Um die Effizienz und Zugänglichkeit der Wissensdatenbank zu verbessern, ist es entscheidend, die relevanten Informationen aus Ihrem WordPress-Blog in den M365 Copilot zu integrieren. Dies ermöglicht es, Daten wie zum Beispiel Herkunft, Herstellung, Ernte, Trockenzeit und Zubereitung nahtlos im Copilot zu verwenden.
Da sich die Quelldaten nicht ständig ändern, haben wir uns für einen Graph Connector entschieden. Dieser Prozess folgt einem identischen Ablauf wie bei der Beladung eines Data Warehouses und kann in drei Teile zerlegt werden:
Extraktion: Daten aus dem Quellsystem auslesen.
Transformation: Daten zerlegen/aggregieren und in das Datenmodell des Zielsystems bringen.
Laden: Daten in das Zielsystem laden.
Wie können die Daten exportiert werden?
In unserem Beispiel haben wir drei Möglichkeiten identifiziert:
- Daten mithilfe eines HTML-Exports zu exportieren.
- WordPress bietet eine API an.
- Daten direkt aus der Datenbank auszulesen.
Wir haben uns für die Variante mittels HTML-Exports entschieden, obwohl alle Varianten technisch möglich wären. Aus Demozwecken ist es am einfachsten, da der Blog nicht betrieben werden muss.

Wie werden die Daten im Graph Connector abgelegt?
Dafür gibt es zwei Möglichkeiten: Jeden Eintrag als Ganzes als ein externes Element hochzuladen oder jeden Bereich eines Elements als eigene Eigenschaft hochzuladen.
Schema: Ein Blog als ein Graph Connector Schema.

Da die Wissensartikel stark strukturiert sind.

Schema: Ein Blog in mehrere Eigenschaften aufteilt.

Wie wurden die Daten transformiert?
Die eigentliche Transformation der Daten erfolgt in einem kleinen C# Programm. Hier werden die extrahierten Blog-Post-Daten gemäß dem Zielschema des Graph Connectors umgewandelt (Variante 1) bzw. aufgeteilt (Variante 2). Bei beiden Varianten wurden zudem die Berechtigungen gesetzt (ACL).

Die einzelnen Datensätze wurden dann mittels REST-Befehlen hochgeladen. Der Datenfluss war somit durch ein Programm realisiert, das nun regelmäßig aufgerufen werden muss.
Wie sehen die Daten in der M365 Welt aus?
Die Daten können mithilfe der Suche leicht angezeigt und getestet werden.

Bei der Formatierung sind kaum Grenzen gesetzt.

Was wir hier sehen ist, dass es sich beim Formatieren um eine AdaptiveCard handelt.
Mithilfe eines Designers ist dies auch eine lösbare Aufgabe.

Das Resultat im Copiloten unterscheidet sich ein wenig. Ich habe 2 unterschiedliche Sorten für die Abfrage genommen, damit ich den Unterschied zeigen kann.


Beide Aufbereitungen haben ihre Vorteile. Mein subjektiver Eindruck ist, dass die Variante " Ein Blog in mehrere Eigenschaften aufteilt" für diese Fragestellung eine genauere Antwort liefert.
Was meint Ihr?