Pexon Consulting | 10 Min. Lesezeit | 14.04.2026
TL;DR
Bestehende PowerApps lassen sich mit Azure OpenAI um KI-Funktionen erweitern — RAG-basierte Dokumentensuche, Chatbot-Integration und automatische Dokumentenanalyse. Der Vorteil: Ihre Mitarbeiter arbeiten weiter in der gewohnten App, die KI kommt im Hintergrund dazu. Pexon Consulting hat dieses Setup bei einem Messtechnik-Hersteller umgesetzt — 30-80k EUR Budget, produktiv in 6 Wochen.
75 % aller neuen Enterprise-Apps laufen 2026 auf Low-Code
Gartner prognostiziert, dass 75 % aller neuen Unternehmensanwendungen 2026 auf Low-Code-Plattformen wie PowerApps entstehen. 84 % der Unternehmen setzen bereits Low-Code oder No-Code ein, und 80 % der Nutzer auf diesen Plattformen sind keine IT-Profis.
Das heißt: In Ihrem Unternehmen laufen vermutlich schon PowerApps. Für die Zeiterfassung, die Bestellfreigabe, das Wartungsprotokoll. Diese Apps funktionieren, die Mitarbeiter kennen sie, der Trainingsaufwand war minimal.
Jetzt kommen Anforderungen dazu, die PowerApps allein nicht erfüllt: „Kann die App auch Fragen zu unseren Handbüchern beantworten?“ „Können wir Lieferscheine automatisch auslesen?“ „Gibt es einen Chatbot, der unsere Servicetechniker im Feld unterstützt?“
Die Antwort: Ja — aber nicht mit AI Builder allein.
Was AI Builder kann — und wo er an Grenzen stößt
AI Builder ist Microsofts eingebaute KI-Schicht für die Power Platform. Texterkennung, Sentimentanalyse, Formularverarbeitung — alles integriert, alles Low-Code. Für einfache Szenarien reicht das.
Aber sobald Sie eigene Daten einbinden wollen — ein RAG-System auf Ihren Wartungshandbüchern, ein Chatbot der Ihre Vertragsdatenbank durchsucht, eine Dokumentenanalyse die Ihre branchenspezifischen Formulare versteht — brauchen Sie Azure OpenAI als Backend.
Der Unterschied: AI Builder bietet vorgefertigte Modelle, die Microsoft trainiert hat. Azure OpenAI gibt Ihnen Zugang zu GPT-4o, GPT-4.5 und Custom Fine-Tuning — mit Ihren Daten, in Ihrer Azure-Umgebung.
Wir raten bei jedem Kundenprojekt davon ab, beides getrennt zu evaluieren. Die richtige Frage ist nicht „AI Builder oder Azure OpenAI?“, sondern: „Welche Schicht übernimmt welche Aufgabe?“
Architektur: Wie PowerApps mit Azure OpenAI sprechen
Es gibt drei Wege, PowerApps mit KI erweitern zu können. Jeder hat seinen Platz.
Weg 1: Custom Connector auf Azure OpenAI (empfohlen für RAG)
# Power Automate Flow — Azure OpenAI Custom Connector
# Wird von der PowerApp als "Button" aufgerufen
# Schritt 1: Embedding des User-Inputs erstellen
embedding_response = azure_openai.embeddings.create(
model="text-embedding-3-small",
input=user_question # z.B. "Wartungsintervall Hydraulikpumpe Typ 4500?"
)
# Schritt 2: Relevante Dokumente aus Azure AI Search holen
search_results = ai_search.search(
search_text=user_question,
vector_queries=[{
"vector": embedding_response.data[0].embedding,
"k_nearest_neighbors": 5,
"fields": "content_vector"
}],
select=["title", "content", "source_file"]
)
# Schritt 3: GPT-4o mit Kontext antworten lassen
completion = azure_openai.chat.completions.create(
model="gpt-4o",
messages=[
{"role": "system", "content": "Du bist ein technischer Assistent. Antworte nur basierend auf den bereitgestellten Dokumenten."},
{"role": "user", "content": f"Frage: {user_question}nnRelevante Dokumente:n{search_results}"}
],
temperature=0.1 # Niedrig = faktisch
)Das läuft als Power Automate Flow, den die PowerApp per Button oder automatisch triggert. Der Nutzer sieht eine Antwort mit Quellenangabe — welches Handbuch, welche Seite.
