Wie Sie einen AI Agent mit Microsoft Copilot Studio bauen
Turn this article into takeaways for your work.
Each assistant summarizes the article only for you and suggests best practices for your work.
Microsoft Copilot Studio ist eine Low-Code-Plattform, um AI agents zu bauen, zu steuern und zu veröffentlichen, die auf den eigenen Microsoft-365-Daten, SharePoint-Sites, Dataverse-Tabellen und Microsoft Graph Ihres Unternehmens aufsetzen. Bereitgestellt werden sie in Teams, auf Websites oder anderen Kanälen, und zwar unter denselben Admin-Kontrollen, die bereits den Rest Ihrer Microsoft-Landschaft regeln. Es ist die Plattform, zu der Unternehmen greifen, wenn ein agent aus gesteuerten internen Inhalten antworten soll und die IT einen zentralen Ort braucht, um jeden im Unternehmen laufenden agent zu sehen, abzusichern und zu verwalten. Dieser Leitfaden behandelt, warum Unternehmen sie wählen, woraus ein agent besteht, eine vollständige Build-Anleitung, ein durchgespieltes Beispiel, reale Kosten und wann sie die falsche Wahl ist.
Warum Unternehmen agents in Copilot Studio bauen
Wissensanbindung an Inhalte, die Sie bereits steuern. Ein agent kann SharePoint-Dokumentbibliotheken, Dataverse-Tabellen und Microsoft Graph als vertrauenswürdige Wissensquellen nutzen. Antworten stützen sich damit auf Inhalte, deren Zugriff Ihr Unternehmen ohnehin kontrolliert, statt eine separate Retrieval-Pipeline von Grund auf zu verlangen. Das ist dieselbe Idee der Dokumentenanbindung, die allgemein in RAG für AI agents beschrieben wird, nur dass die Zugriffskontrolle hier bereits an Ihre bestehenden Microsoft-365-Berechtigungen gekoppelt ist.
Governance für die IT, nicht nachträglich angeflanscht. Microsoft koppelt Copilot Studio mit Agent 365 und gibt Admins damit eine einheitliche Sicht auf jeden agent in Microsoft 365 Copilot und Copilot Studio, einschließlich Sicherheitslage, Authentifizierungslücken und Richtlinienabdeckung des jeweiligen agents. Für ein reguliertes Unternehmen ist diese Aufsichtsebene oft der entscheidende Vorteil gegenüber einem kleineren No-code-Tool ohne vergleichbares Admin Center.
Echte Einsätze, nicht nur eine Roadmap-Folie. Die eigenen Zahlen von Microsoft belegen die Größenordnung: Microsoft 365 Copilot hat die Marke von 30 Millionen bezahlten Lizenzen überschritten, die Zahl neuer Lizenzen hat sich von Quartal zu Quartal mehr als verdoppelt, und Kunden mit Copilot ab 50.000 Lizenzen sind im Jahresvergleich um mehr als das Siebenfache gewachsen. In demselben Beitrag nennt Microsoft Premera Blue Cross: Das Unternehmen hat mit Copilot Studio seine Mitarbeitenden eigene agents bauen lassen und bislang mehr als 900 agents ausgeliefert, darunter einen, der einen manuellen Ablauf von 30 bis 45 Minuten auf etwa drei Minuten verkürzt hat. Das ist ein konkretes, namentlich belegtes Ergebnis, kein hypothetisches.
Der Bedarf in Unternehmen ist breit und nicht auf Microsoft beschränkt. Gartner prognostiziert, dass 40 % der Unternehmensanwendungen bis Ende 2026 aufgabenspezifische AI agents enthalten werden, gegenüber weniger als 5 % im Jahr 2025. Copilot Studio gehört zu den Plattformen, auf die sich Unternehmen bereits standardisiert haben und die einen großen Teil dieser Verschiebung aufnehmen.
