.980 --> 00:04:20.600
Die Beziehungen, der Kontext und die Intelligenz, die ihre Datensätze zu einer kohärenten Sichtweise verknüpfen.

00:04:20.600 --> 00:04:27.200
Sobald sie aufhören, rohe CSV-Dateien abzuladen und anfangen, Informationen für die Key-Nutzung zu modellieren, verhält sich Fabric wie vorgesehen.

00:04:27.360 --> 00:04:31.580
Ein Ökosystem aus lebendigen, denkenden Daten statt einer Kühlbox voller veralteter Zahlen.

00:04:31.820 --> 00:04:35.780
Wenn ihre ETL-Pipeline immer noch mit Speichere CSV endet, herzlichen Glückwunsch.

00:04:35.940 --> 00:04:38.720
Sie haben den teuersten Bestattungsprozess der Welt automatisiert.

00:04:38.880 --> 00:04:44.460
Im nächsten Abschnitt werden wir diese Dateien hervorholen, ihnen ein Gehirn geben und ihnen zeigen, was Fabric wirklich intelligent macht.

00:04:44.600 --> 00:04:45.400
Die Datenagenten.

00:04:45.400 --> 00:04:46.940
Die fehlende Intelligenzschicht.

00:04:47.080 --> 00:04:48.760
Hier kommt der Teil, den jeder überspringt.

00:04:49.000 --> 00:04:52.660
Die eigentliche Intelligenzschicht, das Element, das ein Lager von einem Gehirn unterscheidet.

00:04:52.840 --> 00:04:58.840
Microsoft nennt sie Datenagenten, aber betrachten sie sie als Neuronen, die endlich feuern, sobald sie One Lake nicht mehr wie einen Abstellraum behandeln.

00:04:58.980 --> 00:05:01.240
Diese Agenten sind keine dekorativen Funktionen.

00:05:01.400 --> 00:05:07.060
Sie sind der operative Cortex, den Fabric stillschweigend für sie installiert und den die meisten von ihnen heldenhaft ignorieren.

00:05:07.220 --> 00:05:08.300
Beginnen wir mit dem Fehler.

00:05:08.460 --> 00:05:09.960
Die Leute sind von Dashboards besessen.

00:05:09.960 --> 00:05:14.800
Sie glauben, wenn Power BI eine bunte, nach oben Zeigende Linie anzeigt, hätten sie die Erleuchtung erlangt.

00:05:14.800 --> 00:05:19.840
Währenddessen lassen sie die Logikschicht, das dynamische Element, das Muster interpretiert und darauf reagiert, ungenutzt.

00:05:19.960 --> 00:05:24.780
Das ist so, als würde man einen Tesla kaufen, die Bildschirmgrafiken bewundern, aber niemals das Gaspedal drücken.

00:05:24.940 --> 00:05:28.560
Der durchschnittliche Nutzer glaubt, die Schönheit von Fabric lege in einheitlichen Metriken.

00:05:28.700 --> 00:05:31.940
In Wirklichkeit liegt sie in synaptischer Aktivität, in Agenten, die denken.

00:05:32.160 --> 00:05:34.080
Was genau sind also diese Datenagenten?

00:05:34.080 --> 00:05:40.780
Es sind keygestützte Schnittstellen zwischen ihrem Warehouse und den kognitiven Diensten von Azure, die darauf ausgelegt sind, Daten zu durchdringen, statt sie nur abzufragen.

00:05:40.960 --> 00:05:49.340
Sie existieren auf Basis von One Lake, integrieren sich aber über Azure iFoundry, wo sie die Fähigkeit erben, Logik basierend auf ihrem Organisationskontext abzurufen, abzuleiten und anzuwenden.

00:05:49.500 --> 00:05:50.940
Und hier ist der entscheidende Clou.

00:05:51.160 --> 00:05:54.420
Sie arbeiten in einem Framework namens Modell-Kontext-Protokolle.

00:05:54.500 --> 00:06:03.360
Das erlaubt es, mehreren Agenten Speicher und Ziele zu teilen, sodass sie zusammenarbeiten, Aufgaben übergeben und sogar Ergebnisse aushandeln können wie Kollegen, die tatsächlich das Firmenhandbuch gelesen haben.

00:06:03.360 --> 00:06:07.280
Jeder Agent kann so konfiguriert werden, dass er Governance und Sicherheitsgrenzen respektiert.

00:06:07.420 --> 00:06:12.820
Sie wandern nicht blind in sensible Daten, da Fabric-Richtlinien durch Purview und rollenbasierte Zugriffe durchsetzt.

00:06:12.960 --> 00:06:17.520
Diese Governance-Verknüpfung gibt ihnen etwas, das die Analytik nie hatte, moralische Zurückhaltung.

00:06:17.660 --> 00:06:23.320
Der Finanzagent ihres CFO kann nicht versehentlich Gehaltsdaten der Personalabteilung lesen, sofern dies nicht ausdrücklich erlaubt ist.

00:06:23.460 --> 00:06:25.360
Es ist der Unterschied zwischen Schlussfolgern und Herumschnüffeln.

00:06:26.140 --> 00:06:30.680
Vergleichen Sie nun diese Datenagenten mit Co-Pilot, dem Star-Assistenten, mit dem jeder so gerne spricht.

00:06:30.680 --> 00:06:37.340
Co-Pilot sitzt in Teams oder Power BI. Es ist charmant, reaktiv und etwas oberflächlich. Es beantwortet, was sie fragen.

00:06:37.740 --> 00:06:45.440
Datenagenten hingegen sind diejenigen, die bereits die Quartalsprognose gelesen, Unstimmigkeiten erkannt und Empfehlungen entworfen haben, noch bevor sie das Dashboard geöffnet haben.

00:06:45.580 --> 00:06:50.580
Co-Pilot ist ein Schüler. Agenten sind Wirtschaftsprüfer. Der eine gehorcht, der andere antizipiert.

00:06:50.740 --> 00:06:55.540
Machen wir das an einem Beispiel fest. Ihr Einzelhandelsgeschäft verarbeitet tägliche Transaktionen über Fabrik.

