Wichtigste Funktionen und Fähigkeiten

Der Observability Agent fungiert als KI-gestützter Assistent, der in Azure Monitor integriert ist und auf echten Telemetriedaten basiert . Seine Kernfähigkeiten umfassen:

• KI-gestützte Fehlersuchschicht: Korreliert Logs, Metriken, Traces, Topologie, Ressourcenzustand und operativen Kontext über Cloud-Umgebungen hinweg .
• Chat in natürlicher Sprache: Ermöglicht Ingenieuren, offene Fragen zu stellen und geführte Untersuchungen gegen Telemetriedaten durchzuführen, ohne Kusto Query Language (KQL) manuell schreiben zu müssen .
• Tiefgehende Untersuchungen: Der Agent stellt Hypothesen auf, sammelt Beweise, vergleicht Signale nach Zeit/Umfang/Typ, schließt schwache Erklärungen aus und präsentiert eine vollständige Argumentationskette .
• Transparenz der Argumentation: Der Agent zeigt, was er gefunden hat, was er ausgeschlossen hat und warum, um das menschliche Urteilsvermögen zu unterstützen, anstatt es zu umgehen .
• Breite Signalkorrelation: Arbeitet mit Azure-überwachten Anwendungen, AKS, VMs, Foundry-Telemetrie, Infrastruktur- und Plattformsignalen .
• Azure RBAC-Integration: Interaktiver Chat und Untersuchungen verwenden die Identität und rollenbasierte Zugriffssteuerung des angemeldeten Benutzers .
• Kein Training mit Benutzerdaten: Eingabeaufforderungen und Antworten werden nicht zum Trainieren von Foundation-Modellen verwendet .

Autonome Operationen (Öffentliche Vorschau)

Zusammen mit der allgemeinen Verfügbarkeit führte Microsoft autonome Operationen in der öffentlichen Vorschau ein. Diese Fähigkeiten laufen im Hintergrund, um manuelle Sichtungsarbeit zu reduzieren:

• Kontinuierliche Alarmkorrelation: Der Agent analysiert kontinuierlich eingehende Alarme, gruppiert verwandte Alarme in ein einzelnes Azure Monitor-Issue und fügt eine natürlichsprachliche Erklärung bei, warum diese Alarme zusammengehören .
• Issue-Erstellung aus prominenten Alarmen: Er kann aus einzelnen signifikanten Alarmen basierend auf benutzerdefinierten Anweisungen Issues erstellen (z. B. „Erstelle immer ein Issue für Severity-2-Alarme“) .
• Automatische tiefgehende Untersuchungen: Der Agent kann tiefgehende Untersuchungen zu von ihm erstellten Issues durchführen .

Entscheidend ist: Der Mensch bleibt am Drücker. Der Agent startet keine Ressourcen neu, ändert keine Konfigurationen oder löst Probleme eigenständig . Alle Entscheidungen zur Schadensminderung bleiben beim Ingenieur . Autonome Operationen unterliegen den Ergänzenden Nutzungsbedingungen für Microsoft Azure-Vorschauversionen .

Wie der Agent Cloud-Ausfälle diagnostiziert

Der Agent wird durch Microsofts jahrelange Erfahrung mit dem Betrieb von Azure gestützt. Er wurde entwickelt, um während Ausfällen zu diagnostizieren, was schief läuft, ohne den Stress, die Ermüdung oder den Tunnelblick, der menschliche Betreiber beeinträchtigen kann .

Er verbindet Logs, Metriken, Traces, Alarme, Abhängigkeiten, Ressourcengraphen, Ressourcenzustand, Aktivitätslogs, Foundry-Telemetrie und Änderungen, um ein Problem auf seine wahrscheinliche Ursache zurückzuführen . Kubernetes-Mitschöpfer Brendan Burns beschrieb den Agenten als eine Hypothesenbildungsschicht auf der deterministischen Automatisierung: Der Agent kann eine Theorie darüber aufstellen, was schief gelaufen ist, sie gegen die Daten testen und weiterarbeiten, um eine Lösung zu finden .