Weg 2: AI Builder Text Generation (für einfache Prompts)
Direkt in der Canvas App nutzbar, kein Code nötig. Aber: Keine eigene Datenbasis, kein RAG, kein Custom Prompt über 4.000 Zeichen.
Weg 3: Copilot Studio (für Chatbot-Szenarien)
Microsoft Copilot Studio (ehemals Power Virtual Agents) bietet einen visuellen Chatbot-Builder mit Zugang zu internen Datenquellen — SharePoint, Dataverse, eigene APIs. Für Standard-Support-Szenarien die schnellste Option.
Unsere Empfehlung: Weg 1 für alles, was eigene Dokumente durchsuchen soll. Weg 3 für FAQ-artige Chatbots. Weg 2 nur für Prototypen.
Praxis: Drei Use Cases die wir umgesetzt haben
Keine Theorie. Drei Projekte, bei denen Kunden ihre PowerApps KI erweitern ließen — mit messbaren Ergebnissen.
Servicetechniker-App mit RAG (Messtechnik-Hersteller)
Die bestehende PowerApp für Außendienst-Techniker hatte ein Suchfeld — aber nur über Artikelnummern. Der Techniker vor Ort brauchte 15 Minuten, um im 2.000-Seiten-Handbuch die richtige Wartungsanleitung zu finden. Mit RAG-Integration stellt er jetzt eine Frage in natürlicher Sprache: „Wie tausche ich den Sensor am Modell X aus?“ Die App liefert die Anleitung mit Seitenzahl in unter 3 Sekunden. Der Index umfasst 340 PDF-Dokumente, gehostet auf Azure AI Search in der Region Frankfurt.
Dokumentenanalyse für Eingangsrechnungen (Energieversorger)
Eingangsrechnungen kamen als PDF per Mail, wurden manuell ins ERP übertragen. Die neue PowerApp nutzt Azure Document Intelligence (über einen Custom Connector), um Rechnungsnummer, Betrag, Lieferant und Fälligkeitsdatum automatisch zu extrahieren. Der Sachbearbeiter prüft nur noch und gibt frei. Die Bearbeitungszeit sank von 8 auf 2 Minuten pro Rechnung — bei 200 Rechnungen pro Woche sind das 20 gesparte Arbeitsstunden. Mehr zu unserer Document-Intelligence-Lösung.
Interner Wissens-Chatbot (Pharma-Produktion)
Ein Chatbot, eingebettet in die bestehende PowerApp für Produktionssteuerung. Mitarbeiter fragen: „Welche Temperatur braucht Charge 4711 im Trocknungsschritt?“ Der Chatbot durchsucht SOPs, Chargenprotokolle und Qualitätshandbücher — alles über RAG. Kritisch hier: Die Daten dürfen das Unternehmensnetzwerk nicht verlassen. Deshalb läuft Azure OpenAI in einer privaten VNet-Konfiguration ohne Internet-Zugang. Projekte wie dieses beschreiben wir in unseren Case Studies.
Was das kostet — realistisch gerechnet
Die Spanne ist groß, weil „PowerApps mit KI erweitern“ alles sein kann — von einem AI-Builder-Prompt bis zu einem vollständigen RAG-System.
Für die drei beschriebenen Szenarien:
Die monatlichen Kosten skalieren mit der Nutzung. 400 EUR für Azure AI Search ist der Standard-Tier S1 — reicht für bis zu 50 Millionen Dokumente. Die OpenAI-Kosten hängen vom Modell ab: GPT-4o-mini für die meisten Queries, GPT-4o nur für komplexe Analysen. Mit einem LLM-Gateway lässt sich das automatisch routen.
Was oft vergessen wird: Die bestehende PowerApps-Lizenz reicht nicht immer. Für Custom Connectors brauchen Sie mindestens PowerApps Premium (20 EUR/User/Monat). Für AI Builder-Funktionen kommen AI Builder Credits dazu (ab 500 EUR/Monat für 1 Mio. Transaktionen).
PowerApps KI erweitern: Worauf IT-Leiter achten sollten
- Erst die Daten, dann die KI. Ein RAG-System ist nur so gut wie die Dokumente im Index. Investieren Sie Zeit in die Aufbereitung: PDF-Qualität prüfen, OCR-Scans nachbearbeiten, veraltete Dokumente aussortieren. In unseren Projekten geht 30 % des Aufwands in die Datenvorbereitung.
