Bitten Sie Microsoft 365 Copilot, den Projektposteingang zusammenzufassen, und es tut das. Bitten Sie es, diesen Posteingang abzuarbeiten, also jeden Anhang beim Eingang zu öffnen, eine RFI von einer Rechnung zu unterscheiden, jedes Dokument in Procore abzulegen und für die Prüfer zu protokollieren, und Sie sind auf die häufigste der Grenzen von Microsoft Copilot gestoßen: Es hilft einem Menschen bei einer Aufgabe, aber es übernimmt die Aufgabe nicht.
Das ist so gewollt. Microsoft positioniert Copilot für die individuelle Produktivität (Microsoft Learn): eine Person, in Microsoft-365-Apps, beim Entwerfen, Zusammenfassen und Suchen. Ein Workflow kann einen gemeinsamen Posteingang überwachen, Dateien zwischen Systemen verschieben und jede Übertragung protokollieren. Ein individueller KI-Agent lohnt sich, wenn der nächste Schritt davon abhängt, was tatsächlich in einem Dokument steht, vor allem wenn Dateinamen und Vorlagen unzuverlässig sind.
Dieser Leitfaden zeigt, wo die Grenze verläuft, welches Microsoft-Tool auf welche Seite passt und wie ein funktionierender Agent aussieht. Er stützt sich auf die Dokumentation von Microsoft und auf ein System, das wir für ein US-Bauunternehmen entwickelt haben.
- Microsoft 365 Copilot rechtfertigt seine Lizenz bei der Arbeit einer einzelnen Person: Entwürfe, Zusammenfassungen und Suche in allem, was diese Person ohnehin öffnen kann.
- Vier Grenzen zeigen sich, sobald Arbeit zum Prozess wird: eine gemeinsame Warteschlange, Systeme außerhalb von Microsoft 365, Arbeit, die durch ein Ereignis beginnt, und Berechtigungen, die nie bereinigt wurden.
- Copilot Studio, Microsoft Foundry und eine individuelle Lösung auf Azure eignen sich für unterschiedliche Agenten. Prüfen Sie die veröffentlichten Limits jeder Option, bevor ein Pilotprojekt skaliert.
- Meist lautet die Antwort: beides. Ein Agent führt den Prozess aus und legt die Ergebnisse ab, und Copilot hilft den Menschen, sie zu finden.
Was Microsoft 365 Copilot gut kann
Typische Einsatzbereiche von Microsoft 365 Copilot:
- Entwürfe. Eine erste Fassung einer E-Mail, eines Dokuments oder einer Präsentation, erstellt aus einem Prompt und aus Dateien, die die Person bereits hat.
- Zusammenfassungen. Lange E-Mail-Verläufe und Teams-Besprechungen, verdichtet auf Entscheidungen und nächste Schritte.
- Informationen finden. Antworten aus den E-Mails, Chats und Dateien, die die Person bereits öffnen kann. Microsoft erklärt, dass Copilot „nur Unternehmensdaten anzeigt, für die einzelne Benutzer mindestens Leseberechtigungen haben“ (Microsoft Learn).
- Freigegebene und delegierte Postfächer. Ein lizenzierter Benutzer kann Copilot inzwischen bitten, in einem freigegebenen Postfach E-Mails zu lesen, zusammenzufassen und Antworten zu entwerfen, ebenso in einem delegierten Postfach, für das er vollen Stellvertreterzugriff hat (Microsoft Support).
Außerdem läuft es innerhalb der bestehenden Berechtigungen und Compliance-Einstellungen des Mandanten, sodass die IT für die Einführung kein neues Sicherheitsmodell aufbauen muss.
Wo die Grenzen von Microsoft Copilot im Arbeitsalltag sichtbar werden
Die Grenzen zeigen sich, sobald jemand versucht, Copilot eine Aufgabe zu übergeben, die bisher eine Person oder ein Team erledigt hat. Vier Grenzen von Microsoft 365 Copilot tauchen immer wieder auf:
1. Ein gemeinsamer Posteingang ist eine Warteschlange, kein Gespräch
Copilot kann inzwischen ein freigegebenes Postfach zusammenfassen, wenn eine lizenzierte Person darum bittet. Das ist etwas anderes, als die Warteschlange abzuarbeiten. In einem Projektposteingang, in dem den ganzen Tag RFIs, Submittals und Rechnungen eingehen, muss weiterhin jeder Anhang geöffnet, eingeordnet, umbenannt und abgelegt werden. Copilot hilft der Person, die das erledigt, nimmt ihr die Aufgabe aber nicht ab.