Einschränkungen und Beschränkungen

Für die aktuelle Version gelten mehrere Einschränkungen:

• Autonome Operationen befinden sich nur in der öffentlichen Vorschau – sie werden nicht von den GA-Supportbedingungen abgedeckt und unterliegen den rechtlichen Vorschaufenstern .
• Keine autonome Aktion: Der Agent untersucht und empfiehlt, startet aber keine Ressourcen neu, ändert keine Konfigurationen oder löst Probleme .
• Begrenzung benutzerdefinierter Anweisungen: Benutzerdefinierte Anweisungen sind auf 8.192 Zeichen pro Observability Agent-Ressource begrenzt .
• Deep-Investigation-Obergrenze: Ein einzelner Deep-Investigation-Vorgang ist auf 500 Azure Agent Credits (AAC) begrenzt .
• Kein dedizierter Filter für vom Agenten erstellte Issues: In der Issue-Listenansicht unterscheidet nur das [<AppName>]-Präfix im Titel die vom Agenten erstellten Issues .
• Regionale und Bereichsbeschränkungen: Autonome Operationen laufen gegen eine dedizierte Microsoft.Monitor/observabilityAgents-Ressource mit einer bereichsbezogenen verwalteten Identität .

Preise und Abrechnung

• Verbrauchsbasiertes Preismodell: Sie zahlen nur für die KI-Arbeit, die der Agent leistet, gemessen in Azure Agent Credits (AAC) .
• Drei Abrechnungsmuster: Chat (normalerweise die niedrigsten Kosten), tiefgehende Untersuchungen (höhere Kosten, gedeckelt auf 500 AAC pro Vorgang) und autonome Operationen (Alarmkorrelation wird während der Vorschau nicht abgerechnet; automatische tiefgehende Untersuchungen werden abgerechnet) .
• AAC-Listenpreise: Verfügbar auf der Azure Monitor-Preisseite .
• Start der Abrechnung: 1. Juli 2026 .
• Alarmkorrelation: Die kontinuierliche Hintergrundgruppierung von Alarmen wird während der öffentlichen Vorschau nicht abgerechnet .

Hinweis zu KPMG

Die verfügbaren Belege beziehen sich auf die Einführung von Agent 365 (Microsofts breiterer Plattform zur Agenten-Governance) durch KPMG, nicht speziell auf den Observability Agent. KPMG hat Agent 365 im Rahmen einer unternehmensweiten Agenten-Governance-Initiative für 276.000 Mitarbeiter bereitgestellt . In den bereitgestellten Quellen wurden keine spezifischen Ergebnisse oder Metriken für die Nutzung des Azure Copilot Observability Agent durch KPMG gefunden. Dies ist eine Informationslücke – die Blogbeiträge und Community-Artikel von Microsoft heben die GA-Ankündigung hervor, zitieren KPMG jedoch nicht als frühen Anwender dieses speziellen Agenten.

Wichtigste Funktionen und Fähigkeiten

Der Observability Agent fungiert als KI-gestützter Assistent, der in Azure Monitor integriert ist und auf echten Telemetriedaten basiert . Seine Kernfähigkeiten umfassen:

• KI-gestützte Fehlersuchschicht: Korreliert Logs, Metriken, Traces, Topologie, Ressourcenzustand und operativen Kontext über Cloud-Umgebungen hinweg .
• Chat in natürlicher Sprache: Ermöglicht Ingenieuren, offene Fragen zu stellen und geführte Untersuchungen gegen Telemetriedaten durchzuführen, ohne Kusto Query Language (KQL) manuell schreiben zu müssen .
• Tiefgehende Untersuchungen: Der Agent stellt Hypothesen auf, sammelt Beweise, vergleicht Signale nach Zeit/Umfang/Typ, schließt schwache Erklärungen aus und präsentiert eine vollständige Argumentationskette .
• Transparenz der Argumentation: Der Agent zeigt, was er gefunden hat, was er ausgeschlossen hat und warum, um das menschliche Urteilsvermögen zu unterstützen, anstatt es zu umgehen .
• Breite Signalkorrelation: Arbeitet mit Azure-überwachten Anwendungen, AKS, VMs, Foundry-Telemetrie, Infrastruktur- und Plattformsignalen .
• Azure RBAC-Integration: Interaktiver Chat und Untersuchungen verwenden die Identität und rollenbasierte Zugriffssteuerung des angemeldeten Benutzers .
• Kein Training mit Benutzerdaten: Eingabeaufforderungen und Antworten werden nicht zum Trainieren von Foundation-Modellen verwendet .

Autonome Operationen (Öffentliche Vorschau)

Zusammen mit der allgemeinen Verfügbarkeit führte Microsoft autonome Operationen in der öffentlichen Vorschau ein. Diese Fähigkeiten laufen im Hintergrund, um manuelle Sichtungsarbeit zu reduzieren:

• Kontinuierliche Alarmkorrelation: Der Agent analysiert kontinuierlich eingehende Alarme, gruppiert verwandte Alarme in ein einzelnes Azure Monitor-Issue und fügt eine natürlichsprachliche Erklärung bei, warum diese Alarme zusammengehören .
• Issue-Erstellung aus prominenten Alarmen: Er kann aus einzelnen signifikanten Alarmen basierend auf benutzerdefinierten Anweisungen Issues erstellen (z. B. „Erstelle immer ein Issue für Severity-2-Alarme“) .
• Automatische tiefgehende Untersuchungen: Der Agent kann tiefgehende Untersuchungen zu von ihm erstellten Issues durchführen .

