Microsoft Fabric IQ: Warum KI ohne Semantik nicht skalieren kann

Die meisten Unternehmen scheitern mit KI nicht an der Technologie – sie scheitern an den Daten. 60–80 % des Aufwands in KI-Projekten entfallen auf datenbezogene Tätigkeiten. Fragmentierte Bestände, widersprüchliche Definitionen zwischen Abteilungen, fehlende gemeinsame Semantik. Unternehmen versuchen AI zu skalieren, ohne die Daten zu skalieren. 

Das Kernproblem: LLMs verstehen Rohdaten nicht ohne Kontext. Was bedeutet „Umsatz"? Brutto oder Netto? Welcher Zeitraum? Welche Gesellschaft? Ohne eine semantische Schicht, die Geschäftsbedeutung transportiert, bleibt jeder KI-Agent blind. 

Auf der Microsoft Ignite im November 2025 hat Microsoft genau dieses Problem adressiert: Fabric IQ ist eine semantische Intelligenzschicht innerhalb von Microsoft Fabric, die Daten über OneLake hinweg vereinheitlicht und in der Sprache des Business organisiert. 

Statt auf rohe Tabellen und Spaltennamen zuzugreifen, erhalten KI-Agenten eine strukturierte, bedeutungsvolle Sicht auf die Geschäftswelt. Fabric IQ vereint dafür fünf Fähigkeiten: 

• Ontology - Ein gemeinsames Modell von Geschäftsentitäten, Beziehungen, Regeln und Zielen. Business-Experten erstellen es per No-Code-Tool, die IT kontrolliert Governance und Versionierung.
• Semantic Model - Die bewährten Power-BI-Definitionen werden über Analytics hinaus auf Operations und KI ausgedehnt.
• Graph - Eine native Graph-Engine für Multi-Hop-Reasoning: z.B. von einer Bestellung über eine Lieferung bis zu einem Temperatursensor und einer Cold-Chain-Verletzung.
• Data Agent - Virtuelle Analysten, die Geschäftsfragen beantworten, indem sie die Ontologie als Landkarte nutzen.
• Operations Agent - Autonome Agenten, die in Echtzeit Geschäftsdaten überwachen, gegen Regeln evaluieren und gesteuerte Aktionen auslösen. 

Der Cloud Bestehende Power-BI-Semantic-Models – Microsoft zählt über 20 Millionen davon – können direkt als Startpunkt für die Ontologie importiert werden. Kein Neuanfang, kein separates Licensing. 

Bei COSMO CONSULT verfolgen wir die Überzeugung: Good AI needs good Data. Und gute Daten brauchen eine Architektur, die über reines Storage hinausgeht. Unser Plattformdenken folgt einem klaren Schichtenmodell: 

Data Foundation → Integration Layer → Semantic Layer → AI Services → Applications

Fabric IQ besetzt dabei die entscheidende Mittelschicht – den Semantic Layer. Genau hier entscheidet sich, ob KI-Agenten sinnvoll auf Unternehmensdaten zugreifen können oder nur Tabellen durchsuchen. Die Ontologie wird zur gemeinsamen Sprache, auf die alle Interfaces zugreifen – ob Copilot, Dashboard oder autonomer Agent. 

Das Architekturprinzip: User → AI → Daten → Aktion. 

Und alle greifen auf dieselbe semantische Schicht zu. 

Demokratisierung der Semantik: Nicht mehr Data Engineers definieren allein die Geschäftslogik – Business-Experten modellieren die Ontologie selbst. Die Menschen, die das Business am besten verstehen, definieren die Sprache, in der KI arbeitet. 

Von BI zu Operations: Dieselben Definitionen, die ein Dashboard antreiben, steuern nun auch Operations Agents, die in Echtzeit auf Geschäftsereignisse reagieren – mit Human-in-the-Loop für kritische Entscheidungen. 

Das IQ-Ökosystem: Fabric IQ verbindet sich mit Foundry IQ (Agenten mit Zugriff auf Dokumente und Wissensgraphen) und Work IQ (semantische Schicht für Microsoft 365). Zusammen entsteht ein übergreifendes Intelligence Layer über Geschäftsdaten, Dokumente und Kommunikation. 

Wer bereits Microsoft Fabric nutzt, kann sofort starten – bestehende Power-BI-Modelle importieren und schrittweise eine Ontologie aufbauen. Wer am Anfang steht, sollte Semantik von Anfang an mitdenken: Wer heute Geschäftsbegriffe sauber definiert, spart morgen Monate an Integrationsaufwand. 

Aber Achtung: Ontologien bauen sich nicht von selbst. Es braucht Einigung auf gemeinsame Definitionen, saubere Berechtigungen und zuverlässige Datenfeeds. Und je tiefer die Investition ins Fabric-Ökosystem, desto höher die Wechselkosten – ein bewusster Trade-off. 

Der eigentliche Mindshift ist aber ein anderer: Es geht nicht darum, mehr Use Cases zu bauen. Es geht darum, eine Datenarchitektur zu schaffen, die AI dauerhaft ermöglicht. Wenn das Datenfundament stimmt, entstehen neue Use Cases fast automatisch. 

Der Shift beginnt jetzt.