00:06:55.540 --> 00:06:58.960
Ohne Agenten würden sie freitags damit verbringen, Zusammenfassungen zu exportieren.

00:06:59.100 --> 00:07:02.860
Top-Produkte, Regionen mit Aufwärtstrend, Anomalien jenseits von Grenzwerten.

00:07:03.060 --> 00:07:11.520
Mit Agents wird das Data Warehouse intelligent genug, um zu bemerken, dass die Verkäufe in der Region Ost 20% über der Prognose liegen, während Lieferkettenprotokolle Lieferverzögerungen zeigen.

00:07:11.700 --> 00:07:17.820
Ein Agent erkennt die Diskrepanz, markiert sie als Erfüllungsrisiko, schlägt Alarm und schlägt eine präventive Umverteilung der Bestände vor.

00:07:17.980 --> 00:07:19.920
Niemand hat gefragt. Es hat geschlussfolgert.

00:07:20.060 --> 00:07:23.520
Das ist keine Science-Fiction, sondern Fabriks Echtzeitintelligenz vereint mit agentischer Schlussfolgerung.

00:07:23.520 --> 00:07:30.660
Halten Sie kurz inne, was das bedeutet. Ihr Warehouse hat gerade ein Urteil gefällt, keine Abfrage, kein Alarm, sondern eine Analyse, die ein Verständnis für geschäftliche Absichten erforderte.

00:07:30.840 --> 00:07:35.060
Es hat eine Anomalie identifiziert, Zusammenhänge geprüft und verantwortungsbewusst gehandelt.

00:07:35.200 --> 00:07:38.280
Das ist die Schwelle, an der ein Data Warehouse zum Entscheidungssystem wird.

00:07:38.480 --> 00:07:43.840
Ohne Agents würden sie immer noch Power-B-Visualisierungen in PowerPoint-Folien exportieren und so tun, als hätten sie das Problem manuell entdeckt.

00:07:43.980 --> 00:07:48.800
Hier ist der merkwürdige Teil. Die meisten Unternehmen haben diese Funktion bereits in ihren Fabrik-Kapazitäten aktiviert.

00:07:48.800 --> 00:07:54.500
Sie haben sie nur noch nicht konfiguriert. Sie haben das Geld ausgegeben, die Software erhalten und vergessen, die Kognition zu initialisieren.

00:07:54.680 --> 00:08:01.940
Denn das erfordert architektonisches Denken, das Definieren semantischer Beziehungen, das Festlegen von Key-Anweisungen und die Verbindung von One-Lake-Entpunkten mit der Reasoning-Infrastruktur.

00:08:02.120 --> 00:08:04.100
Aber sobald sie das tun, ändert sich alles.

00:08:04.260 --> 00:08:08.000
Desports werden zu Nebenprodukten der Intelligenz statt zu Zielen für Analysen.

00:08:08.180 --> 00:08:10.580
Denken Sie zurück an die Metapher des CSV-Friedhofs.

00:08:10.740 --> 00:08:14.060
Diese CSV-Dateien waren Grabsteine, die markierten, wo alte Datensätze starben.

00:08:14.220 --> 00:08:16.480
Aktivieren Sie die Agents und es ist der Tag der Auferstehung.

00:08:16.600 --> 00:08:17.800
Das Wehrhaus beginnt zu atmen.

00:08:18.000 --> 00:08:21.780
Tabellen richten sich selbst aus, Attribute erhalten Bedeutung und Metriken synchronisieren sich autonom.

00:08:21.960 --> 00:08:23.800
Das System berichtet nicht nur über die Realität.

00:08:23.980 --> 00:08:27.720
Es interpretiert sie, während sie noch eine E-Mail über die KPIs des letzten Quartals schreiben.

00:08:27.920 --> 00:08:30.180
Natürlich erfordert dieser Wandel ein mentales Upgrade.

00:08:30.380 --> 00:08:32.760
Von der Speicherverwaltung hin zur kognitiven Orchestrierung.

00:08:32.900 --> 00:08:34.940
Data Agents warten nicht auf Anweisungen.

00:08:35.240 --> 00:08:36.040
Sie verfolgen Ziele.

00:08:36.040 --> 00:08:39.860
Sie nutzen Modellkontext-Protokolle, um mit anderen Microsoft Agents zu kommunizieren,

00:08:39.940 --> 00:08:45.720
denen in Power Automate 365 und Azure iServices, um den Schlussfolgerungskontext plattformübergreifend zu teilen.

00:08:45.900 --> 00:08:52.000
So kann eine Datenschwankung einen adaptiven Workflow auslösen oder neue Erkenntnisse in Excel generieren, ganz ohne menschliches Eingreifen.

00:08:52.140 --> 00:08:55.400
Und ja, bei schlechter Konfiguration kann diese Autonomie beunruhigend wirken,

00:08:55.640 --> 00:08:58.480
wie Praktikanten, die nach einem Fehllesen der Tabelle entschlossen handeln.

00:08:58.640 --> 00:09:01.200
Deshalb gibt es Governance, worauf wir bald zu sprechen kommen.

00:09:01.360 --> 00:09:02.880
Aber akzeptieren Sie zuerst diese Wahrheit.

00:09:03.080 --> 00:09:05.040
Verzögerte Intelligenz bedeutet verlorenen Vorteil.

00:09:05.040 --> 00:09:08.620
Je länger Sie Fabrik als Kühllager betrachten, desto mehr zahlen Sie für eine Key-Plattform,

00:09:08.820 --> 00:09:10.200
die wie ein verherrlichtes Backup fungiert.

00:09:10.340 --> 00:09:13.000
Also, hören Sie auf, dem Potenzial Ihrer Daten nachzutrauern.

00:09:13.140 --> 00:09:16.360
Wecken Sie die Agents, lassen Sie Ihr Wehrhaus vom Archiv zum Organismus aufsteigen.

