WEBVTT

00:00:00.000 --> 00:00:01.980
Co-Pilot ist nicht verwirrt. Es gehorcht.

00:00:02.360 --> 00:00:06.400
Der fröhliche Absatz, den es gerade über den nicht vorhandenen herausragenden Q4-Aufschwung Ihres Unternehmens geschrieben hat,

00:00:06.840 --> 00:00:09.840
war keine Panne. Er ist das Evangelium, das auf Ihren eigenen schlecht verdrahten Datenbuch.

00:00:10.240 --> 00:00:12.240
Das ist der Effekt Müll rein, selbstbewusst raus.

00:00:13.060 --> 00:00:16.380
Die höfliche Art von Microsoft Fabric zu sagen, Sie haben Ihren Lügner selbst trainiert.

00:00:16.980 --> 00:00:21.620
Co-Pilot halluziniert gerne Muster, weil Ihre Tabellen süße Inkonsistenzen in seiner Eingabekontext flüstern.

00:00:22.360 --> 00:00:22.920
Folgendes passiert.

00:00:23.480 --> 00:00:27.600
Sie haben doppelte Verknüpfungen, fehlende Semantik und unausgereifte Medaillonebenen, die sich als Wahrheit tagen.

00:00:27.600 --> 00:00:31.320
Dann rufen Sie Co-Pilot auf und bitten um Erkenntnisse, da es nicht argumentiert, sondern neu ordnet.

00:00:31.840 --> 00:00:36.760
Fabric füttert es mit fehlerhaften Metadaten und Co-Pilot gibt einen luziden Traum zurück, der als Analyse verkleidet ist.

00:00:37.840 --> 00:00:41.880
Heute zeige ich Ihnen, warum das passiert, wo Ihr Datenmodell Sie verraten hat und wie Sie es neu erstellen,

00:00:41.960 --> 00:00:43.720
damit Co-Pilot aufhört, Geschichten zu erfinden.

00:00:44.480 --> 00:00:48.120
Am Ende haben Sie eine KI, die präzise, erklärbar und letztendlich vertrauenswürdig ist.

00:00:49.300 --> 00:00:50.380
Die Illusion von Intelligenz.

00:00:51.180 --> 00:00:52.020
Warum Co-Pilot lügt.

00:00:52.560 --> 00:00:54.080
Die Leute erwarten, dass Co-Pilot Dinge weiß.

00:00:54.480 --> 00:00:55.020
Das tut es nicht.

00:00:55.020 --> 00:00:59.220
Es führt Musterabgleiche aus Ihren Metadaten, Ihrem Kontext und dem brüchigen Sinn für Beziehungen durch,

00:00:59.280 --> 00:01:00.300
die Sie in Fabric definiert haben.

00:01:00.600 --> 00:01:03.240
Sie denken, Sie sprechen mit Intelligenz, aber in Wirklichkeit sprechen Sie mit einer Reflexion.

00:01:03.780 --> 00:01:07.220
Geben Sie Ihr Mehrdeutigkeit und Sie spiegelt diese Mehrdeutigkeit direkt zurück, nur glänzender.

00:01:07.720 --> 00:01:08.540
Hier liegt das eigentliche Problem.

00:01:08.880 --> 00:01:12.120
Die meisten Fabric-Implementierungen behandeln das Schema-Design als nachträglichen Einfall.

00:01:12.800 --> 00:01:14.500
Fakten-Tabellen werden mit dem falschen Schlüssel verknüpft,

00:01:14.580 --> 00:01:17.140
Kennzahlen werden inkonsistent geschrieben, Beschreibungen fehlen gänzlich.

00:01:17.800 --> 00:01:20.940
Co-Pilot liest dieses Chaos, wie ein Kind, der seinen Satz ohne Satzzeichen liest.

00:01:21.580 --> 00:01:23.060
Es rät einfach, wo die Bedeutung hingehört.

00:01:23.640 --> 00:01:26.140
Das Ergebnis klingt kohärent, kann aber grundlegend falsch sein.

00:01:26.880 --> 00:01:29.120
Nehmen wir an, Ihre Goldschicht enthält Einnahmen aus einer Quelle

00:01:29.120 --> 00:01:31.580
und Gesamtverkäufe aus einer anderen, beide nicht standardisiert.

00:01:32.380 --> 00:01:35.920
Co-Pilot sieht ähnliche Spaltennamen und verschmilzt sie in seiner unendlichen Höflichkeit.

00:01:36.800 --> 00:01:38.500
Sie fragen, wie hoch war der Umsatz im letzten Quartal?

00:01:39.040 --> 00:01:41.760
Das Modell führt Kennzahlen mit nicht übereinstimmender Granularität zusammen,

00:01:41.760 --> 00:01:45.080
erstellt einen Durchschnitt über inkompatible Skalen, präsentiert ihn diesen mit voller Zuversicht.

00:01:45.080 --> 00:01:47.880
Das Diagramm sieht professionell aus, die Mathematik ist Fiktion.

00:01:48.300 --> 00:01:49.460
Die Illusion entsteht durch den Ton.

00:01:50.000 --> 00:01:51.840
Natürliche Sprache fühlt sich wie Verstehen an,

00:01:52.080 --> 00:01:54.960
aber die natürlichen Antworten von Co-Pilot verschleiern nur statistische Nachahmung.

00:01:55.360 --> 00:01:57.500
Wenn Sie eine Frage stellen, validiert das Modell keine Fakten.

00:01:58.040 --> 00:02:01.760
Es ruft Muster, wahrscheinliche Verknüpfungen, plausible Spalten und verständlichen Text ab.

00:02:02.440 --> 00:02:06.000
Ohne strikte Datenherkunft oder semantische Governance erfindet es, was es nicht ableiten kann.

00:02:06.600 --> 00:02:08.900
Es ist im Grunde Ihr Schema mit Bühnenpräsenz.

00:02:09.400 --> 00:02:10.560
Fabrik verstärkt diese Illusion.

00:02:10.560 --> 00:02:15.440
Da Datenagenten in Fabrik-Kontext über Metadaten übergeben, werden Lücken in Beziehungen,

00:02:15.720 --> 00:02:20.040
fehlende Fremdschlüsse, nicht getackte Dimensionen oder mehrdeutige Kennzahlen nahmen als optionale Hinweise

00:02:20.040 --> 00:02:23.020
und nicht als Vorgaben behandelt und nicht als Vorgaben behandelt.

00:02:23.440 --> 00:02:26.040
Das Modell füllt diese Lücken durch Mustervervollständigung, nicht durch Logik.

00:02:26.540 --> 00:02:28.500
Sie meinten, Verkäufe nach Region und Datum verknüpfen?

00:02:29.320 --> 00:02:32.100
Es könnte heißen, Verkäufe mit allem verknüpfen, das nach geografischem Gesichtspunkt riecht.

00:02:32.580 --> 00:02:35.260
Dann kooperiert das generierte SQL pflichtbewusst mit diesem Unsinn.

00:02:35.620 --> 00:02:38.700
Die Nutzer fallen darauf herein, weil die Schnittstelle die Syntax von Anfragen demokratisch.

00:02:38.700 --> 00:02:40.580
Sie geben einen Satz ein, er gibt eine visuelle Antwort zurück.

00:02:40.940 --> 00:02:44.000
Sie gehen von Verständnis aus, aber das Modell arbeitet in einem statistischen Nebel.

00:02:44.580 --> 00:02:47.220
Je weniger Einschränkungen sie definieren, desto freundlicher werden seine Lügen.

