Einen Copilot Agent zu erstellen klingt in der Microsoft-Demo nach fünf Minuten: Agent beschreiben, Knowledge anhängen, fertig. In der Realität entscheidet sich zwischen diesen drei Schritten, ob am Ende ein nützlicher Assistent oder ein teurer Halluzinations-Bot steht, den nach zwei Wochen niemand mehr benutzt. Der Unterschied liegt nicht im Klicken, sondern im Verstehen der Bausteine, der Kostenlogik und der Governance.
Microsoft Copilot Studio ist die Low-Code-Plattform, mit der sich eigene Agenten bauen lassen, die auf die Daten und Prozesse des eigenen Unternehmens zugreifen. Wer Microsoft 365 ohnehin im Haus hat, hat damit den kürzesten Weg zu einem Agenten, der in Teams oder direkt im M365-Copilot lebt. Dieser Guide nimmt die Perspektive eines M365-Administrators oder IT-Verantwortlichen im Mittelstand ein und zeigt, wie ein erster Agent entsteht, was er kostet und welche Stolpersteine sich vermeiden lassen.
Wer den tool-agnostischen Überblick sucht, also den Vergleich zwischen Copilot Studio, Open-Source-Wegen und anderen Plattformen, findet ihn in unserem Leitfaden KI-Agenten erstellen. Dieser Beitrag geht den Microsoft-Weg konkret durch.
Copilot Studio ist aus den früheren Power Virtual Agents hervorgegangen. Was vor zwei Jahren noch ein klassischer Chatbot-Baukasten mit starren Themen war, ist heute eine Plattform für generative Agenten: Statt jede mögliche Frage über ein vordefiniertes Thema abzubilden, kann der Agent aus hinterlegtem Wissen frei formulierte Antworten erzeugen und eigenständig entscheiden, welche Aktion er auslöst.
Ein Agent in Copilot Studio ist damit mehr als ein Chatbot. Er besteht aus einer Beschreibung seiner Aufgabe, aus Wissensquellen, auf die er zugreift, aus Aktionen, die er ausführen darf, und aus einer generativen Orchestrierung, die im Hintergrund entscheidet, welche dieser Bausteine für eine konkrete Anfrage gebraucht werden. Genau diese Orchestrierung ist der Sprung vom Bot zum Agent.
Es gibt zwei Wege, einen Agent zu nutzen. Entweder als eigenständigen Agent, den man in Teams, auf einer Website oder im M365-Copilot veröffentlicht. Oder als sogenannten deklarativen Agent innerhalb des Microsoft 365 Copilot, der dessen Oberfläche nutzt, aber mit eigenem Wissen und eigenen Anweisungen arbeitet. Für den Einstieg ist der eigenständige Agent in Copilot Studio der flexiblere Weg.
Jeder Agent in Copilot Studio setzt sich aus vier Bausteinen zusammen. Wer diese vier versteht, versteht die ganze Plattform, alles andere ist Detail.
Topics sind die klassische DNA der Plattform. Ein Topic wird durch Auslöserphrasen gestartet und steuert einen Dialog über Nodes: Fragen stellen, Bedingungen prüfen, Variablen setzen, eine Aktion aufrufen. In der generativen Welt braucht man weniger Topics als früher, weil die Orchestrierung viele Anfragen direkt aus dem Wissen beantwortet. Für klar geregelte Abläufe, etwa eine Krankmeldung oder eine strukturierte Datenabfrage, bleibt das Topic aber das präzisere Werkzeug.
Actions sind das, was den Agent vom reinen Auskunftsgeber zum Handelnden macht. Eine Action kann ein vorgefertigter Connector sein, ein Power-Automate-Flow, ein Prompt-Baustein oder eine eigene REST-Schnittstelle, die über eine OpenAPI-Beschreibung eingebunden wird. Damit kann der Agent ein Ticket anlegen, einen Bestellstatus aus dem ERP holen oder einen Termin eintragen. Die generative Orchestrierung wählt selbst aus, welche Action zur Anfrage passt, sofern die Beschreibung der Action gut formuliert ist.
