> For the complete documentation index, see [llms.txt](https://docs.buildings.ability.abb/collection/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.buildings.ability.abb/collection/german/suiten/space-and-assets-analytics/copilot-assistant/schnellstart.md). # Schnellstart ## Voraussetzungen * Zugriff auf die Space & Assets Analytics Suite mit aktiviertem Copilot Assistant-Modul * Anlagen [konfiguriert](/collection/german/pflichtbasis/assets.md) im Portfolio - idealerweise bereits mit einigen eingelesenen Daten ## Ihre erste Anfrage Die Seite des Copilot Assistant-Moduls ist der zentrale Ort, um neue Gespräche zu starten, frühere Gespräche fortzusetzen und den Gesprächsverlauf anzuzeigen und zu verwalten.
### Ein Gespräch beginnen 1. Klicken Sie in der oberen Menüleiste auf *AI Assist* **\[1]**.\ ▷ Die Willkommensseite des Copilot Assistant öffnet sich. 2. Geben Sie auf der Willkommensseite einen Prompt ein oder wählen Sie einen der untenstehenden Vorschläge, um ein neues Gespräch zu beginnen **\[2]** oder fahren Sie links im Gesprächsverlauf mit einem früheren fort. 3. Wenn Ihr Prompt passt, klicken Sie auf die *Senden-Schaltfläche* **\[3]**.\ ▷ Die Anfrage wird verarbeitet, und Zwischenschritte des Fortschritts werden sichtbar. \ Eine gute erste Anfrage ist etwas Spezifisches oder Einfaches: * *"Wie viele Assets befinden sich in meinem Portfolio?"* * *"Zeigen Sie mir alle Alarme mit hoher Priorität."* * *"Wie sind die aktuellen Temperaturen in Gebäuden?"* * *"Können Sie mir den durchschnittlichen wöchentlichen Energieverbrauch der letzten 6 Monate für alle Gebäude anzeigen?"* ### Den Tool-Call-Trace verstehen Während der Assistent Ihre Anfrage verarbeitet, führt er Tool-Calls aus, um Ihre Anfrage mit Ihrer Asset-Struktur abzugleichen, und ruft Subagenten auf, um konkrete Daten aus der Datenbank abzurufen oder Visualisierungen zu erzeugen.\ Der Tool-Call-Trace zeigt genau, wie der Agent Ihre Anfrage interpretiert und verarbeitet hat. Ihn zu prüfen ist der schnellste Weg zu verstehen, warum eine Antwort so aussieht, wie sie aussieht, und wo Sie sie umformulieren sollten, wenn sie nicht Ihrer Absicht entspricht. > **Beispiel:** Die Anfrage wird verarbeitet *"Zeigen Sie mir den durchschnittlichen wöchentlichen Energieverbrauch der letzten 6 Monate für alle Gebäude"*
In diesem Fall hat der Assistent **4 Tools** und hat aufgerufen **2 Subagenten**: 1. Den Standortbegriff auflösen *'Gebäude'* aus der Anfrage unter **\[E1]**.\ ◈ Er fand ein passendes [Assettyp](/collection/german/getting-started/2.-setting-up-assets/asset-modeling.md) *Gebäude*\ ◈ Er hat mehrere Assets mit diesem Assettyp untersucht (z. B. mehrere SmartOffice-Gebäude) 2. Den Messbegriff auflösen *'Energieverbrauch'* **\[E2]**.\ ◈ Er verwendet den zuvor ermittelten Assettyp Gebäude als Bedingung und untersucht nur Entitäten innerhalb dieser Gebäude\ ◈ Da die Anfrage darauf abzielt, eingehende Daten zu analysieren, werden nur [Asset-Messungen](/collection/german/pflichtbasis/platform-core/asset-core/create-a-new-template.md) mit dem Subtyp input berücksichtigt\ ◈ Die Anfrage gibt einen Zeitraum der letzten 6 Monate an, daher werden nur Assets abgerufen, die in diesem Zeitraum aktiv Daten aufgezeichnet haben\ ◈ Es wurden mehrere Assettypen erkannt, die den Energieverbrauch messen und Asset-Instanzen haben, die in den letzten 6 Monaten aktiv waren\ ◈ Ergebnisse werden als AssetType.attribute angezeigt und zeigen außerdem den AttributeType und ggf. die Einheit an 3. Sobald der Assistent den Asset-Bereich bestimmt hat, ruft er den spezialisierten SQL-Subagenten auf, um die entsprechenden Daten aus der Datenbank abzurufen **\[E3]**.\ ◈ Der SQL-Subagent konnte 255 Datenzeilen abfragen und zurückgeben – davon sieht der Hauptassistent eine Vorschau mit 10 Zeilen 4. Der Assistent prüft und analysiert den Ergebnissatz deterministisch **\[E4]**.