00:09:16.580 --> 00:09:19.640
Denn die nächste Ära der Analytik besteht nicht darin, bessere Fragen zu stellen.

00:09:19.820 --> 00:09:23.480
Es geht darum, Systeme zu besitzen, die antworten, bevor Sie sie eintippen können.

00:09:23.680 --> 00:09:25.460
Wie Sie Ihr Wehrhaus mit Key wiederbeleben.

00:09:25.660 --> 00:09:27.700
Zeit, die Leiche wieder zum Leben zu erwecken.

00:09:27.860 --> 00:09:30.300
Die Wiederbelebung beginnt nicht mit Code, sondern mit Kontext.

00:09:30.500 --> 00:09:32.120
Denn Kontext ist der Sauerstoff für Daten.

00:09:32.120 --> 00:09:35.080
Der erste Schritt besteht darin, Ihrem Wehrhaus Bedeutung zu verleihen.

00:09:35.200 --> 00:09:37.160
Das bedeutet, semantische Modelle zu erstellen.

00:09:37.320 --> 00:09:39.840
Diese Modelle definieren, wie Ihre Daten sich selbst begreifen.

00:09:40.000 --> 00:09:43.120
Verkäufe sind mit Kunden verknüpft, Kunden mit Regionen, Regionen mit Erlösstrukturen.

00:09:43.840 --> 00:09:46.620
Ohne sie ist selbst der leistungsfähigste Key-Agent wie ein Linguist,

00:09:46.760 --> 00:09:48.240
der ein Wörterbuch ohne Syntax erhält.

00:09:48.380 --> 00:09:52.160
In Fabrik nutzen Sie die Datenmodellierungsschicht, um diese Beziehungen explizit zu deklarieren,

00:09:52.420 --> 00:09:54.420
damit Ihre Agenten Schlussfolgern statt raten können.

00:09:54.580 --> 00:09:58.280
Kommen wir nun zu Schritt 2, die tatsächliche Bereitstellung eines Fabrik-Datenagenten.

00:09:58.280 --> 00:10:02.240
Hier geben Sie Ihrem Wehrhaus nicht nur ein Gehirn, sondern eine Persönlichkeit einen operativen

00:10:02.240 --> 00:10:06.700
Verstand, der weiß, worauf er achten muss, wann er sie alarmieren soll und wie er Zusammenhänge

00:10:06.700 --> 00:10:07.720
im One Lake verknüpft.

00:10:07.840 --> 00:10:12.280
In der Praxis öffnen Sie Azure Eye Foundry, definieren einen Datenagenten und verweisen

00:10:12.280 --> 00:10:13.820
ihn auf Ihre Fabrik-Datensätze.

00:10:14.060 --> 00:10:16.840
Sofort erhält er Zugriff auf die gesamte semantische Ebene.

00:10:17.020 --> 00:10:21.080
Es ist kein Chatbot, sondern ein intelligenter Indexer, der auf Ihre tatsächliche Unternehmensstruktur

00:10:21.080 --> 00:10:21.580
trainiert ist.

00:10:21.740 --> 00:10:26.000
Von nun an hat jede Tabelle einen Schutzengel, der zu Mustererkennung und Schlussfolgerungen fähig ist.

00:10:26.000 --> 00:10:27.480
Schritt 3 ist die Anweisung.

00:10:27.600 --> 00:10:30.920
Ein Agent ohne Parameter ist wie ein Kleinkind mit Zugang zum Firmen-VPN.

00:10:31.200 --> 00:10:35.880
Sie müssen organisationsspezifische Richtlinien vorgeben, was Risiko, Umsatz oder Priorität

00:10:35.880 --> 00:10:39.780
bedeuten, welche Datenquellen maßgeblich sind und welche Systeme nicht ohne menschliche

00:10:39.780 --> 00:10:41.260
Genehmigung angefasst werden dürfen.

00:10:41.440 --> 00:10:44.820
Governance-Richtlinien aus Purview werden hier automatisch synchronisiert, aber Sie müssen

00:10:44.820 --> 00:10:45.960
die logische Absicht definieren.

00:10:46.200 --> 00:10:48.180
Sagen Sie Ihrem Agenten, wie er sich verhalten soll.

00:10:48.340 --> 00:10:51.280
Je klarer Ihre Definitionen, desto kohärenter sind seine Schlussfolgerungen.

00:10:51.480 --> 00:10:55.040
Betrachten Sie es als das Entwerfen des Mitarbeiterhandbuchs für einen Angestellten, der niemals

00:10:55.040 --> 00:10:55.320
schläft.

00:10:55.440 --> 00:10:59.200
Der vierte Schritt ist die Integration der Teil, der clevere Prototypen in tägliche

00:10:59.200 --> 00:10:59.980
Begleiter verwandelt.

00:11:00.120 --> 00:11:02.460
Verbinden Sie Ihren Datenagenten mit Copilot Studio.

00:11:02.700 --> 00:11:02.920
Warum?

00:11:03.200 --> 00:11:07.140
Weil Copilot die natürlich sprachliche Schnittstelle bietet, die Ihre Mitarbeiter bereits kennen.

00:11:07.340 --> 00:11:11.160
Wenn jemand im Vertrieb eingibt, zeige mir aufkommende Abwanderungsmuster, leitet Copilot

00:11:11.160 --> 00:11:14.740
die Anfrage höflich an Ihren Agenten weiter, der echte Schlussfolgerungen über Datensätze

00:11:14.740 --> 00:11:18.640
hinweg durchführt und eine menschenlesbare Zusammenfassung zurückgibt inklusive Quellenangaben

00:11:18.640 --> 00:11:19.800
und nachvollziehbarer Herkunft.

00:11:19.800 --> 00:11:22.320
Das ist Intelligenz in Form einer Konversation.

00:11:22.540 --> 00:11:26.320
Sobald dieses Fundament steht, beginnt das System, kleine Wunder zu vollbringen.

00:11:26.500 --> 00:11:27.920
Denken Sie an die Trendanalyse.

