WEBVTT

00:00:00.340 --> 00:00:06.920
Bereit für 10 Tage voller Microsoft 365, Co-Pilot, KI, Azure und den Menschen, die die Zukunft der Arbeit gestalten.

00:00:07.580 --> 00:00:12.000
Diesen Januar ist die N3565-Con zurück und wir legen noch eine Schippe drauf ein.

00:00:12.980 --> 00:00:17.840
Seien Sie bei Live-Sessions, Praxistests und Fachwissen von MVPs und Branchenexperten weltweit dabei.

00:00:18.800 --> 00:00:21.240
Keine generischen Folien, kein endloses Buzzword-Bingo.

00:00:21.980 --> 00:00:23.560
Wir gehen die echten Herausforderungen an.

00:00:23.660 --> 00:00:28.720
Co-Pilot Studio, KI-Agenten, Fabrik, Sicherheit, Governance und Automatisierung.

00:00:28.720 --> 00:00:34.200
Ob IT-Profi-Entwickler oder Führungskraft, es gibt Sessions, die speziell für Sie konzipiert sind.

00:00:35.520 --> 00:00:40.000
An 10 vollen Tagen können Sie diverse Technologien erkunden und sich mit einer globalen Community vernetzen.

00:00:40.960 --> 00:00:44.300
Schauen Sie live zu und nehmen Sie praktische Erkenntnisse mit in Ihr Unternehmen.

00:00:45.160 --> 00:00:48.860
Januar 2027, 10 Tage, eine Microsoft Community.

00:00:49.380 --> 00:00:50.540
Die Registrierung ist jetzt geöffnet.

00:00:51.740 --> 00:00:55.680
Gehen Sie auf m3565.com.net und sichern Sie sich noch heute Ihren Platz.

00:00:55.680 --> 00:00:58.520
Das ist m3565.com.net.

00:01:00.120 --> 00:01:02.960
Melden Sie sich jetzt auf m3565.com.net an.

00:01:03.340 --> 00:01:04.540
Wir sehen uns live im Januar.

00:01:05.260 --> 00:01:08.640
Haben Sie sich jemals gefragt, warum Ihre Datenmodelle trotz bester Absichten schwerfällig wirken?

00:01:08.880 --> 00:01:09.480
Damit Sie nicht allein.

00:01:10.020 --> 00:01:15.640
Heute zeige ich Ihnen, wo Co-Pilot Ihren Microsoft Tabric Workflow wirklich beschleunigt und wo es noch eine menschliche Note braucht.

00:01:15.640 --> 00:01:26.660
Wir identifizieren die schwachstellenden Datenpipelines, beleuchten echte Co-Pilot-Anwendungsfälle und beantworten die Frage, kann ein KI-Assistent Rohdaten wirklich schneller in bessere Erkenntnisse verwandeln?

00:01:27.000 --> 00:01:27.440
Kanter.

00:01:28.640 --> 00:01:32.560
Bleiben Sie dran, denn die Antworten können Ihren Ansatz zur Datenmodellierung grundlegend verändern.

00:01:33.500 --> 00:01:36.320
Vom Datendamp zum intelligenten Input dort, wo Co-Pilot seine Arbeit aufnimmt.

00:01:36.740 --> 00:01:40.800
Falls Sie jemals eine Tabelle in Microsoft Tabric hochgeladen haben und es sofort bereut haben, sind Sie damit nicht allein.

00:01:40.800 --> 00:01:45.800
Viele von uns gehen davon aus, dass die Datenbereinigung erst im Nachhinein erfolgt.

00:01:46.260 --> 00:01:51.060
Dass ein wenig Geduld, Ruhe, Gewalt und ein paar Excel-Formeln des Chaos schon beheben werden.

00:01:52.120 --> 00:01:54.420
Aber hier ist etwas, das viele völlig unvorbereitet trifft.

00:01:55.660 --> 00:01:58.640
Co-Pilot wartet nicht darauf, dass Sie selbst bemerken, dass Sie ein Chaos verursacht haben.

00:01:59.440 --> 00:02:01.640
Es beginnt mit dem Scan Ihrer Daten, sobald Sie diese verbinden.

00:02:02.560 --> 00:02:05.140
Es geht nicht nur darum, nach leeren Zellen oder seltsamen Datumsangaben zu suchen.

00:02:05.740 --> 00:02:09.360
Co-Pilot überprüft die Beschaffenheit Ihrer Quelle, analysiert Strukturen,

00:02:09.360 --> 00:02:14.300
hebt falsch ausgerichtete Spalten hervor und markiert Datentypen, die Sie später behindern könnten.

00:02:14.580 --> 00:02:14.900
Denn nee.

00:02:15.720 --> 00:02:19.580
Die meisten Leute bemerken diese Dinge erst, wenn Sie mitten in einer Pipeline stecken, die bereits zum Scheitern verurteilt ist.

00:02:20.800 --> 00:02:23.060
Co-Pilot erkennt das, bevor diese Zeitverschwendung überhaupt beginnt.

00:02:23.760 --> 00:02:26.420
Nehmen wir an, Sie haben einen CSV-Export aus einem Drittsystem importiert.

00:02:26.980 --> 00:02:30.020
Die Spaltenüberschriften sind inkonsistent, einige Felder sind zusammengewürfelt.

00:02:30.200 --> 00:02:33.940
Und am schlimmsten, Ihre Datumsangaben sind in drei verschiedenen Formaten.

00:02:33.940 --> 00:02:39.600
Anstatt nur darauf hinzuweisen, dass etwas nicht stimmt, geht Co-Pilot tiefer in die Analyse.

00:02:41.300 --> 00:02:46.180
Es weist auf strukturelle Probleme hin und konzentriert sich dabei auf Spalten, die zwar im Schema existieren,

00:02:46.280 --> 00:02:51.180
aber nicht in den Import einbezogen sind oder auf Felder mit gemischten Datentypen, an denen Power BI später scheitern würde.

00:02:52.140 --> 00:02:55.360
Mehr nur, Co-Pilot zuckt nicht einfach mit den virtuellen Schultern und überlässt sie sich selbst.

00:02:55.360 --> 00:03:00.820
Sie erhalten konkrete Handlungsempfehlungen, benennen Sie diese Überschriften für mehr Konsistenz um,

00:03:01.000 --> 00:03:04.960
teilen Sie diese verschachtelte Spalte auf, vereinheitlichen Sie diese Datumsformate vor dem Import.