2. Das führende System liegt außerhalb von Microsoft 365
Microsoft 365 Copilot kann über Microsoft-Graph-Konnektoren auf Daten von Drittanbietern zugreifen, sofern der Benutzer die Berechtigung hat, sie zu sehen (Microsoft Learn). Lesen ist die einfache Hälfte. Ein Dokument im richtigen Procore-Ordner abzulegen, einen Datensatz in einem ERP anzulegen oder ein CRM-Feld zu aktualisieren, bedeutet API-Aufrufe, Authentifizierung, Feldzuordnung und Fehlerbehandlung. Die beiden Möglichkeiten, das anzubinden, vergleichen wir in MCP vs API für KI-Agenten.
Dasselbe gilt für Dokumente, für deren Auswertung Copilot nie gedacht war. Für ein britisches IT-Dienstleistungsunternehmen haben wir einen Agenten entwickelt, der mit Azure AI Document Intelligence Daten aus Tabellen und gescannten handschriftlichen Dokumenten extrahiert und an die bestehende Java-API des Kunden übergibt (Fallstudie).

3. Niemand schreibt einen Prompt
In Copilot Chat stößt eine Person die Interaktion an. Ein automatisierter Workflow kann starten, wenn eine E-Mail eingeht oder eine Datei in einem Ordner landet. Mit dem Workflows-Agenten von Microsoft kann ein Benutzer eine Automatisierung in natürlicher Sprache beschreiben. Die daraus entstehenden Workflows werden in einer eigenen Power-Platform-Umgebung für den Mandanten gespeichert.
Nehmen Sie einen Projektposteingang, in dem über Nacht PDFs eingehen. Wenn jeder Absender eine bekannte Vorlage verwendet und das Ziel einer festen Regel folgt, kann ein Power-Automate-Flow genügen. Wenn Nachunternehmer unterschiedliche Vorlagen verwenden oder einen Change Order unter dem falschen Dateinamen einreichen, muss das System den Inhalt interpretieren, bevor es die Datei weiterleiten kann. Genau bei diesem Klassifizierungsschritt kann KI helfen.
4. Nie bereinigte Berechtigungen werden sichtbar
Copilot kann Unternehmensinhalte anzeigen, für die der Benutzer bereits eine Leseberechtigung hat. Microsoft empfiehlt selbst, die SharePoint-Berechtigungsmodelle so zu nutzen, dass „die richtigen Benutzer oder Gruppen den richtigen Zugriff auf die richtigen Inhalte haben“ (Microsoft Learn). In der Praxis kann ein Ordner, der vor Jahren für das ganze Unternehmen freigegeben wurde, vom ersten Tag an in Antworten auftauchen. Bei einem individuellen Agenten kann das Team den Zugriff auf die Quellen beschränken, die für die Aufgabe nötig sind. Bei einem RAG-Assistenten, den wir für einen britischen IT-Dienstleister entwickelt haben, antwortet der Assistent nur auf Basis von Dokumenten, die der Benutzer öffnen darf, und sagt andernfalls, dass ihm keine Informationen vorliegen.

Copilot Studio vs. Azure AI Foundry vs. individuelle Lösung
Sobald Sie einen Schritt gefunden haben, der einen KI-Agenten erfordert, lohnt sich der Vergleich von drei Optionen auf der Microsoft-Plattform. Das Cloud Adoption Framework von Microsoft nennt sie: Copilot Studio (SaaS, Low-Code), Foundry (PaaS, Pro-Code) und eigene Infrastruktur. Azure AI Foundry wurde inzwischen in Microsoft Foundry umbenannt (Microsoft Learn).
Die Wahl ist keine Glaubensfrage. Copilot Studio ist oft der schnellste Weg, einen Anwendungsfall zu belegen. Die Grenzen von Copilot Studio sind veröffentlicht, und Microsoft empfiehlt, den Durchsatz zu planen, bevor ein Pilotprojekt in den Vollbetrieb geht, denn „das niedrigste Limit im Laufzeitpfad bestimmt die Benutzererfahrung“ (Microsoft Learn). So ordnen sich die Optionen ein.
Wann Copilot Studio ausreicht
Copilot Studio passt, wenn der Agent Fragen auf Basis von Unternehmensinhalten beantwortet oder über vorgefertigte Konnektoren eine Handvoll festgelegter Aufgaben erledigt und wenn ein Fachteam ihn verantworten wird. Bevor ein Pilotprojekt wächst, prüfen Sie auf der Microsoft-Seite Kontingente und Limits, welche Limits für Ihr Szenario gelten. Einige davon begegnen einem häufig:
- Ein Agent mit generativer Orchestrierung kann auf höchstens 25 SharePoint-Website-URLs verweisen.
