Zum Hauptinhalt springen
Cloud / Azure / Produkte / Microsoft Discovery - Agentische KI für F&E

Microsoft Discovery - Agentische KI für F&E

Microsoft Discovery ist eine agentische KI-Plattform auf Azure, die Forschungsagenten, Wissensgraphen und HPC für schnellere F&E verbindet.

ai-machine-learning
Preismodell Pay-per-use (Azure-Verbrauch + User Messages)
Verfügbarkeit Mehrere Azure-Regionen inkl. EU
Datensouveränität EU-Regionen verfügbar
Zuverlässigkeit N/A SLA

Was ist Microsoft Discovery?

Microsoft Discovery ist eine erweiterbare, agentische KI-Plattform auf Azure, die agentische Orchestrierung, fortgeschrittenes Reasoning, einen graphbasierten Wissensspeicher und High-Performance-Computing für wissenschaftliche Forschung und F&E-Workflows zusammenführt. Die Plattform unterstützt den gesamten Discovery-Prozess: von der wissenschaftlichen Fragestellung bis zur Ausführung im Unternehmensmaßstab. Weil sie auf der Azure-Enterprise-Infrastruktur aufsetzt, arbeitet Microsoft Discovery innerhalb der Sicherheits-, Compliance-, Transparenz- und Governance-Rahmen, die in realen, sensiblen F&E-Umgebungen gefordert sind.

Im Zentrum steht die Discovery Engine als kognitiver Orchestrator. Sie bildet die wissenschaftliche Methode nach: Spezialisierte Discovery Agents schließen über große Wissensmengen, generieren Hypothesen und validieren diese in einem Suchbaum über einen weiten Lösungsraum. Die Discovery Engine verbindet proprietäre Forschungsdaten mit externer wissenschaftlicher Literatur und reasoniert über widersprüchliche Theorien, experimentelle Ergebnisse und domänenspezifische Annahmen hinweg. Die Ergebnisse sind erklärbar und werden in einem langlebigen Wissensgraphen als Langzeitgedächtnis gespeichert, sodass erzeugtes Wissen über Iterationen und Teams hinweg wiederverwendbar bleibt.

Kernfunktionen

  • Discovery Engine: Persistente, zielgetriebene Multi-Agent-Orchestrierung zerlegt komplexe Forschungsziele in Aufgaben, wählt passende Agenten und Tools dynamisch aus und führt autonome Workflows aus, die sich über Stunden oder Tage erstrecken können (Literatur-Reasoning, Hypothesengenerierung, Experimentdesign, Validierung, iterative Lernschleife).
  • Graphbasierter Wissensspeicher und Bookshelf: Enterprise-Dokumente (PDFs, Präsentationen, Tabellen, technische Berichte) und externe Literatur werden in strukturierte, abfragbare Wissensgraphen überführt und ermöglichen tieferes Reasoning als klassisches RAG; erkenntnisse werden in einem Langzeit-Wissensgraphen festgehalten.
  • High-Performance-Computing: Die Plattform integriert HPC- und GPU-Cluster sowie spezialisierte Large Quantitative Models (LQMs) für In-silico-Experimente und große Simulationen; Jobs lassen sich auf dem Microsoft Discovery Supercomputer ausführen.
  • Enterprise-Governance und Integration: Zentrale Verwaltung, Audit-Trails und Checkpoints sichern den Betrieb; die Plattform integriert sich mit Microsoft 365, Microsoft Foundry und Microsoft Fabric sowie mit Microsoft Entra ID, privatem Networking und rollenbasierter Zugriffssteuerung.

Typische Anwendungsfälle

Materialforschung: Forschungsteams nutzen die Discovery Engine, um neue Werkstoffe zu screenen, Eigenschaften per Simulation vorherzusagen und vielversprechende Kandidaten zu priorisieren. Interne Messdaten und externe Literatur fließen in einen gemeinsamen Wissensgraphen, der die nächsten Experimente begründet.

Life Sciences: In der Wirkstoffforschung kombiniert die Plattform Genomik- und Kohortendaten mit Literatur, generiert Hypothesen und führt rechenintensive Analysen wie Feature-Selection auf HPC-Ressourcen aus. Bench-Wissenschaftler erhalten klare Empfehlungen, welche Experimente als nächstes sinnvoll sind.

Energie und Fertigung: Bei Katalysator- und Prozessentwicklung orchestriert die Discovery Engine Simulationen und Modelle über Teams hinweg. Computational Engineers reduzieren den Aufwand für einmalige Pipelines, während Governance- und Audit-Funktionen die Nachvollziehbarkeit der Forschungsentscheidungen sichern.

Vorteile

  • Schnellerer Weg von der Fragestellung zur belastbaren Erkenntnis durch autonome Discovery-Workflows
  • Tieferes Reasoning über proprietäre Daten und externe Literatur dank graphbasiertem Wissensspeicher
  • Skalierbare Rechenleistung über HPC, GPU und Large Quantitative Models direkt auf Azure
  • Enterprise-Sicherheit, Governance und Auditierbarkeit für sensible F&E-Daten

Integration mit innFactory

Als Microsoft Solutions Partner unterstützt innFactory Sie bei Einführung und Betrieb dieses Service.

Typische Anwendungsfälle

Materialforschung und Werkstoffentwicklung
Wirkstoffforschung in Life Sciences
Energieforschung und Katalysatordesign
Prozess- und Produktentwicklung in der Fertigung

Häufig gestellte Fragen

Was ist Microsoft Discovery?

Microsoft Discovery ist eine erweiterbare, agentische KI-Plattform auf Azure für wissenschaftliche Forschung und F&E. Sie verbindet eine agentische Orchestrierung (Discovery Engine), einen graphbasierten Wissensspeicher und High-Performance-Computing. Spezialisierte Discovery Agents zerlegen Forschungsziele in Aufgaben, generieren Hypothesen und validieren diese in autonomen Workflows.

