Merkmale von Foundry IQ (Azure KI-Suche)

Hinweis

Foundry IQ (Azure KI-Suche) bietet direkte Indizierungs- und Abfrage-APIs zusammen mit Wissensquellen- und Knowledge Base-APIs auf höherer Ebene für den verwalteten Abruf. Verwenden Sie das Azure Portal, REST-APIs oder Azure SDKs, um diese Funktionen zu konfigurieren, oder verbinden Sie Agents mit Wissensdatenbanken im Microsoft Foundry-Portal.

Foundry IQ (Azure KI-Suche) bietet Informationsabruf und verwendet optionale KI-Integration, um mehr Wert aus Text- und Vektorinhalten zu extrahieren.

In der folgenden Tabelle sind die Features nach Kategorie zusammengefasst. Es gibt eine Featureparität in allen Azure öffentlichen, privaten und souveränen Clouds, aber einige Features werden in specific regions oder specific tiers nicht unterstützt.

Agentenbasiertes Abrufen

Modellgestützte Abfrageplanung, Antwortsynthese und die minimal, low und medium Reasoning-Aufwandsstufen für den Abruf sind in der REST-API 2026-10-01 allgemein verfügbar. Steuerelemente, die nur in der Vorschau verfügbar sind, und SDK- oder Portalworkflows behalten ihre dokumentierten Versionsanforderungen bei. Weitere Informationen finden Sie unter Featureverfügbarkeit.

Kategorie Funktionen
Wissensdatenbanken Wissensdatenbanken koordinieren die agentische Abrufpipeline, stellen eine Verbindung mit Ihrem LLM her und verwalten Abfrageparameter. Eine Wissensdatenbank verweist auf eine oder mehrere Wissensquellen und definiert das Abrufverhalten.
Wissensquellen Wissensquellen definieren die Inhalte, die einer Wissensbasis zur Verfügung stehen. Eine indizierte Wissensquelle basiert auf einem Suchindex, während eine Remotewissensquelle Inhalte zum Abfragezeitpunkt von einer externen Plattform abruft.
Abfrageplanung Bei der Abfrageplanung wird ein LLM verwendet, um den Unterhaltungskontext zu analysieren und komplexe Fragen in fokussierte Unterabfragen aufzuteilen. Dazu gehören die Verarbeitung des Chatverlaufs, die Analyse von Abfragen, die Synonymerweiterung und die Rechtschreibkorrektur.
Parallele Abfrageausführung Unterabfragen werden gleichzeitig in allen Wissensquellen ausgeführt. Jede Unterabfrage unterstützt Schlüsselwort-, Vektor- und Hybridsuche mit automatischer semantischer Reranking.
Rückgewinnungsanstrengung für Schlussfolgerungen Der Abruf von Gründen steuert die Ebene der LLM-Verarbeitung in der Pipeline, sodass Sie die Abruftiefe und Relevanz mit Latenz und LLM-Kosten ausgleichen können. Die auto Ebene bleibt in der Vorschau.
Antwortausgabe Die Pipeline gibt entweder extraktive Grounding-Inhalte zurück oder, mit aktivierter Antwortsynthese, eine LLM-generierte Antwort mit Zitaten. Sie können optional Quellverweise und Ausführungsdetails einschließen.

Indizierung und Datenextraktion

Kategorie Funktionen
Datenquellen Suchindizes können Text aus einer beliebigen Quelle akzeptieren, vorausgesetzt, sie wird als JSON-Dokument übermittelt.

Indexer sind ein Feature, das den Datenimport aus unterstützten Datenquellen automatisiert, um durchsuchbare Inhalte in primären Datenspeichern zu extrahieren. Indexer behandeln die JSON-Serialisierung für Sie und unterstützen die meisten Formen der Änderungs- und Löscherkennung. Sie können eine Verbindung mit einer Vielzahl von Datenquellen herstellen, einschließlich Microsoft OneLake, Azure SQL-Datenbank, Azure Cosmos DB oder Azure Blob Storage.

Logic Apps Connectors bieten Ihnen Zugriff auf eine breitere Palette von Datenquellen, einschließlich Daten auf anderen Cloudplattformen. Diese Indizierungs- und Anreicherungspipeline wird in Foundry IQ erstellt, aber in Azure Logic Apps verwaltet.

