Microsoft Foundry vs. Copilot Studio: Vergleich 2026

Viele Unternehmen möchten derzeit KI-Agenten entwickeln, und die erste Frage, die ich bekomme, ist immer dieselbe: Foundry vs. Copilot Studio – welchen sollten wir verwenden? In einigen Bereichen überschneiden sich beide Plattformen und die Dokumente machen die Entscheidung nicht einfach. In diesem Blog-Beitrag gehe ich tiefer: Ich erkläre, wie beide Plattformen tatsächlich unter der Haube funktionieren, vergleiche Modelle, Hosting, Preise und Governance, und ich bin ehrlich, was die Qualität angeht – denn das ist das Problem, mit dem viele Copilot Studio-Projekte zu kämpfen haben. Ich erkläre auch, warum im Zeitalter der KI-gestützten Codierung die „Full Code“-Plattform Foundry oft der schnellere Weg zu einem funktionierenden Agenten ist. Am Ende sollten Sie wissen, welche Plattform zu Ihrem Szenario passt – oder ob Sie beide zusammen nutzen sollten.

Hinweis: Azure AI Foundry wurde bei Ignite 2025 in Microsoft Foundry umbenannt. Sie finden beide Namen weiterhin in älteren Dokumenten. In diesem Beitrag verwende ich Microsoft Foundry, einschließlich Foundry Agent Service.

Foundry vs. Copilot Studio: Was ist der Unterschied?

Die Kurzfassung: Es geht hauptsächlich darum, wer den Agenten erstellt und wo er ausgeführt wird.

Microsoft Copilot Studio ist eine Low-Code-SaaS-Plattform. Macher und IT-Administratoren erstellen Agenten in einem Grafikdesigner, veröffentlichen sie in Microsoft Teams, Microsoft 365 Copilot oder einer Website, und Microsoft führt alles für Sie aus. Sie benötigen kein Azure-Abonnement oder eine Infrastruktur.

Microsoft Foundry ist die Pro-Code-Plattform. Entwickler erstellen Agenten mit SDKs (Python, C#, TypeScript) gegen Foundry Agent Service. Es läuft in Ihrem Azure-Abonnement, Sie wählen das Modell aus, Sie steuern die Orchestrierung und Sie verbinden es mit Ihren eigenen Apps und Pipelines.

Hier ist mein Vergleich zwischen Foundry und Copilot Studio auf einen Blick:

	Copilot Studio	Microsoft Foundry
Zielgruppe	Maker und IT-Administratoren, Fusionsteams (Low-Code)	Entwickler, Data Scientists (Pro-Code)
Modelle	Verwaltete Modelle, kuratiert von Microsoft (BYO Foundry-Modell möglich)	Vollständiger Katalog: OpenAI, Anthropic, Meta, Mistral, Open Source, Fine-Tuning
Hosting	Verwaltetes SaaS, kein Azure-Abonnement erforderlich	Ihr Azure-Abonnement, Ihre Region, Ihre Netzwerkregeln
Preise	Copilot-Credits: Prepaid-Pakete oder pay-as-you-go	Verbrauch: Modell-Token zzgl. Tool-Gebühren
Governance	Entra Agent ID, Agent 365-Registrierung, Power Platform-Administratorkontrollen	Entra Agent ID, Agent 365-Registrierung, Azure RBAC und Richtlinien
Qualitätssicherung	Manuelles Testpanel, Aktivitätskarte	Evaluations, Tracing, Versionierung, Agent Optimizer
Am besten für	Teams/M365-Agenten, Helpdesk, HR, schnelle Wertschöpfung	Individuelle Apps, eigene Daten und Modelle, qualitätskritische Agenten

Wie funktioniert Copilot Studio?

Werfen wir zunächst einen Blick unter die Haube von Copilot Studio, denn die Plattform entscheidet viel für Sie – und Sie sollten wissen, was genau sie entscheidet.

Ein Agent in Copilot Studio ist eine Kombination aus Bausteinen: Anweisungen (eine Beschreibung in natürlicher Sprache dessen, was der Agent tun soll), Wissensquellen (SharePoint, Websites, Dataverse, Dokumente), Themen (vorgefertigte Konversationsflüsse), Tools (Connectoren und Agentenflüsse, die Aktionen ausführen) und Auslöser (Ereignisse, die den Agenten starten, ohne dass ein Benutzer danach fragt). Sie konfigurieren dies alles im Browser – kein Code, keine Bereitstellungspipeline.

