Verwenden von KI-Funktionen (Vorschau)

Gilt für:✅ SQL-Analyseendpunkt und Warehouse in Microsoft Fabric

Fabric Data Warehouse- und SQL-Analyseendpunkt bieten integrierte KI-Funktionen, mit denen Sie Text direkt in SQL-Abfragen analysieren, klassifizieren, zusammenfassen und transformieren können. Mithilfe dieser Funktionen können Sie erweiterte Textverarbeitungen durchführen, ohne Ihre Datenumgebung verlassen zu müssen. In diesem Lernprogramm erfahren Sie, wie Sie KI-Funktionen zum Transformieren von Text verwenden.

Diese Funktionen rufen externe KI-APIs auf, um Text zu verarbeiten, was sich auf die Abfrageleistung auswirken kann. Um die Effizienz zu optimieren, vermeiden Sie das Anwenden sich wiederholender Texttransformationen innerhalb von SELECT Abfragen auf demselben Dataset. Berechnen und materialisieren Sie stattdessen die Ergebnisse von KI-Funktionen als separate Spalten oder in Stagingtabellen.

Typische Verarbeitungsgeschwindigkeit von KI-Funktionen beträgt 20-100 Zeilen pro Sekunde. Wenn eine langsamere Leistung auftritt, melden Sie die problematische Abfrage als Problem.

Prerequisites

• Um KI-Funktionen mit dem integrierten KI-Endpunkt in Fabric zu verwenden, muss Ihr Administrator die Mandantenoption für Copilot und andere Features aktivieren, die von Azure OpenAI unterstützt werden.
• Je nach Standort müssen Sie möglicherweise eine Mandanteneinstellung für die geoübergreifende Verarbeitung aktivieren. Erfahren Sie mehr über die verfügbaren Regionen für Azure OpenAI Service.
• Sie benötigen eine kostenpflichtige Fabric-Kapazität (F2 oder höher oder eine beliebige P-Edition).
• Sie können KI-Funktionen nur in unterstützten Regionen verwenden.

Überprüfen Sie die Voraussetzungen für KI-Funktionen auf zusätzliche Voraussetzungen.

Analysieren der Stimmung

Die AI_ANALYZE_SENTIMENT(text) Funktion analysiert die Stimmung aus der Eingabe text und gibt einen der folgenden Werte zurück: positive, , , negative, mixedoder neutral.

Example:

SELECT AI_ANALYZE_SENTIMENT('This hotel was great!') AS sentiment;

Erwartetes Ergebnis:positive

Weitere Informationen finden Sie unter AI_ANALYZE_SENTIMENT (Transact-SQL).

Klassifizieren von Text

Die AI_CLASSIFY(text, class1, class2, ...) Funktion klassifiziert die Eingabe text in eine der bereitgestellten Kategorien.

Example:

SELECT AI_CLASSIFY('Room was dirty', 'service','dirt','food') AS classification;

Erwartetes Ergebnis:dirt

Weitere Informationen finden Sie unter AI_CLASSIFY (Transact-SQL).

Extrahieren von Entitäten aus Text

Die AI_EXTRACT(text, class1, class2, ...) Funktion extrahiert Entitäten aus der Eingabe text basierend auf den angegebenen Klassen.

Example:

SELECT AI_EXTRACT('Check-in was late and room dirty', 'sentiment','problem') AS extraction;

Erwartetes Ergebnis:{"sentiment":"Negative","problem":"Dirty room"}

Weitere Informationen finden Sie unter AI_EXTRACT (Transact-SQL).

Antwort generieren

Die AI_GENERATE_RESPONSE(prompt, data) Funktion generiert eine Antwort basierend auf einer bestimmten prompt und optionalen data.

Example:

SELECT AI_GENERATE_RESPONSE('Reply in 20 words:', 'The room was noisy.') AS response;

Erwartetes Ergebnis: "Wir entschuldigen uns aufrichtig für die Unannehmlichkeiten, die durch den Lärm verursacht werden, und verpflichten uns, unsere Maßnahmen zu verbessern."

Weitere Informationen finden Sie unter AI_GENERATE_RESPONSE (Transact-SQL).

Text zusammenfassen

Die AI_SUMMARIZE(text) Funktion fasst die Eingabe text in einer präzisen Version zusammen.

Example:

SELECT AI_SUMMARIZE('The hotel was clean and staff were friendly.') AS summary;

Erwartetes Ergebnis: 'Sauberes Hotel, freundliches Personal.'

Weitere Informationen finden Sie unter AI_SUMMARIZE (Transact-SQL).

Text übersetzen

Die AI_TRANSLATE(text, lang_code)-Funktion übersetzt text in die angegebene Sprache mithilfe von lang_code.

Unterstützte Sprachcodes sind de (Deutsch), en (Englisch), (Französisch), frit (Italienisch), es (Spanisch), el (Griechisch), pl (Polnisch), sv (Schwedisch), fi (Finnisch) und cs (Tschechisch).

Example:

SELECT AI_TRANSLATE('The hotel was great','de') AS translation_de;

Erwartetes Ergebnis: 'Das Hotel war großartig.'

Weitere Informationen finden Sie unter AI_TRANSLATE (Transact-SQL).

Korrigieren der Grammatik

Die AI_FIX_GRAMMAR(text) Funktion korrigiert die Grammatik in der Eingabe text.

Example:

SELECT AI_FIX_GRAMMAR('Th room are clean and staff were nice') AS fixed_text;

Erwartetes Ergebnis: "Die Zimmer sind sauber, und die Mitarbeiter waren schön.".

