Pexon Consulting | 9 Min. Lesezeit | 16.07.2026
TL;DR
Microsoft Fabric Copilot nutzt intern Azure OpenAI und läuft ab der F2-Kapazität. Drei Wege führen KI in deine Daten: der eingebaute Copilot-Chat, Fabric Data Agents (GA seit März 2026) und AI Functions im Notebook. Pexon, Microsoft Partner mit 80 Beratern, baut das DSGVO-konform und kostenkontrolliert als 6-Wochen-Pilot.
Was „Copilot in Fabric“ 2026 wirklich bedeutet
„Copilot in Fabric“ ist kein einzelnes Feature, sondern drei verschiedene KI-Schichten mit derselben Azure-OpenAI-Basis. Wer das verwechselt, kauft an der falschen Stelle Kapazität ein. Der Chat-Copilot sitzt in Power BI, Data Factory und den Notebooks. Data Agents sind eigenständige Analyse-Agenten. AI Functions sind LLM-Aufrufe direkt im Code.
Alle drei laufen über von Microsoft betriebene Azure-OpenAI-Modelle, deployed in einer begrenzten Zahl von Rechenzentren. Deine Daten werden dabei nicht zum Training verwendet und landen nicht bei anderen Kunden. Das ist der entscheidende Unterschied zu einem privaten ChatGPT-Account: Fabric Copilot arbeitet innerhalb deiner Kapazität und deiner Governance.
Der Auslöser für die aktuelle Welle war die Build 2026 im Mai, auf der Microsoft Fabric IQ als Semantik-Schicht generally available machte. Davor, auf der FabCon in Atlanta (16. bis 20. März 2026), erreichten die Fabric Data Agents GA. Die Zeit der Preview-Ausreden ist vorbei, das Zeug ist produktiv nutzbar.
Unsere klare Position: Die meisten Teams starten falsch, nämlich mit dem Copilot-Chat für Endanwender. Der ist teuer pro Interaktion und schwer zu steuern. Fang bei den AI Functions an. Die sind messbar, versionierbar und laufen in deinem bestehenden Notebook-Code.
Die drei Wege, Azure OpenAI in Fabric zu nutzen
Kurz gesagt: Chat für Self-Service, Data Agents für wiederkehrende Fachfragen, AI Functions für Massenverarbeitung. Die folgende Tabelle trennt sie nach Zielgruppe und Kostenprofil, damit du nicht die falsche Schicht ausrollst.
Ein Fabric Data Agent verbindet bis zu fünf Datenquellen gleichzeitig: Lakehouse, Warehouse, Power-BI-Semantikmodell, Eventhouse (KQL), gespiegelte Datenbanken, Ontologien und den Microsoft Graph. Unter der Haube nutzt er die Azure-OpenAI-Assistant-APIs und hält den Gesprächsverlauf 28 Tage vor, damit Folgefragen Kontext behalten.
AI Functions sind der unterschätzte Hebel. Ein einziger Aufruf klassifiziert oder extrahiert, ohne dass du eine eigene LLM-Pipeline baust. Sie laufen über pandas und PySpark. Seit März 2026 gibt es dieselbe Idee auch als T-SQL-Funktion direkt im Fabric Data Warehouse, ohne Umweg über Python.
Willst du ein eigenes Modell statt der Fabric-Standardvariante, geht das über Bring Your Own Key: Du deployst dein gpt-4o– oder gpt-4.1-Modell in Azure AI Foundry und bindest es per Schlüssel ein. Das gibt dir Kontrolle über Region, Version und Kosten des Endpoints.
Setup: Von Kapazität aktivieren bis zum ersten AI-Function-Aufruf
Der Einstieg ist überraschend kurz: Kapazität muss Copilot erlauben, dann läuft der erste Aufruf im Notebook. Voraussetzung ist eine F2-Kapazität oder höher (oder eine P-SKU) in einer unterstützten Region. Die früher nötige F64-Grenze für Fabric Copilot Capacity ist am 28. April 2025 gefallen, jede Kapazität ab F2 kann Copilot heute freischalten.
Danach aktivierst du im Admin-Portal unter den Copilot-Tenant-Settings die Funktion für die richtigen Sicherheitsgruppen. Für deutsche Kunden wichtig: Das Cross-Geo-Processing lässt du dabei aus, dazu unten mehr. Sobald das steht, ist der erste produktive Aufruf eine Zeile Code:
# AI Function in einem Fabric PySpark Notebook
# Klassifiziert Support-Tickets über das eingebaute Azure-OpenAI-Modell
import synapse.ml.aifunc # Fabric AI Functions
df = spark.read.table("lakehouse.support_tickets")
# Eine Zeile statt eigener LLM-Pipeline: kategorisiert jede Zeile
df_klassifiziert = df.ai.classify(
input_col="ticket_text",
labels=["Rechnung", "Technik", "Vertrieb", "Sonstiges"],
output_col="kategorie"
)
df_klassifiziert.write.mode("overwrite").saveAsTable("lakehouse.tickets_kategorisiert")Kein API-Key, kein Endpoint-Management, kein Retry-Handling. Der Aufruf läuft über die Fabric-Kapazität und wird darüber abgerechnet. Für einen Data Agent klickst du im Workspace ein neues Data-Agent-Item, hängst deine Quellen an und gibst ihm Anweisungen in Prosa, welche Tabellen für welche Fragen relevant sind. Genau dieselbe Mechanik nutzt unser Data Quality Agent für Fabric, nur auf Datenqualität statt auf Fachfragen gemünzt.