00:11:28.080 --> 00:11:32.800
Ihr Agent prüft kontinuierlich Transaktionsdaten, Lagerbestände und Prognosekennzahlen.

00:11:33.000 --> 00:11:37.660
Wenn das Verhalten von den Erwartungen abweicht, etwa ein früherer Feiertagsansturm als vorhergesagt,

00:11:37.980 --> 00:11:42.260
benachrichtigt er das Marketing zwei Wochen, bevor die Anomalie in einem Dashboard sichtbar

00:11:42.260 --> 00:11:42.900
geworden wäre.

00:11:43.080 --> 00:11:45.360
Oder stellen Sie sich KPI-Warnungen vor.

00:11:45.360 --> 00:11:49.760
Anstatt manueller Schwellenwertregeln erkennt der Agent Entwicklungen, die historisch gesehen

00:11:49.760 --> 00:11:52.600
Zielverfüllungen vorausgehen und markiert sie präventiv.

00:11:52.720 --> 00:11:56.780
Churn-Vorhersage, Optimierung der Lieferkette, Compliance-Prüfung, all dies wird zu einem

00:11:56.780 --> 00:11:58.940
lebendigen Prozess, nicht zu einem Quartalsbericht.

00:11:59.060 --> 00:12:00.600
Und hier glänzt das Fabric-Design.

00:12:00.800 --> 00:12:02.400
Diese Agenten leben nicht isoliert.

00:12:02.560 --> 00:12:06.380
Sie kommunizieren über Modellkontext-Protokolle mit anderen Microsoft-Diensten und schaffen

00:12:06.380 --> 00:12:07.980
so eine Multi-Agenten-Orchestrierung.

00:12:08.120 --> 00:12:12.360
Ein Fabric-Datenagent kann eine langsam laufende SKU identifizieren, einen Power-Automate-Agenten

00:12:12.360 --> 00:12:15.460
benachrichtigen, um einen Rabatt-Workflow auszulösen, Ergebnisse über einen weiteren

00:12:15.460 --> 00:12:18.700
Azure-Agenten mit Dynamics synchronisieren und das Ergebnis schließlich in Teams als

00:12:18.700 --> 00:12:19.980
geschäftliche Warnmeldung präsentieren.

00:12:20.140 --> 00:12:24.260
Diese Sequenz erfordert keine benutzerdefinierten Skripte, nur korrekt definierte Absichten und

00:12:24.260 --> 00:12:24.660
Verbindungen.

00:12:24.840 --> 00:12:28.160
Sie haben gerade erlebt, wie verteilte Intelligenz echte Arbeit verrichtet.

00:12:28.260 --> 00:12:30.380
Das ist der entscheidende Punkt, den so viele übersehen.

00:12:30.560 --> 00:12:32.600
Fabric ist kein Ort zum Speichern von Ergebnissen.

00:12:32.760 --> 00:12:35.260
Es ist eine Betriebsumgebung für kontinuierliches Schlussfolgern.

00:12:35.260 --> 00:12:39.040
Es wie einen statischen Datentresor zu behandeln, verschwendet die eine architektonische Innovation,

00:12:39.400 --> 00:12:40.080
die es auszeichnet.

00:12:40.080 --> 00:12:41.440
Sie sollen in Agenten denken.

00:12:41.680 --> 00:12:43.420
Jeder Datensatz wird zu einem Akteur.

00:12:43.640 --> 00:12:45.420
Jede Erkenntnis wird zu einem Ereignis.

00:12:45.620 --> 00:12:49.520
Jeder Geschäftsprozess wird zu einer orchestrierten, adaptiven Konversation zwischen ihnen.

00:12:49.700 --> 00:12:53.400
Ihre Aufgabe verlagert sich vom Erstellen von Pipelines zum Definieren von Absichten.

00:12:53.620 --> 00:12:54.840
Manche schrecken davor zurück.

00:12:55.000 --> 00:12:56.260
Sie wollen beruhigenden Determinismus.

00:12:56.380 --> 00:12:59.460
Die Gewissheit, dass sich nichts ändert, es sei denn, ein Mensch drückt auf, ausführen.

00:12:59.640 --> 00:13:02.060
Aber intelligente Systeme gedeihen durch Feedback-Schleifen.

00:13:02.060 --> 00:13:06.500
Wenn ein Agent eine Kennzahl verfeinert oder eine Warnung automatisiert, übernimmt er nicht die Kontrolle,

00:13:06.700 --> 00:13:07.400
sondern Verantwortung.

00:13:07.400 --> 00:13:11.380
So rechtfertigen Daten endlich ihren Wert durch das Erkennen von Problemen, das Geben

00:13:11.380 --> 00:13:13.460
von Empfehlungen und das Lernen aus Korrekturen.

00:13:13.600 --> 00:13:17.900
Wenn Sie sich jemals gefragt haben, warum Wettbewerber mit denselben Datensätzen schneller agieren,

00:13:18.160 --> 00:13:19.820
ihre Lager warten nicht auf Anweisungen.

00:13:20.120 --> 00:13:24.340
Sie kommunizieren intern und lösen Mikroprobleme, noch bevor die Führungskräfte davon erfahren.

00:13:24.600 --> 00:13:27.020
So sieht eine wiederbelebte Fabrik-Umgebung aus.

00:13:27.360 --> 00:13:30.460
Lebendig, selbstbewusst und unerbittlich analytisch.

00:13:30.460 --> 00:13:35.660
Und ja, ihren Datenleben einzuhauchen erfordert Grenzen, denn ungezügelte Autonomie mutiert schnell zu Chaos.

00:13:35.800 --> 00:13:39.360
Bevor wir diese Agenten also frei herumlaufen lassen, sollten wir Leitplanken installieren,

00:13:39.600 --> 00:13:41.660
die verhindern, dass Intelligenz zu ungehorsam wird.

00:13:41.800 --> 00:13:42.460
Governance als Leitplanke.

00:13:43.240 --> 00:13:47.360
Lassen Sie uns über Zurückhaltung sprechen, den Teil, den alle ignorieren, bis es brennt.