- Azure-Region Germany West Central wählen. Für DSGVO-pflichtige Daten ist das keine Option. Trotzdem sehen wir regelmäßig Setups, bei denen der Azure OpenAI Endpoint in West Europe (Amsterdam) läuft. Prüfen Sie das.
- Nicht alles auf einmal. Starten Sie mit einem Use Case. Wenn der läuft und Nutzer-Feedback da ist, erweitern Sie. Ein 6-Wochen-Pilot ist der sicherste Einstieg.
- Prompt-Engineering ist kein Einmal-Aufwand. Die System-Prompts für RAG und Chatbot müssen iteriert werden — basierend auf echten Nutzer-Fragen. Planen Sie nach dem Go-Live 2–3 Wochen Feintuning ein.
- Monitoring von Tag 1. Wie oft wird die KI-Funktion genutzt? Welche Fragen bleiben unbeantwortet? Ohne Telemetrie fliegen Sie blind. Application Insights lässt sich in 30 Minuten anbinden.
Häufig gestellte Fragen
Was kostet es, eine bestehende PowerApp mit KI zu erweitern?
Kommt drauf an. Eine einfache AI-Builder-Integration (Texterkennung, Zusammenfassung) ist in 1–2 Wochen für 5.000–15.000 EUR umsetzbar. Eine RAG-basierte Dokumentensuche mit Azure OpenAI liegt bei 30.000–50.000 EUR Setup. Ein vollständiger Wissens-Chatbot in einer privaten VNet-Konfiguration: 50.000–80.000 EUR. Die monatlichen Azure-Kosten starten bei 400 EUR.
PowerApps KI erweitern: AI Builder oder Azure OpenAI — was ist besser?
Beides hat seinen Platz. AI Builder für vorgefertigte Modelle (Texterkennung, Sentiment, Formularverarbeitung) — schnell, Low-Code, kein Azure-Wissen nötig. Azure OpenAI für alles mit eigenen Daten: RAG, Custom Chatbots, Dokumentenanalyse mit branchenspezifischen Formularen. In der Praxis nutzen wir beides parallel: AI Builder für Standard-Aufgaben, Azure OpenAI als Custom Connector für die spezifischen Use Cases.
Brauche ich eine PowerApps Premium-Lizenz für KI-Integration?
Für AI Builder: Nein, die Basis-KI-Funktionen sind in der Standard-Lizenz enthalten (mit begrenzten Credits). Für Custom Connectors zu Azure OpenAI: Ja, PowerApps Premium (20 EUR/User/Monat) ist Pflicht. Für Copilot Studio: Separate Lizenz nötig (ab 200 USD/Monat pro Bot). Klären Sie die Lizenzfrage vor dem Projektstart — nicht nachher.
Ist die KI-Integration DSGVO-konform, wenn die PowerApp in Deutschland gehostet ist?
Die PowerApp selbst läuft in Ihrem Microsoft-365-Tenant. Aber: Der Azure OpenAI Endpoint muss explizit in der Region Germany West Central (Frankfurt) liegen. Die Daten in Azure AI Search ebenfalls. Außerdem: DPA mit Microsoft abschließen, Datenklassifizierung der indexierten Dokumente dokumentieren, und keine personenbezogenen Daten ohne Rechtsgrundlage an die API senden.
Wie lange dauert die Einführung einer KI-erweiterten PowerApp?
Ein KI-Workshop zum Einstieg: 2 Tage. Pilot mit einem Use Case (z.B. RAG-Suche für Handbücher): 4–6 Wochen. Vollständiger Rollout mit Chatbot, Dokumentenanalyse und Monitoring: 8–12 Wochen. Wir empfehlen immer den Pilot zuerst — kein Unternehmen sollte 80.000 EUR committen, ohne vorher mit 30.000 EUR den Wert validiert zu haben.
Nächster Schritt
Wenn Sie bereits PowerApps im Einsatz haben und diese um KI-Funktionen erweitern wollen: Wir bauen RAG-Suche, Chatbots und Dokumentenanalyse als Azure-Backend für Ihre bestehenden Apps — DSGVO-konform, in der Region Frankfurt, produktionsreif in 6 Wochen.
Verwandte Themen
→Document Intelligence: Dokumente automatisch verarbeiten
→RAG: KI-gestützte Dokumentensuche für Unternehmen