Knowledge sind die Quellen, aus denen der Agent seine Antworten zieht: SharePoint-Bibliotheken, Dataverse-Tabellen, hochgeladene Dateien, öffentliche Websites oder Unternehmensdaten über den Microsoft Graph. Die Qualität dieser Quellen entscheidet über die Qualität des Agents. Ein Agent ist immer nur so gut wie das Wissen, das er durchsuchen darf, und die Berechtigungen, die dabei gelten.
Die Orchestrierung ist die Schicht, die zur Laufzeit entscheidet, ob eine Anfrage aus dem Wissen beantwortet, über ein Topic geführt oder mit einer Action erledigt wird, und die mehrere Schritte zu einer Antwort verkettet. Sie ist standardmäßig aktiv und der eigentliche Grund, warum heute von Agenten statt von Bots gesprochen wird.
In der Praxis hat sich eine Reihenfolge bewährt, die in jeder Umgebung funktioniert und Fehler früh sichtbar macht, statt sie erst im Produktivbetrieb auffallen zu lassen.
Schritt 1: Beschreiben. Der Agent startet mit einer Beschreibung in natürlicher Sprache. Aus ihr leitet Copilot Studio einen ersten Entwurf ab. Je präziser die Aufgabe, der Ton und die Grenzen formuliert sind, desto weniger muss später nachgebessert werden. Hier gehört auch hinein, was der Agent nicht tun soll.
Schritt 2: Knowledge anbinden. Zuerst eine kleine, saubere Wissensquelle anhängen, nicht das gesamte Intranet. Ein einzelnes, gepflegtes SharePoint-Verzeichnis liefert bessere Antworten als zwanzig veraltete Quellen. Wichtig ist, von Anfang an mitzudenken, welche Berechtigungen auf diesen Daten liegen.
Schritt 3: Topics und Actions ergänzen. Für die häufigsten geregelten Abläufe ein Topic anlegen, für jede Handlung, die der Agent ausführen soll, eine Action mit klarer Beschreibung. Sparsam beginnen und nur das ergänzen, was im Test tatsächlich fehlt.
Schritt 4: Testen. Der Test-Canvas zeigt nach jeder Änderung, wie der Agent antwortet und welche Quelle oder Action er gewählt hat. Hier wird sichtbar, ob die Orchestrierung richtig greift oder ob Beschreibungen nachgeschärft werden müssen.
Schritt 5: Governance und DLP. Bevor der Agent für andere sichtbar wird, gehören Authentifizierung, DLP-Richtlinien und die Frage geklärt, in welcher Umgebung er läuft. Mehr dazu im Governance-Abschnitt weiter unten.
Schritt 6: Veröffentlichen. Erst dann wird der Agent auf einem Kanal veröffentlicht, in der Regel Teams, eine eingebettete Website oder der M365-Copilot. Der Rollout beginnt mit einer kleinen Pilotgruppe, nicht mit der ganzen Belegschaft.
Der größte Sprung der letzten Monate sind autonome Agenten. Ein klassischer Agent reagiert auf eine Nutzeranfrage. Ein autonomer Agent wird durch ein Ereignis ausgelöst, etwa eine neue Mail, eine neue Zeile in einer Tabelle oder einen Zeitplan, und arbeitet eigenständig eine Aufgabe ab, ohne dass ein Mensch den Dialog startet.
Damit verschiebt sich der Anwendungsfall vom Frage-Antwort-Bot zur Prozessautomatisierung: eingehende Rechnungen vorsortieren, Standardanfragen im Posteingang beantworten, Datensätze zwischen Systemen abgleichen. Wer schon einmal mit klassischer Workflow-Automatisierung gearbeitet hat, erkennt das Muster, nur dass hier ein Sprachmodell die Entscheidungen in der Mitte trifft. Genau an dieser Stelle lohnt der Vergleich mit anderen Wegen, die wir im Abgrenzungs-Abschnitt ziehen.
