AI-hentet · kurateret af Jens Ole Taisbak
To udvalgte af 14 fundne. Hver historie er læst igennem, vurderet og forsynet med en kildeangivelse, før den kom på siden.
Fabric data agents får agentisk DAX-generering mod semantiske modeller i preview
Fabric data agents kan nu generere DAX mod Power BI-semantiske modeller med en agentisk arkitektur, når Preview-runtime er slået til. Hvor agenten før lavede forespørgslen i ét gennemløb, kan den nu planlægge, bruge værktøjer, inspicere mellemresultater og rette sig selv undervejs. Med instance value indexing slår den forretningsbegreber op mod de faktiske værdier i data, så et filter på et produktnavn eller en kundegruppe rammer den rigtige streng frem for et gæt. Microsoft skriver, at ændringen bringer DAX-genereringen på linje på tværs af Fabric data agents, Skills, Power BI og Microsoft 365 Copilot. Funktionen er i preview.
Hvorfor det er relevant: Det er en anden nyhed end de tidligere om data agents i Copilot Studio og automatisk valg af datakilde. Her handler det om selve svarkvaliteten, og det er dér tilliden til en AI-rapportering afgøres for en mindre virksomhed uden analytiker til at efterkontrollere. Forbeholdet er preview-status, og at gevinsten stadig forudsætter en model med ordentlige navne og beskrivelser — se hvad det kræver i Datafundamentet for AI: 4 krav før modellen kan bruges. Næste skridt er at slå Preview-runtime til på en testmodel og sammenligne svarene med de kendte tal.
Kilde: community.fabric.microsoft.com — Advanced DAX generation for semantic models in Fabric data agents · 1. september 2026 · Prioritet P3 af 14
Tabular Editor: læg AI-konteksten som markdown ind i PBIP-projektet
Tabular Editor gennemgår, hvordan man skriver den dokumentation AI-agenter faktisk læser. Markdown vælges, fordi filerne er lette at læse uden preview og koster færre tokens end rigere formater. Artiklen navngiver de filer agenter selv finder og læser, blandt andet AGENTS.md og CLAUDE.md som hukommelsesfiler, SKILL.md til instruktioner for en skill og mapper som .claude/rules til regler. Den konkrete anbefaling til BI-folk er at lægge markdown-dokumentationen ind i selve PBIP-projektet under .Report eller .SemanticModel, så konteksten følger med i Git og bliver ved med at være synkron med modellen. Til skrivning nævnes VS Code med Markdown Preview Enhanced, Zed, Obsidian og Typora.
Hvorfor det er relevant: Det er den billigste konkrete handling, hvis man vil have brugbare AI-svar på sine egne data: skriv ned hvad tabeller, mål og forkortelser betyder, og læg det hvor agenten kan finde det. Forbeholdet er, at det er en begynderartikel uden målinger af effekt, og at filnavnene er leverandørspecifikke og kan ændre sig. Næste skridt er at lægge en kort ordliste ind i det PBIP-projekt man arbejder mest i.
Kilde: tabulareditor.com — Markdown and AI context for beginners · 1. september 2026 · Prioritet P13 af 14
Begge historier peger samme vej: en semantisk model, der er dokumenteret og navngivet ordentligt, er forudsætningen for at Fabric data agents svarer rigtigt. Det er præcis det arbejde, der ligger i Power BI til Business Central.