00:03:06.060 --> 00:03:10.580
Stellen Sie sich vor, Sie verbinden sich zum ersten Mal mit einer API, vielleicht einem Marketing-Tool mit benutzerdefinierten Feldnamen

00:03:10.580 --> 00:03:13.860
wie Jahresumsatz-USD in der einen und Umsatz-USD in der anderen Tabelle.

00:03:14.980 --> 00:03:18.580
Während die meisten den Fehler erst bemerken würden, wenn die Zusammenführung der Tabellen fehlschlägt,

00:03:19.000 --> 00:03:22.320
erkennt Co-Pilot die Diskrepanz sofort und schlägt eine einheitliche Benennung vor,

00:03:22.320 --> 00:03:25.140
und basierend auf seinem Verständnis der Datenbeziehungen, Versiehungen.

00:03:25.800 --> 00:03:28.520
Die Realität ist, dass nicht jede Datenquelle optimal aufbereitet ist.

00:03:29.100 --> 00:03:31.940
Manche Quellen sind im Grunde chaotische Tabellen, und das ist wichtig,

00:03:32.080 --> 00:03:35.400
da etwa 60% der Pipeline Fehler auf Probleme zurückzuführen sind,

00:03:35.480 --> 00:03:37.440
die man bereits in diesem Stadium hätte erkennen können.

00:03:38.200 --> 00:03:40.360
Diese Zahl ist nicht nur eine Taktik, um Angst zu verbreiten.

00:03:40.360 --> 00:03:45.220
Sie stammt aus internen Studien, die die häufigsten Schwachstellen bei gescheiterten Datenprojekten innerhalb von Fabric untersuchen.

00:03:45.540 --> 00:03:48.000
In der Suche. Co-Pilot spielt für Sie den Detektiv im Datenschungel.

00:03:48.480 --> 00:03:49.680
Es zeigt nicht nur Probleme auf.

00:03:49.680 --> 00:03:54.040
Es erklärt, warum Sie ein Problem darstellen und vor allem, was Sie dagegen tun können,

00:03:54.160 --> 00:03:57.780
bevor Sie tagelang in einer endlosen Schleife bei der Fehlerbehebung feststecken.

00:03:59.000 --> 00:04:03.220
Viele Tools verraten Ihnen erst, was falsch gelaufen ist, nachdem Sie auf Ausführen geklickt haben und alles zusammengebrochen ist.

00:04:03.760 --> 00:04:06.840
Co-Pilot verfolgt einen intelligenteren Ansatz, indem es Vorschläge für die nächsten Schritte macht.

00:04:07.100 --> 00:04:11.820
Zum Beispiel warnt es Sie, wenn IDs an einer Stelle als Text und an einer anderen als Zahl gespeichert sind,

00:04:11.880 --> 00:04:16.240
und empfiehlt, Sie in einen gemeinsamen Typ zu konvertieren, noch bevor Sie eine Join-Anweisung ausführen.

00:04:16.240 --> 00:04:23.780
Es lenkt Sie zudem auf bewährte Methoden, an die man nicht sofort denkt, wie etwa die Normalisierung bestimmter Tabellen

00:04:23.780 --> 00:04:27.540
oder die Nutzung spezifischer Aufnahmeformate, die die Datentreue bewahren.

00:04:29.540 --> 00:04:35.120
Das sind die Details, für die man normalerweise viel ausprobieren oder unzählige Male auf Stack Overflow suchen müsste, um sie richtig hinzubekommen.

00:04:35.120 --> 00:04:41.640
Co-Pilot unterbricht diesen Kreislauf effektiv und führt Sie von Anfang an zu saubereren und besser nutzbaren Daten.

00:04:42.320 --> 00:04:44.120
Manchmal sind die Überraschungen tatsächlich hilfreich.

00:04:44.720 --> 00:04:48.000
Es geht nicht nur um Bereinigung, sondern auch um die Optimierung Ihrer Daten während des Inbruches.

00:04:48.560 --> 00:04:54.340
Für größere Datensätze bietet Co-Pilot Partitionierungsstrategien an, indem es beispielsweise Ihre Verkaufsdaten nach Regionen unterteilt,

00:04:54.420 --> 00:04:56.380
anstatt alles in eine einzige Tabelle zu stopfen.

00:04:56.840 --> 00:04:58.300
Dies ist nicht nur eine bloße Anpassungsformat.

00:04:58.300 --> 00:05:03.760
Partitionierte Daten können Modellaktualisierungen beschleunigen, Abfragezeiten verkürzen und Ihnen eine Menge Ärger im Backend ersparen.

00:05:03.920 --> 00:05:08.380
Wir sprechen hier von spürbaren Leistungssteigerungen, die Sie bei einer manuellen Vorgehensweise möglicherweise komplett übersehen hätten.

00:05:09.200 --> 00:05:12.500
Anstatt Ihnen nur einen Datenraster in der Vorschau zu zeigen, gibt Co-Pilot Ihnen einen Einblick,

00:05:12.560 --> 00:05:15.000
wie sich diese Anpassungen auf Ihr zukünftiges Datenmodell auswirken würden.

00:05:16.000 --> 00:05:23.980
Sie sehen ein visuelles Modell potenzieller Beziehungen, Kardinalitäten und sogar eine Zusammenfassung der prognostizierten Datenqualität nach Anwendung der Änderungen.

00:05:24.940 --> 00:05:27.940
Wenn Sie Ihre Datenbereinigung auf diese Weise angehen, beseitigen Sie nicht nur ein Problem,

00:05:28.300 --> 00:05:30.000
sondern verändern den gesamten nachgelagerten Prozess.

00:05:30.740 --> 00:05:34.820
Wenn die Dateneingabe reibungslos verläuft, sind die Transformationen, die Sie später anwenden, schneller und effektiver.

00:05:35.640 --> 00:05:38.820
Sie verbringen weniger Zeit damit herauszufinden, warum eine Verknüpfung fehlgeschlagen ist

00:05:38.820 --> 00:05:41.080
oder warum Ihre Power BI Visualisierungen überall leer bleiben.

00:05:41.080 --> 00:05:47.000
Sie vermeiden nicht nur Fehler, sondern bereiten Ihre Daten auf eine intelligentere, adaptive Verarbeitung in jeder folgenden Ebene vor.

00:05:48.300 --> 00:05:52.920
Der Einsatz von Co-Pilot von Anfang an bedeutet genauere Modelle, weniger Überraschungen in letzter Minute

00:05:52.920 --> 00:05:56.040
und Pipelines, die von Anfang bis Ende sinnvoll sind.