Entscheidend ist: Der Mensch bleibt am Drücker. Der Agent startet keine Ressourcen neu, ändert keine Konfigurationen oder löst Probleme eigenständig . Alle Entscheidungen zur Schadensminderung bleiben beim Ingenieur . Autonome Operationen unterliegen den Ergänzenden Nutzungsbedingungen für Microsoft Azure-Vorschauversionen .

Wie der Agent Cloud-Ausfälle diagnostiziert

Der Agent wird durch Microsofts jahrelange Erfahrung mit dem Betrieb von Azure gestützt. Er wurde entwickelt, um während Ausfällen zu diagnostizieren, was schief läuft, ohne den Stress, die Ermüdung oder den Tunnelblick, der menschliche Betreiber beeinträchtigen kann .

Er verbindet Logs, Metriken, Traces, Alarme, Abhängigkeiten, Ressourcengraphen, Ressourcenzustand, Aktivitätslogs, Foundry-Telemetrie und Änderungen, um ein Problem auf seine wahrscheinliche Ursache zurückzuführen . Kubernetes-Mitschöpfer Brendan Burns beschrieb den Agenten als eine Hypothesenbildungsschicht auf der deterministischen Automatisierung: Der Agent kann eine Theorie darüber aufstellen, was schief gelaufen ist, sie gegen die Daten testen und weiterarbeiten, um eine Lösung zu finden .

Einschränkungen und Beschränkungen

Für die aktuelle Version gelten mehrere Einschränkungen:

• Autonome Operationen befinden sich nur in der öffentlichen Vorschau – sie werden nicht von den GA-Supportbedingungen abgedeckt und unterliegen den rechtlichen Vorschaufenstern .
• Keine autonome Aktion: Der Agent untersucht und empfiehlt, startet aber keine Ressourcen neu, ändert keine Konfigurationen oder löst Probleme .
• Begrenzung benutzerdefinierter Anweisungen: Benutzerdefinierte Anweisungen sind auf 8.192 Zeichen pro Observability Agent-Ressource begrenzt .
• Deep-Investigation-Obergrenze: Ein einzelner Deep-Investigation-Vorgang ist auf 500 Azure Agent Credits (AAC) begrenzt .
• Kein dedizierter Filter für vom Agenten erstellte Issues: In der Issue-Listenansicht unterscheidet nur das [<AppName>]-Präfix im Titel die vom Agenten erstellten Issues .
• Regionale und Bereichsbeschränkungen: Autonome Operationen laufen gegen eine dedizierte Microsoft.Monitor/observabilityAgents-Ressource mit einer bereichsbezogenen verwalteten Identität .

Preise und Abrechnung

• Verbrauchsbasiertes Preismodell: Sie zahlen nur für die KI-Arbeit, die der Agent leistet, gemessen in Azure Agent Credits (AAC) .
• Drei Abrechnungsmuster: Chat (normalerweise die niedrigsten Kosten), tiefgehende Untersuchungen (höhere Kosten, gedeckelt auf 500 AAC pro Vorgang) und autonome Operationen (Alarmkorrelation wird während der Vorschau nicht abgerechnet; automatische tiefgehende Untersuchungen werden abgerechnet) .
• AAC-Listenpreise: Verfügbar auf der Azure Monitor-Preisseite .
• Start der Abrechnung: 1. Juli 2026 .
• Alarmkorrelation: Die kontinuierliche Hintergrundgruppierung von Alarmen wird während der öffentlichen Vorschau nicht abgerechnet .

Hinweis zu KPMG

Die verfügbaren Belege beziehen sich auf die Einführung von Agent 365 (Microsofts breiterer Plattform zur Agenten-Governance) durch KPMG, nicht speziell auf den Observability Agent. KPMG hat Agent 365 im Rahmen einer unternehmensweiten Agenten-Governance-Initiative für 276.000 Mitarbeiter bereitgestellt . In den bereitgestellten Quellen wurden keine spezifischen Ergebnisse oder Metriken für die Nutzung des Azure Copilot Observability Agent durch KPMG gefunden. Dies ist eine Informationslücke – die Blogbeiträge und Community-Artikel von Microsoft heben die GA-Ankündigung hervor, zitieren KPMG jedoch nicht als frühen Anwender dieses speziellen Agenten.