Mit Fabric IQ hebt Microsoft seine Datenplattform auf ein neues Niveau: von einer „Data Platform“ hin zu einer „Intelligence Platform“. Die neue semantische Intelligenzschicht in Microsoft Fabric verbindet Daten mit Geschäftsbedeutung und mit Aktionen und bildet damit die Grundlage für AI-Agenten, die in Echtzeit auf Ihr Geschäft reagieren können. Für Architekt:innen, Data Engineers und Entscheider:innen stellt sich jetzt die Frage: Was steckt technisch hinter Fabric IQ, und wie ordnet man es in die eigene Daten- und KI-Strategie ein?
Begriffserklärung & Einleitung
Microsoft Fabric ist eine cloudbasierte Daten- und Analyseplattform, die den gesamten Datenlebenszyklus von der Integration über Engineering, Real-Time Analytics und Data Warehousing bis zu BI mit Power BI abdeckt. Zentrales Element ist OneLake als einheitlicher Datenspeicher für alle Workloads.
Fabric IQ ist ein neuer Workload in Microsoft Fabric (Preview), der von Microsoft als „semantic foundation within Microsoft Fabric“ beschrieben wird – also als semantische Grundschicht, die auf der bestehenden Datenlandschaft in OneLake aufsetzt und diese nicht ersetzt, sondern als „force multiplier“ für vorhandene Investitionen dient.
Kernidee von Fabric IQ: Statt primär mit Tabellen, Schemas und einzelnen Power-BI-Modellen zu arbeiten, wird das Geschäft als Ontologie modelliert – mit Entitäten (z. B. Kunde, Auftrag, Maschine), Beziehungen, Eigenschaften, Regeln und zulässigen Aktionen. Diese semantische Schicht wird zur gemeinsamen Sprache für Menschen und AI-Agenten, die in Microsoft Fabric und den angrenzenden Diensten operieren.
Parallel dazu positioniert Microsoft einen „IQ-Stack“ aus Work IQ (Kontext aus Microsoft 365), Fabric IQ (Geschäftsbedeutung über die Daten in Fabric) und Foundry IQ (Wissensgrundlage in Microsoft AI Foundry), um ein einheitliches Intelligenzlayer über Daten, Dokumente und Prozesse zu legen.
Funktionsweise & technische Hintergründe
Architektur von Fabric IQ in Microsoft Fabric
Um Fabric IQ einzuordnen, lohnt ein Blick auf die bestehende Fabric-Architektur:
- OneLake als zentrales Data Lake-Layer
- Workloads wie Data Factory, Data Engineering, Data Science, Real-Time Intelligence, Data Warehouse, Databases, Power BI
- Gemeinsame Basis für Governance, Sicherheit, Kapazitäten und Abrechnung
Fabric IQ wird als zusätzlicher Workload („IQ (preview)“) eingeführt. In den offiziellen „What’s new“-Hinweisen wird Fabric IQ als neue semantische Grundlage beschrieben, ergänzt um den neuen Item-Typ Ontology (preview), mit dem sich Entitätstypen, Beziehungen, Eigenschaften und weitere Constraints nach der Geschäftssprache des Unternehmens definieren lassen.
Ontologie als semantischer Kern
Die Ontologie ist das Herzstück von Fabric IQ. Sie beschreibt:
- Entity Types – z. B. Flight, Order, Customer, Machine
- Relationships – z. B. Customer places Order, Machine produces Batch
- Properties – Attribute der Entitäten (Status, Mengen, Zeiten, Geo-Positionen …)
- Rules & Objectives – z. B. SLA-Regeln, Geschäftsziele, Priorisierungslogik
Laut Microsoft basiert Fabric IQ auf der etablierten Power-BI-Semantiktechnologie und erweitert sie um ein breiteres semantisches Modell, das analytische, zeitliche und geospatiale Daten vereint.
Ein wesentliches Detail: Unternehmen können ihre vorhandenen Power-BI-Semantikmodelle als Startpunkt nutzen – Microsoft spricht von über 20 Mio. existierenden Modellen –, die sich in Ontologien überführen und weiter anreichern lassen.
Gedankliche Abbildung:
Stellen Sie sich die Ontologie als zentralen Unternehmensgraphen vor, in dem Knoten Geschäftsentitäten (Kunde, Auftrag, Maschine, Standort, Störung) und Kanten deren Beziehungen darstellen. Dieser Graph ist nicht nur dokumentarisch, sondern ist mit Live-Daten in OneLake verdrahtet – inkl. Real-Time- und Geodaten.