00:13:47.480 --> 00:13:51.120
Ihrem Wehrhaus Intelligenz ohne Governance zu geben, ist, als würde man dem Praktikanten

00:13:51.120 --> 00:13:53.460
rot Zugriff geben und sagen, seien Sie kreativ.

00:13:53.460 --> 00:13:56.580
Key-Bereitschaft ist kein blinder Glaube, es ist konstruiertes Vertrauen.

00:13:56.760 --> 00:14:00.780
Und im Fabrik-Universum trägt dieses Vertrauen drei Uniformen, Purview, Data Loss Prevention

00:14:00.780 --> 00:14:02.620
und die integrierte Governance-Schicht von Fabrik.

00:14:02.760 --> 00:14:06.720
Zusammen ziehen sie die Grenzlinien, die ihre Datenagenten brillant, aber gehorsam halten.

00:14:06.920 --> 00:14:10.420
Menschlich ausgedrückt, Governance verhindert, dass Neugier die Grenzen überschreitet.

00:14:10.600 --> 00:14:14.520
Purview definiert, wer was sehen kann, DLP stellt sicher, dass nichts Vertrauliches durch

00:14:14.520 --> 00:14:18.220
eine unvorsichtige Abfrage verloren geht, und die Fabrik-Governance setzt Richtlinien direkt

00:14:18.220 --> 00:14:19.380
in den Adern der Plattform durch.

00:14:19.380 --> 00:14:23.160
Richtig konfiguriert bilden diese Systeme ein Nervensystem, das Grenzüberschreitungen

00:14:23.160 --> 00:14:25.580
erkennt und Disziplin in Maschinengeschwindigkeit durchsetzt.

00:14:25.720 --> 00:14:29.320
Ihre Agenten mögen zwar Schlussfolgern, aber sie tun dies innerhalb einer Sandbox, die von

00:14:29.320 --> 00:14:30.760
Compliance-Leitplanken umgeben ist.

00:14:30.880 --> 00:14:34.620
Die entscheidende Nuance ist, dass Fabrik-Governance nicht als externe lästige Pflicht betrachtet.

00:14:34.820 --> 00:14:36.760
Sie ist fest in jeder Transaktion verankert.

00:14:36.940 --> 00:14:41.720
Jeder Datensatz trägt seinen eigenen Metadatenpass, seine Herkunft, Klassifizierung und Zugriffsrollen

00:14:41.720 --> 00:14:41.980
mit sich.

00:14:42.180 --> 00:14:46.040
Wann immer ein Agent also Daten abruft, zieht er diesen Metadaten-Kontext mit.

00:14:46.040 --> 00:14:48.600
So stellt Fabrik eine kontextbewusste Key sicher.

00:14:48.740 --> 00:14:51.660
Die Information wird nicht einfach nur abgerufen, sie wird nachverfolgt.

00:14:51.660 --> 00:14:54.980
Sie sehen, wer sie wann berührt hat und wie sie durch Workflows geleitet wurde.

00:14:55.120 --> 00:14:57.400
Es ist forensische Buchführung für kognitive Prozesse.

00:14:57.620 --> 00:15:00.200
Lassen Sie uns nun die Illusion ungezügelter Intelligenz ansprechen.

00:15:00.420 --> 00:15:03.740
Viele Teams aktivieren Agenten, feiern die Autonomie und wundern sich drei Wochen später,

00:15:04.020 --> 00:15:07.160
warum ein hilfsbereiter Boot vertrauliche Zahlen in einen öffentlichen Kanal GMI hat.

00:15:07.260 --> 00:15:11.520
Denn ohne explizite Autoritätsstrukturen wird jeder Agent zu einem improvisienten Praktikanten,

00:15:11.520 --> 00:15:13.860
der überzeugt ist, heroische Arbeit zu leisten.

00:15:14.040 --> 00:15:17.500
Governance macht aus diesen Improvisationen eine geprobte Aufführung nach Skript.

00:15:17.680 --> 00:15:21.620
Rollen und Berechtigungen legen fest, welche Datensätze ein Agent abfragen kann und welche

00:15:21.620 --> 00:15:23.160
Aktionen eine Bestätigung erfordern.

00:15:23.300 --> 00:15:27.120
Die Key denkt weiterhin kreativ, tut dies aber, während sie in Echtzeit das Ethikhandbuch

00:15:27.120 --> 00:15:28.160
des Unternehmens rezitiert.

00:15:28.280 --> 00:15:31.320
Die Anreicherung von Metadaten spielt hierbei eine Stille, aber entscheidende Rolle.

00:15:31.520 --> 00:15:35.320
Jeder Datensatz erhält beschreibende Ebenen, Eigentumsverhältnisse, Sensitivität und Herkunft.

00:15:35.480 --> 00:15:39.500
Wenn ein Agent also eine Zusammenfassung erstellt, weiß er bereits, ob der Inhalt öffentlich

00:15:39.500 --> 00:15:40.360
oder vertraulich ist.

00:15:40.520 --> 00:15:44.160
Kombinieren Sie das mit dem Herkunftsgrafen von Fabrik und Sie können jede Key generierte

00:15:44.160 --> 00:15:46.560
Schlussfolgerung direkt auf die Rohdatenquelle zurückführen.

00:15:46.560 --> 00:15:50.500
Das schließt den Interpretierbarkeitskreislauf und ermöglicht Audits selbst bei autonomen

00:15:50.500 --> 00:15:50.900
Abläufen.

00:15:51.060 --> 00:15:54.680
Es ist der Unterschied zwischen erklärbarer Automatisierung und plausibler Abstreitbarkeit.

00:15:54.800 --> 00:15:56.360
Der psychologische Nutzen ist enorm.

00:15:56.680 --> 00:15:59.620
Führungskräfte fürchten sich nicht mehr vor Key-Willkür, weil sie deren Gedankengang

00:15:59.620 --> 00:16:00.320
überprüfen können.

00:16:01.040 --> 00:16:04.320
Datenschutzbeauftragte müssen keine Governance-Memos mehr schreiben, da die Richtlinien direkt

00:16:04.320 --> 00:16:05.080
mit den Daten reisen.