Bild: Microsoft Learn – Sie beginnen damit, Ihren Agenten in einfacher Sprache zu beschreiben, und Copilot Studio stellt es Ihnen vor.

Das wichtigste Konzept ist die Orchestrierung – wie der Agent entscheidet, was mit einer Benutzernachricht geschehen soll. Copilot Studio verfügt über zwei Modi:

1. Klassische Orchestrierung: Der Agent gleicht die Nachricht des Benutzers mit Triggerphrasen ab und startet das Thema, das am besten passt. Alles andere – Fragen, Antworten, Verzweigungen – verfassen Sie als Knoten in diesem Thema. Das ist das alte Chatbot-Modell: vorhersehbar, aber starr.
2. Generative Orchestrierung (die Standardeinstellung für neue Agenten): Ein Sprachmodell liest die Beschreibungen Ihrer Themen, Tools und Wissensquellen und wählt eine oder mehrere davon aus, um die Anfrage zu beantworten. Es kann Themen miteinander verketten, Tool-Eingaben aus dem Konversationskontext füllen, automatisch nach fehlenden Informationen fragen und die endgültige Antwort selbst generieren.

Das ist das Wichtigste, was Sie über Copilot Studio verstehen sollten: Bei generativer Orchestrierung sind Ihre Beschreibungen Ihr Programmiermodell. Der Agent wählt ein Tool aus, weil sein Name und seine Beschreibung für die Absicht des Benutzers richtig klingen. Wenn zwei Tools ähnliche Beschreibungen haben, wählt der Agent möglicherweise die falsche aus – Microsofts eigene Orchestrierungsanleitung ist im Wesentlichen ein Styleguide zum Schreiben besserer Beschreibungen.

Für Aktionen bietet Ihnen Copilot Studio das Power Platform-Connector-Ökosystem (mehr als 1.500 Connectors) sowie Agent-Flows – Workflows im Power Automate-Stil, die ein Agent als Tool aufrufen kann. Die Veröffentlichung erfolgt mit wenigen Klicks: Teams, Microsoft 365 Copilot, ein Website-Widget oder andere Kanäle über Azure Bot Service.

Zum Testen erhalten Sie ein Testpanel mit einer Aktivitätskarte, die zeigt, welches Thema oder Tool der Agent ausgewählt hat und welche Eingaben er erfüllt hat:

Bild: Microsoft Learn – die Aktivitätskarte ist Ihr Haupt-Debugging Tool in Copilot Studio.

Hinweis: Die Aktivitätskarte ist wirklich nützlich, aber es handelt sich um eine manuelle Tool. Sie chatten, Sie schauen zu, Sie optimieren Beschreibungen. Es gibt keine integrierte Möglichkeit, 200 Testfragen für Ihren Agenten durchzuführen und einen Qualitätsfaktor zu erhalten. Beachten Sie dies im folgenden Abschnitt zur Qualität.

Wie funktioniert Microsoft Foundry?

Microsoft Foundry geht das gleiche Problem von Entwicklerseite an. Das Herzstück davon ist der Foundry Agent Service, und jeder Agent besteht aus denselben drei Komponenten: einem Modell aus dem Foundry-Katalog, Anweisungen und Tools.

Bild: Microsoft Learn – jeder Foundry-Agent ist ein Modell plus Anweisungen plus Tools, mit Eingaben von Benutzern oder Systemereignissen.

Foundry gibt Ihnen zwei Agententypen, je nachdem, wie viel Sie besitzen möchten:

1. Prompt-Agenten: Sie definieren den Agenten als Konfiguration – Anweisungen, Modell, Tools – entweder im Foundry-Portal oder über SDK/REST. Foundry führt es für Sie aus. Keine Container, keine zu verwaltende Rechenleistung. Das kommt Copilot Studio näher, als die meisten Leute denken: Sie können einen nützlichen Prompt-Agenten erstellen, ohne Orchestrierungscode zu schreiben.
2. Gehostete Agenten: Sie schreiben echten Agentencode mit einem Framework Ihrer Wahl – Microsoft Agent Framework, LangGraph, das OpenAI Agents SDK oder Ihren eigenen Code – verpacken ihn und Foundry hostet ihn mit einem verwalteten Endpunkt, automatischer Skalierung, einer dedizierten Entra-Identität und Observability.