Woraus ein Copilot-Studio-Agent besteht
| Komponente | Was sie leistet | Ihre Optionen |
|---|---|---|
| Anweisungen | Rolle, Ton und Regeln des agents | Eine Beschreibung in einfacher Sprache, bearbeitbar im Studio-Canvas |
| Wissensquellen | Woraus der agent antworten kann | SharePoint, hochgeladene Dateien, öffentliche Websites, Dataverse-Tabellen, Unternehmensdaten über Konnektoren |
| Aktionen | Was der agent tatsächlich tun kann, nicht nur sagen | Mehr als 1.400 vorgefertigte Konnektoren, eigene Power-Automate-Flows oder REST-APIs |
| Orchestrierung | Wie der agent entscheidet, was als Nächstes passiert | Generative Orchestrierung (das Modell plant dynamisch) oder klassische Topics (definierte Gesprächspfade) für vorhersehbare, regulierte Abläufe |
| Auslöser | Was den agent startet | Eine Chat-Nachricht, ein Ereignis, ein Zeitplan oder ein anderer agent über die Kommunikation zwischen agents |
Das entspricht denselben sechs Bausteinen aus Wie Sie einen AI Agent bauen: Anweisungen tragen Rolle und Regeln, Wissensquellen und Aktionen sind die Tools, und Topics sind eine konkrete Möglichkeit, ein Szenario-Playbook abzubilden, wenn das Gespräch einem bestimmten, nachprüfbaren Pfad folgen soll, statt es ganz dem Urteil des Modells zu überlassen.
Die Build-Anleitung
Die folgende Abfolge macht aus einer niedergeschriebenen Rolle ein gesteuertes System, das in einem echten Kanal handeln kann.
- Den agent anlegen und seine Anweisungen schreiben. Halten Sie Zweck und Grenzen in einfacher Sprache fest: wofür er zuständig ist und was er nie ohne einen Menschen versuchen soll. Das sind die Bausteine Rolle und Regeln aus Wie Sie einen AI Agent bauen, direkt in den Studio-Canvas geschrieben.
- Wissensquellen hinzufügen. Verbinden Sie die SharePoint-Sites, Dateien oder Dataverse-Tabellen, aus denen der agent antworten soll. Grenzen Sie das bewusst ein: Ein agent sollte genau auf dem aufsetzen, was er braucht, nicht auf Ihrem gesamten Tenant.
- Aktionen hinzufügen. Verdrahten Sie die Konnektoren oder Power-Automate-Flows, die der agent braucht, um tatsächlich etwas zu tun: ein Ticket anlegen, einen Datensatz aktualisieren, eine Benachrichtigung senden. Jede Aktion braucht eine klare Beschreibung, denn das Modell wählt Aktionen anhand dieser Beschreibung.
- Orchestrierung wählen. Nutzen Sie die generative Orchestrierung für einen flexiblen, dialogorientierten agent, der seinen Weg selbst plant. Nutzen Sie klassische Topics, wenn ein Prozess einer festen, vorhersehbaren und nachprüfbaren Abfolge folgen muss, was in regulierten Abläufen üblich ist.
- Im integrierten Testbereich des Studios testen. Führen Sie den agent im Gespräch aus und prüfen Sie genau, welche Wissensquellen und Aktionen er für eine bestimmte Antwort verwendet hat, bevor irgendetwas live geht.
- In einem Kanal veröffentlichen. Teams, eine Website, Dynamics 365 Contact Center oder eine andere Oberfläche, je nachdem, wer den agent erreichen soll.
- Über das Admin Center steuern. Legen Sie Richtlinien zur Verhinderung von Datenverlust (DLP) fest, prüfen Sie die Sicherheitslage des agents in Agent 365 und überwachen Sie die Nutzung gegen Ihr Copilot-Credit-Budget fortlaufend, nicht nur zum Start.
Ein durchgespieltes Beispiel: Ein AI-Policy-Q&A-Agent in Copilot Studio
So fügt sich das für eine Aufgabe zusammen, die direkt auf die Stärken von Copilot Studio bei Wissensanbindung und Veröffentlichung setzt, nah am Blueprint AI Policy Q&A Agent.
