Ontologie (Vorschau) – Tutorial Teil 4: Ontologie mit Agenten nutzen

In diesem Schritt des Tutorials erfahren Sie, wie Sie die Ontologie (Vorschau) in Agenten nutzen, um Fragen in natürlicher Sprache zu stellen und Antworten zu erhalten, die auf den Definitionen und Bindungen der Ontologie basieren. Probieren Sie es mit einem Datenagenten aus.

Verwendung von KI-Agenten mit einer Ontologie

KI-Agents können Benutzern helfen, von statischer Analyse zu interaktiven, zielorientierten Workflows zu wechseln, indem sie natürliche Sprache, Planungsschritte, Anruftools und Maßnahmen im Namen des Benutzers verstehen. Wenn Agents eine Ontologie als Kontext verwenden, erhalten sie ein geregeltes Verständnis des Unternehmens: Schlüsselentitäten, Beziehungen, Definitionen, Regeln, Metriken und Quellzuordnungen. Dies hilft Agenten, Antworten zu erstellen, die stärker fundiert, nachvollziehbar und systemübergreifend konsistent sind, anstatt sich nur auf Rohdaten oder Prompts zu stützen.

Es gibt mehrere Möglichkeiten zum Erstellen von Agents, die den Ontologiekontext nutzen:

• Foundry IQ: Azure AI Foundry -Agenten helfen Entwicklern, fortschrittlichere, anpassbare Agenten zu erstellen, die auf Grundlage des Ontologiekontexts schlussfolgern, Tools aufrufen und sich in Unternehmenssysteme integrieren können. Weitere Informationen zum Erstellen eines Ontologie-Agenten mit Foundry IQ finden Sie unter Create an ontology agent with Foundry IQ.
• Copilot Studio: Copilot Studio hilft Business-Anwendern und Low-Code-Entwicklern dabei, schnell dialogorientierte Agents zu erstellen, mit denen sich mithilfe von Ontologiekontext geschäftliche Fragen beantworten und Workflows automatisieren lassen. Weitere Informationen zum Erstellen eines Ontologie-Agents mit Copilot Studio finden Sie unter Create an ontology agent with Copilot Studio.
• Fabric Data Agent: Fabric-Daten-Agents helfen Benutzern, datengeerdete Agents direkt in Fabric zu erstellen, die Geschäftsfragen mithilfe von geregelten Unternehmensdaten beantworten können, wobei der Ontologiekontext eine umfangreichere geschäftsrelevante Bedeutung, Beziehungen und Konsistenz hinzufügt.
• Fabric-Betriebsagent: Fabric-Betriebsagenten überwachen Ihre Ontologie kontinuierlich, liefern Erkenntnisse im Hinblick auf Ihre Geschäftsziele und empfehlen Maßnahmen – alles auf Grundlage der Entitätstypen und Beziehungen der Ontologie. Weitere Informationen zum Erstellen eines Operations-Agents mit Ontologie finden Sie unter Erstellen eines Operations-Agents, der mit der Ontologie verbunden ist.

In diesem Artikel wird den Fabric-Daten-Agent verwendet.

Erstellen eines Daten-Agents mit Ontology-Quelle (Vorschau)

Führen Sie die folgenden Schritte aus, um einen neuen Daten-Agent zu erstellen, der eine Verbindung mit Ihrem Ontology-Element (Vorschau) herstellt.

1. Navigieren Sie zu Ihrem Fabric-Arbeitsbereich. Verwenden Sie die Schaltfläche "+Neues Element ", um ein neues Daten-Agent-Element namens "RetailOntologyAgent" zu erstellen.

   

   Tipp

   Wenn der Daten-Agent-Elementtyp nicht angezeigt wird, stellen Sie sicher, dass er in Ihrem Mandanten aktiviert ist, wie in den Lernprogrammvoraussetzungen beschrieben.

2. Der Agent öffnet sich, wenn er bereit ist. Wählen Sie Datenquelle hinzufügen aus.

   

   Suchen Sie nach dem RetailSalesOntology-Element , und wählen Sie "Hinzufügen" aus. Jetzt wird Ihre Ontologie als Quelle für den Daten-Agent hinzugefügt.

Wenn der Agent bereit ist, sind die Ontologie und die zugehörigen Entitätstypen im Explorer sichtbar.

Bereitstellen von Agentanweisungen

Fügen Sie als Nächstes dem Agent eine benutzerdefinierte Anweisung hinzu.

1. Wählen Sie im Menüband " Agent-Anweisungen " aus.

2. Fügen Sie Support group by in GQLunten im Eingabefeld ein. Diese Anweisung ermöglicht eine bessere Aggregation über Ontologiedaten hinweg.

   

3. Die Anweisung wird automatisch angewendet. Schließen Sie optional die Registerkarte " Agent-Anweisungen ".

Abfrage-Agent mit natürlicher Sprache

Erkunden Sie als Nächstes Ihre Ontologie mit Fragen in natürlicher Sprache.

Beginnen Sie mit der Eingabe dieser Beispielaufforderungen:

• Zeigen Sie für jede Filiale alle Gefrierschränke, die von dieser Filiale betrieben werden und jemals eine Luftfeuchtigkeit unter 46 Prozent hatten.
• Was ist das wichtigste Produkt nach Umsatz in allen Filialen?

Beachten Sie, dass die Antworten auf Entitätstypen (Store, Produkte, Gefrierfach) und ihre Beziehungen verweisen, nicht nur rohe Tabellen.

Erkunden Sie den Daten-Agent weiter, indem Sie einige Eingabeaufforderungen selbst ausprobieren.

Nächste Schritte

In diesem Schritt haben Sie Ihre Ontologie mithilfe von Abfragen in natürlicher Sprache untersucht, um Geschäftsfragen mit einem Datenagenten zu beantworten.

Fahren Sie als Nächstes mit dem Abschluss des Tutorials fort.

Alternativ können Sie andere Agents erkunden, die mit der Ontologie verwendet werden können:

• Erstellen eines Ontologie-Agenten mit Foundry IQ
• Erstellen eines Ontologie-Agenten mit Copilot Studio