Wissensquellen sind ein Feature des agentischen Abrufs. Sie werden während der Indizierung und zur Abfragezeit verwendet, um eine Wissensbasis zu unterstützen.
Hierarchische und geschachtelte Datenstrukturen Mit komplexen Typen und Auflistungen können Sie nahezu jede JSON-Struktur innerhalb eines Suchindex modellieren. Die Eins-zu-viele- und Viele-zu-viele-Kardinalität kann über Sammlungen, komplexe Typen und Sammlungen von komplexen Typen nativ ausgedrückt werden.
Linguistische Analyse Analysatoren sind Komponenten der klassischen Suche, die während der Indizierung und Suchvorgängen zur Textverarbeitung verwendet werden. Standardmäßig können Sie den allgemeinen Standard Lucene Analyzer verwenden oder die Standardeinstellung mit einem Sprachanalysator, einem von Ihnen konfigurierten benutzerdefinierten Analyzer oder einem anderen vordefinierten Analyzer überschreiben, der Token im benötigten Format erzeugt.

Sprachanalysatoren von Lucene oder Microsoft werden verwendet, um sprachspezifische linguistische Merkmale intelligent zu behandeln, einschließlich Verbformen, Geschlecht, unregelmäßiger Pluralformen (z. B. "Maus" vs. "Mäuse"), Wortzerlegung, Wortsegmentierung (für Sprachen ohne Leerzeichen) und vieles mehr.

Benutzerdefinierte lexikalische Analyzer werden für komplexe Abfrageformen wie phonetischen Abgleich und reguläre Ausdrücke verwendet.

Chatmodell- und Agentintegration

Kategorie Funktionen
Während der Indizierung verwendete Modelle für die Chatvervollständigung GenAI Prompt Skill ist eine Fähigkeit, die während der Indizierung ein großes Sprachmodell aufruft und eine Eingabeaufforderung bereitstellt, die die Aufgabe bestimmt. Sie entscheiden, was die Aufgabe ist. Es kann sein, ein Bild zu beschreiben, Inhalte zusammenzufassen oder zu bearbeiten, oder jede Aufgabe, die das Modell ausführen kann. Das Ergebnis wird einem durchsuchbaren Index als neues Feld hinzugefügt.
Zur Abfragezeit verwendete Chatabschlussmodelle Agentic retrieval uses a large language model for query planning, decomposing and paraphrasing complex queries for better query coverage over your index. Antworten aus dem agentenbasierten Abruf sind für Agent-zu-Agent-Workflows konzipiert. Sie können Suchergebnisse als einzelne große Zeichenfolge übergeben, was die Nutzung durch den Agenten Ihrer proprietären Inhalte vereinfacht. Die Antwort enthält auch Zitate und Abfrageausführungsinformationen.

Antwortsynthese verwendet das LLM, um zitatgestützte Antworten aus Suchergebnissen zu generieren, die vom agentischen Abruf zurückgegeben werden.

RAG-Muster können mithilfe vorhandener Funktionen implementiert werden. Die Möglichkeit, die Relevanz zu optimieren und Hybridabfragen zu erstellen, verbessern die Qualität der an Chat-Bots gesendeten Inhalte für die Antwortgenerierung.

Angewandte KI und KI-angereicherte Inhalte

Kategorie Funktionen
KI-Verarbeitung während der Indizierung KI-Anreicherung bezieht sich auf eingebettete Bild- und Natürliche Sprachverarbeitung in einer Indexerpipeline, die Text und Informationen aus Inhalten extrahiert, die andernfalls nicht für die Volltextsuche indiziert werden können. Die KI-Verarbeitung wird durch Hinzufügen und Kombinieren von Fähigkeiten in einem Skillset erreicht, das dann an einen Indexer angefügt wird. KI kann entweder eingebaute Fähigkeiten wie die von Microsoft, z. B. Textübersetzung oder optische Zeichenerkennung (OCR), sein oder benutzerdefinierte Fähigkeiten, die Sie bereitstellen.

Integrierte Datenblöcke und Vektorisierung teilen größere Passagen in kleinere Abschnitte auf, die vektorisiert werden können, wobei Vektoren an dedizierte Felder in einem Index für die Vektor- und Hybridsuche weitergeleitet werden.
KI-Verarbeitung während der Abfrageausführung Vektorisierer werden verwendet, um Benutzerabfragezeichenfolgen in Vektoren für die Vektorsuche zu codieren. Sie können dieselben Einbettungsmodelle für Abfragen verwenden, die Sie für die Indizierung verwendet haben.