00:05:56.880 --> 00:05:57.940
Das zahlt sich eindeutig aus.

00:05:58.300 --> 00:06:02.880
Die Integration von Co-Pilot in Ihre Eingabephase schafft ein Fundament für jede Entscheidung, die Sie nachgelagert treffen.

00:06:03.620 --> 00:06:07.360
Anstatt Fehler im Nachhinein zu beheben, erkennen und lösen Sie diese, wenn Sie am wichtigsten sind.

00:06:08.500 --> 00:06:13.060
Das bedeutet, wenn es an der Zeit ist, Ihre Daten zu modellieren, starten Sie aus einer Position der Stärke heraus,

00:06:13.140 --> 00:06:15.020
anstatt mühsam alles zu reparieren, was durchgerutscht ist.

00:06:15.020 --> 00:06:18.960
Das bringt uns zu dem, was nach der Eingabe passiert, der schwierigen Zwischenphase.

00:06:19.600 --> 00:06:27.380
Ihr wechselt Co-Pilot von intelligenten Vorschlägen zur praktischen Transformation und formt und verfeinert Ihre Daten automatisch mit demselben Maß an Erkenntnis.

00:06:28.540 --> 00:06:31.260
Co-Pilots Transformations Engine verwandelt Datenchaos in Klarheit.

00:06:31.680 --> 00:06:32.160
Sorge weit.

00:06:32.160 --> 00:06:35.020
Nachdem Ihre Daten nun sauber ankommen, beginnt die eigentliche Artharbeit.

00:06:36.040 --> 00:06:38.980
Die Transformationsebene ist der Punkt, an dem die meisten Projekte scheitern.

00:06:39.460 --> 00:06:44.040
Nicht, weil die Tools fehlen, sondern weil die Anpassung der Geschäftslogik an eine Vielzahl von Tabellen schnell mühsam wird.

00:06:45.320 --> 00:06:48.880
Denken Sie an all die Male, als Sie Daten geladen, nur um die nächste Stunde damit zu verbringen,

00:06:48.880 --> 00:06:53.840
Felder zu verschieben, unverständliche Spalten umzubenennen und Formeln aus dem Gedächtnis zu schreiben.

00:06:53.840 --> 00:06:58.000
Wir alle saßen schon vor einem Dutzend offener Join-Bedingungen und haben uns gefragt,

00:06:58.100 --> 00:07:01.580
ob das Transaktionsdatum tatsächlich der letzte Kauf- oder nur ein Import-Zeitstempel ist.

00:07:02.920 --> 00:07:05.700
Und wenn Sie auch nur ein einziges Power BI-Modell erstellt haben,

00:07:05.820 --> 00:07:11.000
wissen Sie, wie eine fehlende Beziehung oder ein falscher Datentyp sich direkt auf jeden Bericht und jedes Dashboard auswirken kann.

00:07:12.280 --> 00:07:16.320
Was Co-Pilot anders macht, ist, Sie aus dieser Falle des endlosen Ausprobierens zu befreien.

00:07:16.980 --> 00:07:21.940
Es beobachtet, wie Sie die Daten formen, welche Spalten Sie zusammenführen, welche Tabellen Sie verknüpfen,

00:07:21.940 --> 00:07:26.420
wo Sie die schwer zu dokumentierenden DAX-Berechnungen hinzufügen und schlägt Alternativen vor.

00:07:26.680 --> 00:07:29.580
Manchmal, bevor Sie selbst merken, dass Sie sie brauchen.

00:07:29.880 --> 00:07:33.080
Meile, stellen Sie sich vor, Sie erstellen einen Bericht für das Finanzteam.

00:07:33.960 --> 00:07:37.720
Sie haben Transaktionsdaten mit Ihren Stammdaten verknüpft, aber die Zahlen stimmen immer noch nicht.

00:07:38.120 --> 00:07:42.020
Äh, anstatt endlose Nachschlage, Tabellen zu durchforsten, schlägt Co-Pilot vor,

00:07:42.100 --> 00:07:44.360
Verkäufe nicht nur monatlich, sondern nach Region zu aggregieren

00:07:44.360 --> 00:07:47.480
und liefert sofort eine fertige DAX-Kennzahl für das Wachstum im Jahresvergleich.

00:07:48.020 --> 00:07:50.420
Sie müssen die Formel wieder auswendig lernen, noch mühsam debuggen.

00:07:50.420 --> 00:07:54.960
Sie erscheint als Vorschlag, inklusive Erklärungen dazu, was die Berechnung im Detail antreibt.

00:07:55.680 --> 00:08:00.160
Es bleibt die Sorge, dass Co-Pilot die Dinge zu sehr vereinfacht oder eine subtile Regel übersieht,

00:08:00.420 --> 00:08:04.220
die Sie mit einem Geschäftspartner in drei langen Sitzungen erarbeitet haben.

00:08:04.660 --> 00:08:06.500
Ähm, das sind berechtigtes Bedenken.

00:08:07.140 --> 00:08:10.400
KI kann keine Gedanken lesen und manchmal ist der erste Entwurf zu allgemein

00:08:10.400 --> 00:08:15.600
und übersieht zum Beispiel, dass eine bestimmte Produktlinie in einer Berechnung nicht enthalten sein sollte.

00:08:16.640 --> 00:08:19.520
Je länger Sie Co-Pilot jedoch nutzen, desto präziser werden die Empfehlungen.

00:08:19.520 --> 00:08:23.460
Das System bittet um Feedback, wenn Sie einen Vorschlag überarbeiten oder ablehnen.

00:08:23.600 --> 00:08:27.060
So merkt es sich die Nuancen für das nächste Mal, wenn Sie ein ähnliches Modell erstellen.

00:08:27.800 --> 00:08:31.140
Es lernt nach und nach, was für Ihr Unternehmen wirklich zählt, im Gegensatz zu allgemeinen Annahmen.

00:08:31.800 --> 00:08:34.680
Aus dem Hin und Her wird eine echte Zusammenarbeit statt nur eines einmaligen Hinweises.

00:08:35.260 --> 00:08:36.620
Tatsächliche Nutzerdaten belegen dies.

00:08:36.620 --> 00:08:41.400
Im letzten Jahr haben Studien gezeigt, dass KI-generierte DAX-Kennzahlen in Fabric

00:08:41.400 --> 00:08:45.660
mittlerweile die Genauigkeit und Performance von Formeln erfahrener BI-Entwickler erreichen,

00:08:45.860 --> 00:08:51.360
zumindest bei Standardaufgaben wie laufenden Summen, prozentualem Wachstum und Segmentfiltern.

