







«Was auch heute in der Welt der KI zählt, ist die Erfahrung, die du mitbringst. KI kann den Code schreiben, aber nicht das Ökosystem bauen, das du deinen Kunden bieten willst.»
Ajith Shetty, Fabric Spark Engineering · übersetzt
«Ich würde KI als Assistenten nutzen, nicht als Ersatz für mein eigenes kritisches Denken.»
Amanjeet Singh, Fabric Customer Advisory Team · übersetzt
Fabric ist zur Plattform für Agenten geworden.
Halten unsere Einstellungen mit?
Fabric vor Barcelona
Neues mit dem Label GA oder Preview
Die Roadmap, ungeschönt
Wo wir anfangen
OneLake in der Mitte. Rundherum die Workloads: Lakehouse, Warehouse, Real-Time Intelligence, Power BI, Data Factory.
Copilot und der Data Agent sassen innerhalb des Rings. Wir fragten in Fabric, und die Antwort blieb in Fabric.
Die Einstellung «Fabric data in Microsoft Copilot» im Microsoft 365 Admin Center, standardmässig für alle aktiv.
Wer nur Leserechte hat, kann Copilot, Copilot Chat, Cowork, den Data Agent und MCP-Tools nutzen. Standardmässig aktiv.
Die Einstellung gilt nicht für verkettete Modelle, also Modelle, die auf diesem Modell aufbauen.
Jemand fragt im Chat, und Fabric IQ antwortet aus einem semantischen Modell, das wir kontrollieren.
Ein MCP-Client fragt Fabric IQ ab. Core MCP legt Workspaces und Items im Namen des Benutzers an.
Ein Data Agent arbeitet als Tool eines anderen Agenten. Eine App liest Delta- und Iceberg-Tabellen per REST, und OneLake Security filtert das Ergebnis.

Wir stellen in Copilot Chat eine Business-Frage, und die Antwort kommt aus einem semantischen Modell, das wir kontrollieren. Keine Zusatzkosten für KI-Tokens.
Konkret: Abfragen aus dem Chat verbrauchen weiterhin unsere Capacity. Es gibt nur keine separate Rechnung für Tokens.
Grenze: Die Antwort ist nur so gut wie die Beschreibungen und Synonyme im Modell. Die Version «Code Experience» kommt zuerst ins Frontier-Programm.
Liest. Sechs Tools, alle nur lesend: Suche, Modellschema, DAX-Abfrage. Die Antwort kommt aus den Daten und respektiert die Berechtigungen des Benutzers.
Ändert. 27 Tools, 15 davon schreiben Änderungen an Workspaces, Items und Berechtigungen. Anmeldung per OAuth 2.0 mit Entra ID, unterstützte Operationen landen im Audit-Log.
Learn, übersetzt: «Autonome oder falsch konfigurierte Clients können destruktive Aktionen ausführen.» Schutz davor ist in MCP nicht standardisiert, und Clients können Daten ausserhalb der Compliance-Grenzen von Fabric verarbeiten.

Ein Data Agent aus Fabric arbeitet als Tool eines Agenten in Copilot Studio und zeigt in seiner Antwort eine Visualisierung.
Keynote: GA. Die Anleitung auf Learn nennt am 21. Oktober 2026 noch Preview. Auch Topics in Data Agents sind in Preview.
Eine App liest eine Delta- oder Iceberg-Tabelle per REST, und OneLake Security filtert Zeilen und Spalten bei jeder Anfrage.
Konkret: Jede App, die eine HTTP-Anfrage mit einem Entra-ID-Token schickt, kann die Tabelle lesen. Kein Spark-Cluster, kein SQL-Endpunkt, keine Kopie der Daten. Einziger Schutz sind die Berechtigungen in OneLake Security.
Der Agent plant, erledigt und prüft eine Data-Engineering-Aufgabe in Fabric auf SparkCore. Wir starten ihn aus GitHub Copilot CLI, Claude Code oder Codex. Aufgaben bleiben bestehen, wir können später zu ihnen zurück.
Leitplanken: eine Berechtigungsgrenze, ein Schreibmuster, Regeln für Wiederholungen, Schema-Evolution. Die Berechtigungen in Fabric und OneLake bestimmen, was der Agent tun darf.
Der Agent findet heraus, warum ein Pipeline-Lauf fehlgeschlagen ist, direkt aus dem Monitor Hub.
Nur lesend, im Namen des angemeldeten Benutzers. Braucht die Rolle Contributor und aktiviertes Workspace Monitoring.