00:16:05.300 --> 00:16:09.680
Fabrik erreicht, was ältere B-Systeme nie konnten, selbst verwirklich Ende Compliance.

00:16:09.900 --> 00:16:12.140
Jede Erkenntnis hat eine fest integrierte Herkunft.

00:16:12.360 --> 00:16:15.340
Jede Aktion wird mit der Präzision eines Flugdatenschreibers aufgezeichnet.

00:16:15.340 --> 00:16:17.660
Natürlich garantieren Regeln allein noch keine Weisheit.

00:16:17.800 --> 00:16:20.840
Man kann auch zu viel steuern und die Kreativität genauso leicht ersticken.

00:16:21.020 --> 00:16:23.840
Governance soll Intelligenz in Bahnen lenken, nicht sie unterdrücken.

00:16:23.960 --> 00:16:27.400
Die Brillanz des Modells von Fabrik liegt in seiner Verhältnismäßigkeit, dem Gleichgewicht

00:16:27.400 --> 00:16:28.820
zwischen Automatisierung und Verantwortung.

00:16:29.060 --> 00:16:31.700
Agenten agieren schnell, jedoch innerhalb definierbarer Grenzen.

00:16:31.860 --> 00:16:35.600
Entscheidungen, die Empathie, Urteilsvermögen oder Haftung erfordern, werden automatisch an

00:16:35.600 --> 00:16:36.160
Menschen eskaliert.

00:16:36.340 --> 00:16:38.860
Sie halten die Maschine schnell und die Menschen in der Verantwortung.

00:16:39.120 --> 00:16:39.560
Elegant.

00:16:39.740 --> 00:16:41.020
Hier ist also der Lackmus-Test.

00:16:41.180 --> 00:16:44.000
Wenn sich ihre Fabrik-Umgebung unkontrolliert anfühlt, haben sie zu wenig Governance.

00:16:44.000 --> 00:16:46.460
Wenn sie sich gelähmt anfühlt, haben sie zu viel Governance.

00:16:46.580 --> 00:16:50.840
Der goldene Mittelweg ist die Orchestrierung, eine Symphonie, in der Agenten souverän nach

00:16:50.840 --> 00:16:54.680
Partiturspielen und Compliance den Rhythmus vorgibt, statt ihn zu unterbrechen.

00:16:54.960 --> 00:16:58.240
Sobald das Vertrauen steht, zeigt Fabrik sein wahres Gesicht.

00:16:58.440 --> 00:17:02.220
Eine disziplinierte, intelligente Zusammenarbeit zwischen Logik und Gesetz.

00:17:02.420 --> 00:17:06.920
Das Chaos legt sich, Erkenntnisse fließen und zum ersten Mal verhalten sich ihre Daten nicht

00:17:06.920 --> 00:17:11.580
wie ein unbändiger Teenager, sondern wie ein Profi, der genau weiß, wie weit Brillanz gehen

00:17:11.580 --> 00:17:14.040
darf, ohne Richtlinien zu verletzen.

00:17:14.640 --> 00:17:16.520
Das intelligente Ökosystem.

00:17:16.760 --> 00:17:18.880
Was sie bisher aufgebaut haben, semantische Modelle.

00:17:19.120 --> 00:17:21.480
Agenten und Governance ist nicht bloß ein Data Warehouse.

00:17:21.740 --> 00:17:22.540
Es ist eine Kolonie.

00:17:22.800 --> 00:17:26.680
Jedes Element in Microsoft Fabrik ist darauf ausgelegt, zu koexistieren und zu kooperieren.

00:17:26.860 --> 00:17:28.680
Die Schönheit liegt in der Vereinheitlichung.

00:17:28.820 --> 00:17:32.520
Data Engineering, Business Intelligence und Key Atmen dieselbe Luft.

00:17:32.720 --> 00:17:34.360
Für sich genommen sind sie beeindruckend.

00:17:34.540 --> 00:17:37.660
Zusammen entwickeln sie sich zu einer fast schon bewussten Koordination.

00:17:37.880 --> 00:17:40.520
Fabrik ist nicht einfach nur ein weiteres Tool in ihrem Tech Stack.

00:17:40.520 --> 00:17:42.960
Es ist das Betriebssystem für Unternehmensintelligenz.

00:17:43.080 --> 00:17:46.760
Auf einer einzigen Oberfläche können sie Datenpipelines erstellen, Warehouses verwalten,

00:17:47.040 --> 00:17:50.540
Echtzeitanalysen orchestrieren und Key-Agenten dazu einladen, alles zu durchdringen.

00:17:50.660 --> 00:17:54.200
Es gibt keine Übergaben zwischen Abteilungen mehr, nur noch einen durchgehenden Workflow,

00:17:54.400 --> 00:17:56.560
der bei der Aufnahme beginnt und mit der Erkenntnis endet.

00:17:56.720 --> 00:18:00.440
Vergleichen sie das mit der Zeit vor Fabrik, als vier Plattformen und sechs Abstimmungen

00:18:00.440 --> 00:18:02.260
nötig waren, damit Datensinn ergaben.

00:18:02.420 --> 00:18:08.240
Heute speist One Lake alles, Powerbee visualisiert es, Echtzeitintelligenz reagiert darauf und Datenagenten

00:18:08.240 --> 00:18:12.060
interpretieren es. Sie haben endlich Orchestrierung statt koordinativen Chaos.

00:18:12.260 --> 00:18:13.940
Denken sie an vorausschauende Wartung.

00:18:14.160 --> 00:18:17.820
In einer Fabrik-Umgebung fließen Sensordaten durch Echtzeitintelligenz.

00:18:17.940 --> 00:18:19.900
Die Data Engineering-Schicht bereitet sie auf.

00:18:20.080 --> 00:18:24.580
Der Datenagent erkennt unregelmäßige Vibrationsfrequenzen und noch bevor ein Techniker ein Dashboard sieht,

00:18:24.740 --> 00:18:27.320
hat ein Power Automate Agent Inspektionsaufträge erstellt.