00:08:51.360 --> 00:08:57.080
Wo ein neuer Analyst stundenlang nach Fehlern sucht, warum eine Gesamtrendite-Kennzahl beim

00:08:57.080 --> 00:09:01.960
Jahreswechsel versagt, wurden Co-Pilots Vorlagen für solche Szenarien an riesigen Datensätzen

00:09:01.960 --> 00:09:03.920
und ungewöhnlichen Fällen getestet.

00:09:04.260 --> 00:09:04.420
Ah.

00:09:05.340 --> 00:09:09.360
Das bedeutet nicht, dass jede Formel perfekt ist, aber das Qualitätsniveau ist drastisch gestiegen.

00:09:09.360 --> 00:09:13.980
Was Co-Pilot wirklich auszeichnet, ist nicht nur die Automatisierung der Grundlagen.

00:09:14.680 --> 00:09:17.640
Es erkennt Performance-Probleme in ihren Schritten und weist aktiv darauf hin.

00:09:18.140 --> 00:09:21.040
Wenn Sie fünf Abfragen verketten, wo zwei ausreichend würden, oder wenn Ihre Joints

00:09:21.040 --> 00:09:24.940
in der falschen Reihenfolge die Aktualisierungszeiten verlangsamen, markiert es diese als Engpässe,

00:09:25.080 --> 00:09:26.180
markiert es diese als Engpässe.

00:09:26.280 --> 00:09:29.480
Sie erhalten gezielte Hinweise, Abfragen zusammenzuführen oder Schritte für mehr Effizienz,

00:09:29.540 --> 00:09:31.140
nicht nur für mehr Korrektheit, um zu strukturieren.

00:09:31.840 --> 00:09:35.360
Das sind die kleinen Details, die normalerweise erst auffallen, wenn das Modell an seine Grenzen

00:09:35.360 --> 00:09:37.700
stößt oder Beschwerden über langsame Dashboards eingehen.

00:09:37.700 --> 00:09:41.480
Co-Pilot stellt diese Warnung in den Vordergrund, damit Sie nicht rätseln müssen, warum Ihr

00:09:41.480 --> 00:09:43.460
Arbeitsbereich bei wachsenden Datenmengen ins Stocken gerät.

00:09:43.940 --> 00:09:46.980
Ein Aspekt der Datentransformation, der oft übersehen wird, ist die Dokumentation.

00:09:47.700 --> 00:09:51.220
Je mehr Personen an einem Modell arbeiten, desto anfälliger und undurchsichtiger wird

00:09:51.220 --> 00:09:54.220
es besonders, wenn man schnell arbeitet und keine Zeit findet, Schritte zu kommentieren

00:09:54.220 --> 00:09:55.880
oder Notizen zu filtern zu hinterlassen.

00:09:57.000 --> 00:09:58.360
Hier greift Co-Pilot ebenfalls ein.

00:09:59.420 --> 00:10:04.120
Während Sie Transformationsschritte annehmen oder anpassen, erstellt es ein lesbares Änderungsprotokoll,

00:10:04.120 --> 00:10:08.560
erfasst Ihre Beweggründe für Anpassungen und speichert dies als Metadaten im Modell.

00:10:09.640 --> 00:10:12.520
Kollegen, die später einsteigen, müssen die Absicht hinter jeder Transformation nicht

00:10:12.520 --> 00:10:13.700
erst mühsam rekonstruieren.

00:10:14.540 --> 00:10:16.640
Sie sehen die Logik und die Geschäftsregeln in einfacher Sprache.

00:10:17.240 --> 00:10:20.120
Wer schon einmal eine berechnete Spalte vor einem Prüfer rechtfertigen musste, kennt

00:10:20.120 --> 00:10:22.580
den Aufwand, alte Projektnotizen herauszukramen.

00:10:23.440 --> 00:10:26.860
Dank der automatischen Dokumentation von Co-Pilot können Sie schnell Erklärungen für jede Änderung

00:10:26.860 --> 00:10:28.340
abrufen, inklusive Versionsverlauf.

00:10:29.080 --> 00:10:32.780
Dass es nicht nur bequem ist, kann den Prozess um Tage verkürzen, wenn Modelle geprüft oder mit

00:10:32.780 --> 00:10:34.240
neuen Teammitgliedern geteilt werden müssen.

00:10:35.200 --> 00:10:38.980
Der entscheidende Effekt ist, Sie verlieren sich nicht länger in Syntax und Workarounds.

00:10:40.620 --> 00:10:45.320
Stattdessen fließen die Stunden, die man sonst mit der Fehlersuche verbringt, in die Verfeinerung

00:10:45.320 --> 00:10:50.760
des geschäftlichen Werts, präzisere Fragen oder das Testen neuer KPIs.

00:10:52.460 --> 00:10:56.360
Wenn Sie auf Veröffentlichen klicken, ist die meiste Routinearbeit bereits erledigt oder wurde

00:10:56.360 --> 00:10:59.800
von Co-Pilot markiert, sodass Sie sich auf die wirklich wichtigen Geschäftsentscheidungen

00:10:59.800 --> 00:11:00.620
konzentrieren können.

00:11:00.620 --> 00:11:04.380
Das führt direkt zu dem Punkt, an dem selbst erfahrene Analysten scheitern.

00:11:05.040 --> 00:11:08.400
Daten so zu visualisieren, dass sie Antworten liefern, statt nur für Unordnung zu sorgen.

00:11:08.700 --> 00:11:09.820
Statt nur für Unordnung zu sorgen.

00:11:10.140 --> 00:11:12.340
Das Erstellen von Measures und das Bereinigen der Logik ist nur ein Teil.

00:11:13.000 --> 00:11:15.740
Diese Zahlen in Visualisierung zu übersetzen, die konkrete Maßnahmen unterstützen, ist

00:11:15.740 --> 00:11:16.860
eine ganz andere Herausforderung.

00:11:18.320 --> 00:11:21.220
Hier sorgen die nächsten Vorschläge von Co-Pilot für einen spürbaren Unterschied.

00:11:22.480 --> 00:11:23.560
Von Zahlen zu Narrativen.

00:11:24.080 --> 00:11:26.380
Die visuellen Vorschläge von Co-Pilot in Power BI.

00:11:26.380 --> 00:11:30.800
Saubere, logische Modelle in Fabric zu erstellen, ist der erste Schritt.