Für SQL und PostgreSQL, im Database Hub und in VS Code. In der Keynote angekündigt, noch nicht verfügbar.
Auch der Database Hub selbst ist in Preview.
Wir bauen die Ontologie aus einem semantischen Modell, Daten in OneLake und Dokumenten. Regeln schreiben wir in natürlicher Sprache. DAX-Measures kommen als Metriken hinein. Der Ontologie-Agent handelt in unserem Namen und respektiert OneLake Security, RLS, OLS und CLS.
Konkret: Wir exportieren nach RDF und Turtle, den W3C-Standards für Knowledge Graphs, und importieren auch aus OWL. Ein anderes Graph-Tool kann eine Ontologie aus Fabric also öffnen.
Die bisherige Version der Ontologie verschwindet am 31. Januar 2027, die neue ersetzt sie. Eine unabhängige Analyse bemängelte Entitäten ohne identifizierenden Schlüssel und eine fehlende automatische Zustandsprüfung der Ontologie.

Wir beschreiben die App, und Power BI Desktop generiert sie, zeigt eine Vorschau und veröffentlicht sie. In den Lizenzen Pro und PPU enthalten, bis 1 GB pro App, mit Write-back.
Ein Real-Time Dashboard aus einem einzigen Satz, und das Eventhouse verwalten wir in natürlicher Sprache.
Rollen, RLS und CLS an einem Ort, auch über Shortcuts. Jedes Lakehouse bekommt eine Rolle DefaultReader. GA ist für die nächsten Wochen angekündigt, ohne konkretes Datum.
Der Workspace lässt keine Daten hinaus, weder über einen ausgehenden Shortcut noch über einen Data Agent.
Sperrt den Zugriff für alle oder nur für Gäste, wenn es sensible Daten in einem Fabric-Item findet.
Geltungsbereich: Tenant oder Capacity. Es gibt nur eine Allow-Liste: Der einzige Effekt ist Allow, ein Deny gibt es nicht. Bedingungen: Workspace, Gruppen, Vertraulichkeitsbezeichnungen, Domäne des Empfängers, Item-Typ.
Ein Bildschirm für Admins: Abdeckung mit Bezeichnungen, DLP-Ergebnisse, Tenant-Einstellungen, empfohlene Massnahmen.
Die Daten werden einmal täglich aktualisiert. Tabellen innerhalb von Items deckt die Ansicht nicht ab.