00:02:47.840 --> 00:02:49.260
Die entscheidende mentale Veränderung ist diese.

00:02:49.400 --> 00:02:50.360
Co-Pilot ist kein Orakel.

00:02:50.920 --> 00:02:54.740
Es hat keine Erkenntnistheorie, kein Konzept der Wahrheit, nur Spiegelbilder, die aus ihren Metadaten erstellt wurden.

00:02:55.080 --> 00:02:57.780
Es wandelt ihr Datenmodell in einen linguistischen Wahrscheinlichkeitsraum um.

00:02:58.560 --> 00:03:00.700
Jeder strukturelle Fehler wird zu einer semantischen Halluzination.

00:03:00.700 --> 00:03:05.400
Wenn ihr Schema inkonsistent ist, halluziniert die KI eine Konsistenz, die es nicht gibt.

00:03:06.660 --> 00:03:07.880
Und die Tragödie ist vorhersehbar.

00:03:08.520 --> 00:03:12.800
Führungskräfte treffen Entscheidungen auf der Grundlage von Fiktionen, die sich valide anfühlen, weil sie vom Microsoft Fabric stammen.

00:03:13.260 --> 00:03:18.400
Wenn ihre Goldschicht unter inkonsistenten Transformationen wackelt, verstärkt Co-Pilot dieses Wackeln in selbstbewusstes Storytelling.

00:03:18.760 --> 00:03:18.880
Ähm.

00:03:18.880 --> 00:03:21.620
Die Eloquenz des Modells verschleiert die Fäulnis ihrer Pipeline.

00:03:22.160 --> 00:03:23.800
Stellen Sie sich Co-Pilot als eine Reflexionsengine.

00:03:24.120 --> 00:03:26.500
Seine Intelligenz beginnt und endet mit der Qualität Ihres Schemas.

00:03:27.300 --> 00:03:32.760
Wenn Ihre Verknüpfungen schief, Ihre Abstammungslinie unterbrochen oder Ihre Semantik unklar ist, spiegelt das Unsicherheit als Gewissheit wieder.

00:03:33.560 --> 00:03:37.000
Deshalb beginnt die Heilung nicht mit schneller Entwicklung, sondern mit architektonischer Hygiene.

00:03:37.900 --> 00:03:41.520
Wenn Co-Pilot also nur so wahrheitsgemäß ist wie Ihre Architektur, sollten wir analysieren, wo der Verfall beginnt.

00:03:42.260 --> 00:03:44.280
Der Medaillenmythos wird Bronze-Gold verunreinigt.

00:03:44.940 --> 00:03:48.020
Jeder Dateningenieur rezitiert die Medaillenarchitektur wie eine heilige Schrift.

00:03:48.020 --> 00:03:49.100
Bronze, Silber, Gold.

00:03:49.500 --> 00:03:50.820
Roh, veredelt, zuverlässig.

00:03:51.280 --> 00:03:53.680
Theoretisch ist es eine Pilgerreise vom Chaos zur Klarheit.

00:03:54.440 --> 00:03:58.220
Jede Schicht beseitigt mehr Deutigkeiten, bis die Daten ihren heiligen Schein der Wahrheit erhalten.

00:03:59.420 --> 00:04:07.180
In der Praxis bauen die meisten Leute eine Themenparkrutsche, auf der rohe Inkonsistenzen einen Expresszug von Bronze direkt in Gold nehmen, ohne dass dazwischen etwas bereinigt wird.

00:04:07.600 --> 00:04:08.220
Fangen wir unten an.

00:04:08.820 --> 00:04:09.760
Bronze ist Ihre Landezone.

00:04:10.440 --> 00:04:14.120
Paketdateien, CSVs, IoT-Aufnahme, das Fossilienarchiv Ihres Unternehmens.

00:04:14.880 --> 00:04:16.660
Es soll nicht schön sein, sondern vollständig erfasst werden.

00:04:16.660 --> 00:04:20.140
Die Leute vergessen jedoch, dass Bronze eine Quarantäne ist und kein Wirkstoff.

00:04:20.780 --> 00:04:28.100
Wenn dieser rohe Dreck durch volle Abkürzungen, direkte Abfragen oder fehlende Transformationslogik nach oben sickert, geben Sie Co-Pilot unbehandeltes Rauschen als Kontext.

00:04:28.820 --> 00:04:29.680
Ja, es wird halluzinieren.

00:04:30.220 --> 00:04:30.920
Das hat einen guten Grund.

00:04:31.360 --> 00:04:33.560
Sie haben ihm ein Traumtagebuch gegeben und um ein Audit gebeten.

00:04:33.820 --> 00:04:35.260
Silber soll diesen Schlamm verfeinern.

00:04:35.820 --> 00:04:36.760
Hier sterben Duplikate.

00:04:37.020 --> 00:04:38.120
Schimmata werden ausgerichtet.

00:04:38.340 --> 00:04:39.200
Datentypen stimmen überein.

00:04:39.300 --> 00:04:41.520
Und universelle Schlüssel stimmen schließlich darüber überein, was ein Kunde ist.

00:04:41.520 --> 00:04:46.040
Aber wenn man sich die meisten Fabric-Setups ansieht, ist Silber eine halbherzige Entschuldigung.

00:04:46.600 --> 00:04:49.680
Schnelle Verknüpfungen, brüchige Nachschlagevorgänge, undokumentierte Konvertierungen.

00:04:50.300 --> 00:04:51.280
Die Ausrede ist immer dieselbe.

00:04:51.620 --> 00:04:52.420
Wir reparieren es in Gold.

00:04:52.760 --> 00:04:55.560
Das ist so, als würde man Grammatikfehler beheben, indem man das Wörterbuch zu spät veröffentlicht.

00:04:55.940 --> 00:04:58.300
Wenn man Gold erreicht, setzt die Illusion von Vertrauen ein.

00:04:58.960 --> 00:05:00.180
Alles in Gold sieht analytisch aus.

00:05:00.600 --> 00:05:03.440
Saubere Tabellen, geschäftsfreundliche Namen, Dashboards, die vor Zuversichtsstrahlen.

00:05:03.440 --> 00:05:10.720
Darunter befinden sich jedoch nicht übereinstimmende Conversions, nicht synchronisierte Zeitstempel und ID-Kollisionen, die bis nach Bronze zurückverfolgt werden können.

00:05:11.140 --> 00:05:13.680
Die Metadaten von Fabric verfolgen diese Beziehungen automatisch.

00:05:14.280 --> 00:05:17.560
Und rate mal, auf welche Beziehungen sich Co-Pilot bei der Interpretation natürlicher Sprache verlässt.

00:05:17.960 --> 00:05:18.340
Auf alle.

00:05:18.880 --> 00:05:20.860
Wenn also die Herkunft lügt, erbt das Modell die Täuschung.

00:05:21.520 --> 00:05:22.660
Hier ist ein Szenario aus der Praxis.

00:05:23.280 --> 00:05:25.380
Du hast Transaktionsdaten aus zwei Buchungssystemen.

00:05:25.900 --> 00:05:28.340
Beide werden mit leicht unterschiedlichen Schlüsselformaten in Bronze eingespeist.

00:05:28.620 --> 00:05:31.180
Eines verwendet eine numerische Pfad-ID, ein anderes mit Buchstaben.

00:05:31.180 --> 00:05:36.160
In Silber hat jemand sie durch einen inneren Join auf abgeschnittenen Teilzeichenfolgen zusammengeführt, um sie zu standardisieren.

00:05:37.100 --> 00:05:38.460
Technisch gesehen hast du Vereinheitlichte Daten.

