Voice Agent in Foundry erstellen und Microsoft Learn anbinden

Jannik Reinhard · 10. November 2026

Einen sprechenden Support-Agenten in Microsoft Foundry erstellen, Verhalten und Stimme einstellen, Microsoft Learn per Toolbox anbinden und eine Intune-Frage testen.

„Wie lege ich in Intune eine Richtlinie an?“ Für einen ersten Voice-Agenten ist das eine brauchbare Support-Frage. Der Agent soll nachfragen können, die passenden Schritte erklären und mit einer Dokumentationsquelle arbeiten. Zugriff auf Geräte oder die Berechtigung zum Anlegen einer Policy braucht er dafür nicht.

In dieser Folge erstelle ich diesen Support-Agenten direkt im Foundry-Portal. Ich passe seine Begrüßung an, schaue mir die Spracheinstellungen an und verbinde Microsoft Learn über eine Toolbox. Am Ende starte ich ein Gespräch und lasse mir den Anfang der Intune-Anleitung erklären.

Die Screenshots stammen aus meiner Aufnahme vom 2. November 2026 im Modern-Device-Management-Projekt. Der Agent ist ein Demo-Assistent, keine eingerichtete Support-Hotline.

Das Video

Voice Agent in Foundry erstellen: Microsoft Learn per Sprache nutzen

Einen Agenten im Voice-Modus erstellen

Ich öffne Build > Agents > New agent. Über die Vorlagen ließen sich vorhandene Voice-Szenarien auswählen; im Video beginne ich mit einem eigenen Agenten.

Der Name ist IT-Support-Agent. Als Interaction Mode wähle ich Voice und beschreibe das Ziel knapp: Der Agent soll Anwender bei ihren Support-Fragen unterstützen. Danach öffne ich den Playground mit Create agent and open playground.

Foundry-Dialog Create an agent mit dem Namen IT-Support-Agent, Voice als Interaction Mode und einem kurzen Support-Ziel. — Die Erstellung im Video. Die Voice-Option ist in der gezeigten Oberfläche als Preview gekennzeichnet.

Foundry erzeugt aus diesen Angaben eine erste Instruction. Ich lese sie durch, bevor ich sie übernehme. Bei einem Support-Agenten interessieren mich vor allem die Rückfragen und seine Grenzen: Er soll erklären, was er weiß, aber keinen Zugriff auf ein Gerät oder Benutzerkonto behaupten.

Die aktuelle Voice-Agent-Quickstart-Anleitung beschreibt den verwalteten Voice-Agenten und den ersten gesprochenen Test. Prüfe die Verfügbarkeit im eigenen Foundry-Projekt; ein vorhandener Text-Agent beweist noch nicht, dass jede Voice-Konfiguration verfügbar ist.

Verhalten und Begrüßung auf ein Gespräch zuschneiden

Im Playground sehe ich unter anderem Personality, Environment und Greeting. Der Agent kann während des Gesprächs nicht automatisch meinen Bildschirm sehen. Das muss in seiner Arbeitsanweisung erkennbar sein.

Für einen Pilot würde ich die Anweisung beispielsweise so ergänzen:

Du hilfst bei Fragen zu Microsoft Intune.
Frage zuerst nach Plattform und gewünschtem Ergebnis, wenn beides fehlt.
Gib kurze Schritte und warte auf Rückfragen.
Nutze Microsoft Learn für produktspezifische Anleitungen.
Du hast keinen Zugriff auf Geräte, Benutzerkonten oder meinen Tenant.
Behaupte nicht, dass du eine Einstellung geprüft oder geändert hast.

Das ist mein Vorschlag für einen engeren Support-Pilot. In der Aufnahme verwende ich die erzeugten Instructions und kürze vor allem die feste Begrüßung auf: „Hello, I’m a support assistant. What can I help you with today?“

Foundry-Playground mit Instructions, Greeting und Voice-Einstellungen des Support-Agenten. — Verhalten und Begrüßung aus der Aufnahme. Eine knappe gesprochene Antwort lässt dem Anrufer Raum für die nächste Frage.

Eine vollständige schriftliche Anleitung ist am Telefon oft schwer zu verfolgen. Ich würde daher zunächst einen Schritt erklären lassen und danach fragen, ob der Nutzer an der erwarteten Stelle angekommen ist. Für lange Pfade oder Befehle braucht es zusätzlich einen geeigneten Textkanal.

Stimme, Audio und Gesprächswechsel prüfen

Die Aufnahme zeigt eine eingeschränkte Voice-Auswahl und einen Fehler bei der Abfrage von Voice-Capabilities. Die Meldung nennt eine fehlende Data Action. Diesen Fehler würde ich anhand der aufrufenden Identität und ihrer konkreten Berechtigungen untersuchen, statt ihn als allgemeinen Foundry-Fehler abzutun.