Der neue Monitor Hub: Laufhistorie und Erfolgsquote für jeden Job. Dazu Workspace Monitoring in einem Eventhouse und Alerts mit Activator.
| Was | Status |
|---|---|
| ROADMAPOn-Demand-Abrechnung und Capacity F0 | Bald, noch ohne Preise |
| ROADMAPDatabase Agents für SQL und PostgreSQL | Bald |
| ROADMAPNative Unterstützung für Ontologien und semantische Modelle in IQ Sharing | Auf der Roadmap |
| ROADMAPApache Ossie als herstellerneutraler Ontologie-Standard, gemeinsam mit Snowflake | Angekündigt |
| ROADMAPGA-Datum für OneLake Security | Nicht genannt |
| ROADMAPBisherige Version der Ontologie | Abschaltung am 31. Januar 2027 |
Microsoft 365 Admin Center, Copilot-Einstellungen, «Fabric data in Microsoft Copilot». Prüfen wir, wer Zugriff hat.
Prüfen wir die KI-Einstellung auf semantischen Modellen mit HR- und Finanzdaten. Sie gilt nicht für verkettete Modelle.
Prüfen wir die Tenant-Einstellungen, mit denen KI Daten ausserhalb der Region und des geografischen Gebiets der Capacity verarbeiten darf.
Aktivieren wir Outbound Access Protection für Workspaces mit sensiblen Daten.
Testen wir RLS unter dem Data Agent auf unserem eigenen Modell. Laut Learn respektiert der Agent RLS und CLS. Auf Microsoft Q&A gibt es aber eine unbestätigte Meldung, dass der Agent ungefilterte Zeilen zurückgab. Prüfen wir es selbst.
Markieren wir Preview-Items, bevor jemand sie in Produktion nimmt.
Der Agent handelt im Namen des Benutzers, mit minimalen Rechten und nur lesend. Er respektiert Purview DLP. Der Agent sieht nicht mehr als der Benutzer.
Fragen wir Microsoft, ob der Agent unter einer eigenen Entra Agent ID laufen kann statt als Benutzer. Bisher gibt es keine Antwort.
Fabric ist zur Plattform für Agenten geworden.
Halten unsere Einstellungen mit?
Projekte: Datenplattformen und Lakehouses, Datenmodellierung und Reporting, KI und Automatisierung. Microsoft Fabric, Azure, Databricks, Power BI.
Wir machen kein Body Leasing. Wir liefern Projekte, Staff Augmentation kommt nur sehr, sehr selten vor.

POST /v1/catalog/search sucht nach Name, Beschreibung und Workspace-Name, mit Filter nach Typ. Zurück kommt nur, wofür wir Berechtigungen haben. Das Tool search_catalog in Core MCP führt dieselbe Suche aus.
Konkret: Ein Agent prüft zuerst, ob ein Modell oder eine Tabelle schon existiert, bevor er die nächste Kopie baut.
ai.translate, ai.analyze_sentiment und ai.classify auf Kommentaren von Testpersonen, geschrieben auf Englisch, Arabisch und Französisch. Eingebauter Fabric-Endpunkt, kein API-Schlüssel.
Konkret: Wir verarbeiten Text dort, wo die Daten liegen, ohne separaten Dienst und ohne Kopie.
Auf Runtime 2.0 muss man das Modell derzeit explizit angeben. Learn beschreibt das als vorübergehende Lösung.
Die Schichten Silber und Gold erstellen wir mit CREATE MATERIALIZED LAKE VIEW. Fabric baut die Lineage und aktualisiert die Views in der Reihenfolge der Abhängigkeiten. CONSTRAINT … ON MISMATCH DROP verwirft fehlerhafte Zeilen.
Konkret: Drei fehlerhafte Zeilen aus dem Panel sind nie in der Gold-Schicht angekommen. Der Laufbericht zeigt Dropped rows: 3.
Views aus PySpark sind in Preview und werden nur vollständig aktualisiert.
Ein Agent auf lh_oud_rd mit Anweisungen auf Deutsch. Beide Antworten stimmen mit den Daten überein: OB-104 Oud Saffron S-7, 68 %, 14 353 QAR pro Kilogramm.
Konkret: Wir testen den Agenten mit Fragen, deren Antwort wir kennen.
Learn: Data Agents unterstützen offiziell nur Englisch. Die deutsche Demo hat funktioniert, aber ausserhalb des offiziellen Supports.
Der Endpunkt onelake.table.fabric.microsoft.com: Delta über eine mit Unity Catalog kompatible API, Iceberg über den Iceberg REST Catalog. Eine Delta-Tabelle aus dem Lakehouse erscheint als Iceberg format-version 2.
Konkret: Jede Engine, die Iceberg REST oder Unity Catalog spricht, sieht unsere Tabellen ohne Kopie und ohne Export.