Copilot Studio: eigene Agents fürs KMU bauen

Was Copilot Studio eigentlich ist

Microsoft Copilot Studio ist ein grafisches Low-Code-Werkzeug, um eigene KI-Agents zu bauen - ohne dass du dafür Data Scientists oder ein eigenes Entwicklerteam brauchst. Ein Agent kombiniert dabei ein Sprachmodell mit Anweisungen, Wissensquellen, Topics (Gesprächslogik) und Actions (Werkzeugen), um Konversationen zu führen oder eigenständig Aufgaben zu erledigen.

Das ist bewusst etwas anderes als Microsoft 365 Copilot selbst. M365 Copilot ist der Assistent, der in Word, Outlook, Teams & Co. eingebettet ist und mit deinen Unternehmensdaten arbeitet (siehe M365 Copilot einführen). Copilot Studio ist die Werkbank daneben: Damit baust du eigene, zusätzliche Agents, die entweder eigenständig laufen (z. B. als Support-Bot auf der Website) oder M365 Copilot um firmenspezifisches Wissen und spezifische Aufgaben erweitern.

Zugriff bekommst du über zwei Wege, die sich in Funktionsumfang und Lizenzierung deutlich unterscheiden:

• Copilot Studio for Microsoft Teams - in bestimmten Microsoft-365-Abos enthalten, aber eingeschränkt: klassische Orchestrierung, Veröffentlichung nur nach Teams, keine generative Orchestrierung, keine Premium-Connectors.
• Eigenständiges Copilot-Studio-Abo - voller Funktionsumfang: beliebige Kanäle, Premium-Connectors, generative Orchestrierung, KI-gestützte Topic-Erstellung. Wird über Copilot Credits abgerechnet (dazu weiter unten mehr).

Einen eigenen Agent bauen: der Low-Code-Kern

Ein neuer Agent entsteht in drei bis fünf Minuten mit einer einfachen Beschreibung in natürlicher Sprache - “Erstelle einen Agent, der Mitarbeitende zu unseren internen IT-Richtlinien berät”. Copilot Studio generiert daraus einen ersten Satz Instructions, Topics und Vorschläge für Wissensquellen. Das ist der Startpunkt, nicht das Endergebnis - fast jeder produktive Agent braucht danach manuelle Nacharbeit.

Der wichtigste Baustein sind die Instructions: ein Systemprompt in Klartext, der festlegt, wie sich der Agent verhält, welchen Ton er nutzt und wo seine Grenzen liegen.

Beispiel-Instructions für einen internen IT-Support-Agent:

Du bist der IT-Support-Assistent der Firma Muster AG. Du hilfst
Mitarbeitenden bei Passwort-Resets, Drucker-Problemen und Software-
Anfragen. Antworte kurz und direkt in Schweizer Hochdeutsch.

Regeln:
- Bei sicherheitsrelevanten Anfragen (z. B. Kontosperrung, Phishing-
  Verdacht) verweise IMMER zuerst an die IT-Notfall-Hotline.
- Erfinde keine Prozessschritte. Wenn eine Wissensquelle keine Antwort
  liefert, sag das offen und biete an, ein Ticket zu erstellen.
- Gib niemals Passwörter oder Freigabecodes im Klartext aus.

Danach entscheidest du dich für einen Orchestrierungsmodus - diese Entscheidung prägt fast alles Weitere im Agent:

Wissensquellen anbinden

Der Unterschied zwischen einem generischen Chatbot und einem wirklich nützlichen Agent ist fast immer die Anbindung an echtes Firmenwissen. Copilot Studio unterstützt dafür mehrere Quelltypen, die du am Agent oder direkt in einem einzelnen Topic hinzufügen kannst (Stand: 2026-07):

Das Prinzip hinter alledem ist klassisches RAG (Retrieval-Augmented Generation, siehe RAG fürs Firmenwissen): Der Agent sucht zuerst relevante Textausschnitte in der Quelle, gibt sie dann als Kontext ans Sprachmodell weiter und lässt daraus eine Antwort mit Quellenangabe formulieren.

Ein Detail, das in der Praxis oft übersehen wird: Bei SharePoint, Dataverse und Connector-Quellen prüft Copilot Studio pro Nutzerin und Nutzer, ob die Person überhaupt Zugriff auf das jeweilige Dokument hätte. Der Agent kann also nicht versehentlich vertrauliche HR-Dokumente an alle ausliefern - vorausgesetzt, die zugrunde liegenden SharePoint-Berechtigungen sind sauber gepflegt (siehe Entra ID Grundlagen).

Topics und Actions: die Gesprächslogik

Topics sind die einzelnen Gesprächsabschnitte. In klassischer Orchestrierung wird jedes Topic über 5-10 Trigger-Phrasen aktiviert (“Wie setze ich mein Passwort zurück?”, “Passwort vergessen”); in generativer Orchestrierung reicht stattdessen eine treffende Beschreibung, aus der das Modell selbst ableitet, wann das Topic passt. Innerhalb eines Topics baust du den Gesprächsfluss aus Knoten: Nachricht anzeigen, Frage stellen, Bedingung prüfen, Variable setzen, ein Tool aufrufen oder eine Weiterleitung zu einem anderen Topic.