Speichern von angereicherten Inhalten zur Analyse und Nutzung in Nicht-Suchszenarien Der Wissensspeicher ist eine persistente Speicherung von KI-Inhalten, die angereichert oder KI-generiert sind und für Nicht-Suchszenarien wie Knowledge Mining und Data Science-Workloads vorgesehen sind. Ein Wissensspeicher wird in einem Skillset definiert, aber in Azure Storage als Objekte oder tabellarische Rowsets erstellt.
Zwischengespeicherte Anreicherungen (Vorschau) Die Anreicherungszwischenspeicherung bezieht sich auf zwischengespeicherte Anreicherungen, die während der Ausführung des Skillsets wiederverwendet werden können. Die Zwischenspeicherung ist in Skillsets hilfreich, die OCR und Bildanalysen umfassen, die teuer zu verarbeiten sind.

Vektor- und Hybridabruf

Kategorie Funktionen
Vektorindizierung Fügen Sie in einem Suchindex Vektorfelder hinzu, um Vektorsuchszenarien zu unterstützen. Vektorfelder können mit Nichtvektorfeldern im selben Suchdokument koexistieren.
Vektorabfragen Formulieren Sie einzelne und mehrere Vektorabfragen.
Vektorsuchalgorithmen Verwenden Sie hierarchische Navigable Small World (HNSW) oder vollständige K-Nearest Neighbors (KNN), um ähnliche Vektoren in einem Suchindex zu finden.
Vektorfilter Wenden Sie Filter vor oder nach der Abfrageausführung an für eine höhere Genauigkeit beim Abrufen von Informationen.
Abrufen hybrider Informationen Suchen Sie in einer einzigen Hybridabfrageanforderung nach Konzepten und Schlüsselwörtern.

Die Hybridsuche konsolidiert die Vektor- und Textsuche mit optionaler semantischer Rangfolge und Relevanzoptimierung, um optimale Ergebnisse zu erzielen.
Integrierte Datenblöcke und Vektorisierung Systemeigene Datenabschnitte durch Textteilungsfertigkeit. Native Vektorisierung durch Vektorisierer und Einbettungsfertigkeiten wie Azure OpenAI Embedding, Azure Vision multimodal (Vorschau) und AML, die Sie zum Herstellen einer Verbindung mit Endpunkten im Microsoft Foundry-Modellkatalog verwenden können.

Die integrierte Vektorisierung stellt eine End-to-End-Indizierungspipeline von Quelldateien zu Abfragen bereit.
Integrierte Vektorkomprimierung und Quantisierung Verwenden Sie integrierte skalare und binäre Quantisierung , um die Vektorindexgröße im Arbeitsspeicher und auf dem Datenträger zu reduzieren. Sie können auch die Speicherung von Vektoren, die Sie nicht benötigen, verzichten oder schmale Datentypen Vektorfeldern für geringere Speicheranforderungen zuweisen.

Klassische Volltext- und andere Abfrageformulare

Kategorie Funktionen
Freiformtextsuche Die Volltextsuche ist ein primärer Anwendungsfall für die meisten suchbasierten Apps. Abfragen können mithilfe einer unterstützten Syntax formuliert werden.

Einfache Abfragesyntax stellt logische Operatoren, Phrasensuchoperatoren, Suffixoperatoren, Rangfolgeoperatoren bereit.

Vollständige Lucene-Abfragesyntax enthält alle Vorgänge in einfacher Syntax mit Erweiterungen für Fuzzy-Suche, Näherungssuche, Ausdruckserweiterungen und reguläre Ausdrücke.
Relevanz Einfache Bewertung ist ein wichtiger Vorteil von Foundry IQ. Verwenden Sie Bewertungsprofile, um die Relevanz als Funktion von Werten in den Dokumenten selbst zu modellieren. So möchten Sie beispielsweise, dass neuere Produkte oder ermäßigte Produkte in den Suchergebnissen höher angezeigt werden. Sie können auch Bewertungsprofile erstellen, indem Sie Tags für personalisierte Bewertungen basierend auf den Einstellungen für die Kundensuche verwenden, die Sie separat nachverfolgen und speichern.

Semantic ranker ist ein Premium-Feature, das Ergebnisse basierend auf der semantischen Relevanz für die Abfrage neu rerankt. Je nach Inhalt und Szenario kann die Suchrelevanz mit minimalem Konfigurations- oder Aufwand erheblich verbessert werden.
Geospatialsuche Geospatialfunktionen filtern und gleichen anhand geografischer Koordinaten ab. Sie können eine Übereinstimmung nach Entfernung oder durch Einschließen in eine Polygonform finden.
Filter und Facets Die Faceted-Navigation wird über einen einzelnen Abfrageparameter aktiviert. Foundry IQ gibt eine facetierte Navigationsstruktur zurück, die Sie als Code hinter einer Kategorienliste verwenden können, zum selbstgesteuerten Filtern (z. B. zum Filtern von Katalogelementen nach Preisbereich oder Marke).