Ein stark vereinfachtes, nicht originales Beispiel in YAML-ähnlicher Notation könnte so aussehen:
entityTypes:
Flight:
properties:
flightNumber: string
departureTime: datetime
status: enum[OnTime, Delayed, Cancelled]
relationships:
route: Route
passengers: Passenger[]
Passenger:
properties:
loyaltyTier: string
hasSpecialNeeds: bool
Route:
properties:
originAirport: string
destinationAirport: string
Im Produkt würden diese Entitäten anschließend auf konkrete Datensätze in Lakehouse-Tabellen, Real-Time-Streams oder geospatialen Datenquellen gemappt.
Semantische Schicht, Data Agents und Operations Agents
Auf Basis dieser Ontologie führt Microsoft neue Agententypen ein:
- Fabric Data Agents: Analytische Agenten, die über Datenmodelle und Ontologie komplexe Abfragen und Reasoning betreiben.
- Operations Agents: Agenten, die laufend den Zustand des Geschäfts (Real-Time Streams, KPIs, Ontologie-Regeln, Ziele) beobachten, Entscheidungen treffen und automatisiert Aktionen auslösen.
Die Agenten greifen dabei auf die semantische Schicht von Fabric IQ zu, statt direkt auf Tabellen. Ein Operations Agent „denkt“ dann in Konzepten wie „kritischer Kunde“, „drohende SLA-Verletzung“ oder „Ausfall einer Produktionslinie“, nicht in JOINs und Tabellen.
Über Integrationen mit Work IQ und Foundry IQ entsteht eine durchgehende Intelligenzschicht:
- Work IQ versteht Arbeitskontexte in Microsoft 365 (Dokumente, E-Mails, Meetings, Workflows).
- Fabric IQ liefert die semantische Sicht auf operative Daten und Kennzahlen.
- Foundry IQ stellt Wissens- und Kontextgrundlagen für AI Foundry bereit.
Für Entwickler:innen heißt das: Agenten können mit einem deutlich reichhaltigeren, formalisierten Geschäftsmodell arbeiten – und müssen weniger über Prompt Engineering und Ad-hoc-SQL „zurechtgebogen“ werden.
Anwendungsbeispiele in der Praxis
1. Supply-Chain-Überwachung in der Fertigung
In einer globalen Fertigungskette modelliert eine Ontologie Entitäten wie Plant, Machine, Order, Shipment, Supplier inkl. Abhängigkeiten und SLAs. Ein Operations Agent auf Basis von Fabric IQ:
- überwacht IoT-Telemetrie aus Real-Time Intelligence, Produktionsaufträge und Lieferdaten,
- erkennt auf dieser Basis drohende Zielverfehlungen („kritischer Auftrag in Gefahr“),
- schlägt konkrete Gegenmaßnahmen vor oder stößt sie automatisiert an (z. B. Umplanung von Schichten, alternative Lieferanten, Anpassung von Produktionslosen).
2. Airline Operations & Customer Experience
Für eine Airline könnte die Ontologie Objekte wie Flight, Passenger, Booking, Crew und Delay Cause definieren. Ein Agent:
- überwacht in Echtzeit Verspätungen, Umläufe und Passenger Mix,
- erkennt VIP- oder besonders betroffene Kundensegmente,
- steuert in Echtzeit Umbuchungs- und Kompensationsmaßnahmen,
- informiert Service-Teams über priorisierte To-dos.
Der Unterschied zu klassischen Dashboards: Entscheidungen werden nicht mehr manuell „ausgelesen“, sondern von Agenten auf Basis der semantischen Schicht vorbereitet oder teilweise autonom vorgenommen.
3. Öffentliche Verwaltung & Fallbearbeitung
In der öffentlichen Verwaltung lässt sich eine Ontologie um Citizen, Case, Service, Appointment, SLA herum aufbauen. Fabric IQ-Agenten könnten:
- Fallbestände in Echtzeit analysieren,
- Engpässe und SLA-Verletzungen früh erkennen,
- Vorschläge zur Umverteilung von Kapazitäten machen
- oder automatisiert Erinnerungen und Benachrichtigungen an Bürger:innen senden.