Copilot Studio rechnet nicht pro Nutzer ab, sondern pro Nutzung. Die Abrechnungseinheit heißt seit September 2025 Copilot Credit (vorher Message). Wer das Modell nicht versteht, plant entweder zu großzügig oder wacht mit einem deaktivierten Agent auf.
Es gibt zwei Wege, Kapazität einzukaufen. Das Prepaid-Pack umfasst 25.000 Copilot Credits pro Monat und kostet 200 US-Dollar, auf den deutschsprachigen Microsoft-Seiten rund 173 Euro pro Pack und Monat. Alternativ rechnet der Pay-as-you-go-Tarif über eine Azure-Subscription nutzungsbasiert mit etwa 0,01 Euro pro Credit ab, ohne Vorabverpflichtung. Die Maker-Lizenz selbst, mit der man Agenten baut, ist kostenlos, setzt aber voraus, dass im Tenant Kapazität vorhanden ist.
Der entscheidende Punkt ist, dass nicht jede Interaktion gleich viel kostet. Microsoft staffelt den Verbrauch nach Art der Aktion. Diese Multiplikatoren sind die eigentliche Kostenlogik:
| Aktion | Verbrauch | Für M365-Copilot-Nutzer |
|---|---|---|
| Classic Answer | 1 Credit | inklusive |
| Generative Answer | 2 Credits | inklusive |
| Agent Action | 5 Credits | inklusive |
| Tenant Graph Grounding | 10 Credits | inklusive |
| Agent Flow (pro 100 Actions) | 13 Credits | inklusive |
Mehrere Features summieren sich pro Anfrage. Eine generative Antwort, die über den Microsoft Graph auf Tenant-Daten zugreift, kostet 10 Credits für das Grounding plus 2 für die generative Antwort, also 12 Credits pro Prompt. Microsoft selbst rechnet ein Beispiel vor: ein Support-Agent mit vier klassischen und zwei generativen Antworten pro Gespräch verbraucht bei 900 Anfragen am Tag rund 7.200 Credits täglich. Ein einzelnes Pack ist damit in wenigen Tagen aufgebraucht.
Wer Microsoft 365 Copilot lizenziert hat, bekommt einen spürbaren Rabatt: Für lizenzierte Nutzer sind klassische und generative Antworten sowie das Graph-Grounding in Copilot Chat, Teams und SharePoint im Rahmen fairer Nutzung kostenlos gestellt. Eigene Copilot-Studio-Kapazität braucht man dann vor allem für Agenten, die extern oder für unlizenzierte Nutzer laufen, und für Funktionen wie Agent Flows, autonome Aktionen oder Voice. Die Kostenseite der M365-Copilot-Lizenz selbst, mit 28,10 Euro pro Nutzer und Monat in der Enterprise-Variante, beleuchtet unser Kosten-Guide zu Microsoft 365 Copilot.
Beim Kostenmanagement gibt es zwei Fallen. Erstens verfallen ungenutzte Credits am Monatsende, ein Übertrag findet nicht statt. Zweitens greift bei 125 Prozent der gebuchten Kapazität eine Sperre, die den Agent schlicht deaktiviert. Wer das nicht will, setzt im Power Platform Admin Center ein monatliches Limit pro Agent und prognostiziert den Verbrauch vorab mit dem von Microsoft bereitgestellten Agent Usage Estimator. Für einen ersten Test reicht ohnehin die 60-Tage-Testphase, in der sich allerdings kein Agent veröffentlichen lässt.
Die Technik ist beim Agentenbau selten das Problem. Die Governance ist es. Vier Hebel entscheiden, ob ein Agent ein kontrolliertes Werkzeug oder ein Datenschutz-Risiko wird.