Für komplexere Topics lohnt sich der eingebaute Code-Editor, der die Logik als YAML darstellt - praktisch, um Topics zwischen Agents zu kopieren oder Änderungen per Diff nachzuvollziehen:

kind: AdaptiveDialog
beginDialog:
  kind: OnRecognizedIntent
  id: main
  intent:
    displayName: Passwort zurücksetzen
    triggerQueries:
      - Passwort vergessen
      - Passwort zurücksetzen
      - Ich komme nicht mehr rein
  actions:
    - kind: SendMessage
      id: greet
      message: Kein Problem, das Passwort setzen wir gemeinsam zurück.
    - kind: Question
      id: askDept
      variable: Topic.Department
      prompt: In welcher Abteilung arbeitest du?
    - kind: BeginDialog
      id: callFlow
      dialog: /providers/PowerVirtualAgents.Flow/flows/ResetPasswordFlow

Actions (auch “Tools” genannt) sind der Teil, der aus einem Chatbot einen handlungsfähigen Agent macht. Ein Action-Aufruf kann sein:

• ein Power-Automate-Flow, z. B. um in einem Ticketsystem ein Ticket zu erstellen,
• ein Konnektor zu einem Drittsystem (SAP, ServiceNow, ein internes API),
• ein Agent Flow - eine vordefinierte Abfolge mehrerer Schritte, die ohne erneutes Modell-Reasoning bei jedem Schritt abläuft, was schneller und günstiger ist als einzelne Actions über generative Orchestrierung zu steuern.

In generativer Orchestrierung entscheidet der Agent selbst, wann welche Action sinnvoll ist - vorausgesetzt, du hast jeder Action eine klare, präzise Beschreibung gegeben. Das ist dasselbe Grundprinzip wie bei Tool-Use in anderen Agentenframeworks (siehe KI-Agents & Tool Use): Das Modell sieht nur den Namen und die Beschreibung der Action, nicht den dahinterliegenden Code - eine schwammige Beschreibung führt zu falscher oder ausbleibender Nutzung.

{
  "action": "create_it_ticket",
  "description": "Erstellt ein IT-Support-Ticket mit Titel, Beschreibung und Dringlichkeit. Nutze dies, wenn ein Problem nicht durch die Wissensdatenbank gelöst werden konnte.",
  "parameters": {
    "title": "string",
    "description": "string",
    "priority": "low | medium | high"
  }
}

Deployment in Teams

Ein Agent muss mindestens einmal veröffentlicht werden, bevor er in Teams oder Microsoft 365 Copilot nutzbar ist. Der Ablauf dafür:

1. Veröffentlichen - im Publish-Bereich des Agents auf “Veröffentlichen” klicken.
2. Kanal “Teams and Microsoft 365 Copilot” hinzufügen - hier legst du auch fest, ob der Agent zusätzlich in M365 Copilot selbst (nicht nur in Teams) erscheinen soll.
3. Für dich selbst installieren, um den Agent im echten Teams-Kontext zu testen, bevor andere ihn sehen.
4. Freigeben - entweder per Installationslink an einzelne Personen, im Abschnitt “Built with Power Platform” des Teams-App-Stores an freigegebene Nutzende, oder unternehmensweit über eine Admin-Freigabe im Abschnitt “Built for your org”.

Die dritte Option (Admin-Freigabe) ist der Weg für einen wirklich breiten Rollout: Der Admin kann den Agent dann sogar über eine App-Setup-Richtlinie automatisch bei allen Nutzenden anpinnen, sodass er direkt in der Teams-App-Leiste sichtbar ist.

Für Sicherheit sorgt zusätzlich die Authentifizierungseinstellung des Agents: “Authenticate with Microsoft” bindet Antworten an die Entra-ID-Identität der fragenden Person, was gerade bei personalisierten Wissensquellen unverzichtbar ist.

Kosten: Copilot Credits verstehen

Seit 2025/2026 rechnet Microsoft Copilot-Studio-Nutzung über Copilot Credits ab (Stand: 2026-07) - eine tenantweite Verbrauchseinheit, die du als Kapazität kaufst und über alle Umgebungen hinweg poolst. Wie viele Credits ein Agent verbraucht, hängt von den genutzten Funktionen ab:

Wichtig für die Kalkulation: Nutzt eine Person mit gültiger Microsoft-365-Copilot-Lizenz einen Agent in einem reinen Mitarbeitenden-Szenario, fallen viele dieser Posten ohne zusätzliche Kosten an - sie sind in der M365-Copilot-Lizenz bereits enthalten. Erst bei nicht lizenzierten Nutzenden (z. B. ein öffentlicher Website-Chatbot für Kundinnen und Kunden) greifen die Copilot Credits voll.