00:11:30.880 --> 00:11:34.460
Aber seien wir ehrlich, die meisten Dashboards verstauben, weil die Visualisierungen nicht

00:11:34.460 --> 00:11:36.880
das widerspiegeln, was die Zielgruppe wirklich interessiert.

00:11:38.320 --> 00:11:42.660
Es gibt diese alte Gewohnheit, bei der man Power BI einfach Balkendiagramme auf eine Seite

00:11:42.660 --> 00:11:46.240
werfen lässt, in der Hoffnung, dass eines davon einen Direktor beeindruckt und eine Frage

00:11:46.240 --> 00:11:46.780
auslöst.

00:11:46.780 --> 00:11:51.620
Doch wenn man sieht, wie Führungsteams mit ausdrucksloser Miene durch Berichtsseiten

00:11:51.620 --> 00:11:52.980
scrollen, erkennt man das Problem.

00:11:54.200 --> 00:11:56.940
Es mangelt nicht an Daten, sondern daran, dass die Visualisierungen keine Verbindung

00:11:56.940 --> 00:11:59.400
zu den geschäftlichen Fragen herstellen, die tatsächlich gestellt werden.

00:12:00.200 --> 00:12:02.880
Hier greift Co-Pilot ein und diesmal ist es nicht nur ein Nachholen.

00:12:03.460 --> 00:12:06.900
Statt generische Visualisierungen in ihren Bericht zu werfen, setzt Co-Pilot auf ihr

00:12:06.900 --> 00:12:08.620
Modell auf und führt einen Scan durch.

00:12:09.240 --> 00:12:12.740
Es liest nicht nur ihre Felder, sondern auch die Beziehungen zwischen ihnen, ihre berechneten

00:12:12.740 --> 00:12:15.400
Measures und die Ebenen, die sie in ihrer Pipeline aufgebaut haben.

00:12:15.400 --> 00:12:16.820
Hier beginnt der Wandel.

00:12:17.440 --> 00:12:20.100
Nehme zum Beispiel an, sie erstellen einen Verkaufsbericht für die Geschäftsführung.

00:12:20.640 --> 00:12:24.140
Sie haben Regionen, Produkte und Gewinnkennzahlen und wissen, dass die Führungsebene kein weiteres

00:12:24.140 --> 00:12:27.120
einfaches Liniendiagramm sehen will, das wie jeder andere Bericht aus dem letzten Jahr

00:12:27.120 --> 00:12:27.440
aussieht.

00:12:28.640 --> 00:12:32.900
Co-Pilot analysiert ihre Struktur und schlägt ein Wasserfalldiagramm vor, um zu verdeutlichen,

00:12:33.020 --> 00:12:36.280
wie jeder Kosten- und Erlösfaktor zum Gesamtgewinn beiträgt, sodass die Aufschlüsselung eine

00:12:36.280 --> 00:12:38.140
Geschichte erzählt, statt nur Balken zu stapeln.

00:12:39.640 --> 00:12:43.680
Für den Umsatz nach Regionen erhalten sie statt einer weiteren Säulengruppe eine Empfehlung

00:12:43.680 --> 00:12:47.040
für eine Kartendarstellung, die hervorhebt, wo die Leistung die Ziele übertrifft und

00:12:47.040 --> 00:12:49.740
nicht nur, wo die Umsätze in absoluten Zahlen am höchsten sind.

00:12:51.160 --> 00:12:55.480
Es stellt sich immer die Frage, bietet Co-Pilot ihnen etwas wirklich Wirkungsvolles oder verpasst

00:12:55.480 --> 00:12:57.180
es den alten Daten nur einen schicken Anstrich?

00:12:58.260 --> 00:13:00.320
Der Unterschied liegt an der zusätzlichen Erläuterung, die sie erhalten.

00:13:01.140 --> 00:13:04.340
Wenn Co-Pilot die vorgeschlagene Visualisierung einfügt, bleibt es nicht bei einem Hier ist ein

00:13:04.340 --> 00:13:04.680
Wasserfalldiagramm.

00:13:04.680 --> 00:13:09.100
Es erklärt genau, warum das Wasserfalldiagramm effektiv ist, vielleicht weil ihr Datensatz

00:13:09.100 --> 00:13:12.800
mehrere additive und subtraktive Werte enthält, sodass die Struktur des Diagramms den Weg des

00:13:12.800 --> 00:13:18.320
Gewinns direkt widerspiegelt, anstatt Details hinter einer Gesamtsumme zu verbergen.

00:13:19.320 --> 00:13:24.120
Bei einer Karte kann Co-Pilot darauf hinweisen, dass ihr Modell geografische Felder mit direktem

00:13:24.120 --> 00:13:28.960
Bezug zu Vertriebskennzahlen enthält, was das Layout nützlicher macht als eine herkömmliche

00:13:28.960 --> 00:13:29.640
Tabelle.

00:13:29.640 --> 00:13:35.820
Viele Berichtstools überlassen es, dem Nutzer zu erraten, was gut aussehen könnte und hinterlassen

00:13:35.820 --> 00:13:39.000
ihnen dann ein Dashboard, das zwar technisch korrekt, aber wenig aufschlussreich ist.

00:13:40.020 --> 00:13:44.020
Co-Pilot kommt ihnen entgegen und erkennt, welche Visualisierungen nicht nur zum Feldtyp,

00:13:44.080 --> 00:13:45.560
sondern auch zur Analyseausrichtung passen.

00:13:46.040 --> 00:13:48.840
Dieser kleine Anstoß kann den Unterschied machen zwischen einem Bericht, auf den in Meetings

00:13:48.840 --> 00:13:50.920
Bezug genommen wird und einem, der stillschweigend ignoriert wird.

00:13:51.860 --> 00:13:53.180
Es gibt Untersuchungen, die dies belegen.

00:13:54.060 --> 00:13:57.680
Studien zur Nachverfolgung von Power BI-Nutzersitzungen zeigen, dass die Einbindung von Co-Pilot's

00:13:57.680 --> 00:14:00.820
visuellen Vorschlägen zu einer schnelleren Fertigstellung der Berichtsentwurfsphase führt

00:14:00.820 --> 00:14:03.340
und die Zeit teilweise um bis zu 40% verkürzt.

00:14:03.640 --> 00:14:04.060
Und die Zeit.

00:14:05.280 --> 00:14:08.600
Noch interessanter ist, dass die Interaktion mit diesen Berichten zunimmt, weil Endnutzer

00:14:08.600 --> 00:14:11.900
etwas sehen, das auf ihre Bedürfnisse zugeschnitten ist, anstatt einer Wand aus einerlei.