Wissensquellen: die SharePoint-Site mit den HR- und IT-Richtliniendokumenten, begrenzt auf genau diese Bibliothek.
Anweisungen: Fragen der Mitarbeitenden nur anhand der verbundenen Richtlinienbibliothek beantworten, immer das konkrete Dokument und den Abschnitt nennen, und wenn die Bibliothek keine sichere Antwort enthält, das sagen, statt zu raten.
Aktionen: ein Konnektor, der im HR-Helpdesk-System ein Ticket eröffnet, wenn der agent nicht sicher antworten kann, damit die Mitarbeitenden trotzdem eine Lösung bekommen statt einer Sackgasse.
Auslöser und Kanal: direkt in Teams veröffentlicht, sodass Mitarbeitende in der Chat-App fragen, die sie ohnehin täglich nutzen, statt ein separates Portal zu suchen.
Diese Anweisung, zu eskalieren statt zu raten, ist dieselbe Disziplin wie in AI agent Guardrails: den agent auf freigegebene Quellen beschränken, angeben, woher eine Antwort stammt, und sauber übergeben, statt eine zu erfinden. Der Blueprint enthält die vollständigen Regeln und Grenzfälle, falls Sie lieber von dieser Spezifikation ausgehen, als eine von Grund auf zu schreiben.
Governance und Guardrails
Die Governance-Ebene von Copilot Studio ist auf die Fragen zugeschnitten, die ein Compliance-Team tatsächlich stellt: Welche agents gibt es, welche Daten dürfen sie berühren, und wer hat diesen Zugriff genehmigt. Agent 365 zeigt die Sicherheitslage jedes agents direkt in der Entwicklungsumgebung an, sodass eine Authentifizierungslücke oder ein Richtlinienverstoß sichtbar wird, bevor daraus ein Vorfall wird, nicht danach. DLP-Richtlinien gelten für Konnektoren von agents genauso wie für den Rest Ihrer Microsoft-365-Umgebung, sodass ein agent keine sensiblen Daten über einen Konnektor leiten kann, den Ihr Unternehmen anderswo bereits gesperrt hat.
Nichts davon ersetzt die Grundlagen aus AI agent Security und Prompt Injection: Begrenzen Sie jede Wissensquelle und jede Aktion auf das, was ein bestimmter agent braucht, und behandeln Sie Inhalte, die ein agent liest (eine E-Mail, eine Webseite, ein Dokument), als Daten, die es zu bewerten gilt, nicht als Anweisungen, denen er folgt. Für regulierte Branchen kombinieren Sie das mit der umfassenderen Governance- und Audit-Trail-Disziplin aus AI agent Compliance.
Kosten und Grenzen
Copilot Studio rechnet über Copilot Credits ab, nicht pro Lizenz. Drei Wege decken die meisten Unternehmen ab: agents, die intern von Mitarbeitenden mit bereits vorhandener Microsoft-365-Copilot-Lizenz genutzt werden, verursachen keine zusätzlichen Credit-Kosten. Vorausbezahlte Kapazitätspakete kosten 200 $ pro Monat für 25.000 Credits. Und ein Pay-as-you-go-Zähler auf Azure berechnet pro Credit, ohne Vorabverpflichtung. Der Verbrauch ist danach gestaffelt, was der agent tatsächlich tut: Eine klassische Skriptantwort kostet etwa 1 Credit, eine generative Antwort rund 2, die Anbindung an die Graph-Daten Ihres Tenants rund 10 und eine autonome mehrstufige Aktion 25 oder mehr. Diese Spanne zählt für die Planung: Ein gesprächiger, tief angebundener agent mit vielen autonomen Aktionen kostet pro Interaktion deutlich mehr als ein einfacher Q&A-Bot, dasselbe Gesamtkostendenken wie in AI Total Cost of Ownership.