00:05:38.860 --> 00:05:40.820
Semantisch gesehen hast du Galphantum-Übereinstimmung erstellt.

00:05:41.620 --> 00:05:46.520
Jetzt berechnet Co-Pilot zuverlässig den durchschnittlichen Pfadumsatz, der Transaktionen aus völlig unterschiedlichen Kontexten umfasst.

00:05:47.200 --> 00:05:50.460
Es ist präziser Unsinn, akkurate Syntax, erfundene Semantik.

00:05:51.000 --> 00:05:54.500
Das ist der Medaillon-Mythos, die Idee, dass Ebenen automatisch Reinheit liefern.

00:05:55.580 --> 00:05:57.800
Ebenen sind nur so wahrheitsgetreu wie die Disziplin in ihnen.

00:05:58.220 --> 00:05:59.620
Bronze sollte die Rohentropie offenlegen.

00:05:59.620 --> 00:06:01.880
Silver muss die Dekontaminierung erzwingen.

00:06:02.320 --> 00:06:04.680
Gold muss eine zertifizierte Geschäftslogik repräsentieren.

00:06:05.260 --> 00:06:07.640
Keine manuellen Überschreibungen, keine temporären Lösungen.

00:06:08.240 --> 00:06:11.360
Wenn Sie diese Kette unterbrechen, ersetzen Sie die Verfeinerung durch rekursive Verschmutzung.

00:06:11.600 --> 00:06:12.780
Co-Pilot weiß natürlich nichts davon.

00:06:13.400 --> 00:06:16.600
Es übernimmt alles, was das Fabrikmodell als Herkunft verkündet und geht von Kausalität aus.

00:06:17.440 --> 00:06:22.580
Wenn eine Spalte in Gold auf ein Hybrid aus drei inkonsistenten Quellen verweist, sieht die KI ein einzelnes Konzept.

00:06:22.580 --> 00:06:24.940
Fragen Sie, warum gab es im März einen Anstieg der Verkaufs?

00:06:25.340 --> 00:06:32.520
Sie generiert munter SQL, das alle Datensätze mit der Bezeichnung März über Regionen, Währungen und Zeitzonen hinweg aggregiert, weil sie Silver nie gesagt haben, diese Grenzen durchzusetzen.

00:06:33.060 --> 00:06:33.880
Die KI lügt nicht.

00:06:34.520 --> 00:06:36.940
Sie übersetzt ihre kollektive Fahrlässigkeit in fließende Fiktion.

00:06:36.940 --> 00:06:40.820
Deshalb ist die Datenherkunft keine optionalen Metadaten, sondern das GPS von Co-Pilot.

00:06:41.500 --> 00:06:46.300
Jede Transformation, jede Verknüpfung, jede Kennzahldefinition ist eine Spur aus Brotkrumel, die zurück zu ihrer Quelle der Wahrheit führt.

00:06:46.640 --> 00:06:51.120
Fabrik verfolgt die Herkunft visuell, aber eine Herkunft ohne Validierung ist wie eine mit Bleistift gezeichnete Karte.

00:06:51.720 --> 00:06:53.760
Die KI liest diese unscharfen Linien als Evangelium.

00:06:54.160 --> 00:06:55.220
Erzwingen Sie also die Validierung.

00:06:55.820 --> 00:06:58.520
Zwischen Bronze und Silber sollten Sie automatisierte Schematests durchführen.

00:06:58.840 --> 00:07:01.920
Stimmen die IDs überein? Werden Nullen behandelt? Sind die Typen konsistent?

00:07:02.340 --> 00:07:04.300
Zwischen Silber und Gold sollten Sie Join Audits durchführen.

00:07:04.660 --> 00:07:06.160
Überprüfen Sie die 1 zu 1 Erwartungen.

00:07:06.160 --> 00:07:10.360
Erwachen Sie die Aggregationstrift und überprüfen Sie die Kontinuität der Spaltenabstammung.

00:07:10.740 --> 00:07:14.000
Dies sind keine bürokratischen Rituale, sondern Überlebenswerkzeuge für die Genauigkeit der KI.

00:07:14.820 --> 00:07:19.200
Wenn die Abfrage von Co-Pilot durch die von Ihnen überprüften Ebene läuft, erbt sie Disziplin anstelle von Unordnung.

00:07:19.720 --> 00:07:20.600
Die Ironie ist köstlich.

00:07:20.980 --> 00:07:22.740
Sie wollten, dass Co-Pilot die Analyse automatisiert.

00:07:22.980 --> 00:07:25.780
Doch die Grundlage, auf der es basiert, erfordert immer noch altmodische Hygiene.

00:07:26.280 --> 00:07:27.160
Müll rein, Sicherheit raus.

00:07:27.660 --> 00:07:31.480
Solange Sie Architektur nicht als Moralphilosophie und Verfeinerung, nicht als Verpflichtung und nicht als Vorschlag betrachten,

00:07:31.480 --> 00:07:33.600
nicht als Vorschlag betrachten, werden Sie nie eine wahrheitsgemäße KI.

00:07:33.600 --> 00:07:36.160
Selbst mit makellosen Ebenen kann Co-Pilot immer noch in Stolpern geraten.

00:07:36.360 --> 00:07:39.300
Denn zu wissen, welche Daten vorhanden sind, bedeutet nicht zu wissen, was sie bedeuten nicht.

00:07:39.520 --> 00:07:42.100
Eine perfekte Pipeline kann ein semantisch leeres Modell speisen.

00:07:42.340 --> 00:07:45.680
Was uns zum fehlenden Übersetzer zwischen Zahlen und Bedeutung bringt, der semantischen Ebene,

00:07:45.940 --> 00:07:47.920
dem Gehirn, das ihre Daten vergessen haben, zu bauen.

00:07:49.480 --> 00:07:52.000
Das fehlende Gehirn, semantische Ebenen und Kontextdefizit.

00:07:52.740 --> 00:07:55.600
Wir verlieren die meisten Fabrikimplementierungen buchstäblich den Verstand.

00:07:55.600 --> 00:08:00.240
Die semantische Ebene ist das Gehirn Ihres Datenmodells, aber viele Unternehmen behandeln sie wie Beiwerk.

00:08:01.240 --> 00:08:03.660
Sie glauben, wenn Tabellen existieren, folgt die Bedeutung Automat.

00:08:04.440 --> 00:08:06.460
Tabellen sind das Gedächtnis, Semantik ist das Verständnis.

00:08:07.180 --> 00:08:11.740
Ohne diese Ebene liest Co-Pilot Zahlen wie ein Tourist, der Straßenschilder in einer anderen Sprache liest.

00:08:12.020 --> 00:08:14.100
Phonetisch, sicher und völlig ohne Kontext.

00:08:14.700 --> 00:08:15.360
Definieren wir es richtig.

00:08:16.100 --> 00:08:20.280
Das semantische Modell in Fabrik teilt Co-Pilot mit, was ihre Daten bedeuten, nicht nur wie sie heißen.

00:08:20.280 --> 00:08:24.020
Es ist das Wörterbuch, das Spaltenbeschriftungen in Geschäftslogik übersetzt.

00:08:24.860 --> 00:08:27.120
Der Umsatz wird zur Summe der Umsätze ohne Rückerstattungen.

00:08:28.340 --> 00:08:31.380
Der Kunde wird zur eindeutigen Käufer-ID über die Grenzen des Geschäftsjahres hinweg.

00:08:32.360 --> 00:08:35.260
Ohne diese Ebene behandelt Co-Pilot diese Wörter lediglich als zufällige Symbole.