4. Retail & E-Commerce
Im Handel könnte Fabric IQ eine Ontologie rund um Product, Promotion, Channel, Customer Segment und Inventory bereitstellen. Use Cases:
- dynamische Preis- und Promotionsteuerung unter Berücksichtigung von Lagerbeständen, Konkurrenzpreisen, Kampagnen und Kundenwert,
- Kampagnen-Agenten, die in Echtzeit Performance überwachen und Budgets verschieben.
Cloud, Hybrid, On-Prem
Microsoft Fabric – und damit Fabric IQ – ist ein Cloud-Service auf Azure-Basis. On-Premises- und andere Cloud-Datenquellen werden über Gateways, Shortcuts oder Datenreplikation angebunden. Das semantische Modell selbst liegt in Fabric; die physische Datenhaltung kann dennoch hybrid oder verteilt sein, solange sie logisch in OneLake eingebunden wird.
Vorteile und Herausforderungen
Zentrale Vorteile von Fabric IQ
1. Gemeinsame Geschäftssprache über Datenprodukte hinweg
Statt dutzender, konkurrierender Kennzahlendefinitionen entsteht ein zentrales, versioniertes Geschäftsmodell (Ontologie). Das reduziert semantische Inkonsistenzen und erleichtert Governance und Audits.
2. Besser grundierte AI-Agenten
Weil Agenten nicht nur auf rohe Tabellen, sondern auf ein explizites Geschäftsmodell zugreifen, sinkt die Abhängigkeit von Prompt-Hacks und Einzellösungen. Semantic Intelligence (Fabric IQ) wird zur Grundlage für agentic AI in der gesamten Plattform.
3. Wiederverwendung von Power-BI-Assets
Vorhandene Power-BI-Semantikmodelle können in Fabric IQ übernommen und erweitert werden. Das schützt vergangene Investitionen in BI und gibt ihnen eine Rolle im KI-getriebenen Operativbetrieb.
4. Real-Time, Geodaten und Analytik in einem Modell
Der Ontologie-Layer verbindet unterschiedliche Engines – analytisch, Zeitreihen, Geodaten, Graph – unter einem semantischen Dach. Damit lassen sich komplexe, bereichsübergreifende Entscheidungen modellieren (z. B. Kombination aus IoT-Sensorik, Standortdaten und Finanzkennzahlen).
5. Bessere Governance und Compliance
Ein zentrales semantisches Modell erzwingt explizite Definitionen von Entitäten, Beziehungen und Regeln. In Kombination mit Diensten wie Purview und Entra erleichtert das Data Governance, Zugriffskontrolle und Nachvollziehbarkeit.
Herausforderungen und Risiken
1. Modellierungsaufwand und Komplexität
Eine gute Ontologie entsteht nicht „nebenbei“. Sie erfordert enge Zusammenarbeit von Fachbereich, Data/BI-Teams und Architektur – inklusive Governance für Versionierung, Freigaben und Lifecycle.
2. Datenqualität bleibt Voraussetzung
Fabric IQ behebt keine grundlegenden Datenqualitätsprobleme. Schlechte oder fehlende Daten schlagen direkt auf das semantische Modell und damit auf Agentenentscheidungen durch.
3. Plattformbindung an Microsoft Fabric
Die semantische Schicht lebt in Fabric; damit wächst die Abhängigkeit von Azure und dem Microsoft-Ökosystem. Zwar öffnet Microsoft Fabric für Fremdplattformen wie Snowflake oder Databricks, aber Fabric IQ bleibt Bestandteil der Fabric-Welt.
4. Reifegrad (Preview) und sich ändernde APIs
Zum Start befindet sich Fabric IQ in der Preview-Phase. Features, Workload-Grenzen, Abrechnungsmodelle und APIs können sich noch merklich verändern. Microsoft hat angekündigt, die Abrechnung für Ontology-spezifische Meter erst später zu starten – Details stehen noch aus.
5. Betriebs- und Sicherheitsrisiken von Operations Agents
Agenten, die auf Basis einer Ontologie eigenständig Aktionen auslösen, benötigen strenge Guardrails (Approval-Flows, Limitierungen, Audit Trails). Microsoft betont, dass Organisationen festlegen, was vollautomatisch und was nur mit Freigabe laufen darf – trotzdem bleibt hier ein neues Feld operativer Verantwortung.
Alternative Lösungen
Fabric IQ ist Teil eines breiten Trends: Datenplattformen bauen semantische Schichten und Agentenfähigkeit direkt in den Kern ein.