Hinter beiden verbirgt sich die Responses API – ein Endpunkt, der jedem Agenten Zugriff auf die Modelle und die Plattform Tools ermöglicht: Dateisuche, Code-Interpreter, Websuche, Speicher und MCP-Server. Sie können die Responses-API sogar über einen Agentencode aufrufen, der vollständig außerhalb von Foundry ausgeführt wird.

Das Erstellen eines Prompt-Agenten aus Code sieht folgendermaßen aus:

# Create a prompt agent with the Foundry SDK (Python)
from azure.ai.projects import AIProjectClient
from azure.identity import DefaultAzureCredential

project = AIProjectClient(
    endpoint="https://YOUR-RESOURCE.services.ai.azure.com/api/projects/YOUR-PROJECT",
    credential=DefaultAzureCredential(),
)

agent = project.agents.create_agent(
    model="gpt-4.1",
    name="helpdesk-agent",
    instructions="You answer IT questions for employees. Keep answers short.",
)

Der Teil, der mir am besten gefällt, ist der Entwicklungslebenszyklus rund um den Agenten. Sie testen im Playground, Sie Trace jeden Modellaufruf und jeden Tool-Aufruf, Sie führen Evaluations für Datensätze aus und Sie veröffentlichen einen versionierten Agenten auf einem stabilen Endpunkt. Qualitätsprüfungen sind in das Portal integriert – Sie können Metriken wie Task Adherence, Intent Resolution oder Groundedness direkt im Playground aktivieren:

Bild: Microsoft Learn – Evaluations ist eine erstklassige Funktion in Foundry, kein nachträglicher Einfall.

Wenn Sie dies praktisch sehen möchten, habe ich zwei Schritt-für-Schritt-Beiträge geschrieben: Build Your First Agent in Microsoft Foundry und Evaluate AI Agents in Microsoft Foundry.

Was ist mit Models und Hosting?

In der Modellgeschichte unterscheiden sich Foundry und Copilot Studio am meisten.

In Copilot Studio verwaltet Microsoft die Modelle für Sie. Sie erhalten ein kuratiertes Set, das von Microsoft betrieben und aktualisiert wird. Das ist großartig für einen Helpdesk oder HR-Agenten – Sie patchen niemals einen Model Deployment. Der Kompromiss: weniger Auswahl und weniger Tuning.

In Microsoft Foundry erhalten Sie den vollständigen Model Catalog. OpenAI, Anthropic, Meta, Mistral und viele Open-Source-Modelle sowie Fine-Tuning Ihrer eigenen Daten. Die Agenten laufen in Ihrem Azure-Abonnement. Sie bestimmen die Region, Sie kontrollieren die Netzwerkregeln und die Daten bleiben dort, wo Ihr Architekt sie haben möchte. Sie können das Modell sogar unter einem Agenten austauschen, ohne den Agentencode zu ändern – nützlich, wenn ein besseres oder günstigeres Modell ausgeliefert wird, was mittlerweile alle paar Monate geschieht.

Das Hosting folgt der gleichen Logik. Copilot Studio ist ein verwaltetes SaaS mit umfassender Microsoft 365-Integration – die Veröffentlichung eines Agenten in Teams ist nur ein paar Klicks entfernt. Mit Foundry erhalten Sie eine Azure-Ressource, die Sie wie jede andere Arbeitslast behandeln: RBAC, privates Netzwerk, Überwachung, CI/CD.

Was kosten sie?

Der Preis ist der zweite große Unterschied zwischen Foundry und Copilot Studio und allein er entscheidet über viele Projekte.

Copilot Studio Rechnungen in Copilot Credits. Sie kaufen entweder Prepaid-Pakete (25.000 Credits für 200 $ pro Monat zum Zeitpunkt des Schreibens) oder Sie nutzen pay-as-you-go ohne Vorabverpflichtung. Verschiedene Aktionen verbrauchen unterschiedliche Mengen an Credits. Das Gute daran: Die Kosten sind vorhersehbar. Das Schwierige daran: Große Mengen können teuer werden.

Hinweis: Seit September 2025 heißt die Abrechnungseinheit Copilot Credits statt Nachrichten. Die Mengen und Preise haben sich nicht geändert – nur der Name. Lassen Sie sich nicht verwirren, wenn in älteren Beiträgen immer noch „Nachrichtenpakete“ steht.