00:08:35.940 --> 00:08:40.140
Sie fragen vielleicht nach dem Gesamtumsatz oder erhalten an einem Tag Bruttoeinnahmen und am nächsten Tag Nettoeinnahmen.

00:08:40.720 --> 00:08:42.680
Es ist nicht launisch, es ist sprachlich orientierungslos.

00:08:43.020 --> 00:08:48.520
In Wahrheit fungiert ein semantisches Modell wie ein zweisprachiger Interpreter zwischen menschlicher Sprache und DAX oder SQL-Logik.

00:08:48.960 --> 00:08:50.180
Es stimmt Absicht und Berechnung ab.

00:08:50.660 --> 00:08:52.000
Denn diese fehlen, muss Co-Pilot raten.

00:08:52.660 --> 00:08:54.780
Und große Sprachmodelle sind notorisch stolze Rater.

00:08:55.240 --> 00:09:00.120
Sie stellen wahrscheinliche Verknüpfungen zusammen, keine genauen und sie vertrauen Spaltennamen weit mehr als ihren Geschäftsdefinitionen.

00:09:00.460 --> 00:09:02.580
In einem Modell beziehen sich Buchungen auf Reservierungen.

00:09:03.040 --> 00:09:04.780
In einem anderen Modell zählt es abgeschlossene Reisen.

00:09:05.080 --> 00:09:06.100
Für Co-Pilot sind das Synonyme.

00:09:06.500 --> 00:09:09.480
Sie haben gerade nach Buchungen nach Quartal gefragt und es hat ihnen beides geliefert.

00:09:09.760 --> 00:09:10.400
Effizient falsch.

00:09:10.780 --> 00:09:11.720
Vergleichen Sie zweiechtig.

00:09:11.920 --> 00:09:14.840
In einem nackten Data Warehouse schaut Co-Pilot direkt in die Tabellen.

00:09:15.360 --> 00:09:16.680
Es sieht Datum, Betrag und Typ.

00:09:17.100 --> 00:09:18.680
Es sind nette, substantive Null-Kontexten.

00:09:18.960 --> 00:09:19.860
Dann führt das Musterabgleiche durch.

00:09:20.420 --> 00:09:24.080
Umsatz entspricht Betrag nach Region, entspricht einem beliebigen Feld, das nach Geografie riecht.

00:09:24.920 --> 00:09:27.240
In einem semantischen Modell wurden diese Felder jedoch zivilisiert.

00:09:28.020 --> 00:09:32.040
Der Umsatzbetrag umfasst eine DAX-Kennzahl, die den Umfang, die Währung und die Aggregationslogik definiert.

00:09:32.600 --> 00:09:34.680
Region verfügt über explizit angeheftete Beziehungen.

00:09:35.260 --> 00:09:38.120
Wenn Sie also dieselbe Frage stellen, tappt Co-Pilot nicht im Dunkeln.

00:09:38.120 --> 00:09:40.100
Es geht einen beleuchteten Weg, den Sie geebnet haben.

00:09:40.340 --> 00:09:43.240
Die Fabric Toolbox 2025 bietet Ihnen sogar dafür die richtigen Werkzeuge.

00:09:43.240 --> 00:09:46.040
Direct Lake für Modellierung mit geringer Latenz.

00:09:46.240 --> 00:09:47.420
DAX für Kennzahlenlogik.

00:09:47.420 --> 00:09:51.240
Synonyme für sprachliche Flexibilität und Berechnungsgruppen für Konsistenz.

00:09:52.380 --> 00:09:54.120
Stellen Sie sich Synonyme als elastisches Vokabular vor?

00:09:54.640 --> 00:09:59.540
Wenn Benutzer Nettoeinkommen sagen, Ihre Kennzahl aber Gewinn ist, benennen Sie die Spalte nicht um, sondern bringen Co-Pilot die Übersetzung bei.

00:10:00.300 --> 00:10:04.800
Berechnungsgruppen erzwingen dann die Grammatik und stellen sicher, dass Zeitinformationen oder Währungsumrechnungen einheitlich angewendet werden.

00:10:05.360 --> 00:10:07.560
Zusammen bilden sie das grundlegende System des Sprachmodells.

00:10:08.080 --> 00:10:10.080
Aber nur sehr wenige Leute machen sich die Mühe, diese richtig zu verknüpfen.

00:10:10.480 --> 00:10:14.120
Sie laden Tabellen in Fabric und gehen davon aus, dass die KI von Co-Pilot die Nuancen interpretiert.

00:10:14.340 --> 00:10:15.140
Boiler, das wird sie nicht.

00:10:15.660 --> 00:10:18.200
Das Modell leitet Ihre KPIs nicht aus moralischer Überzeugung ab.

00:10:18.820 --> 00:10:20.420
Es leitet sie aus Metadaten tags ab.

00:10:21.080 --> 00:10:25.880
Wenn Sie Kennzahlen nicht beschriftet, Beziehungen nicht beschrieben oder die Berechnungsreihenfolge nicht festgelegt haben, improvisiert Co-Pilot.

00:10:25.880 --> 00:10:30.180
Improvisation ist in Jazz-Clubs charmant, in der Unternehmensanalyse jedoch katastrophal.

00:10:30.920 --> 00:10:32.120
Wie setzen Sie nun Semantik durch?

00:10:32.500 --> 00:10:34.060
Überprüfen Sie zunächst Ihr Modellvokabular.

00:10:34.560 --> 00:10:38.480
Jede Kennzahl benötigt eine einheitliche Definition, die zentral gespeichert und universell referenziert werden muss.

00:10:38.800 --> 00:10:40.900
Widerstehen Sie dem Drang, Spalten pro Bericht umzubenennen.

00:10:41.500 --> 00:10:43.380
Verwenden Sie stattdessen Aliase in der semantischen Ebene.

00:10:43.880 --> 00:10:49.220
Erstellen Sie Berechnungskurpen für die gesamte allgemeine Logik, Gesamtjahresergebnisse, gleitende Durchschnitte und Konversionsraten.

00:10:49.700 --> 00:10:53.900
Fügen Sie dann Synonyme hinzu, damit die Engine für natürliche Sprache von Co-Pilot keine eigenen Korrelation erfüllt.

00:10:53.900 --> 00:10:56.660
Verbinden Sie nun die Semantik mit der Anweisungsarchitektur von Co-Pilot.

00:10:57.220 --> 00:11:00.860
Fabrik bietet zwei Steuerungsebenen, Datenquellenanweisungen und Agentenanweisungen.

00:11:02.000 --> 00:11:05.940
Datenquellenanweisungen klären Schemaspezifikationen, Verknüpfungen, Kennzahlverweise und bevorzugte Namen,

00:11:06.080 --> 00:11:08.380
während Agentenanweisungen Ton, Format und Einschränkung regeln.

00:11:08.860 --> 00:11:12.660
Diese interagieren über grundlegende Eingabeaufforderungen, die vollständig auf der semantischen Ausrichtung wurden.

00:11:13.120 --> 00:11:19.200
Wenn Ihr semantisches Modell den Gesamtumsatz klar definiert, können Datenquellenanweisungen diese Definition erzwingen, wenn Co-Pilot eine Fortsetzung schreibt.

00:11:19.200 --> 00:11:23.620
Die Agentenanweisung stellt sicher, dass die Antwort prägnant, tabellarisch oder zusammengefasst bleibt.

00:11:24.020 --> 00:11:26.180
Kombinieren Sie sie und Sie ersetzen Chaos durch Protokoll.

00:11:26.760 --> 00:11:29.160
Ohne Semantik ist jede Antwort von Co-Pilot eine Improvisation.