Filter können verwendet werden, um die Faceted-Navigation in die Benutzeroberfläche Ihrer Anwendung zu integrieren, die Abfrageformulierung zu verbessern und basierend auf benutzer- oder entwicklerspezifischen Kriterien zu filtern. Erstellen Sie Filter mithilfe der OData-Syntax.
Benutzererfahrung AutoVervollständigen kann für Typ-Ahead-Abfragen in einer Suchleiste aktiviert werden.

Suchvorschläge funktionieren auch mit teilweisen Texteingaben in einer Suchleiste, aber die Ergebnisse sind tatsächliche Dokumente in Ihrem Index und nicht Abfragebegriffe.

Synonyme ordnet gleichwertige Ausdrücke zu, die den Bereich einer Abfrage implizit erweitern, ohne dass der Benutzer die alternativen Ausdrücke angeben muss.

Treffermarkierung wendet Textformatierung auf ein übereinstimmendes Schlüsselwort in Suchergebnissen an. Sie können auswählen, welche Felder hervorgehobene Textausschnitte zurückgeben.

Das Sortieren wird für mehrere Felder über das Indexschema angeboten und dann zur Abfragezeit mit einem einzigen Suchparameter umgeschaltet.

Paging und die Drosselung Ihrer Suchergebnisse sind dank der fein abgestimmten Steuerungsmöglichkeiten, die Foundry IQ über Ihre Suchergebnisse bietet, einfach.

Sicherheitsfeatures

Kategorie Funktionen
Netzwerksicherheit IP-Regeln für eingehende Firewallunterstützung ermöglichen es Ihnen, IP-Bereiche einzurichten, über die der Foundry IQ-Dienst Anforderungen akzeptiert.

Erstellen Sie einen privaten Endpunkt mithilfe von Azure Private Link, um alle Anforderungen über ein virtuelles Netzwerk zu erzwingen.

Die Netzwerksicherheitsperimeterunterstützung ermöglicht es Ihnen, Foundry IQ mit einem Netzwerksicherheitsperimeter zu verbinden, der andere Azure Ressourcen enthält, sodass Sie den Netzwerkzugriff ganzheitlicher verwalten können.
Datenverschlüsselung Microsoft-managed Verschlüsselung im Ruhezustand ist in die interne Speicherebene integriert und ist unwiderruflich.

Vom Kunden verwaltete Verschlüsselungsschlüssel (CMK), die Sie in Azure Key Vault erstellen und verwalten, können zur ergänzenden Verschlüsselung von Indizes und Synonymzuordnungen verwendet werden. Für Dienste, die nach dem 1. August 2020 erstellt wurden, erweitert die CMK-Verschlüsselung auf Daten auf temporären Datenträgern, um die vollständige doppelte Verschlüsselung von indizierten Inhalten zu bieten.
Eingehender Zugriff Die rollenbasierte Zugriffssteuerung weist Benutzern und Gruppen Rollen in Microsoft Entra ID für den kontrollierten Zugriff auf Suchinhalte und -vorgänge zu. Sie können auch die schlüsselbasierte Authentifizierung verwenden, wenn Sie keine Rollenzuweisungen verwenden möchten.

Die Zugriffssteuerung auf Dokumentebene filtert Suchergebnisse heraus, die ein Benutzer nicht zum Anzeigen autorisiert ist. Wenn die Datenquelle für mehrere Datenquellen ein Zugriffssteuerungsmodell bereitstellt, können Sie einen Index konfigurieren, um die Benutzerberechtigungsmetadaten zu erben.
Ausgangssicherheit (Indexer) Datenverbindungen über private Endpunkte ermöglichen es einem Indexer, eine Verbindung mit Azure Ressourcen herzustellen, die über Azure Private Link geschützt sind.

Datenverbindungen über verwaltete Identitäten authentifizieren Verbindungen mit Azure Ressourcen mithilfe eines Microsoft Entra Sicherheitsprinzipals, wodurch Speicher und Übergabe hartcodierter API-Schlüssel beseitigt werden.

Der Datenzugriff mithilfe einer vertrauenswürdigen Identität bedeutet, dass Verbindungszeichenfolgen mit externen Datenquellen Benutzernamen und Kennwörter weglassen können. Wenn ein Indexer eine Verbindung mit der Datenquelle herstellt, ermöglicht die Ressource die Verbindung, wenn der Foundry IQ-Dienst zuvor als vertrauenswürdiger Dienst registriert wurde (gilt nur für Azure Storage).