00:18:27.320 --> 00:18:30.840
Das ist Erkenntnis in einem geschlossenen Kreislauf ein System, das nicht auf Erlaubnis wartet,

00:18:31.020 --> 00:18:31.920
um Probleme zu verhindern.

00:18:32.060 --> 00:18:33.080
Wechseln wir zum Marketing.

00:18:33.080 --> 00:18:37.320
Kampagnendaten fließen aus Dynamics in One Lake, werden von Data Factory verarbeitet,

00:18:37.480 --> 00:18:40.720
durch semantische Modelle kontextualisiert und von einem Agenten interpretiert,

00:18:40.860 --> 00:18:42.860
der auf historischen Reaktionsmustern trainiert wurde.

00:18:43.360 --> 00:18:48.320
Wenn die Klickrate sinkt, gleicht der Agent Saisonalität ab, schlägt neue Zeitpunkte vor

00:18:48.320 --> 00:18:53.660
und liefert Vorschläge an das Co-Pilot-Panel von Powerbee, damit der Marketer sie freigeben kann.

00:18:54.740 --> 00:18:56.640
Fabrik ersetzt keine Kreativität.

00:18:56.980 --> 00:18:59.580
Es verstärkt sie durch ständiges Situationsbewusstsein.

00:18:59.580 --> 00:19:04.340
Und in der Fertigung? Ein Operations-Agent korreliert Produktionsdaten mit Lagerbeständen

00:19:04.340 --> 00:19:08.540
und weist einen anderen Agenten in Azure an, Beschaffungsaufträge automatisch anzupassen.

00:19:08.700 --> 00:19:11.400
Bei Nachfragespitzen gerät das System nicht in Panik.

00:19:11.560 --> 00:19:13.580
Es richtet sich in Millisekunden neu aus.

00:19:13.860 --> 00:19:16.460
Genau das bedeutet selbstjustierende Intelligenz.

00:19:16.580 --> 00:19:19.160
Daten, die ihr eigenes Ungleichgewicht spüren und korrigieren,

00:19:19.360 --> 00:19:21.320
bevor jemand eine Eskalations-E-Mail schreiben muss.

00:19:21.500 --> 00:19:24.960
Jedes Mal, wenn Fabrik diese beweglichen Teile verbindet, vervielfacht sich der Wert.

00:19:25.100 --> 00:19:28.560
Daten haben eine Herkunft, Erkenntnisse einen Urheber und Handlungen eine Begründung.

00:19:28.560 --> 00:19:30.720
Power-B ist nicht nur ein Visualisierungsendpunkt.

00:19:31.020 --> 00:19:32.860
Es ist eine Ausdrucksfläche für den Geist der Maschine.

00:19:33.020 --> 00:19:35.160
Data Factory ist keine bloße Ingestion-Engine mehr,

00:19:35.280 --> 00:19:37.660
sondern eine lebendige Arterie, die ständige Kognition speist.

00:19:38.360 --> 00:19:40.120
Echtzeitintelligenz, das sind die Reflexe von Fabrik.

00:19:40.280 --> 00:19:42.960
Ohne sie würde das System zwar verstehen, aber niemals reagieren.

00:19:43.160 --> 00:19:47.120
Zusammen bilden diese Schichten das vielleicht erste wirklich kooperative digitale Ökosystem.

00:19:47.320 --> 00:19:51.500
Eine Umgebung, in der Speicherung, logisches Denken und Handeln in der Praxis nicht unterscheidbar sind.

00:19:51.620 --> 00:19:53.600
Die demokratisierende Wendung ist Co-Pilot.

00:19:53.780 --> 00:19:56.140
Es verwandelt all diese Komplexität in Konversation.

00:19:56.140 --> 00:19:58.820
Business-Anwender müssen kein KQL oder DAX mehr lernen.

00:19:59.020 --> 00:20:00.780
Sie tippen ihre Fragen einfach in Teams.

00:20:00.980 --> 00:20:03.780
Hinter den Kulissen delegiert Co-Pilot das Denken an Datenagenten,

00:20:03.940 --> 00:20:06.340
die validierte, richtlinienkonforme Antworten abrufen.

00:20:06.480 --> 00:20:08.380
Die Mitarbeiter erleben sofortige Klarheit,

00:20:08.620 --> 00:20:10.500
während Governance-Beauftragte ruhig schlafen,

00:20:10.700 --> 00:20:12.540
da jede Aussage belegbare Herkunft hat.

00:20:12.660 --> 00:20:15.480
Es ist die Verbindung von Zugänglichkeit und Autorität der seltene Moment,

00:20:15.680 --> 00:20:17.640
in dem Benutzerfreundlichkeit nicht die Strenge verbessert.

00:20:17.780 --> 00:20:20.300
Hier bricht die traditionelle B-Denkweise endgültig zusammen.

00:20:20.480 --> 00:20:23.540
Die Datenökosysteme von gestern produzierten rückwärtsgewandte Berichte.

00:20:23.540 --> 00:20:26.860
Das Fabric-Ökosystem von heute produziert situative Wahrnehmung.

00:20:27.000 --> 00:20:28.220
Man misst Leistung nicht mehr.

00:20:28.500 --> 00:20:29.820
Man erlebt sie kontinuierlich.

00:20:29.980 --> 00:20:32.400
Das Wehrhaus ist keine passive Infrastruktur mehr.

00:20:32.660 --> 00:20:35.040
Es ist das strategische Nervensystem des Unternehmens.

00:20:35.180 --> 00:20:37.600
Die Intelligenz von Fabric ist keine isolierte Brillanz.

00:20:37.880 --> 00:20:39.200
Sie ist kooperatives Genie.

00:20:39.420 --> 00:20:41.140
Stellen Sie sich diesen Wandel visuell vor.

00:20:41.280 --> 00:20:42.380
Der alte See war horizontal.

00:20:42.780 --> 00:20:44.800
Daten flossen in eine Richtung und stoppten dann.