Was Copilot in Fabric kostet
Copilot in Fabric kostet keine Zusatzlizenz, verbraucht aber Capacity Units nach Tokens. Genau hier verkalkulieren sich Teams, weil „im Preis enthalten“ nicht „umsonst“ heißt. Abgerechnet wird pro 1.000 Tokens, Input und Output zu unterschiedlichen Raten (Stand Microsoft-Doku, 22. Mai 2026).
Weil Copilot als Background-Job läuft, glättet Fabric die Last über 24 Stunden. Effektiv frisst ein Request rund 0,11 CU-Stunden. Eine F64-Kapazität hat 1.536 CU-Stunden pro Tag, also gut 13.824 Copilot-Requests, bevor die Kapazität erschöpft ist. Klingt viel, ist es bei 200 Analysten mit Chat-Copilot aber nicht.
Die Kapazität selbst ist der eigentliche Kostenblock. F2 liegt bei rund 262 USD im Monat, F64 bei 8.409,60 USD Pay-as-you-go oder 5.002,67 USD mit Einjahres-Reservierung, also etwa 40 Prozent günstiger. Die Details zum SKU-Modell haben wir im Fabric-Lizenzierungsleitfaden aufgeschlüsselt.
Unsere Empfehlung, unbequem aber ehrlich: F2 für produktiven Copilot ist eine Falle. Auf kleinen SKUs konkurriert Copilot aggressiv mit deinen ETL-Jobs um dieselben CUs, und beim ersten Lastpeak throttelt die ganze Kapazität. Für produktive KI-Nutzung ist F64 die realistische Untergrenze. Und miss vor jedem breiten Rollout mit der Capacity Metrics App an einer Pilotgruppe, sonst extrapolierst du blind.
DSGVO und Datenresidenz: der Cross-Geo-Schalter
Für deutsche Unternehmen ist die wichtigste Einstellung genau eine: Cross-Geo-Processing aus. Standardmäßig verbleiben von Copilot verarbeitete Daten in der geografischen Region deiner Kapazität. Erst wenn du den Schalter im Tenant-Setting umlegst, dürfen Anfragen in eine andere Region wandern, falls Azure OpenAI in deiner Region gerade keine Kapazität hat.
Das ist kein Nice-to-have, sondern für regulierte Kunden Pflicht. Wähle als Deployment-Region Germany West Central oder Deutschland Nord, dann bleiben Inferenz und Speicherung in Deutschland. Microsoft agiert als Auftragsverarbeiter nach Art. 28 DSGVO, sobald der Auftragsverarbeitungsvertrag geschlossen ist, und deckt das Ganze mit der EU Data Boundary ab.
Die Verantwortung bleibt trotzdem bei dir: Zweck, Rechtsgrundlage, technische und organisatorische Maßnahmen und Betroffenenrechte musst du für jeden KI-Use-Case selbst nachweisen. Fabric liefert die Infrastruktur, nicht die Compliance-Dokumentation. In unseren Projekten sehen wir regelmäßig, dass genau dieser Nachweis fehlt, während technisch längst alles läuft.
Häufig gestellte Fragen
Braucht Microsoft Fabric Copilot eine eigene Lizenz?
Nein. Copilot ist in allen bezahlten Fabric-SKUs ab F2 enthalten, ohne Zusatzlizenz. Bezahlt wird über den Verbrauch von Capacity Units pro verarbeitetem Token. Die Kapazität selbst ist der Kostenfaktor, nicht ein separates Copilot-Abo.
Was kostet Copilot in Fabric konkret?
Pro 1.000 Input-Tokens fallen 100 CU-Sekunden an, pro 1.000 Output-Tokens 400 CU-Sekunden. Ein typischer Request mit 2.000 Input- und 500 Output-Tokens kostet 400 CU-Sekunden. Eine F64-Kapazität (ab rund 5.003 USD im Monat mit Reservierung) trägt gut 13.824 solcher Requests pro Tag.
Fabric Data Agents oder Copilot-Chat, was ist der Unterschied?
Der Copilot-Chat ist ein Self-Service-Assistent in Power BI und den Notebooks für Ad-hoc-Prompts. Ein Fabric Data Agent ist ein kuratierter Analyse-Agent, den du auf feste Datenquellen und Fachfragen trainierst. Data Agents sind seit März 2026 GA und besser steuerbar, der Chat ist breiter, aber schwerer zu deckeln.
Kann ich mein eigenes Azure-OpenAI-Modell in Fabric nutzen?
Ja, über Bring Your Own Key. Du deployst dein Modell, etwa gpt-4o oder gpt-4.1, in Azure AI Foundry und bindest den Endpoint per Schlüssel in Fabric ein. So kontrollierst du Region, Modellversion und die Kosten des Endpoints selbst, statt die Fabric-Standardmodelle zu verwenden.
Ist Copilot in Fabric DSGVO-konform nutzbar?
Ja, unter Bedingungen. Schalte Cross-Geo-Processing aus, wähle eine deutsche Deployment-Region und schließe den Microsoft-Auftragsverarbeitungsvertrag. Daten bleiben dann in deiner Region und werden nicht zum Training genutzt. Zweckbindung, Rechtsgrundlage und Betroffenenrechte musst du als Verantwortlicher selbst dokumentieren.
Nächster Schritt
Der Fehler, den wir am häufigsten sehen, ist der breite Copilot-Rollout ohne Kostentest und ohne Governance. Fang mit einem messbaren Use-Case an, prüfe den Verbrauch an einer Pilotgruppe und skaliere erst dann.
Verwandte Themen