Portal-Funktionen

Kategorie Funktionen
Tools für Prototypen und Inspektion "Index hinzufügen" ist ein Index-Designer im Azure-Portal, mit dem Sie ein einfaches Schema erstellen können, das aus zugeordneten Feldern und einigen anderen Einstellungen besteht. Nach dem Speichern des Indexes können Sie ihn mit einem SDK oder der REST-API füllen, um die Daten bereitzustellen.

Beim Importieren von Daten handelt es sich um einen Assistenten, der eine End-to-End-Indizierungspipeline erstellt, einschließlich einer Index-, Indexer-, Skillset- und Datenquellendefinition für Schlüsselwortsuche und RAG-Szenarien. Für RAG verarbeitet sie auch Datenblöcke und Vektorisierung. Wenn Ihre Daten in Azure vorhanden sind, können Sie mit diesem Assistenten beträchtliche Zeit und Mühe sparen, insbesondere beim Untersuchen von Proof-of-Concepts-Szenarios.

Search explorer wird verwendet, um Abfragen zu testen und Bewertungsprofile zu verfeinern.

Create demo app wird verwendet, um eine HTML-Seite zu generieren, die zum Testen der Suchoberfläche verwendet werden kann.

Debug Sessions sind ein visueller Editor, mit dem Sie ein Skillset interaktiv debuggen können. Es zeigt Abhängigkeiten, Ausgaben und Transformationen an.
Überwachung und Diagnose Aktivieren Sie Überwachungsfeatures, um über die Metriken auf einen Blick hinauszugehen, die immer im Azure-Portal sichtbar sind. Metriken für Abfragen pro Sekunde, Latenz und Drosselung werden erfasst und auf Portalseiten gemeldet, ohne dass zusätzliche Konfiguration erforderlich ist.

Programmierbarkeit

Kategorie Funktionen
REST Die Dienst-REST-API richtet sich an Vorgänge auf der Datenebene, einschließlich aller Vorgänge im Zusammenhang mit Indizierung, Abfragen, KI-Anreicherung und agentischen Abrufen. Sie können diese Clientbibliothek auch verwenden, um Systeminformationen und Statistiken abzurufen.

Management-REST-API dient der Diensterstellung und -bereitstellung über Azure Resource Manager. Sie können diese API auch verwenden, um Schlüssel und Kapazität zu verwalten.
Azure SDK für .NET Azure.Search.Documents ist für Datenebenenvorgänge vorgesehen, einschließlich aller Vorgänge im Zusammenhang mit Indizierung, Abfragen und KI-Anreicherung. Sie können diese Clientbibliothek auch verwenden, um Systeminformationen und Statistiken abzurufen.

Microsoft.Azure.Management.Search dient zum Erstellen und Bereitstellen von Diensten über Azure Resource Manager. Sie können diese API auch verwenden, um Schlüssel und Kapazität zu verwalten.
Azure SDK für Java com.azure.search.documents ist für Datenebenenvorgänge vorgesehen, einschließlich aller Vorgänge im Zusammenhang mit Indizierung, Abfragen und KI-Anreicherung. Sie können diese Clientbibliothek auch verwenden, um Systeminformationen und Statistiken abzurufen.

com.microsoft.azure.management.search dient zur Diensterstellung und -bereitstellung über Azure Resource Manager. Sie können diese API auch verwenden, um Schlüssel und Kapazität zu verwalten.
Azure SDK für Python azure-search-documents ist für Datenebenenvorgänge vorgesehen, einschließlich aller Vorgänge im Zusammenhang mit Indizierung, Abfragen und KI-Anreicherung. Sie können diese Clientbibliothek auch verwenden, um Systeminformationen und Statistiken abzurufen.

Azure-mgmt-search dient zum Erstellen und Bereitstellen von Diensten über Azure Resource Manager. Sie können diese API auch verwenden, um Schlüssel und Kapazität zu verwalten.
Azure SDK für JavaScript/TypeScript Azure/search-documents ist für Datenebenenvorgänge vorgesehen, einschließlich aller Vorgänge im Zusammenhang mit Indizierung, Abfragen und KI-Anreicherung. Sie können diese Clientbibliothek auch verwenden, um Systeminformationen und Statistiken abzurufen.

Azure/arm-search dient der Diensterstellung und -bereitstellung über Azure Resource Manager. Sie können diese API auch verwenden, um Schlüssel und Kapazität zu verwalten.