Microsoft Foundry Abrechnung nach Verbrauch in Ihrem Azure-Abonnement. Für Foundry Agent Service selbst fallen keine zusätzlichen Kosten an – Sie zahlen für die von Ihnen verbrauchten Modell-Tokens sowie separate Gebühren für Tools wie Grounding mit Bing Search oder Logic Apps-Konnektoren (gehostete Agents fügen Container-Computing hinzu). Bei geringem Volumen ist dies sehr günstig, aber die Token-Ausgaben sind schwerer vorherzusagen, sodass Sie eine ordnungsgemäße Kostenüberwachung benötigen.

Wie funktioniert Governance für beide?

Hier gibt es gute Neuigkeiten: Die Governance konvergiert, und das macht die Entscheidung zwischen Foundry und Copilot Studio einfacher als noch vor einem Jahr.

Beide Plattformen können an Microsoft Entra Agent ID angeschlossen werden. Copilot Studio kann automatisch eine Entra-Agentenidentität erstellen, wenn ein Hersteller einen Agenten veröffentlicht, und Foundry stellt eine bereit, wenn Sie einen Agenten aus einem Projekt veröffentlichen. Jeder Agent erhält seine eigene Identität, die Sie im Entra Admin Center sehen und mit bedingtem Zugriff ansprechen können.

Darüber hinaus befindet sich Microsoft Agent 365 mit der Agent-Registrierung im Microsoft 365 Admin Center. Sie erhalten einen Agentenbestand auf beiden Plattformen mit Risikosignalen von Entra, Defender und Purview. Ich habe darüber ausführlicher in meinem Beitrag zu Microsoft Agent 365 vs. Microsoft 365 Agents geschrieben, daher fasse ich mich hier kurz.

Für Sie als IT-Profi bedeutet das: Die Governance-Story sollte nicht mehr die Plattformwahl bestimmen. Wählen Sie die Plattform nach Builder Skills und Arbeitslast aus und verwalten Sie beide an einem Ort.

Wie sieht es mit der Qualität aus? Meine ehrliche Erfahrung

Nun der Teil, den die meisten Vergleiche überspringen, und der Grund, warum ich diesen Beitrag umgeschrieben habe: Qualität.

Meine ehrliche Erfahrung ist, dass Copilot Studio-Agenten oft nicht den Qualitätsstandards entsprechen, die das Unternehmen erwartet. Die Demo sieht großartig aus – Sie verbinden eine SharePoint-Site, stellen drei Fragen und alle sind beeindruckt. Dann kommen echte Benutzer mit echten Fragen und der Agent wählt das falsche Tool aus, übersieht das richtige Dokument oder gibt eine sichere Antwort, die nur halb richtig ist. Ich habe mehr als einen Copilot Studio-Piloten auf diese Weise still und leise sterben sehen.

Das liegt nicht daran, dass die Macher schlechte Arbeit geleistet hätten. Es ist in die Funktionsweise der Plattform integriert:

1. Routing hängt von Prosa ab. Bei generativer Orchestrierung wählt der Agent Themen und Tools basierend auf ihren Beschreibungen in natürlicher Sprache aus. Das ist fragil. Zwei ähnliche Beschreibungen und der Agent nennt die falsche – und Ihre einzige Lösung besteht darin, den Text umzuformulieren und erneut von Hand zu testen.
2. Sie können den Abruf nicht sehen oder optimieren. Die Art und Weise, wie Wissensquellen aufgeteilt, indiziert und durchsucht werden, wird für Sie verwaltet. Wenn die Antworten falsch sind, gibt es keine Rangfolge zum Anpassen und keine Abrufpipeline zum Debuggen.
3. Das Testen erfolgt manuell. Das Testpanel und die Aktivitätskarte eignen sich gut für Stichproben, es gibt jedoch keine integrierte Möglichkeit, einen großen Fragensatz für den Agenten auszuführen und die Qualität systematisch zu messen. Sie finden Regressionen, wenn Benutzer sie finden.
4. Bekannte Einschränkungen wirken sich auf die Produktion aus. Keine eindeutige Unterscheidung zwischen ähnlichen Themen unter generativer Orchestrierung, begrenzter Konversationsverlauf, keine benutzerdefinierten Entitäten wie Tool-Eingaben – jede einzelne ist klein, zusammen begrenzen sie das, was die Plattform zuverlässig leisten kann.