\ ◈ Er hat drei Operationen auf das gesamte Datenbankergebnis angewendet, um die wichtigsten Ergebnisse zu berechnen: *durchschnittlicher Gesamtenergieverbrauch*, *niedrigster durchschnittlicher Energieverbrauch*, *höchster durchschnittlicher Energieverbrauch* 5. Er verwendet die berechneten Kennzahlen, um KPI-Karten zu erstellen, die sie dem Benutzer visualisieren **\[E5]** 6. Der Assistent entscheidet auf Grundlage der zurückgegebenen Daten und der Benutzeranfrage, dass Diagramme geeignet sind, und ruft den Visualisierungs-Subagenten auf **\[E6]**.\ ◈ Der Visualisierungs-Subagent entscheidet, die vollen 250 Datenzeilen zu visualisieren und nicht nur eine Vorschau mit 10 Zeilen ◈ Der Subagent hat ein Liniendiagramm erstellt, das den durchschnittlichen wöchentlichen Energieverbrauch auf der y-Achse und die Woche auf der x-Achse anzeigt. Außerdem erstellt es eine Serie für jedes Gebäude im Diagramm. ### **Was Sie erwartet** Während jede Antwort eine abschließende textliche Rückmeldung darüber enthält, was abgerufen und analysiert wurde, umfasst sie auch mehrere Artefakte, die die zugrunde liegenden Asset-Daten zeigen und die Ergebnisse visualisieren.\ Sobald der Assistent Ihre Anfrage verarbeitet hat, macht er die Ergebnis-Artefakte im aktiven Chat-Fenster sichtbar **\[A]** sobald sie verfügbar sind.
\ Jede Antwort kann enthalten:
MarkierungKomponenteBeschreibung
[E]Tool-Call-TraceEin Protokoll der Schritte, die der Agent ausgeführt hat (erweiterbar)
[H]DatentabelleRohe Abfrageergebnisse
[I]KPI-Karten1-3 hervorgehobene Schlüsselzahlen aus den abgerufenen Daten
[K]DiagrammeAutomatisch generiert, wenn sich die Daten für eine Visualisierung eignen (kann in einem Dialog erweitert werden [J])
Sobald der Assistent den Gesprächsabschnitt abgeschlossen hat, haben Sie mehrere Möglichkeiten, fortzufahren: 1. Ein neues Gespräch beginnen, indem Sie einen neuen Chat erstellen **\[C]**.\ ▷ Die ursprüngliche Willkommensseite wird geöffnet. 2. Eine Folgeanfrage senden **\[L] + \[M]**.\ ▷ Ein neuer Gesprächsabschnitt wird gestartet - der Assistent hat weiterhin den Kontext des vorherigen Gesprächsabschnitts. {% hint style="info" %} Wenn der Konversations-Stream zu irgendeinem Zeitpunkt unterbrochen wurde, kann die **Schaltfläche „Chat aktualisieren“ \[G]** verwendet werden, um die neuesten Aktualisierungen abzurufen, ohne die Seite neu laden zu müssen {% endhint %} ### Zusätzliche Konfiguration * Die Copilot-Assistant-Einstellungen ermöglichen es, das Verhalten des Agenten anzupassen **\[B]** * Detaillierte Informationen über das Gespräch und die Ergebnisse der aufgerufenen Tools sind im Debug-Seitenbereich des Agenten verfügbar **\[F]** Die Schaltfläche oberhalb des Chat-Fensters **\[D]** ermöglicht das Umschalten des Anzeigemodus. Sobald ein Gespräch länger wird, kann es schwieriger werden, sich darin zu orientieren und zu navigieren. Der Wechsel in den Tab-Modus ermöglicht eine schnellere Navigation zwischen allen Anfragen innerhalb eines Gesprächs **\[D1]**.
## Tipps vor dem Start * Wenn Sie das Asset oder die Kennzahl bereits kennen, beginnen Sie gezielt. Wenn Sie ein unbekanntes Portfolio erkunden, beginnen Sie breit und lassen Sie sich vom Assistenten und seinen vorgeschlagenen Folgefragen leiten. * Nennen Sie Asset-Namen, Standorte oder Assettypen, um gezieltere Ergebnisse zu erhalten * Für historische Daten immer einen Zeitraum angeben (z. B. *"letzte 7 Tage"*, *"vorheriges Quartal"*) * Verwenden Sie die vorgeschlagenen Folge-Prompts oder Ihre eigenen, um schrittweise tiefer ins Detail zu gehen --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://docs.buildings.ability.abb/collection/german/suiten/space-and-assets-analytics/copilot-assistant/schnellstart.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.