00:14:13.100 --> 00:14:16.860
Berichte, die mit Co-Pilots Input erstellt wurden, werden intern auch häufiger geteilt,

00:14:16.940 --> 00:14:20.340
was darauf hindeutet, dass die Leute den Erkenntnissen ein wenig mehr vertrauen.

00:14:20.680 --> 00:14:20.880
Äh.

00:14:20.880 --> 00:14:24.820
Trotz all dieser Empfehlungen stapelt Co-Pilot nicht einfach nur Visualisierungen, um für

00:14:24.820 --> 00:14:25.740
Abwechslung zu sorgen.

00:14:25.900 --> 00:14:26.860
Um für Abwechslung zu sorgen.

00:14:27.020 --> 00:14:28.120
Es übernimmt auch eine Art Triage.

00:14:28.600 --> 00:14:31.580
Nehmen wir an, sie haben zehn Segmente in ein Kreisdiagramm eingefügt oder eine Tabelle

00:14:31.580 --> 00:14:34.060
mit so vielen Zahlen erstellt, dass die Zahlen erstellt, dass die Zahlen verschwinden.

00:14:34.500 --> 00:14:37.500
Co-Pilot markiert diese Entscheidungen als problematisch.

00:14:38.100 --> 00:14:41.500
Stattdessen schlägt es ihnen möglicherweise vor, für klarere Vergleiche ein Balkendiagramm

00:14:41.500 --> 00:14:44.600
zu verwenden oder einen Zerlegungsbaum zu nutzen, um einen Ausreißer zu untersuchen,

00:14:44.660 --> 00:14:46.660
der in einem unübersichtlichen Tortenstück verloren geht.

00:14:46.660 --> 00:14:51.060
Das bedeutet, Co-Pilot bewahrt sie vor den gängigen Fallstrecken, bei denen eine schicke

00:14:51.060 --> 00:14:54.220
Visualisierung das Wesentliche verbirgt oder, noch schlimmer, jemanden zu einer falschen

00:14:54.220 --> 00:14:55.020
Schlussfolgerung führt.

00:14:56.600 --> 00:14:59.040
Formatierung ist viel wichtiger, als die meisten Leute denken und dies ist einer der

00:14:59.040 --> 00:15:00.300
Bereiche, den Co-Pilot nicht übersieht.

00:15:01.520 --> 00:15:04.540
Vielleicht kaschiert ihre Achsen-Skalierung Trends und lässt Veränderungen flacher erscheinen,

00:15:04.620 --> 00:15:06.140
obwohl sie für das Unternehmen wichtig sind.

00:15:07.020 --> 00:15:10.040
Oder vielleicht entspricht ihre Farbpalette nicht den Barrierefreiheitsrichtlinien, was es für

00:15:10.040 --> 00:15:12.440
einige Nutzer schwieriger macht, Unterschiede bei Datenpunkten zu erkennen.

00:15:12.920 --> 00:15:13.180
Wer kennt?

00:15:13.540 --> 00:15:16.600
Co-Pilot schlägt nicht nur Formatierungsanpassungen vor, wie das Korrigieren

00:15:16.600 --> 00:15:19.920
von Achsen, das Anpassen von Datenbeschriftungen oder den Wechsel zu einer kontrastreichen

00:15:19.920 --> 00:15:23.840
Palette, sondern erklärt auch, warum diese Entscheidungen wichtig sind, sondern Erklärungen

00:15:23.840 --> 00:15:24.320
wichtig sind.

00:15:24.580 --> 00:15:28.460
Diese Impulse führen zu Visualisierungen, die nicht nur den Standards entsprechen, sondern

00:15:28.460 --> 00:15:31.880
auch besser lesbar sind und auf verschiedenen Geräten besser funktionieren.

00:15:32.780 --> 00:15:36.360
Es gibt Berichte von Anwendern, die Vorschläge ausprobiert haben, die sie sonst ignoriert hätten.

00:15:36.360 --> 00:15:42.000
Ein Anwender, der an einem regionalen Vertriebsmodell arbeitete, sah wie Co-Pilot einen Zerlegungsbaum

00:15:42.000 --> 00:15:43.600
anstelle einer flachen Zusammenfassung empfahl.

00:15:44.160 --> 00:15:47.740
Dies brachte nicht nur eine übersehene Anomalie ans Licht einer Region, die in der Zusammenfassung

00:15:47.740 --> 00:15:51.540
durchschnittlich aussah, in einer Kategorie jedoch stark anstieg, sondern löste tatsächlich

00:15:51.540 --> 00:15:55.260
ein Projekt zur Behebung eines Vertriebszuordnungsfehlers aus, der sonst vielleicht noch ein weiteres

00:15:55.260 --> 00:15:56.540
Quartal unentdeckt geblieben wäre.

00:15:56.540 --> 00:16:00.440
Die Erkenntnis daraus, manchmal ist die beste Visualisierung nicht die offensichtlichste.

00:16:00.860 --> 00:16:04.120
Die Engine von Co-Pilot lernt die Beziehung in ihrem Modell und die Absicht hinter ihren

00:16:04.120 --> 00:16:07.280
KPIs kennen, was ihnen die Chance gibt, Dinge aufzudecken, nach denen sie gar nicht

00:16:07.280 --> 00:16:07.960
gesucht hätten.

00:16:09.040 --> 00:16:12.680
Diese visuellen Vorschläge dienen also nicht nur dazu, Dinge für ein Meeting hübscher

00:16:12.680 --> 00:16:13.300
zu gestalten.

00:16:14.220 --> 00:16:17.960
Sie dienen dazu, Ansichten zu erstellen, die Diskussionen anregen, auf Probleme hinweisen

00:16:17.960 --> 00:16:19.980
und reale Geschäftsentscheidungen direkt unterstützen.

00:16:21.000 --> 00:16:24.260
Die Grundlage des Modells bedeutet also nichts, wenn die Leute ihre Dashboards nicht tatsächlich

00:16:24.260 --> 00:16:25.060
nutzen, um zu handeln.

00:16:25.060 --> 00:16:29.120
Wenn Sie anfangen, diese maßgeschneiderten Visualisierungen und klaren Formatierungen

00:16:29.120 --> 00:16:31.180
zu sehen, erhalten Sie mehr als nur Engagement, Sie erhalten Handlung.