Foundry ist genau für dieses Problem konzipiert. Evaluations sind eine erstklassige Funktion: Sie führen Ihren Agenten gegen Datensätze aus und messen Task Adherence, Groundedness, Intent Resolution und mehr – automatisch bei jeder Änderung. Tracing zeigt jeden Modellaufruf und jede Tool-Entscheidung. Durch die Versionierung können Sie ein Rollback durchführen. Sie steuern den Abrufstapel, die Orchestrierungslogik und das Modell selbst und können Modelle verfeinern oder austauschen, wenn die Qualität dies erfordert.

Daher ist meine Faustregel einfach: Wenn Qualität und Flexibilität gefragt sind, ist Foundry die bessere Plattform. Die Qualität von Copilot Studio kann gut genug sein – für Agenten im FAQ-Stil mit einem begrenzten Umfang, kuratiertem Wissen und gut geschriebenen Beschreibungen. Aber wenn der Agent einen kritischen Prozess berührt, Kunden gegenübersteht oder messbar gut sein muss, würde ich ihn nicht in ein Tool einbauen, der ihn nicht messen kann.

Können Sie programmieren? Dann ist Foundry oft schneller

Es gibt noch einen zweiten Punkt: Die meisten Vergleiche gehen falsch. Die klassische Annahme lautet: Low-Code ist schnell, Pro-Code ist langsam. Im Jahr 2026, mit der KI-gestützten Entwicklung, hat sich diese Annahme für viele Teams umgekehrt.

Wenn Sie programmieren können – oder mit der Vibe-Codierung vertraut sind und GitHub Copilot oder Claude den Großteil des Codes schreiben lassen, während Sie überprüfen und steuern – ist ein Foundry-Agent oft schneller zu erstellen als derselbe Agent in Copilot Studio:

1. Das Gerüst umfasst Minuten, nicht Tage. Ein KI-Codierungsassistent generiert einen funktionierenden Foundry-Agenten – SDK-Aufrufe, Tools, Fehlerbehandlung – aus einem Prompt. Das Zusammenklicken derselben Logik in einem Designer dauert länger und jede Iteration bedeutet mehr Klicks.
2. Code ist Text, und Text ist das, was KI hervorragend kann. Sie können Ihren Assistenten bitten, die Orchestrierung umzugestalten, ein Tool hinzuzufügen oder Tests zu schreiben. Es gibt keine KI, die sich für Sie durch den Copilot Studio-Designer klickt.
3. Code ist versionierbar und überprüfbar. Git Diff, Pull Request, CI/CD, automatisiertes Evaluations bei jeder Änderung. Die Reproduktion dieser Schleife mit vom Designer erstellten Agenten und Lösungsexporten ist zwar möglich, aber mit viel mehr Aufwand verbunden.
4. Sie stoßen nie an die Decke. In Copilot Studio verlassen Sie den Happy Path, sobald Sie einen benutzerdefinierten Abruf oder eine spezielle Orchestrierungslogik benötigen. Im Code ist der Sonderfall nur eine weitere Funktion.

Hinweis: Dies macht Copilot Studio nicht sinnlos. Wenn die Eigentümer des Agenten Entwickler und Administratoren sind, die nicht programmieren – auch nicht mit KI-Unterstützung –, dann ist der Low-Code-Designer genau richtig, da er den Agenten nach dem Go-Live warten kann. Der Punkt ist: Wählen Sie nicht Copilot Studio weil Sie denken, dass Code langsamer ist. Beim heutigen Tooling ist dies normalerweise nicht der Fall.

Wann sollte ich Copilot Studio verwenden?

Ich würde Copilot Studio wählen, wenn:

1. Der Agent lebt in Microsoft Teams oder Microsoft 365 Copilot.
2. Entwickler oder IT-Administratoren erstellen und warten es – kein Entwicklerteam.
3. Sie möchten die über 1.500 Power Platform-Anschlüsse sofort einsatzbereit haben.
4. Zeit zur Wertschätzung ist wichtiger als tiefgreifende Anpassungen.
5. Vorhersehbare Preise pro Nutzung ohne Azure-Abonnement sind ein Plus.
6. Der Anwendungsbereich ist eng und „gut genug“-Antworten sind wirklich gut genug.

Typische Gewinne: IT-Helpdesk-Agenten, HR-Onboarding, interne Wissensassistenten. Ehrliche Grenze: Wenn Sie eine benutzerdefinierte Orchestrierungslogik, ein bestimmtes Modell oder eine messbare Antwortqualität benötigen, stoßen Sie an die Grenzen des Low-Code-Designers.