00:11:29.780 --> 00:11:31.620
Mit Semantik wird jede Antwort zum Beweis.

00:11:32.440 --> 00:11:34.340
Sie optimieren keine Eingabeaufforderung, sondern vermitteln Lob.

00:11:34.900 --> 00:11:40.120
Sobald Sie Co-Pilot ein konsistentes Wörterbuch zur Verfügung stellen, steigt seine Genauigkeit, da Sie Unsicherheiten nirgendwo mehr verstecken können.

00:11:40.660 --> 00:11:44.640
Jetzt da Co-Pilot die Sprache versteht, bringen wir ihm Disziplin bei die Verhaltensregeln, die es ehrlich halten.

00:11:44.640 --> 00:11:48.300
Disziplin für Maschinen, Daten und Agentenanweisungen.

00:11:48.960 --> 00:11:51.820
Co-Pilot versteht vielleicht endlich Ihr Vokabular, aber er muss sich immer noch benehmen.

00:11:52.800 --> 00:11:55.140
Semantik vermittelt Bedeutung, Anweisungen vermitteln Verhalten.

00:11:55.980 --> 00:11:59.540
Und in Microsoft Fabric werden diese Verhaltensweisen durch zwei verschiedene Leinen geformt.

00:12:00.860 --> 00:12:01.640
Datenquellenanweisungen und Agentenanweisungen.

00:12:02.520 --> 00:12:05.140
Eine strukturiert den Hund, die andere trainiert ihn, die Möbel nicht zu zerkauen.

00:12:05.500 --> 00:12:08.300
Beginnen Sie mit Datenquellenanweisungen, den schemaspezifischen Geboten.

00:12:08.820 --> 00:12:12.800
Diese befinden sich am nächsten zu den Daten und teilen Co-Pilot genau mit, wie es Ihr Modell interpretieren soll.

00:12:12.800 --> 00:12:15.100
Erinnern Sie sich an unser früheres Chaos mit den Wetterverbindungen.

00:12:15.840 --> 00:12:17.260
Datenquellenanweisungen sind der Ort, an dem Sie das probieren.

00:12:17.520 --> 00:12:22.460
Sie geben an, dass Temperatur- und Niederschlagsdaten beim Abrufen der geografischen ID und der Datums-ID zusammengeführt werden müssen.

00:12:22.800 --> 00:12:25.480
Dies entfernt das Rätselraten aus dem Modell und ersetzt es durch Verbindlichkeit.

00:12:26.080 --> 00:12:29.700
Fabric liest diese Deklaration immer dann, wenn Co-Pilot SQL oder DAX entwirft und stellt so sicher,

00:12:30.140 --> 00:12:32.160
dass jede Abfrage über die richtigen Schlüssel verwurzelt ist.

00:12:32.720 --> 00:12:37.760
Stellen Sie sie sich als relationale Verfassung vor, als unveränderlichen Rechtstext, der definiert, wie Entitäten sich verbinden dürfen.

00:12:38.460 --> 00:12:40.800
Diese Anweisungen behandeln auch Synonyme und Kennzahlendefinitionen.

00:12:40.800 --> 00:12:45.640
Angenommen, Ihre Analysten verwenden die Begriffe Gesamtumsatz, fairer Betrag und Bruttoeinnahmen austauschbar.

00:12:46.300 --> 00:12:48.040
Für Menschen bedeuten diese Begriffe in etwa dasselbe.

00:12:48.640 --> 00:12:51.000
Für Co-Pilot sind sie jedoch eindeutige Variablen, die um Aufmerksamkeit kämen.

00:12:51.880 --> 00:12:53.620
Unter Datenquellenanweisungen richten Sie diese aus.

00:12:54.040 --> 00:12:56.840
Immer wenn der Gesamtumsatz erwähnt wird, verwenden Sie den fairen Gesamtbetrag.

00:12:57.280 --> 00:13:00.680
Jetzt hört Ihre KI auf, semantisches Roulette zu spielen und beginnt konsistent zu antworten.

00:13:01.420 --> 00:13:04.020
Sie kann sogar eine Bucketing-Logik für kategorische Analysen definieren.

00:13:04.020 --> 00:13:08.060
Wenn ein Nutzer nach dem Umsatz nach Temperatur fragt, können Sie Bereiche voll definieren.

00:13:08.740 --> 00:13:15.580
Unter 32 Grad Celsius entspricht eiskalt, bis 53 Grad Celsius entspricht kalt, 53 bis 72 Grad Celsius entspricht mild-USW.

00:13:15.860 --> 00:13:19.780
Ohne diese Werte gibt Co-Pilot unendlich viele numerische Werte zurück und überhäuft den Nutzer mit detaillierten Informationen.

00:13:20.600 --> 00:13:25.720
Durch die direkte Einbettung dieser Buckets in Ihrer Anweisungen erzeugen Sie eine vorhersagbare Aggregation und reproduzierbare Logik.

00:13:25.720 --> 00:13:29.400
Im Grunde genommen wandeln Sie hier latente Metadaten in explizite Regeln um.

00:13:30.080 --> 00:13:34.420
Der Fabrik-Datenagent übergibt diese vor dem Erstellen von Abfragen und behandelt sie als unveränderliche Grundwahrheiten.

00:13:34.920 --> 00:13:40.020
Das Fehlen dieser Regeln ist der Grund dafür, dass frühere Abfragen verzerrte Ergebnisse lieferten und für die falsche Frage vollkommen gültiges SQL generierten.

00:13:40.740 --> 00:13:46.020
Mit korrekt geschriebenen Datenanweisungen bleiben die Abfragen von Co-Pilot in Geschäftsregeln und nicht in linguistischer Wahrscheinlichkeit verankert.

00:13:46.700 --> 00:13:50.480
Gehen wir nun eine Ebene höher zu den Agentenanweisungen der Etiketteschule für LLM-Verhalten.

00:13:51.580 --> 00:13:54.200
Während Datenquellenanweisungen Co-Pilot mitteilen, was die Daten bedeuten,

00:13:54.200 --> 00:13:56.340
bestimmen Agentenanweisungen, wie reagiert werden soll.

00:13:56.820 --> 00:13:59.080
Sie definieren den Präsentationsstil und den Analyseumfang.

00:13:59.680 --> 00:14:02.420
Sie können anweisen, fassen Sie immer mit einer übersichtlichen Tabelle zusammen.

00:14:03.040 --> 00:14:06.560
Oder, wenn mehrere Quellen vorhanden sind, klären Sie die Herkunft vor der Aggregation.

00:14:07.520 --> 00:14:12.020
Im Wesentlichen verwandeln Sie Co-Pilot von einem übereifrigen Praktikanten in einen disziplinierten Analysten.

00:14:12.940 --> 00:14:15.840
Beachten Sie die Regel der obersten fünf Zeilen aus der Datenagentenoptimierung.

00:14:16.380 --> 00:14:21.540
Anstatt tausende von Datensätzen zurückzugeben, weisen Sie Co-Pilot an, nur die fünf wichtigsten Ränder, sofern uns das verlangt.

00:14:21.540 --> 00:14:26.760
Die KI erzwingt Kürze und erspart dem durchschnittlichen Manager so das Scrollen durch einen Datenroman.

00:14:27.660 --> 00:14:28.960
Eine weitere nützliche Anweisung.

00:14:29.480 --> 00:14:31.800
Stellen Sie immer eine Zusammenfassung am Anfang jeder Antwort bereit.

00:14:33.240 --> 00:14:34.500
Dies fungiert als Meta-Kommentar.