Data-Loss-Prevention-Richtlinien im Power Platform Admin Center steuern, mit welchen Diensten ein Agent überhaupt sprechen darf. Seit Anfang 2025 werden sie für alle Tenants verpflichtend durchgesetzt, eine Ausnahmeregelung gibt es nicht mehr. Über DLP lassen sich unauthentifizierte Agenten blockieren, Connectoren einschränken und Veröffentlichungskanäle begrenzen. In kombinierter Form mit Managed Environments und Freigabe-Limits steuert die IT, wer Agenten überhaupt bauen und wie breit er sie teilen darf. Mit Microsoft Agent 365, seit Mai 2026 verfügbar, kommt eine zentrale Ebene hinzu, um alle Agenten im Unternehmen zu registrieren und zu verwalten.
Die Anmeldung über Entra ID ist standardmäßig aktiv, ein Agent kennt also die Identität des Nutzers und liefert nur, was dieser sehen darf. Wer diese Authentifizierung deaktiviert, um einen Agent schnell öffentlich zu machen, öffnet das größte Einfallstor überhaupt. Veröffentlicht wird in Teams, im M365 Copilot, in SharePoint, auf einer eingebetteten Website oder in Power Apps, innerhalb wie außerhalb des Tenants.
Ein Agent macht Wissen auffindbar, das vorher in den Tiefen von SharePoint schlummerte, auch solches, das schlecht berechtigt war. Sites mit Freigabe für alle, gebrochener Vererbung oder anonymen Links werden plötzlich durchsuchbar. Microsoft nennt Oversharing das Sicherheitsrisiko Nummer eins, mit im Schnitt 150 bis 300 überfreigegebenen Sites pro Tenant. Ein Berechtigungs-Audit vor dem Rollout ist deshalb keine Kür, sondern Pflicht.
Copilot Studio läuft im eigenen Microsoft-Tenant und lässt sich an die EU Data Boundary binden, wenn alle Umgebungen in einer EU-Region angelegt werden. Eine wichtige Änderung hat sich Anfang 2026 ergeben: Microsoft setzt seither Anthropic als Subprozessor ein, und für diese Modelle gilt laut Microsoft-Dokumentation, dass sie außerhalb der EU Data Boundary liegen. Auch das sogenannte Flex Routing kann Inferenz bei Lastspitzen außerhalb der EU verarbeiten. Wer hier auf Nummer sicher gehen muss, prüft Modellauswahl und Routing aktiv und dokumentiert das im Verarbeitungsverzeichnis. Den größeren Rahmen dazu liefern unsere Beiträge zu DSGVO-konformen KI-Tools und zum Datenschutz bei KI im Mittelstand.
Die dankbarsten ersten Agenten sind die, bei denen das Wissen ohnehin schon strukturiert vorliegt und die Frage immer wieder dieselbe ist. Drei Beispiele, die im Mittelstand zuverlässig funktionieren.
Ein Agent, der auf der internen Wissensdatenbank und den IT-Richtlinien sitzt, beantwortet die immergleichen Fragen zu VPN, Passwort-Reset oder Software-Anträgen und legt bei Bedarf direkt ein Ticket an. Das entlastet den First-Level-Support und gibt Antworten rund um die Uhr.
Fragen zu Urlaub, Reisekosten, Betriebsvereinbarungen oder dem Ablauf der ersten Arbeitswoche lassen sich aus den HR-Dokumenten beantworten. Neue Mitarbeitende bekommen einen geduldigen Ansprechpartner, ohne dass die Personalabteilung jede Frage einzeln beantwortet.
Über eine Action auf das ERP oder Dataverse beantwortet der Agent Fragen wie den aktuellen Status einer Bestellung oder die Verfügbarkeit eines Artikels. Das ist der Übergang vom reinen Wissens-Agent zum prozessnahen Agent und der Punkt, an dem sich Kosten und Nutzen am deutlichsten zeigen.
Copilot Studio ist nicht für jede Aufgabe der beste Weg. Drei Optionen konkurrieren in der Praxis, und ehrlich verglichen haben alle drei ihren Platz.