Wann sollte ich Microsoft Discovery einsetzen?

Setzen Sie Microsoft Discovery ein, wenn Sie wissenschaftliche F&E-Prozesse beschleunigen wollen, etwa in Materialforschung, Life Sciences, Energie oder Fertigung. Es eignet sich für Szenarien, in denen interne Forschungsdaten mit externer Literatur kombiniert, Hypothesen systematisch getestet und rechenintensive Simulationen auf HPC-Clustern ausgeführt werden müssen.

Was kostet Microsoft Discovery?

Der Enterprise-Dienst (Azure-gehostet) wird verbrauchsbasiert abgerechnet: einerseits über den Azure-Verbrauch der zugrunde liegenden Compute- und Storage-Ressourcen, andererseits über laufzeitbezogene User Messages für agentengesteuerte Operationen. Eine User Message wird pro abrechenbarer Aktion (erstellen, aktualisieren, löschen, ausführen, senden, abbrechen) gezählt und laut Microsoft-Referenzpreis mit 0,20 US-Dollar je Message veranschlagt (regional angepasst); reine Lesezugriffe wie Statusabfragen sind nicht abrechenbar. Die separate Microsoft Discovery App nutzt lediglich ein GitHub-Copilot-Abonnement ohne zusätzliche Plattformgebühr.

Ist Microsoft Discovery in der EU verfügbar und DSGVO-konform?

Microsoft Discovery läuft auf der Azure-Infrastruktur und ist in mehreren Regionen einschließlich EU-Regionen verfügbar. Die Plattform ist auf Sicherheit, Compliance und Governance für sensible F&E-Umgebungen ausgelegt und integriert Microsoft Entra ID, privates Networking, rollenbasierte Zugriffssteuerung, Verschlüsselung im Ruhezustand und kundenseitig verwaltete Schlüssel. Bei Nutzung europäischer Regionen lassen sich Daten in der EU verarbeiten.

Hinweis: Alle Produktinformationen auf dieser Seite wurden sorgfältig zusammengestellt, sind jedoch ohne Gewähr und können veraltet oder unvollständig sein. Cloud-Services entwickeln sich schnell weiter — Funktionen, Preise, SLAs und Verfügbarkeit ändern sich laufend. Verbindliche und aktuelle Informationen finden Sie ausschließlich auf der offiziellen Produktseite von Azure (offizielle Dokumentation). Diese Seite stellt kein Angebot von Azure dar.

Microsoft Solutions Partner

innFactory ist Microsoft Solutions Partner. Wir bieten Beratung, Implementierung und Managed Services für Azure.

Microsoft Solutions Partner Microsoft Data & AI

Ähnliche Produkte anderer Cloud-Anbieter

Andere Cloud-Anbieter bieten vergleichbare Services in dieser Kategorie. Als Multi-Cloud Partner helfen wir bei der richtigen Wahl.

Google Cloud

Agent Platform Workbench (ehem. Vertex AI Workbench)

Agent Platform Workbench stellt verwaltete JupyterLab-Umgebungen der Gemini Enterprise Agent Platform bereit, mit …

Preismodell Nutzungsbasiert über die Preisliste der …
SLA SLA gemäß Anbieter (siehe offizielle SLA-Seite)
Vergleichen →
Google Cloud

Cloud Talent Solution - Jobsuche mit Machine Learning

Cloud Talent Solution bringt Machine Learning in die Jobsuche und unterstützt Recruiting-Plattformen mit Job Search und …

Preismodell Preise mit Stand 5. Januar 2021: …
SLA gemäß Anbieter / siehe offizielle Dokumentation
Vergleichen →
Google Cloud

Deep Learning VM Images - Vorkonfigurierte ML-VM-Images

Deep Learning VM Images sind für Data Science und Machine Learning optimierte VM-Images mit vorinstallierten Frameworks …

Preismodell Die Images selbst sind laut Preisseite …
SLA SLA gemäß Anbieter (siehe offizielle SLA-Seite)
Vergleichen →
Google Cloud

Enterprise Knowledge Graph - Entity Reconciliation für BigQuery

Enterprise Knowledge Graph führt verteilte Daten über Entity Reconciliation zusammen und ergänzt sie über die Google …

Preismodell Für Enterprise Knowledge Graph …
SLA Pre-GA-Produkte werden laut Dokumentation "as is" bereitgestellt und können eingeschränkten Support haben; gemäß Anbieter / siehe offizielle Dokumentation
Vergleichen →
Google Cloud

Genkit - Open-Source-Framework für KI-Anwendungen

Genkit ist Googles Open-Source-Framework für den Aufbau von Full-Stack-, KI- und Agenten-Anwendungen mit TypeScript, Go, …

Preismodell Open-Source-Framework; Kosten entstehen …
SLA Für das Framework selbst besteht kein SLA; SLAs gelten für die genutzten Dienste gemäß Anbieter
Vergleichen →
Google Cloud

Model Garden - Modellkatalog der Agent Platform

Model Garden ist die Modellbibliothek der Gemini Enterprise Agent Platform zum Entdecken, Testen, Anpassen und …

Preismodell Bei Open-Source-Modellen werden Tuning …
SLA SLA gemäß Anbieter (siehe offizielle SLA-Seite)
Vergleichen →

89 vergleichbare Produkte bei anderen Cloud-Anbietern gefunden.

Bereit, mit Microsoft Discovery - Agentische KI für F&E zu starten?

Unsere zertifizierten Azure Experten helfen bei Architektur, Integration und Optimierung.

Beratung vereinbaren