Beispielrechnung Support-Agent (900 Anfragen/Tag):
4 klassische Antworten + 2 generative Antworten pro Anfrage
= [(4x1) + (2x2)] x 900 = 7'200 Copilot Credits/Tag

Wird die eingekaufte Kapazität überschritten, greift ab 125 % Auslastung eine Sperre: Der Agent wird deaktiviert, bis mehr Kapazität eingekauft oder ein Pay-as-you-go-Meter über ein Azure-Abo verknüpft wird. Für eine grobe Vorabschätzung bietet Microsoft einen Online-Rechner (den “Copilot Studio Agent Usage Estimator”), der auf Basis von erwartetem Traffic, Orchestrierungsmodus und genutzten Tools eine Credit-Prognose liefert.

Einen Überblick über die Gesamtkostenlogik von KI-Lizenzen im KMU findest du unter KI-Kosten & Lizenzen im KMU.

Grenzen, die du vorab einplanen solltest

• Governance ist Handarbeit. Copilot Studio macht das Bauen einfach - das verleitet dazu, dass in grösseren Organisationen plötzlich Dutzende Schatten-Agents ohne Review entstehen. Ein kurzer Freigabeprozess (wer darf publizieren, wer prüft Wissensquellen) verhindert das; siehe Shadow AI & Governance.
• Kanal-Limitierungen. Nicht jeder Node-Typ funktioniert in jedem Kanal. Sprachfunktionen, Handoff an Live-Support und bestimmte Adaptive-Card-Aktionen sind in Microsoft 365 Copilot z. B. nicht unterstützt, GIFs und Videos werden gefiltert.
• Datenresidenz und Compliance. Sobald ein Agent in Teams läuft, fliessen Konversationsdaten in den Teams-Datenrahmen - das kann je nach Compliance-Anforderung eigene Prüfungen auslösen (siehe DSGVO/DSG in der IT-Praxis).
• Kostenkontrolle bei generativer Orchestrierung. Flexibilität kostet: Ein zu offen formulierter Agent, der bei jeder Kleinigkeit ins Reasoning wechselt oder unnötig viele Wissensquellen gleichzeitig durchsucht, treibt den Credit-Verbrauch unnötig in die Höhe.
• Kein Ersatz für eine echte Entwicklungsplattform. Für sehr spezifische, hochgradig individuelle Integrationslogik (z. B. komplexe Multi-Step-Workflows mit eigenem State Management) stösst der Low-Code-Ansatz irgendwann an Grenzen - dann sind eigene APIs oder ein selbst gebauter Agent-Stack (siehe MCP - Model Context Protocol) oft die passendere Wahl.

Entscheidungshilfe: Copilot Studio oder Alternative?

Frage 1: Reicht ein einfacher, allgemeiner KI-Chat mit Firmenwissen,
         ohne feste Gesprächslogik oder Aktionen?
   Ja  -> M365-Copilot-Chat mit angebundenen Wissensquellen reicht oft aus.
   Nein -> Frage 2

Frage 2: Braucht der Agent feste Konversationslogik, Anbindung an
         Systeme (Ticketing, ERP) und/oder einen eigenen Kanal
         (Website, Teams-App)?
   Ja  -> Copilot Studio ist der richtige Einstieg.
   Nein -> Frage 3

Frage 3: Geht es um sehr spezifische, hochindividuelle Logik,
         eigene Modellwahl oder Integration ausserhalb des
         Microsoft-Ökosystems?
   Ja  -> Eigener Agent-Stack (APIs, RAG selbst gebaut) prüfen.
   Nein -> Zurück zu Frage 2 - Copilot Studio deckt die meisten
           KMU-Anwendungsfälle mit deutlich weniger Aufwand ab.

Kurz zusammengefasst

• Copilot Studio ist die Low-Code-Werkbank für eigene KI-Agents neben M365 Copilot - mit Instructions, Topics, Actions und Wissensquellen als Bausteinen.
• Klassische Orchestrierung ist präziser und günstiger, generative Orchestrierung flexibler, aber teurer und weniger deterministisch.
• Wissensquellen (SharePoint, Dataverse, Connectors, Websites, Dokumente) prüfen bei personalisierten Quellen automatisch die Berechtigungen der fragenden Person.
• Topics steuern die Gesprächslogik, Actions machen den Agent handlungsfähig - über Power-Automate-Flows, Connectors oder Agent Flows.
• Deployment nach Teams läuft über Veröffentlichen, Kanal hinzufügen und Freigabe (persönlich, geteilt oder unternehmensweit per Admin-Freigabe).
• Abgerechnet wird über Copilot Credits pro Funktion (klassisch, generativ, Actions, Reasoning) - Mitarbeitende mit M365-Copilot-Lizenz sind für viele Standardfälle bereits abgedeckt.
• Governance, Kanal-Limitierungen und Kostenkontrolle bei generativer Orchestrierung sind die häufigsten Stolperfallen im Praxisbetrieb.

Weiterlernen

• Microsoft Learn: Was ist Copilot Studio?
• Microsoft Learn: Lizenzierung und Zugriff auf Copilot Studio
• Microsoft Learn: Abrechnungssätze und Copilot Credits
• Microsoft Learn: Wissensquellen im Überblick
• Microsoft Learn: Topics erstellen und bearbeiten
• Microsoft Learn: Agent mit Teams und Microsoft 365 Copilot verbinden