Wann sollte ich Microsoft Foundry verwenden?

Ich würde Microsoft Foundry wählen, wenn:

1. Entwickler erstellen den Agenten und er befindet sich in Ihrer eigenen App oder Website – nicht in Microsoft 365.
2. Sie benötigen ein bestimmtes Modell, eine Fine-Tuning oder ein Nicht-OpenAI-Modell.
3. Sie benötigen volle Kontrolle: Region, Netzwerk, RBAC, CI/CD.
4. Qualität ist eine Voraussetzung, keine Hoffnung – Sie möchten Evaluations, Tracing und eine integrierte Versionierung.
5. Sie erstellen Multi-Agent-Workflows mit komplexer Orchestrierung.
6. Tokenbasierte Azure-Abrechnung passt besser zu Ihrem FinOps-Modell als Credits.

Ehrlich gesagt: Foundry braucht Entwickler, auch nach dem Go-Live. Wenn niemand Python debuggen kann, wenn sich der Agent in der Produktion schlecht verhält, fangen Sie nicht hier an – KI-Assistenten helfen Ihnen beim Schreiben von Code, aber jemand muss trotzdem der Eigentümer sein.

Kann ich sie kombinieren?

Ja, und das ist mein Lieblingsteil der Geschichte Foundry vs. Copilot Studio – es ist kein Entweder-Oder.

In der Praxis sind zwei Integrationen von Bedeutung. Erstens kann Copilot Studio Ihr eigenes Foundry-Modell mitbringen: In einem Prompt wählen Sie einfach ein in Microsoft Foundry bereitgestelltes Modell aus. Zweitens kann ein Copilot Studio-Agent eine Verbindung zu einem Microsoft Foundry-Agenten herstellen (https://learn.microsoft.com/en-us/microsoft-copilot-studio/add-agent-foundry-agent) (derzeit in der Vorschau) und ihm Aufgaben übergeben. Foundry-Agenten können auch direkt in Microsoft 365 Copilot und Teams veröffentlichen.

Ein gängiges Muster ist also: Copilot Studio als benutzerorientiertes Frontend in Teams, erstellt von Entwicklern – und Foundry-Agenten, die die umfangreiche, kundenspezifische Arbeit dahinter erledigen, erstellt von Entwicklern. Dadurch wird auch das Qualitätsproblem elegant gelöst: Der fragile Teil (Routing, Abruf, komplexe Logik) wandert nach Foundry, wo Sie ihn auswerten und auswerten können, und Copilot Studio bleibt das, worin es gut ist – die freundliche Eingangstür in Teams. Microsoft orientiert sich eindeutig an diesem Fusionsteam-Modell. Die Richtung können Sie meiner Zusammenfassung des Microsoft Build 2026 Agent Stack entnehmen.

Was würde ich wählen?

Meine einfache Regel für Foundry vs. Copilot Studio: Beginnen Sie dort, wo Ihre Bauherren sind – aber seien Sie ehrlich, was Ihre Qualitätsbarren angeht.

Wenn die Personen, denen der Agent gehört, Ersteller und Administratoren sind, der Agent in Microsoft 365 lebt und der Bereich ein klar definierter interner Assistent ist, wähle ich Copilot Studio. Wenn ein Entwicklerteam es besitzt, wenn es ein bestimmtes Modell benötigt oder wenn Qualität und Flexibilität harte Anforderungen sind, wähle ich Microsoft Foundry – und wenn das Team auch nur ein wenig mit KI-Unterstützung programmieren kann, ist Foundry normalerweise auch der schnellere Weg, obwohl es sich um die Option „vollständiger Code“ handelt. Für größere Organisationen würde ich vom ersten Tag an beides einplanen: Copilot Studio als Eingangstür, Foundry für die benutzerdefinierten Gehirne und Agent 365 mit Entra Agent ID als gemeinsame Governance-Ebene.

Bei der Frage Foundry vs. Copilot Studio geht es weniger darum, „was besser ist“ als vielmehr darum, „wer es baut, wo es läuft und wie gut es sein muss“. Sobald Sie darauf antworten, wählt sich die Plattform selbst aus. Ich hoffe, das ist eine kleine Hilfe.

Bleibt gesund, Grüße Jannik