Klassische Semantic Layer & dbt Semantic Layer
Viele Organisationen nutzen heute schon Semantik über:
- Power-BI-Modelle,
- Semantic Layer in dbt (MetricFlow, zentrale Metrikdefinitionen in YAML),
- oder spezialisierte Produkte wie Cube oder AtScale.
Sie bieten zentrale Metrikdefinitionen und eine businessfreundliche Sicht auf Daten, aber in der Regel keine tief integrierten Operations Agents, die geschäftliche Aktionen in Echtzeit steuern.
Snowflake, Databricks & Co.
Auch andere große Plattformen entwickeln semantische Schichten:
- Snowflake Cortex & Semantic Views – semantische Modelle und Knowledge-Graph-Erweiterungen für LLMs und Analyst:innen.
- Databricks Unity Catalog Business Semantics – zentrale Geschäftsdefinitionen als Basis für AI/BI Genie und Dashboards im Data Intelligence Platform.
In beiden Fällen liegt der Fokus ebenfalls auf einer einheitlichen, LLM-tauglichen Semantik – allerdings mit anderer Architektur (Lakehouse- bzw. Warehouse-zentriert).
Eigenentwickelte Knowledge Graphs
Große Unternehmen setzen seit Jahren auf eigene Knowledge Graphs und Ontologien (z. B. auf Basis von Graph-Datenbanken). Diese Lösungen bieten maximale Flexibilität, bringen aber hohen Implementierungs- und Integrationsaufwand mit sich.
Im Vergleich dazu positioniert Microsoft Fabric IQ sich als eng in die operative Datenplattform integrierte semantische Schicht mit out-of-the-box-Unterstützung für Agenten.
Fazit mit kritischer Bewertung
Fabric IQ markiert einen wichtigen Schritt in der Evolution von Microsoft Fabric: Weg von isolierten Dashboards und punktuellen AI-PoCs hin zu einer Plattform, in der Daten, Geschäftssemantik und Aktionen eng verzahnt sind. Die Vision: AI-Agenten, die nicht nur Daten „lesen“, sondern das Geschäft in seiner Struktur, seinen Regeln und Zielen verstehen und daraufhin handeln.
Für unterschiedliche Zielgruppen lassen sich folgende Einschätzungen ableiten:
- Enterprise-Architekt:innen & Plattform-Owner
Fabric IQ sollte als strategische Weiterentwicklung der Microsoft-Datenplattform betrachtet werden. In stark Microsoft-zentrierten Umgebungen lohnt es sich, frühzeitig Pilotprojekte aufzusetzen, um Ontologie-Design, Governance und Integration mit bestehenden Fabric-Artefakten (Lakehouses, Power BI, Real-Time) zu erproben. - Data Engineers, Analytics- und BI-Teams
Die Rolle verschiebt sich: Neben ETL/ELT und Modellierung in SQL/Spark wird Ontologie-Modellierung zum neuen Skill. Wer Fabric IQ nutzt, muss lernen, wie Entitäten, Beziehungen und Regeln sinnvoll abgebildet und mit physischen Datenquellen verbunden werden – und wie man Agenten damit versorgt. - IT-Entscheider:innen und C-Level (CDO, CIO)
Fabric IQ ist kein kurzfristiges „Feature“, sondern ein Baustein für eine längerfristige Transformation hin zu agentengestützten, weitgehend autonomen Geschäftsprozessen. Der Mehrwert hängt davon ab, ob Organisation, Governance und Datenqualität den notwendigen Reifegrad erreichen – und ob man bereit ist, sich strategisch (noch stärker) an das Microsoft-Ökosystem zu binden.
Im Vergleich zu alternativen Semantic-Layer-Ansätzen punktet Fabric IQ vor allem durch die Tiefe der Integration in Microsoft Fabric und den IQ-Stack. Gleichzeitig ist der Reifegrad (Preview) zu berücksichtigen. Kurzfristig eignet sich Fabric IQ insbesondere für Innovationsprojekte und „Frontier“-Organisationen mit hoher Microsoft-Affinität; mittelfristig dürfte es zu einem zentralen Pfeiler für Enterprise AI im Microsoft-Universum werden.
Autor
Michael Deinhard
Artikel erstellt: 28.11.2025
Artikel aktualisiert: 28.11.2025