00:14:35.160 --> 00:14:38.260
Co-Pilot erklärt, was angezeigt wird und ermöglicht dem Nutzer zu überprüfen,

00:14:38.360 --> 00:14:40.560
ob Kennzahlen, Verknüpfungen und Filter den Erwartungen entsprechen.

00:14:41.600 --> 00:14:45.120
Es verwandelt unsichtbare Argumente in sichtbare Bestätigungen, die für das Vertrauen entscheidend sind.

00:14:45.880 --> 00:14:46.680
Warten Sie das Zusammenspiel.

00:14:46.680 --> 00:14:50.640
Datenanweisungen definieren die Fakten, Agentenanweisungen definieren die Stimme.

00:14:51.400 --> 00:14:53.260
Zusammen bilden Sie den ethischen Kodex von Kuppel.

00:14:53.700 --> 00:14:57.540
Der Datenagent kombiniert diese bei jeder Beantwortung einer Frage zu einer zusammengesetzten Eingabeaufforderung.

00:14:58.160 --> 00:14:59.540
Das Sprachmodell agiert nicht improvisiert.

00:14:59.960 --> 00:15:01.460
Es konditioniert sich selbst durch Ihre Regeln.

00:15:02.040 --> 00:15:03.140
Jetzt kommt die Governance ins Spiel.

00:15:03.620 --> 00:15:06.140
Diese Anweisungen können nicht in anarchischen Einzelkopien existieren.

00:15:06.700 --> 00:15:09.540
Wenn jeder Fabriknutzer Synonyme an seinen persönlichen Geschmack anpasst,

00:15:09.540 --> 00:15:12.200
haben Sie das Durcheinander wieder eingeführt, das Sie monatelang beseitigt haben.

00:15:12.200 --> 00:15:16.440
Sie erhalten fünf Definitionen für Gewinn und null Übereinstimmung bei vierteljährlichen Überprüfungen.

00:15:17.200 --> 00:15:18.340
Zentralisieren Sie Befehlssätze.

00:15:18.700 --> 00:15:21.000
Veröffentlichen Sie sie über den Verwaltungsarbeitsbereich von Fabrik.

00:15:21.280 --> 00:15:24.120
Validieren Sie sie durch Peer Review und sperren Sie sie hinter der Versionskontrolle.

00:15:24.760 --> 00:15:27.420
Flexibilität ohne Governance ist als Innovation getarnte Rebellion.

00:15:28.060 --> 00:15:30.660
Natürlich verfallen auch diese Regeln, wenn Sie sie nie überprüfen.

00:15:31.360 --> 00:15:34.880
Der intelligente Ansatz besteht darin, die Qualität der Anweisungen wie die Qualität des Codes zu behandeln.

00:15:35.160 --> 00:15:37.180
Testen Sie nach jeder Bearbeitung, was fallen von Kuppelot.

00:15:37.520 --> 00:15:41.120
Stellen Sie dieselbe Frage nach dem Lehren des Caches zweimal, um zu sehen, ob derselbe Square Code wiederholt.

00:15:41.120 --> 00:15:45.840
Untersuchen Sie die generierten Abfragen, um sicherzustellen, dass Sie erzwungene Joints und korrekte Maßnahmen widerspiegeln.

00:15:46.180 --> 00:15:48.420
Wenn die Ausgaben abweichen, überprüfen Sie Ihre Anweisungen.

00:15:48.900 --> 00:15:52.460
Sogar die Ingenieure von Microsoft selbst geben zu, dass diese Optimierung mehr Kunst als Wissenschaft ist,

00:15:52.700 --> 00:15:54.700
was eine schmeichelhafte Abkürzung für ständiges Debuggen ist.

00:15:55.260 --> 00:15:56.560
Hier retten Sie Beispielabfragen.

00:15:57.340 --> 00:16:00.080
Sie sind Fabriks Antwort auf Lightplanken und ermöglichen es Ihnen,

00:16:00.180 --> 00:16:03.200
kanonische SQL-Fragmente für allgemeine Analyseabsichten festzukodieren.

00:16:04.280 --> 00:16:08.960
Angenommen, Sie wissen, dass der Gesamtumsatz nach Temperaturbucket immer einen dualen Joint für Geografie und Datum durchführen muss.

00:16:08.960 --> 00:16:10.760
Sie zeichnen dies als Beispielabfrage auf.

00:16:11.300 --> 00:16:16.500
Wenn Benutzer eine Variation dieser Phrase abfragen, umgeht Co-Pilot die Improvisation und verwendet ihre exakte Logik wieder.

00:16:17.140 --> 00:16:19.820
Es ist das KI-Equivalent zum Ausgeben vorabgenehmigter Formulare,

00:16:20.140 --> 00:16:23.140
die jedes Mal korrekt ausgefüllt werden und zu keiner kreativen Sabotage fähig sind.

00:16:23.960 --> 00:16:26.420
Mit der Zeit können Sie eine Bibliothek dieser Beispielabfragen erstellen

00:16:26.420 --> 00:16:29.300
und so Co-Pilot von einem Generalisten in einen Domänexperten verwandeln.

00:16:29.800 --> 00:16:31.020
Stellen Sie es sich wie ein Muskelgedächtnis vor.

00:16:31.020 --> 00:16:36.260
Die KI lernt nach und nach durch Wiederholung und Einschränkung, wie sich richtig anfühlt und nicht durch freies Genie.

00:16:36.820 --> 00:16:39.420
Dennoch können die cleversten Anweisungen keine architektonische Sünde wiedergucken.

00:16:39.920 --> 00:16:43.900
Wenn Ihre Datenpipeline unter inkonsistenten Medaillonschichten oder fehlender Semantik wackelt,

00:16:44.260 --> 00:16:47.360
gleichen all diese Leitplanken streng Reden auf einem sinkenden Schiff.

00:16:48.360 --> 00:16:50.720
Anweisungen schränken die Sprache ein, Sie können keine Wahrheit erfinden.

00:16:51.300 --> 00:16:54.340
Deshalb ist Tuning eine geschlossene Architektur, die Zuverlässigkeit definiert,

00:16:54.440 --> 00:16:56.820
Semantikbedeutung definiert und Anweisungen gehorsam definieren.

00:16:57.720 --> 00:17:01.080
Der pragmatische Workflows sieht so aus, erstellen Sie saubere Medaillonschichten,

00:17:01.200 --> 00:17:03.480
definieren Sie ein präzises, semantisches Modell,

00:17:03.760 --> 00:17:05.720
kodieren Sie diese Definition in Datenquellenanweisungen,

00:17:05.840 --> 00:17:09.440
mildern Sie die Persönlichkeit von Co-Pilot durch Agentenanweisungen und testen Sie dann unerbittlich.

00:17:10.320 --> 00:17:13.920
Jede Anomalie, die Sie frühzeitig erkennen, erspart Ihnen später eine wütende E-Mail von einer Führungskraft.

00:17:14.340 --> 00:17:15.400
Disziplin ist also in der Tat wichtig.

00:17:15.400 --> 00:17:17.560
Sie ist nicht glamourös und keine KI-Zauberei.

00:17:18.200 --> 00:17:22.620
Sie ist die Durchsetzung von Regeln, das Verrechnen von Bargeld, Konsistenztests und gelegentliche Selbstüberprüfungen,

00:17:22.860 --> 00:17:27.380
wenn Ihre KI immer noch darauf besteht, dass der Gesamtumsatz dem Brutto-Fahrpreis plus Rückerstattung und plus Wundern entspricht.