Die eigentliche Grenze für die meisten Teams sind nicht die Kosten, sondern dass der Wert von Copilot Studio an das Microsoft-Ökosystem gebunden ist. Ein Unternehmen, das nicht bereits Microsoft 365, SharePoint und Entra ID einsetzt, bekommt eine kleinere Version des Angebots, denn der größte Teil des Vorteils bei Wissensanbindung und Governance stammt genau aus diesem bestehenden Fundament. Wenn Ihr Stack woanders liegt, ist eine plattformunabhängige Option meist der bessere Startpunkt.
Wann Copilot Studio, wann Alternativen
| Wenn Sie ... wollen | Erwägen Sie |
|---|---|
| Tiefe Anbindung an SharePoint, Dataverse und Microsoft Graph, mit eingebauter Enterprise-Governance | Microsoft Copilot Studio |
| Volle Code-Kontrolle direkt auf den Modellen von OpenAI, minimale Abstraktion | OpenAIs Responses API |
| Den breitesten vorgefertigten App-Katalog außerhalb des Microsoft-Ökosystems | Zapier oder Make |
| Self-Hosting und volle Kontrolle über die Infrastruktur | n8n |
| Keine praktische Grenze bei individueller Logik, ein Engineering-Team besitzt den Stack bereits | LangGraph oder CrewAI |
Der entscheidende Faktor sind selten allein die Funktionen. Es kommt darauf an, ob die Daten und die Governance Ihres Unternehmens bereits in Microsoft 365 liegen, was ausführlicher in Die Wahl einer AI-agent-Plattform behandelt wird. Ist das der Fall, sind die Anbindung und die Admin-Kontrollen von Copilot Studio anderswo kaum nachzubauen, ohne diese Infrastruktur selbst zu errichten.
Key Facts
- Copilot Studio bindet agents an SharePoint, Dataverse und Microsoft Graph an und steuert sie über Agent 365, eine einheitliche Admin-Sicht über Microsoft 365 Copilot und Copilot Studio.
- Microsoft 365 Copilot hat laut den Ergebnissen für das vierte Quartal des Geschäftsjahres 2026 die Marke von 30 Millionen bezahlten Lizenzen überschritten, wobei Kunden mit mehr als 50.000 Lizenzen im Jahresvergleich um mehr als das Siebenfache wachsen.
- Premera Blue Cross hat in Copilot Studio mehr als 900 agents gebaut, darunter einen, der einen manuellen Ablauf von 30 bis 45 Minuten auf rund drei Minuten verkürzt hat.
- Die Preise laufen über Copilot Credits: keine Zusatzkosten für interne agents, die von lizenzierten Copilot-Nutzern verwendet werden, vorausbezahlte Pakete für 200 $/Monat mit 25.000 Credits oder Pay-as-you-go zum selben Preis pro Credit.
- Der Credit-Verbrauch ist nach Aktionstyp gestaffelt: etwa 1 Credit für eine klassische Antwort, 2 für eine generative, 10 für die Anbindung an den Tenant-Graph und 25 oder mehr für eine autonome Aktion.
Wie es weitergeht
Copilot Studio ist genau wegen dessen, worauf es aufbaut, der richtige Startpunkt: Wenn Ihr Unternehmen bereits auf Microsoft 365 arbeitet, ist dieses Fundament anderswo kaum nachzubauen. Wenn nicht, sind einen AI Agent mit Zapier bauen oder einen AI Agent mit OpenAI Assistants bauen die näheren Startpunkte. Die Wahl einer AI-agent-Plattform führt durch die gesamte Entscheidung über No-code-, Framework- und Managed-Optionen, falls Sie noch vergleichen. Die Übersicht zu Produktivitäts-Tools und der Kaufleitfaden für AI-Chatbot-Plattformen sind sinnvolle nächste Stationen, um Copilot Studio mit der übrigen Kategorie zu vergleichen.