- Ohne Microsoft-365-Copilot-Lizenz im selben Mandanten können generative Antworten nur SharePoint-Dateien unter 7 MB nutzen.
- Eine Excel-Datei aus SharePoint als Wissensquelle kann bei analytischen Fragen schwache Antworten liefern. Für Aufgaben mit Berechnungen bietet Copilot Studio zusätzlich einen Code-Interpreter, der Python generieren und ausführen kann.
- Im Teams-Plan, der in ausgewählten Microsoft-365-Abonnements enthalten ist, erhält jeder Benutzer 10 Sitzungen alle 24 Stunden über alle Agenten im Mandanten hinweg.
Nachrichtenlimits gelten pro Dataverse-Umgebung, sodass jeder Kanal und jede Integration, die mit Agenten in dieser Umgebung kommuniziert, auf dasselbe Limit angerechnet wird (Microsoft Learn). Microsoft kann sie für genehmigte Szenarien anheben, verlangt dafür aber „gemessene Nutzung aus einer Pilotphase, keine Prognose“.
Wann Microsoft Foundry passt
Foundry passt, wenn ein Engineering-Team eigene Modelle wählen, Code schreiben oder mehrere Agenten verketten muss. Microsoft beschreibt Foundry-Workflows als Lösung für „sequenzielle Logik, bedingte Verzweigungen und Zustandsverwaltung über mehrere Agenten hinweg“ und gehostete Agenten als verwaltete Laufzeitumgebung für Ihren eigenen Code (Microsoft Learn). Teams mit Anforderungen an private Netzwerke können Foundry Agent Service so konfigurieren, dass er ein virtuelles Azure-Netzwerk nutzt. Unser Team für Azure-Beratung kann diese Umgebung einrichten. Die beiden Plattformen treffen sich auch in der Mitte: Ein Copilot-Studio-Agent kann Foundry-Modelle nutzen, sodass ein Fachteam die Low-Code-Oberfläche behält, während Entwickler das Modell verwalten.
Wann eine individuelle Lösung auf Azure passt
Eine individuelle Lösung auf reinen Azure-Diensten passt, wenn der Agent im Grunde eine Pipeline ist. Er muss jedes Element aus einer Warteschlange übernehmen, an einem hektischen Morgen eine Flut von E-Mails bewältigen, es erneut versuchen, wenn eine nachgelagerte API ausfällt, und für jeden Schritt einen Nachweis hinterlassen. Sie entwerfen und betreiben mehr davon selbst, wählen aber jede Komponente im Laufzeitpfad und sehen die Limits jeder einzelnen. Der folgende Fall ist eine solche Lösung. Und wenn das Ziel ein Assistent ist, der auf eine Rolle oder ein Produkt zugeschnitten ist, ist es vielleicht eher ein individueller Copilot als überhaupt ein Agent.
Wie ein individueller Agent in der Praxis aussieht
Ein US-Bauunternehmen mit mehr als 70 Jahren Branchenerfahrung erfasste eingehende Dokumente von Hand. Projektteams luden Anhänge aus Projektposteingängen herunter, entschieden, ob es sich jeweils um eine RFI, ein Submittal oder einen Change Order handelte, und luden sie in Procore und SharePoint hoch. Dateien kamen falsch beschriftet oder unvollständig an, Versionen wurden verwechselt, und Freigaben verzögerten sich.
Wir haben einen E-Mail-KI-Agenten entwickelt, der die Erfassung selbstständig übernimmt. Ein vierköpfiges Team hat ihn in 3,5 Monaten umgesetzt. Bei jeder neuen E-Mail durchläuft er dieselben sechs Schritte:
- Überwachung des Posteingangs. Er beobachtet einen eigenen Projektposteingang auf neue Anhänge.
- Abruf der Anhänge. Das System lädt jeden PDF-Anhang herunter und speichert ihn in Azure Blob Storage.
- Malware-Scan. Microsoft Defender for Storage prüft die hochgeladene Datei vor der Dokumentenverarbeitung.
- Extraktion und Klassifizierung. Das System extrahiert die wichtigsten Felder und erkennt anhand des Dokumentinhalts, ob es sich um eine RFI, ein Submittal, einen Change Order oder einen anderen Dokumenttyp handelt.
- Ablage in Procore. Er lädt die Datei je nach Dokumenttyp und Nachunternehmer an den richtigen Ort hoch.