00:17:28.380 --> 00:17:31.160
Doch sobald die Disziplin stimmt, wird Co-Pilot unheimlich zuverlässig.

00:17:31.880 --> 00:17:35.660
Seine Halluzinationen lassen nach, seine Gelenke benehmen sich und Ihr Dashboard hört auf, sie zu manipulieren.

00:17:36.120 --> 00:17:41.120
Sie können die Regeln in Fabric beheben, aber die Ehrlichkeit von Co-Pilot hängt immer noch von der Architektur jenseits von Fabric ab,

00:17:41.120 --> 00:17:44.720
der systemischen Governance, die die Wahrheit in Ihrem gesamten Datenbestand überwacht.

00:17:45.300 --> 00:17:46.740
Und genau da wollen wir als nächstes hin.

00:17:47.540 --> 00:17:50.780
Die systemische Heilung, die Entwicklung in der nachprüfbaren Wahrheit. Vergrößern wir das Ganze.

00:17:51.180 --> 00:17:55.180
Nach all dem Tuning, den Synonymen und dem KI-Gehorsamstraining gibt es immer noch eine brutale Tatsache.

00:17:55.820 --> 00:17:58.420
Die Wahrheit von Co-Pilot hängt von der Integrität Ihres Ökosystems ab.

00:17:58.720 --> 00:18:01.840
Sie können Fabric trainieren, tadeln und mit eindeutigen Verbindungen belohnen,

00:18:02.020 --> 00:18:05.520
doch wenn die Architektur von Fabric vor Datenfolge nur so strotz, wird die KI trotzdem höflich lügen.

00:18:06.160 --> 00:18:12.700
Sie benötigen eine systemische Lösung. Governance, Durchsetzung der Herkunft und architektonische Disziplin, die Lügen physisch unmöglich machen.

00:18:12.700 --> 00:18:19.140
Auf architektonischer Ebene ist Fabric nur dann erfolgreich, wenn alles darüber und darunter denselben moralischen Kompass der Datenhygiene teilt.

00:18:19.840 --> 00:18:21.060
Das beginnt mit der Schemadurchsetzung.

00:18:21.540 --> 00:18:26.720
Jeder Datensatz in Ihrem Lakehouse und Warehouse benötigt definierte Schlüsse, Datentypen und Beziehungen, Tatspehung.

00:18:26.720 --> 00:18:29.300
Unveränderliche Verträge, die beschreiben wie Entitäten ineinander.

00:18:29.880 --> 00:18:33.120
Eine Abweichung in einer Tabelle sollte sich nicht einfach so bis zu Ihrer Goldschicht ausbauen.

00:18:33.580 --> 00:18:38.020
Stattdessen fängt die Schemadurchsetzung dies wie ein Codelinter ab und stoppt die Datenaufnahme, bis die Definitionen übereinstimmen.

00:18:38.540 --> 00:18:44.180
In der Praxis verlangsamt dies nicht die Entwicklung, sondern verhindert eine stille Beschädigung, bevor sie sich in den Antworten von Co-Pilot ausbreitet.

00:18:44.780 --> 00:18:46.520
Führen Sie als nächstes die semantische Versionierung ein.

00:18:46.900 --> 00:18:48.220
Behandeln Sie Ihre Datenmodelle wie Software.

00:18:48.220 --> 00:18:54.740
Jedes Mal, wenn Sie eine Definition ändern, eine Spalte umbenennen, eine Kennzahlformel ändern oder eine Beziehung anpassen, erhöhen Sie die Version.

00:18:55.360 --> 00:19:02.960
Fabric erkennt nicht automatisch die philosophischen Auswirkungen von Umsatz gleich Brutto minus Rabatte zu Umsatz gleich Netto nach Steuern.

00:19:04.000 --> 00:19:04.520
Das wünschen Tue.

00:19:05.160 --> 00:19:10.340
Die Versionsverwaltung bewahrt den Herkunftsverlauf und ermöglicht es Ihnen nachzuverfolgen, welche Co-Pilot antworten auf veralteter Semantikbuch.

00:19:10.460 --> 00:19:13.320
Ohne Sie können Sie nie nachverfolgen, wann eine Lüge in Umlauf kam.

00:19:13.960 --> 00:19:15.700
Verknüpfen Sie nun die Durchsetzung mit der Dokumentation.

00:19:15.700 --> 00:19:18.840
Microsoft Purview oder der One-Leg-Datenkatalog sind keine Tapete.

00:19:19.340 --> 00:19:21.720
Sie sind das institutionelle Gedächtnis, das Schema Amnesie verhindert.

00:19:22.700 --> 00:19:27.200
Zertifizierte Datensätze in diesen Katalogen dienen als die einzigen zulässigen Quellen für Co-Pilot und Power BI für Coppola.

00:19:27.980 --> 00:19:31.480
Stellen Sie sich dieser als notariell beglaubigte Entitäten vor, als rechtlich bindende Darstellung der Wahl.

00:19:32.020 --> 00:19:34.340
Wenn ein Datensatz nicht zertifiziert ist, sollte Co-Pilot ihn nicht anfangen.

00:19:35.020 --> 00:19:41.140
Durch die Integration der Metadaten von Purview mit den Datenagents von Fabric stellen Sie sicher, dass jede KI-gesteuerte Abfrage eine überprüfbare Herkunft aufweist.

00:19:41.620 --> 00:19:43.740
Wenn jemand fragt, woher kommt diese Zahl, können Sie tatsächlich antworten.

00:19:43.740 --> 00:19:49.610
Aktivieren Sie die Spiegelung und die Modellierung digitaler Zwillinge und digitaler Zwillinge zwischen Systemen zu gewährleisten.

00:19:50.230 --> 00:19:57.330
Durch die Spiegelung werden externe Quellen wie SQL Server, Cosmos DB oder PostgreSQL in Echtzeit in Fabric repliziert, wobei Schema und Aktualität erhalten bleiben.

00:19:57.730 --> 00:20:00.370
Dies ist das Immunsystem von Fabric gegen Datenlatenz und Inkongruenz.

00:20:00.770 --> 00:20:03.510
Die neue eingeführte Modellierung digitaler Zwillinge geht noch einen Schritt weiter.

00:20:04.410 --> 00:20:08.050
Sie erstellt ein digitales Live-Gegenstück von physischen oder geschäftlichen Umgebungen.

00:20:08.890 --> 00:20:14.670
Co-Pilot kann diese Zwillinge dann abfragen und Beziehungen verstehen zum Belden, wie sich die Fabrik-Ausgabe auf Transportverzögerung auswirkt.

00:20:15.470 --> 00:20:19.490
Dadurch bleibt die Argumentation auf eine synchronisierte Realität ausgerichtet und nicht auf veraltete Extrakt.

00:20:19.970 --> 00:20:21.890
Aber selbst die beste Architektur weicht mit der Zeit ab.

00:20:22.250 --> 00:20:27.750
Aus diesem Grund führen Sie regelmäßige Wahrheitsprüfungen durch, rituelle Überprüfungen bei denen KI-Ausgaben auf die Validierung der Wahrheitsquelle treffen.

00:20:28.290 --> 00:20:33.110
Sie wählen repräsentative Abfragen aus, führen Sie manuell oder übergespeichert das SQL erneut aus und vergleichen die Ergebnisse.

00:20:34.170 --> 00:20:39.530
Jede Abweichung signalisiert architektonische Entropie, beschädigte Verbindungen, verschobene Messungen und abgelaufene Abstammungslinien.

00:20:39.530 --> 00:20:42.170
Stellen Sie sich das als ein Lügendetektortest für Co-Pilot vor.