00:20:44.980 --> 00:20:46.020
Fabric ist vertikal.

00:20:46.220 --> 00:20:49.440
Daten steigen durch Engineering, Modellierung, Denken, Visualisierung

00:20:49.440 --> 00:20:52.640
und Handeln in einem ständigen Aufstieg empor, wie Wärme in der Atmosphäre.

00:20:52.800 --> 00:20:54.760
Was oben ankommt, ist nicht nur Analyse.

00:20:55.020 --> 00:20:55.800
Es ist Voraussicht.

00:20:55.960 --> 00:20:57.720
Damit wird die Frage schmerzhaft einfach.

00:20:57.900 --> 00:21:00.560
Werden Sie diese lebendige Umgebung mit intelligenten Entitäten füllen

00:21:00.560 --> 00:21:02.720
oder weiterhin flache Dateien wie Grabsteine stapeln?

00:21:02.860 --> 00:21:05.220
Denn auf dieser Stufe ist Unwissenheit eine bewusste Entscheidung.

00:21:05.460 --> 00:21:07.320
Fabric gibt Ihnen das Gewebe und die Neuronen.

00:21:07.480 --> 00:21:08.780
Die Aktivierung zu verweigern ist,

00:21:08.940 --> 00:21:11.060
als würde man ein Gehirn kaufen und auf einem Koma bestehen.

00:21:11.060 --> 00:21:12.220
Wenn es korrekt funktioniert,

00:21:12.500 --> 00:21:14.780
verhält sich Ihr Fabric-Ökosystem weniger wie Software

00:21:14.780 --> 00:21:17.220
und mehr wie ein durch Feedback synchronisierter Organismus.

00:21:17.220 --> 00:21:19.200
Jedes Mal, wenn sich ein Datensatz ändert,

00:21:19.420 --> 00:21:22.140
passt sich jede Schicht an, damit die Intelligenz niemals verknöchert.

00:21:22.280 --> 00:21:23.960
Genau dafür wurde es schließlich gebaut.

00:21:24.180 --> 00:21:25.140
Nicht für statische Berichte,

00:21:25.360 --> 00:21:27.160
sondern für einen dauerhaften Zustand des Lernens.

00:21:27.300 --> 00:21:29.500
Und nun erreichen wir die unvermeidliche Weggabelung.

00:21:29.640 --> 00:21:31.840
Ob Sie diesen evolutionären Kreislauf aufrechterhalten

00:21:31.840 --> 00:21:34.840
oder ihn mit Ihrem nächsten CSV-Upload wieder unter Verschluss bringen wollen.

00:21:34.980 --> 00:21:35.400
Die Wahl

00:21:35.400 --> 00:21:37.100
Hier ist die schonungslose Wahrheit.

00:21:37.280 --> 00:21:39.220
Microsoft Fabric ist kein Speicherprodukt.

00:21:39.220 --> 00:21:41.720
Es ist eine Intelligenz-Engine, die sich als etwas anderes tarnt,

00:21:41.860 --> 00:21:43.120
um Traditionalisten nicht zu verschrecken.

00:21:43.280 --> 00:21:44.800
Sie haben keinen Festplattenspeicher gekauft.

00:21:45.020 --> 00:21:46.660
Sie haben Kognition als Dienstleistung erworben.

00:21:46.660 --> 00:21:49.360
Ihr Data Warehouse atmet nur, wenn Ihre Agenten wach sind.

00:21:49.520 --> 00:21:52.440
Wenn Sie schlafen, verfällt das Ökosystem zurück in ein stilles Archiv,

00:21:52.560 --> 00:21:53.960
das nur vorgibt, modern zu sein.

00:21:54.120 --> 00:21:56.760
Ihre Konkurrenten überholen Sie nicht mit größeren Datensätzen.

00:21:56.960 --> 00:21:59.920
Sie übertreffen sie mit denselben Daten, die intelligent konfiguriert sind.

00:22:00.080 --> 00:22:02.860
Sie lassen Ihre Agenten Trends interpretieren, bevor die Meetings beginnen.

00:22:03.040 --> 00:22:04.580
Sie formatieren immer noch Exporte.

00:22:04.760 --> 00:22:06.440
Die technologische Kluft ist minimal.

00:22:06.440 --> 00:22:08.340
Die kognitive Kluft ist abgründig.

00:22:08.500 --> 00:22:10.120
Wählen Sie Ihre Zukunft also mit Bedacht.

00:22:10.260 --> 00:22:13.020
Behandeln Sie Fabric weiterhin wie ein teures Datenleichenschauhaus

00:22:13.020 --> 00:22:15.180
oder nutzen Sie es als das, wofür es entwickelt wurde,

00:22:15.340 --> 00:22:16.400
ein Denkrahmen für Ihr Unternehmen.

00:22:16.780 --> 00:22:18.120
Reanimieren Sie diese Datensätze.

00:22:18.360 --> 00:22:19.660
Lassen Sie Agenten Schlussfolgern.

00:22:19.860 --> 00:22:21.060
Lassen Sie sich von Governance leiten

00:22:21.060 --> 00:22:23.360
und machen Sie Erkenntnisse zum Reflex statt zum Ritual.

00:22:23.520 --> 00:22:25.660
Und wenn diese Erkenntnis auch nur ein wenig geschmerzt hat,

00:22:25.840 --> 00:22:28.440
gut, das ist ein Zeichen für eine konzeptionelle Wiederbelebung.

00:22:28.640 --> 00:22:32.000
Bevor Ihr nächster ETL-Job nun die Kennzahlen eines weiteren Monats einbalsamiert,

00:22:32.240 --> 00:22:33.620
abonnieren Sie für tiefere Einblicke,

00:22:33.620 --> 00:22:35.920
wie man Intelligenz in Microsoft Fabric integriert.

00:22:36.020 --> 00:22:38.140
Behandeln Sie es weiter wie einen CSV-Friedhof.

00:22:38.320 --> 00:22:39.540
Nennen Sie es nur nicht Fabric.
