Chatbasierte Datenexploration mit dem Azure Copilot Observability Agent

Dienste und Anwendungen produzieren große Mengen an Telemetriedaten, deren Auswertung durch verteilte Datenbestände oft eine präzise Abfrage, Verfeinerung und Korrelation erfordert. Der Azure Copilot Observability Agent integriert hierfür eine Chat-Funktion, die diesen Prozess vereinfacht, indem Analysen direkt in natürlicher Sprache formuliert werden können.

Direkter Zugriff und automatisierte Abfragen

Der Chat wird im Azure Portal über das Ressourcenmenü unter dem Punkt „Logs“ durch Auswahl des Observability Agents gestartet. Zukünftig soll diese Funktion auch in weiteren Azure-Observability-Umgebungen über entsprechende Schaltflächen verfügbar sein.

Nutzende können Fragen auf Deutsch, Englisch, Spanisch oder Japanisch eingeben oder vorgegebene Vorschläge auswählen. Der Agent übersetzt diese Prompts automatisch in Abfragen über alle relevanten Datenquellen hinweg, analysiert die Daten und liefert die entsprechenden Erkenntnisse. Das manuelle Schreiben von KQL-Abfragen, das Wechseln zwischen Protokollen und Metriken sowie das tiefere Einarbeiten in Datenbankschemata entfallen dadurch.

Interaktive Analyse und Transparenz

Die Chat-Erfahrung ist auf einen interaktiven Prozess zur Datenexploration und Fehlerbehebung ausgelegt. Der Agent agiert als Assistent, der ausschließlich im Namen des Nutzenden handelt und nur auf Daten und Ressourcen zugreift, für die der jeweilige Nutzende eine Zugriffsberechtigung besitzt.

Anstelle isolierter Abfragen bietet die Konversation einen fortlaufenden Explorationsfluss. Bei jedem Schritt legt der Agent die zugrundeliegende Argumentationskette (Chain of Thought) sowie die konkret verwendeten Abfragen offen. Dies gewährleistet die Nachvollziehbarkeit der generierten Ausgaben. Die Ergebnisse werden direkt in der Chat-Oberfläche dargestellt und erläutert.

Kernfunktionen des Observability Agents

Über die fortlaufende Konversation hinaus bietet das System spezifische Analysewerkzeuge für den Betrieb:

• Trend- und Anomalieerkennung: Trends in Logs und Metriken lassen sich flexibel untersuchen und Anomalien direkt in der Chat-Oberfläche visualisieren.
• Deep Investigation: Dieser Prozess kann explizit per Spracheingabe oder über Vorschläge aktiviert werden. Er kartiert alle zusammenhängenden Ressourcen, identifiziert Anomalien, führt Korrelationen durch, analysiert die Ursachen und erstellt einen detaillierten Bericht mit Ergebnissen und Empfehlungen.

Neue Möglichkeiten in der Datenanalyse

Die Einbindung natürlicher Sprache verändert den Einstieg in die Observability-Prozesse, da die Analyse wahlweise durch gezielte Nutzerführung oder durch autonome Untersuchungen des Agenten erfolgen kann. Der direkte Zugriff auf die zugrundeliegenden KQL-Abfragen stellt dabei sicher, dass die technische Nachvollziehbarkeit für IT-Pros vollständig erhalten bleibt.