00:20:42.730 --> 00:20:48.250
Wenn Sie ihn vierteljährlich durchführen, können Sie Befehlssätze und Semantik neu kalibrieren, bevor Misstrauen zu Peinlichkeiten im Sitzungssaal eskaliert.

00:20:48.850 --> 00:20:54.730
Entscheidend ist, dass alle Ebenen Ihres Analysestapels BI, Co-Pilot und Fabric Workspace auf eine einzige semantische Quelle zugreifen müssen.

00:20:55.590 --> 00:20:56.530
Schattendatensätze sind der Fein.

00:20:57.010 --> 00:21:01.790
Jedes Mal, wenn eine ehrgeizige Abteilung ein Modell klont, um schneller voranzukommen, entsteht ein weiterer Dialekt der Wahrheit.

00:21:01.790 --> 00:21:07.670
Plötzlich sprechen Power BI, Co-Pilot und Excel-Co-Pilot drei leicht unterschiedliche Sprachen in Bezug auf dieselbe Umsatzzahl.

00:21:08.230 --> 00:21:11.530
Die Lösung ist die erzwungene Einheitlichkeit, die zentralisierte Semantik in einem Modell,

00:21:11.710 --> 00:21:16.010
die Bereitstellung eines schreibgeschützten Modells für nachgelagerte Verbraucher und die Bindung der richtigen Konformität an die Datensatz.

00:21:16.710 --> 00:21:21.090
Wenn Johnny im Vertrieb eine benutzerdefinierte Metrik wünscht, verhandelt er über Governance und nicht über Nebenkanäle.

00:21:21.470 --> 00:21:22.850
Schließlich gilt es, den Lernkreislauf zu schließen.

00:21:23.230 --> 00:21:28.110
Governance ist kein statischer Papierkram, sondern ein fortlaufender Dialog zwischen menschlichen Analysten und KI-Agenten.

00:21:28.110 --> 00:21:33.150
Menschen optimieren, Co-Pilot führt aus, Menschen überprüfen und Co-Pilot verbessert sich durch aktualisierten Kontext.

00:21:34.030 --> 00:21:37.210
Ihre Literation bringt dem System bei, wie eine wahrheitsgemäße Ausführung aussieht.

00:21:37.810 --> 00:21:41.630
Im Laufe der Zeit wird dieses Feedback zu einer unsichtbaren Infrastruktur, dem Gerüst der Genauigkeit.

00:21:42.210 --> 00:21:44.490
Wenn Sie diese Reife erreichen, geschieht etwas Außergewöhnliches.

00:21:45.070 --> 00:21:48.670
Co-Pilot fühlt sich nicht mehr wie ein unberechenbares Orakel, sondern verhält sich wie ein Junior-Analyst.

00:21:49.010 --> 00:21:50.790
Schnell, konsistent und differenziert zur Politik.

00:21:51.690 --> 00:21:52.850
Die Halluzinationen verfliegen.

00:21:53.310 --> 00:21:57.490
Nicht, weil die KI plötzlich ehrlich geworden wäre, sondern weil Unehrlichkeit nicht mehr in die Struktur passt.

00:21:58.110 --> 00:22:02.510
Die Wahrheit wurde zum Weg des geringsten Widerstands, daher ist die systemische Heilung nicht Glamour, sondern Governance.

00:22:03.470 --> 00:22:05.550
Schema-Durchsetzung sorgt für ein gesundes Gleichgewicht.

00:22:05.650 --> 00:22:10.070
Semantische Versionierung erinnert sich an die Historie, die Zuständigkeitszertifizierung schützt die Integrität.

00:22:10.410 --> 00:22:12.270
Und Single-Source-Semantik bewahrt die Kohärenz.

00:22:13.550 --> 00:22:15.510
Spiegelung verknüpft Realität mit Reflexion.

00:22:15.790 --> 00:22:17.250
Wahrheits-Audits halten beides synchron.

00:22:17.930 --> 00:22:20.530
Zusammen muss Co-Pilot nichts erfinden, sondern einfach nur berichten.

00:22:20.530 --> 00:22:25.490
Sobald sie die Wahrheit strukturell durchgesetzt haben, haben sie sich das Recht verdient, Erkenntnisse zu automatisieren.

00:22:25.550 --> 00:22:26.770
Und das bringt uns zur letzten Lektion.

00:22:26.890 --> 00:22:29.770
Maschinen beizubringen, die Wahrheit zu sagen, und zwar durch die Sagen und nicht durch Überredung.

00:22:30.870 --> 00:22:32.170
Co-Pilot beibringen, die Wahrheit zu sagen.

00:22:32.850 --> 00:22:35.050
Co-Pilot war nie unzuverlässig, er war gehorsam.

00:22:35.870 --> 00:22:38.130
Er antwortete treu auf jedes Chaos, das sie kodiert haben.

00:22:38.910 --> 00:22:42.750
Sobald sie ihm eine disziplinierte Architektur, konsistente Semantik und explizite Anweisungen geben,

00:22:42.870 --> 00:22:45.110
hört er auf zu halluzinieren, nicht aus Moral, sondern aus Unvermeidlichkeit.

00:22:46.090 --> 00:22:47.250
Hier ist die dauerhafte Gleichung.

00:22:47.650 --> 00:22:52.210
Saubere Medaillonschichten plus semantische Disziplin plus geregelte Anweisungen ergeben überprüfbare KI-Wahrheit.

00:22:52.930 --> 00:22:54.570
Beseitigen Sie mehr Deutlichkeiten an der Quelle.

00:22:54.790 --> 00:22:56.190
Dokumentieren Sie die Bedeutung präzise.

00:22:56.310 --> 00:22:59.830
Testen Sie die Ergebnisse regelmäßig und Co-Pilot wird zu einem Spiegel, der nur noch Fakten widerspiegelt.

00:23:00.090 --> 00:23:03.990
Wenn Ihr Fabrikbestand immer noch Widersprüche aufweist, sind Sie aufgerufen, ihn zu prüfen.

00:23:04.770 --> 00:23:06.030
Setzen Sie Schemaverträge durch.

00:23:06.030 --> 00:23:09.950
Zertifizieren Sie Datensätze, versionieren Sie Ihre Semantik und führen Sie vierteljährliche Wahrheitsaudits durch.

00:23:10.470 --> 00:23:13.950
Beobachten Sie dann, wie sich Co-Pilot von einem selbstbewussten Improvisator an einen berechenbaren Kollegen verwandt.

00:23:14.530 --> 00:23:16.350
Genauigkeit ist keine Zauberei, sondern Wartung.

00:23:16.850 --> 00:23:19.310
Bauen Sie eine so enge Struktur auf, dass Lügen physisch nicht durchkommen.

00:23:19.850 --> 00:23:23.370
Wenn Sie das tun, liefert jede zukünftige Eingabeaufforderung keine Geschichten, sondern Aussagen.

00:23:23.710 --> 00:23:29.050
Wenn Ihnen dies Stunden oder potenzielle Peinlichkeiten erspart hat, belohnen Sie die Mühe, indem Sie die M365-Show abonnieren.

00:23:29.710 --> 00:23:32.210
Wir sind darauf spezialisiert, die KI von Microsoft tatsächlich zuverlässig zu machen.

00:23:32.730 --> 00:23:35.950
Das nächste Tutorial geht noch tiefer auf die Genauigkeitstechnik von Copalut ein,

00:23:36.030 --> 00:23:38.410
Effizienz gehört indiszipliniert. Bleiben Sie dran.