00:16:31.900 --> 00:16:35.580
Als nächstes gibt es die Lernkurve, die nicht nur Co-Pilot betrifft, sondern auch Sie,

00:16:35.880 --> 00:16:36.060
Sir.

00:16:37.100 --> 00:16:40.580
Die Feedback-Schleife, die Ihren Datenmodellierungs-Workflow mit der Zeit präziser macht.

00:16:42.200 --> 00:16:45.040
Die Feedback-Schleife trainiert Co-Pilot und Ihren eigenen Daten-EQ.

00:16:45.720 --> 00:16:47.860
Die meisten Leute sehen Co-Pilot als eine Vorschlagsmaschine.

00:16:48.560 --> 00:16:49.480
Er gibt Ihnen Empfehlungen.

00:16:49.980 --> 00:16:51.440
Sie nehmen sie entweder an oder Sie lehnen sie ab.

00:16:51.440 --> 00:16:55.500
Aber wenn man genauer hinsieht, ist die Beziehung etwas komplizierter und ehrlich

00:16:55.500 --> 00:16:57.880
gesagt klüger als eine Einbahnstraße.

00:16:59.180 --> 00:17:03.600
Jedes Mal, wenn Sie Feedback an Co-Pilot senden, sei es, dass Sie die neue DAX-Formel akzeptieren

00:17:03.600 --> 00:17:07.280
oder eine vorgeschlagene Spaltenkombination überschreiben, optimieren Sie nicht nur die

00:17:07.280 --> 00:17:10.600
KI, sondern überdenken mit jeder Anpassung auch Ihre eigene Logik.

00:17:12.220 --> 00:17:14.920
Ein bisschen wie der Moment, in dem man die Route eines Autopiloten ändert und gezwungen

00:17:14.920 --> 00:17:16.340
ist, seine Karte noch einmal zu überprüfen.

00:17:16.340 --> 00:17:20.520
Der Co-Pilot von Fabric schreibt keine Notizen auf ein unbeschriebenes Blatt.

00:17:21.160 --> 00:17:25.120
Er nimmt Ihren Workflow aktiv auf und passt sich an, was nach einer Weile dazu führt, dass

00:17:25.120 --> 00:17:26.580
Sie Ihre Entscheidungsfindung verändern.

00:17:27.860 --> 00:17:31.120
Stellen Sie sich vor, Sie haben einen halben Tag damit verbracht, ein ziemlich standardmäßiges

00:17:31.120 --> 00:17:34.720
Verkaufsmodell zu erstellen und gerade als Sie Co-Pilots empfohlen das Gesamtergebnismaß

00:17:34.720 --> 00:17:37.600
akzeptieren wollen, wirft er eine Berechnung ein, von der Sie wissen, dass sie nicht Ihrem

00:17:37.600 --> 00:17:38.460
Berichtsstandard entspricht.

00:17:39.340 --> 00:17:43.080
Vielleicht hat es einen Ausschluss für Partnerrabatte übersehen oder eine Promoaktion einbezogen,

00:17:43.140 --> 00:17:44.120
die hätte getrennt werden müssen.

00:17:44.120 --> 00:17:45.860
Ha, Sie ändern die Formel.

00:17:46.280 --> 00:17:49.560
Sofort fragt Co-Pilot nach dem Kontext, einer kurzen Beschreibung oder einer Bestätigung

00:17:49.560 --> 00:17:51.480
der von Ihnen angewandten Regel, Regel.

00:17:52.320 --> 00:17:54.880
Das Wichtige hierbei ist, dass Ihre Eingabe nicht im Nichts verschwindet.

00:17:55.880 --> 00:17:59.080
Wenn Sie das nächste Mal ein Modell mit ähnlichen Daten erstellen, erinnert sich Co-Pilot daran.

00:17:59.760 --> 00:18:02.860
Kein fälschliches Annehmen mehr, dass jeder Umsatz tatsächlicher Gewinn ist und sicher

00:18:02.860 --> 00:18:05.500
kein Vergessen mehr Partnerrabatte in Quartalsberichten wegzulassen.

00:18:06.740 --> 00:18:11.020
Ihr Feedback fließt also in jeden späteren Vorschlag ein, auf eine Weise, die die meisten nicht

00:18:11.020 --> 00:18:11.740
erwarten würden.

00:18:11.740 --> 00:18:15.800
Bei diesem Prozess geht es nicht nur um Effizienz, sondern um Genauigkeit von Version zu Version.

00:18:16.480 --> 00:18:18.200
Es gibt eine Hemmschwelle, die man überwinden muss.

00:18:19.180 --> 00:18:22.600
Die Vorstellung, dass es riskant ist, eine KI ihre Korrekturen beobachten und daraus lernen

00:18:22.600 --> 00:18:23.700
zu lassen, ist verständlich.

00:18:24.600 --> 00:18:27.460
Wenn Sie Co-Pilot etwas Falsches mitteilen, verankert es sich dann an diesem Fehler.

00:18:28.000 --> 00:18:30.620
Was ist, wenn es eine ungeschickte Übergangslösung übernimmt, die Sie nur für eine Deadline

00:18:30.620 --> 00:18:32.120
genutzt haben und Sie dann zum Standard erklärt?

00:18:32.600 --> 00:18:33.940
Diese Sorge ist nicht abwegig.

00:18:34.260 --> 00:18:37.440
Unternehmen möchten nicht, dass Ihre Geschäftslogik abweicht, ohne dass Sie nachverfolgen können,

00:18:37.440 --> 00:18:39.420
wie sich diese verändert, wie sich diese verändern.

00:18:39.620 --> 00:18:43.220
Aber der Punkt ist, Co-Pilots Design in Fabric sorgt dafür, dass es immer nach Input fragt,

00:18:43.260 --> 00:18:45.840
wenn eine Änderung oder Ablehnung stattfindet, windet.

00:18:46.500 --> 00:18:50.720
Dieser laufende Kommentar, die kleinen Gründe und Notizen werden als Teil des Feedbackzyklus

00:18:50.720 --> 00:18:51.300
aufgezeichnet.

00:18:51.300 --> 00:18:56.660
Mit der Zeit hilft dieses Protokoll, die Empfehlungen so zu steuern, dass Sie Ihren spezifischen

00:18:56.660 --> 00:19:00.060
Geschäftsregeln entsprechen und nicht nur generischen Vorgaben.

00:19:01.080 --> 00:19:03.580
Je mehr Sie interagieren, desto unternehmensspezifischer wird die KI.