Weitere Informationen finden Sie unter AI_FIX_GRAMMAR (Transact-SQL).

Bemerkungen

KI-Funktionen können aus mehreren Gründen Fehler zurückgeben oder langsamer als erwartet arbeiten:

• Stellen Sie sicher, dass Sie alle erforderlichen Voraussetzungen erfüllen, bevor Sie KI-Funktionen verwenden. Wenn eine Voraussetzung fehlt, gibt die Funktion einen Fehler zurück.
• Wenn der Eingabetext nicht verarbeitet werden kann , z. B. weil er Tokengrenzwerte überschreitet, eingeschränkte oder anstößige Inhalte enthält oder anderweitig gegen Dienstrichtlinien verstößt , gibt die Funktion zurück NULL. Überprüfen Sie immer, ob der Rückgabewert NULL ist, und behandeln Sie diesen Fall in Ihren Abfragen, Anwendungen oder Datenverarbeitungspipelines entsprechend.
• Die Leistung hängt von der Eingabegröße, der Eingabekomplexität und der Gesamtlast des Diensts ab. Einzelne Textwerte werden in der Regel innerhalb weniger Sekunden verarbeitet, während größere Batches einen Durchsatz von ca. 10 bis 30 Textwerten pro Sekunde erzielen können. Wenn die Leistung langsamer als erwartet auftritt, liegt möglicherweise ein Dienst- oder Konfigurationsproblem vor, das sich auf den Verarbeitungsdurchsatz auswirkt.

Wenn Sie ein Problem mit KI-Funktionen in Fabric Data Warehouse oder einem SQL-Analytics-Endpunkt haben:

• Erstelle ein Support-Ticket über den Microsoft-Support oder
• Teilen Sie Feedback, stellen Sie Fragen oder diskutieren Sie Probleme mit der Community in den KI-Funktionen Microsoft Fabric Data Warehouse Subreddit.

Beispiele

A. Importieren von Daten und Transformieren von Textspalten mithilfe von KI-Funktionen

In diesem Beispiel werden Daten aus einer Lakehouse-Datei in die hotel_reviews Tabelle im Lager geladen. Sie wählt aus einer Datei im /Files Abschnitt aus und wendet dann die KI-Funktionen an, um die Daten zu erweitern:

CREATE TABLE HotelDW.dbo.hotel_reviews
AS
SELECT
    city, latitude, longitude, name, reviews_rating, reviews_text,
    AI_SUMMARIZE(reviews_text) AS reviews_summary,
    AI_CLASSIFY( reviews_text, 'service', 'dirt', 'food', 'air conditioning', 'other') AS reviews_classification,
    AI_ANALYZE_SENTIMENT(reviews_text) AS reviews_sentiment,
    AI_TRANSLATE(reviews_text, 'de') AS reviews_text_de,
    AI_TRANSLATE(reviews_text, 'es') AS reviews_text_es,
    AI_TRANSLATE(reviews_text, 'fr') AS reviews_text_fr,
    AI_TRANSLATE(reviews_text, 'it') AS reviews_text_it
FROM OPENROWSET( BULK '/Files/csv/hotel_reviews_demo.csv', DATA_SOURCE = 'TextLakehouse', HEADER_ROW = TRUE);

B. Aktualisieren der Textspalte mithilfe der KI-Funktion

Im folgenden Beispiel werden die Grammatikfehler in der reviews_text Spalte behoben:

UPDATE HotelDW.dbo.hotel_reviews
SET reviews_text = ISNULL(AI_FIX_GRAMMAR(reviews_text), reviews_text);

Die KI-Funktionen können NULL zurückgeben, wenn ein Fehler auftritt; daher sollten vorhandene Werte nicht mit NULL überschrieben werden.

Verwenden Sie das ISNULL(<ai function>, <original value>) Muster, um den ursprünglichen Text beizubehalten, wenn KI-Funktionen keine Ergebnisse zurückgeben können.

C. Extrahieren von Werten aus Text

In diesem Beispiel analysiert die AI_EXTRACT Funktion den Prüftext und gibt ein JSON-Objekt zurück, das die Eigenschaften sentiment, time_reportedund problem. Die OPENJSON Funktion analysiert dann diesen JSON-Code und ordnet diese Eigenschaften in separaten Spalten für einfache Abfragen und Analysen zu.

In diesem Beispielskript werden die extrahierten Werte als separate Spalten in die Zieltabelle eingefügt.

INSERT INTO gold.hotel_reviews
SELECT sentiment, time_reported, problem
FROM hotel_reviews
CROSS APPLY 
OPENJSON(
    AI_EXTRACT(reviews_text, 'sentiment', 'time_reported', 'problem')
) WITH ( sentiment VARCHAR(1000), time_reported VARCHAR(100), problem VARCHAR(1000) );

Die AI_EXTRACT Funktion wendet fuzzy kontextbezogene Regeln an, um Themen aus Text zu identifizieren und zu extrahieren, ohne dass manuelle Analysen oder komplexe reguläre Ausdrücke erforderlich sind. Dieser Ansatz vereinfacht die Textanalyse, indem KI-gesteuertes semantisches Verständnis anstelle des starren Musterabgleichs verwendet wird, wodurch es robuster und anpassungsfähiger für Natürliche Sprachvariationen wird.

Verwandte Inhalte

• Transformieren und Anreichern von Daten mit KI-Funktionen
• Abrechnung für KI-Funktionen
• Verwenden von Azure OpenAI in Fabric mit AI-Funktionen (Vorschau)
• T-SQL AI-Funktionen