Auch die Avatar-Option ist in der gezeigten Region nicht verfügbar. Ein Regionswechsel ist deshalb keine beiläufige Lösung: Modellauswahl, Verarbeitung, Funktionsumfang und die eigenen Vorgaben müssen zusammenpassen.

Unter Advanced settings sehe ich Phrase List, Audio Enhancement mit Noise Suppression und Echo Cancellation sowie Automatic Turn Detection. Die Oberfläche bietet Azure semantic und Basic an.

Advanced settings des Voice-Agenten mit Audio Enhancement, Noise Suppression, Echo Cancellation und Automatic Turn Detection. — Die tatsächlich gezeigten Audio-Optionen. In dieser Folge vergleiche ich ihre Qualität nicht messtechnisch.

Für den nächsten Test würde ich bewusst mitten in einer Antwort nachfragen und anschließend eine längere Denkpause machen. Beides kommt in Support-Gesprächen vor. Der Agent sollte eine Rückfrage erkennen, ohne jede kurze Pause als Gesprächsende zu behandeln. Die aktuelle Voice-Konfiguration beschreibt die zugehörigen Ein- und Ausgabeeinstellungen.

Microsoft Learn über eine Toolbox anbinden

Ein Sprachinterface liefert allein noch keine aktuelle Dokumentation. Ich öffne deshalb Add a toolbox, erstelle eine Toolbox mit dem Namen MSLearn und suche im Tool-Katalog nach Microsoft Learn.

Foundry-Tool-Katalog innerhalb der Toolbox-Erstellung mit Suche nach Learn und Microsoft Learn MCP Server. — Die Suche nach der Dokumentationsanbindung im Video.

Ich wähle den Microsoft Learn MCP Server aus und verbinde den vorgeschlagenen Endpoint:

https://learn.microsoft.com/api/mcp

Der offizielle Learn-MCP-Überblick beschreibt die Anbindung an Microsofts Dokumentation. Sie gibt dem Agenten keine Verwaltungsrechte auf meinen Intune-Tenant. Eine Anleitung aus Learn abzurufen und eine Policy in Intune anzulegen sind unterschiedliche Vorgänge.

In der Demo füge ich auch Tool Search hinzu. Für eine kleine Voice-Toolbox würde ich anschließend einen Vergleich ohne diese zusätzliche Suchstufe machen. Tool-Aufrufe kosten Gesprächszeit; längere Stille ist bei einem gesprochenen Dialog deutlicher spürbar als in einem Chat.

Im Trace möchte ich später den konkreten Learn-Aufruf und seine Rückgabe sehen. Eine plausibel klingende Antwort allein belegt noch nicht, dass der Agent die Dokumentation tatsächlich verwendet hat.

Das Gespräch mit einer Intune-Frage testen

Nach dem Speichern starte ich die Session und frage, wie ich in Intune eine Policy erstellen kann. Der Agent beginnt mit einer gesprochenen Erklärung und nennt das Intune Admin Center. Ich unterbreche die Antwort in der Aufnahme; ein vollständiger Policy-Rollout wird nicht gezeigt.

Chatansicht des Voice-Playgrounds mit der Intune-Frage und dem Beginn der Antwort zum Anlegen einer Richtlinie. — Das sichtbare Testergebnis. Im Video ist zusätzlich der gesprochene Antwortbeginn zu hören.

Für einen belastbaren Support-Test würde ich danach mindestens drei Varianten verwenden: eine klare Windows-Frage, eine unvollständige Frage ohne Plattform und eine Frage mit falscher Annahme. Bei der zweiten sollte der Agent nachfragen. Bei der dritten möchte ich eine Korrektur mit Quelle, keine freundliche Bestätigung des Fehlers.

Notiere dabei Antwortbeginn, Unterbrechbarkeit, Quellenqualität und die Zeit bis zur ersten brauchbaren Erklärung. Ich würde eine fachlich richtige Antwort nicht allein deshalb akzeptieren, weil die Stimme angenehm klingt.

Vom Playground zu einem erreichbaren Kanal

Am Ende schaue ich auf Traces, Monitoring und Channels. Die Folge richtet noch keine Telefonnummer ein. Die aktuelle Dokumentation beschreibt dafür unter anderem Teams Phone extensibility und Twilio mit eigenen Voraussetzungen und Verbindungen. Eine funktionierende Playground-Session ist die Ausgangsbasis, nicht bereits ein erreichbarer Telefonkanal. Telefonkanäle anbinden

Ich würde zuerst das Gesprächsverhalten mit der kleinen Learn-Toolbox prüfen. Erst wenn Rückfragen, Quellen und Unterbrechungen funktionieren, kämen ein externer Kanal und weitergehende Aktionen hinzu. Für die nächste Prüfung kannst du meine Foundry-Folge zu Tracing und Evaluation danebenlegen. Der Begleitartikel ist auf Englisch, das Video auf Deutsch.