00:19:04.500 --> 00:19:07.160
Und falls Sie eine Angewohnheit rückgängig machen müssen, ist dies nachvollziehbar und

00:19:07.160 --> 00:19:07.540
erklärbar.

00:19:08.180 --> 00:19:11.440
Das Ergebnis ist eine sich entwickelnde Engine, die flexibler wird statt starrer.

00:19:12.120 --> 00:19:15.560
Ein Team, mit dem ich arbeitete, ignorierte anfangs die Hälfte der Vorschläge von Co-Pilot.

00:19:16.760 --> 00:19:20.440
Ihre ersten Modelle waren Standard einfache Verknüpfungen, ein paar langweilige Visualisierungen,

00:19:20.440 --> 00:19:22.480
nichts, das wirklich herausstach.

00:19:23.480 --> 00:19:27.200
Aber als Sie begannen, darauf zu reagieren, Visualisierungen abzulehnen, DAX für neue

00:19:27.200 --> 00:19:30.900
Produktlinien zu überarbeiten und zu erklären, warum ein Transformationsschritt wichtig war,

00:19:30.980 --> 00:19:31.740
änderte sich etwas.

00:19:33.220 --> 00:19:36.880
Innerhalb eines Monats schlug Co-Pilot nicht nur weniger generische Ergebnisse vor, es

00:19:36.880 --> 00:19:40.860
erstellte Visualisierungen, die die KPIs des Unternehmens widerspiegelten, und schlug

00:19:40.860 --> 00:19:44.280
sogar Transformationen vor, die zu Ihren neuen Geschäftsprozessen passten.

00:19:45.300 --> 00:19:49.500
Ihre Pipeline wurde zudem schneller, da die wiederholten Korrekturen Co-Pilot-Informationen

00:19:49.500 --> 00:19:52.880
lieferten, die es aus dem Standardmodus in ein individuelleres Muster zwangen.

00:19:54.440 --> 00:19:57.480
Durch die Verknüpfung von Feedback-Schleifen mit den realen Geschäftsanforderungen beschlossen

00:19:57.480 --> 00:20:01.080
sieht, die Lücke zwischen ausreichend guten Modellen und Ergebnissen, die einer ernsthaften

00:20:01.080 --> 00:20:01.920
Prüfung standhielten.

00:20:02.780 --> 00:20:04.560
Es sind nicht nur Anekdoten, die diesen Punkt belegen.

00:20:05.460 --> 00:20:08.620
Studien untersuchen derzeit, wie die aktive Arbeit mit dem Feedback-Zyklus von Co-Pilot

00:20:08.620 --> 00:20:09.580
den Fortschritt beschleunigt.

00:20:10.320 --> 00:20:14.360
Teams, die regelmäßig Feedback geben, ob positiv, negativ oder nur durch kleine erklärende Hinweise,

00:20:14.500 --> 00:20:16.380
stellen fest, dass die Fehlerraten bei der Modellierung sinken.

00:20:16.380 --> 00:20:20.140
Das Berichtswesen wird relevanter und die Genauigkeit berechneter Kennzahlen nimmt zu.

00:20:20.540 --> 00:20:20.920
Nimmt zu.

00:20:21.400 --> 00:20:25.160
Aktuelle Zahlen zeigen des engagierten Teams eine Steigerung der allgemeinen Berichtsgenauigkeit

00:20:25.160 --> 00:20:29.720
und Präzision um etwa 30% erzielen im Vergleich zu Gruppen, die Vorschläge nur passiv annehmen

00:20:29.720 --> 00:20:32.980
oder ablehnen, ohne Kontext hinzuzufügen, ohne Kontext hinzuzufügen.

00:20:33.600 --> 00:20:37.040
Die Schlussfolgerung ist hier keine Magie, sondern gezieltes Lernen durch Interaktion.

00:20:37.960 --> 00:20:41.460
Je mehr Co-Pilot sieht und je stärker sie es zu Erklärungen oder Verfeinerungen zwingen,

00:20:41.720 --> 00:20:44.500
desto besser entsprechen ihre Datenmodelle den geschäftlichen Anforderungen.

00:20:44.500 --> 00:20:48.020
Überraschenderweise trainiert dieses Feedback-System nicht nur die KI.

00:20:49.460 --> 00:20:53.200
Immer mehr Anwender berichten, dass das Überprüfen und Korrigieren der Co-Pilot-Ergebnisse

00:20:53.200 --> 00:20:55.120
ihren eigenen Modellierungsansatz optimiert.

00:20:56.180 --> 00:20:59.580
Das klingt seltsam, zeigt sich aber daran, wie Menschen beginnen, Probleme vorherzusehen,

00:20:59.660 --> 00:21:02.860
verborgene Logikfehler zu erkennen oder sogar Dokumentationen hinzuzufügen,

00:21:03.200 --> 00:21:04.680
wo sie sich früher nie die Mühe gemacht haben.

00:21:04.680 --> 00:21:09.600
Anstatt alles ungeprüft zu akzeptieren, gewöhnen sich Teams an, Empfehlungen zu hinterfragen,

00:21:10.120 --> 00:21:12.360
Formeln zu bearbeiten und bewusster darüber nachzudenken,

00:21:12.460 --> 00:21:14.860
warum bestimmte Visualisierungen funktionieren und andere nicht.

00:21:16.220 --> 00:21:19.200
Es ist mittlerweile üblich, dass sich Anwender fast nebenbei Best Practices

00:21:19.200 --> 00:21:22.280
für die Modellierung aneignen, Gewohnheiten, die sie dem Erklären von Korrekturen

00:21:22.280 --> 00:21:25.200
oder der Verteidigung einer Logikanpassung gegenüber Co-Pilot zuschreiben.

00:21:25.200 --> 00:21:28.900
Es geht hier nicht darum, sich selbst durch Automatisierung überflüssig zu machen,

00:21:29.000 --> 00:21:32.760
sondern darum, das eigene Datengespür weiterzuentwickeln, während das System mit ihnen reift.

00:21:33.720 --> 00:21:36.100
Die Nutzung von Co-Pilot ist also keine passive Erfahrung.

00:21:36.720 --> 00:21:40.340
Es ist eine Partnerschaft, die im Laufe der Zeit sowohl das Werkzeug als auch den Anwender schärft.

00:21:40.680 --> 00:21:44.520
Je mehr sie in Feedback investieren, desto präziser werden ihre Modelle, Berichte und Dashboards.

00:21:45.560 --> 00:21:46.640
Ihr Arbeitsablauf entwickelt sich weiter.