- Protokollierung. Er fügt einer Tracking-Tabelle, die ebenfalls in Procore liegt, eine Zeile mit Projekt-ID, Dokumenttyp, Absender, Titel, Unternehmen und Dokumentnummer hinzu.
Er läuft auf Azure: Azure Functions für die Orchestrierung, Azure Container Apps für die Verarbeitung, Blob Storage und Queue Storage für die Dateiverwaltung, Entra ID für die Identität, Key Vault für Geheimnisse und Azure Monitor für die Überwachung. Mit dem Postfach, Procore und SharePoint arbeitet er über Microsoft Graph, die Procore-API und die SharePoint-API.
Warum die Architektur so aussieht
Jede Komponente beantwortet eine Frage, die jemand aus der IT oder der Revision stellen wird. Azure Queue Storage puffert eingehende Arbeit, sodass eine Flut von Anhängen verarbeitet werden kann, sobald Kapazität frei wird. Defender for Storage prüft hochgeladene Anhänge auf Malware. Key Vault hält die Zugangsdaten für Procore und SharePoint aus dem Code heraus, Entra ID verwaltet die Identität, und Azure Monitor zeigt, was wann mit welchem Ergebnis gelaufen ist. Die Tracking-Tabelle ist die fachliche Hälfte derselben Idee: Ein Projektmanager sieht jedes Dokument, das der Agent bearbeitet hat, ohne Azure zu öffnen.
Was sich für den Kunden geändert hat
Für diesen Kunden wurde die Dokumentenerfassung um 70–80 % schneller, und Projektmanager sowie Mitarbeitende im operativen Bereich gewannen rund 35 Stunden manueller Verwaltungsarbeit pro Monat zurück. Jedes Dokument gelangt jetzt mit denselben Metadaten und einem nachvollziehbaren Weg in Procore, was dem Team einen Prüfpfad gibt, den es vorher nicht hatte.
Keiner dieser sechs Schritte ist ein Chat. Das ist der Unterschied zwischen einem Copilot und einem Agenten, und genau diese Arbeit leistet unser Team für KI-Agenten-Entwicklung. Einen breiteren Blick darauf, wie Agenten planen und handeln, bietet KI-Agenten: Wie sie funktionieren.
Fünf Fragen, die entscheiden
Mit diesen fünf Fragen schätzen Sie ein, wie viel des Prozesses eine Person mit Copilot bewältigen kann und welche Schritte sich zu automatisieren lohnen.
Prüfen Sie für die Schritte, die Sie automatisieren möchten, wie der nächste Schritt gewählt wird. Ein Workflow kann genügen, wenn ein Projektcode bestimmt, wohin eine Datei gehört. Ein individueller KI-Agent lohnt sich, wenn das System ein unbekanntes Dokument lesen, seinen Typ erkennen und anhand dieser Information entscheiden muss, wo es abgelegt wird.
So legen Sie den Umfang eines ersten Agenten fest
Ein erster Agent sollte klein genug sein, um in Monaten statt Quartalen live zu gehen, und wichtig genug, dass die Leute merken, wenn er funktioniert. Diese Schritte halten ihn in diesem Rahmen.
- Wählen Sie einen Prozess mit einem Verantwortlichen. Ein Posteingang, ein Dokumenttyp, ein Team. „Dokumentenerfassung für einen Projektposteingang“ ist ein Umfang, „den Betrieb automatisieren“ ist keiner.
- Ermitteln Sie das Volumen. Wie viele E-Mails, Dateien oder Anfragen pro Tag eingehen und wie viele Minuten jede von Hand dauert. Diese Zahl ist der Business Case und die Basis, an der Sie später messen.
- Erfassen Sie jedes System, das er berührt. Notieren Sie für jedes, ob der Agent liest, schreibt oder beides, und über welche API. Ein System ohne nutzbare API ist ein eigenes Arbeitspaket, wie wir in MCP vs API für KI-Agenten erklären.
- Legen Sie fest, was das Protokoll zeigen muss. Wer es lesen wird, ein Prüfer, ein Projektmanager oder die IT, entscheidet darüber, was jeder Eintrag festhält.
- Beginnen Sie mit Vorschlägen. In den ersten Wochen schlägt der Agent vor, und eine Person bestätigt. Schritte gehen einzeln in die vollständige Automatisierung über, sobald ihre Fehlerquote niedrig genug ist.
- Vereinbaren Sie die Kennzahl vor dem Go-live. Bearbeitungszeit, eingesparte Stunden oder abgefangene Fehler. Messen Sie sie, bevor der Agent startet, damit das Ergebnis ein Vergleich ist und keine Schätzung.