Der Microsoft 365 Copilot ohne eigene Agenten ist der schnellste Weg, wenn es nur darum geht, in Word, Excel und Outlook produktiver zu werden. Wer hier startet, sollte zuerst die Kostenseite von M365 Copilot kennen und den Vergleich von Copilot und ChatGPT gelesen haben.
Copilot Studio ist die richtige Wahl, wenn ein Agent gebraucht wird, der auf eigene Daten zugreift, im M365-Umfeld lebt und von Fachbereichen mit Low-Code gepflegt werden soll. Die Stärke ist die nahtlose Integration in die Microsoft-Welt, der Preis dafür ist das Message-Modell und die Bindung an das Microsoft-Ökosystem. Das OpenAI-Pendant dazu, wie man einen ChatGPT-Agenten erstellt, zeigt den gleichen Weg auf der OpenAI-Seite.
Ein tool-agnostischer Weg mit n8n und einem Sprachmodell ist überlegen, wenn maximale Datenhoheit, Self-Hosting oder komplexe Integrationen über die Microsoft-Welt hinaus zählen. Wie das konkret aussieht, zeigt unser Beitrag zu KI-Agenten mit n8n. Die Kostenkurve bleibt flacher, dafür liegt mehr Verantwortung für Betrieb und Sicherheit im eigenen Haus.
Einen Copilot Agent zu erstellen ist heute keine Entwicklungsaufgabe mehr, sondern eine Frage von gutem Wissen, klarer Governance und realistischer Kostenplanung. Die Plattform nimmt einem das Programmieren ab, nicht aber das Denken über Berechtigungen, Verbrauch und Nutzen.
Der erfolgreiche Weg ist fast immer derselbe: ein klar umrissener Anwendungsfall, eine kleine saubere Wissensquelle, eine Pilotgruppe und erst danach die Erweiterung. Wer so vorgeht, hat in wenigen Tagen einen Agent, der echte Arbeit abnimmt, statt einen beeindruckenden Prototyp, der im Alltag durchfällt.
Ihr wollt den ersten Agent nicht allein aufsetzen, sondern mit einem Partner, der den Weg von Scoping über Governance bis zum produktiven Betrieb kennt? Sprecht uns an, und wir skizzieren gemeinsam den passenden Einstieg.
Hier finden Sie die Antworten auf häufig gestellte Fragen.
Nein. Copilot Studio ist eine Low-Code-Plattform. Ein Agent wird in natürlicher Sprache beschrieben, Wissensquellen und Aktionen werden per Oberfläche angebunden. Für eigene REST-Schnittstellen oder komplexe Power-Automate-Flows hilft technisches Verständnis, zwingend nötig ist es für den ersten Agent nicht.
Der Microsoft 365 Copilot ist der fertige Assistent in Word, Excel, Outlook und Teams. Copilot Studio ist das Werkzeug, mit dem man eigene Agenten baut, die auf eigene Daten zugreifen und eigene Aktionen ausführen. Beide ergänzen sich: ein in Copilot Studio gebauter Agent kann im M365 Copilot veröffentlicht werden.
Die Abrechnung erfolgt nachrichtenbasiert. Jede Interaktion verbraucht Kontingent, wobei generative und autonome Aktionen mehr verbrauchen als einfache Antworten. Kapazität lässt sich als festes Paket oder nutzungsbasiert über Azure buchen. Die genauen Zahlen stehen im Abschnitt zu Lizenzen und Kosten.
Mit korrekter Konfiguration ja. Copilot Studio läuft im Microsoft-Tenant und unterliegt dem EU Data Boundary. Entscheidend sind die richtige Environment- und DLP-Strategie, saubere Berechtigungen auf den Wissensquellen und die Prüfung, wo Inferenz stattfindet. Details im Governance-Abschnitt.
Wenn maximale Datenhoheit, Self-Hosting oder Integrationen weit über die Microsoft-Welt hinaus gefragt sind, ist ein tool-agnostischer Weg mit n8n und einem Sprachmodell oft die bessere Wahl. Geht es nur um Produktivität in den Office-Apps, reicht häufig der M365 Copilot ohne eigenen Agent.