Ein solcher Umfang beantwortet auch die Frage, die die IT zuerst stellen wird: worauf der Agent genau zugreifen darf.
Copilot und ein individueller Agent im Zusammenspiel
Die Dokumentenerfassung ist ein Beispiel dafür, wie ein individueller Agent und Microsoft 365 Copilot zusammenarbeiten können. Der Agent arbeitet die Warteschlange ab: Er liest jedes eingehende Dokument, legt es in SharePoint oder im führenden System ab und protokolliert, was er getan hat. Copilot arbeitet dann für die Menschen: Wenn der Agent Dokumente mit einheitlichen Namen und Metadaten in SharePoint ablegt, kann ein Projektmanager Copilot bitten, das neueste Submittal eines bestimmten Nachunternehmers in den SharePoint-Inhalten zu finden, auf die er Zugriff hat. Ein gut betriebener Agent macht Copilot nützlicher, weil er Copilot saubere, gut beschriftete Inhalte zum Finden liefert.
Auch das Sicherheitsmodell bleibt stimmig. Der Agent kann unter einer eigenen Entra-ID-Identität laufen, mit Zugriff nur auf das, was seine Aufgabe erfordert. Menschen sehen weiterhin nur, was ihre eigenen Berechtigungen zulassen, in Copilot und überall sonst.
Für Microsoft-Partner. Ein Kunde, der an eine dieser Grenzen stößt, gibt Copilot nicht auf. Er fragt nach dem nächsten Projekt darauf: einem Agenten innerhalb des Microsoft-365-Mandanten, den er bereits betreibt, mit derselben Identitätskonfiguration und, sofern vorhanden, demselben Azure-Abonnement. Wenn ein Kunde nach Agenten in Microsoft 365 fragt, können Sie zusagen und liefern, in dem Kooperationsmodell, das für Sie passt. Die Lizenzen bleiben, und die Kundenbeziehung geht über den Rollout hinaus.
Wie Crunch-IS KI-Agenten für Microsoft 365 entwickelt
Unsere Arbeit in der KI-Agenten-Entwicklung beginnt dort, wo dieser Artikel beginnt: beim Prozess, nicht bei der Plattform. Wir betrachten das Volumen, die Systeme, in die der Agent schreiben muss, und das Protokoll, das jemand brauchen wird, und erst dann empfehlen wir Copilot Studio, Microsoft Foundry oder eine individuelle Lösung auf Azure.
Die Agenten, die wir entwickeln, laufen unter einer eigenen, eng begrenzten Identität, respektieren die Zugriffsrechte jeder Person und protokollieren jede Aktion. Zunächst schlagen sie Änderungen vor, die eine Person freigibt, und ein Schritt läuft erst dann selbstständig, wenn seine Fehlerquote niedrig genug ist.
Die in diesem Artikel erwähnten Projekte zeigen die Ergebnisse in Zahlen. Der E-Mail-KI-Agent machte die Dokumentenerfassung für ein US-Bauunternehmen um 70–80 % schneller. Für einen britischen IT-Dienstleister brachte ein Suchassistent über SharePoint, Salesforce und S3 hinweg 60 % schnellere Arbeit mit Unternehmensdokumenten. Für ein weiteres britisches IT-Dienstleistungsunternehmen machte ein Extraktionsagent für gescannte handschriftliche Dokumente die Dokumentenverarbeitung um 96 % schneller. Wo ein Assistent rund um eine Rolle statt um einen Prozess gebraucht wird, entwickelt unser Team für KI-Copilot-Entwicklung stattdessen diesen, und unser Team für Azure-Beratung richtet die Umgebung darunter ein.
Fazit
Microsoft 365 Copilot passt gut, wenn jemand eine Antwort entwerfen, eine Diskussion zusammenfassen oder Informationen finden muss, auf deren Grundlage er handeln kann. Wenn diese Arbeit zu einem wiederkehrenden Teamprozess wird, schauen Sie sich an, was passiert, nachdem Copilot die Antwort geliefert hat. Welche Entscheidungen muss noch jemand treffen, und was tut er als Nächstes?
Ein Workflow kann genügen, wenn diese Schritte klaren Regeln folgen. Ein individueller KI-Agent lohnt sich, wenn das Team immer wieder interpretieren muss, was hereinkommt, und auf Basis dieser Einschätzung systemübergreifend handeln muss. Beides kann zusammenarbeiten. Ein Agent kann die Routineerfassung übernehmen und die Ergebnisse ablegen, während Menschen mit Copilot finden, was sie brauchen, und entscheiden, wie sie mit Ausnahmen umgehen.
