Microsoft erweitert seine KI-Plattform Microsoft Foundry um ein weiteres leistungsfähiges KI-Modell. Seit dem 26. August 2026 steht Grok 4.6 von SpaceXAI dort als Public Preview zur Verfügung. Das Modell wurde vor allem für Aufgaben entwickelt, die nicht nach einer einzelnen Antwort abgeschlossen sind, sondern über viele Arbeitsschritte hinweg geplant, geprüft und weitergeführt werden müssen.
Damit wird Grok 4.6 besonders für Entwickler, IT-Abteilungen und Unternehmen interessant, die mit KI-Agenten, automatisierten Workflows oder umfangreichen Wissensaufgaben experimentieren.
Grok 4.6 startet in Microsoft Foundry
Microsoft hat die Integration in der offiziellen Ankündigung zu Grok 4.6 in Microsoft Foundry vorgestellt.
Microsoft Foundry stellt Unternehmen verschiedene KI-Modelle über eine gemeinsame Plattform bereit. Dadurch können Entwickler Modelle vergleichen, mit eigenen Testfällen bewerten und anschließend in Anwendungen oder Agenten integrieren.
Mit Grok 4.6 kommt nun ein Modell hinzu, dessen Schwerpunkt ausdrücklich auf länger laufenden Aufgaben liegt.
Was ist Microsoft Foundry überhaupt?
Microsoft Foundry ist Microsofts zentrale Plattform zum Entwickeln, Testen, Bereitstellen und Verwalten von KI-Anwendungen und KI-Agenten. Sie bündelt KI-Modelle, Agenten und Werkzeuge in einer gemeinsamen Azure-Umgebung und bietet gleichzeitig Funktionen für Sicherheit, Governance, Monitoring und Zugriffskontrolle.
Entwickler können über den Modellkatalog auf mehr als 1.900 Modelle verschiedener Anbieter zugreifen, darunter Microsoft, OpenAI, Anthropic, Meta und weitere Anbieter, und diese unter vergleichbaren Bedingungen testen. Microsoft Foundry ist aus Azure AI Studio beziehungsweise Azure AI Foundry hervorgegangen und soll Unternehmen eine einheitliche Plattform bieten, um KI-Projekte vom ersten Test bis zum produktiven Betrieb zentral zu verwalten.
Was ist an Grok 4.6 besonders?
Viele klassische KI-Anfragen bestehen aus einer einzelnen Aufgabe. Du stellst eine Frage und erhältst eine Antwort. Bei modernen KI-Agenten reicht dieses Prinzip jedoch häufig nicht aus.
Ein Agent muss beispielsweise Informationen recherchieren, Dateien analysieren, Code erzeugen, Ergebnisse kontrollieren und anschließend auf Basis dieser Ergebnisse weitere Schritte ausführen.
Grok 4.6 wurde laut Anbieter besonders für solche langen Abläufe optimiert.
Das Modell bietet ein Kontextfenster von bis zu 500.000 Tokens. Dadurch kann es umfangreiche Informationen innerhalb einer Aufgabe berücksichtigen. Zusätzlich lässt sich steuern, wie viel Rechenaufwand das Modell für seine Überlegungen verwenden soll.
Wie entscheidend eine präzise Aufgabenbeschreibung für KI-Systeme bleibt, erklären wir ausführlich in unserem Beitrag bessere Prompts für ChatGPT schreiben.
Für welche Aufgaben eignet sich Grok 4.6?
Microsoft nennt mehrere Bereiche, für die Grok 4.6 interessant sein kann.
- Softwareentwicklung und Analyse größerer Codebasen
- mehrstufige technische Problemlösungen
- Recherche und Auswertung umfangreicher Informationen
- Automatisierung wiederkehrender Wissensarbeit
- Erstellung und Überarbeitung komplexer Dokumente
- agentengestützte Unternehmensprozesse
Gerade im IT-Support können solche Modelle langfristig eine größere Rolle spielen. Bereits heute lassen sich viele wiederkehrende Aufgaben durch Chatbots im IT-Support unterstützen.
Warum die Integration in Microsoft Foundry wichtig ist
Für Unternehmen ist nicht nur das eigentliche KI-Modell entscheidend. Ebenso wichtig sind Verwaltung, Sicherheit, Zugriffskontrolle und die Möglichkeit, unterschiedliche Modelle unter vergleichbaren Bedingungen zu testen.
Microsoft Foundry soll genau dafür eine gemeinsame Umgebung bereitstellen.
Du kannst Grok 4.6 dort mit anderen verfügbaren Modellen vergleichen und Tests mit realistischen Aufgaben durchführen. Anschließend lässt sich das ausgewählte Modell über verwaltete Endpunkte in Anwendungen oder Agenten einbinden.
Das ist besonders sinnvoll, weil nicht automatisch das leistungsfähigste Modell für jede Aufgabe auch die wirtschaftlichste Lösung ist.
Grok 4.6 in Microsoft Foundry Schritt für Schritt testen
Schritt 1: Microsoft Foundry Projekt öffnen
Melde Dich an Microsoft Foundry an und öffne ein vorhandenes Projekt oder lege für den Test ein separates Projekt an.
Für eine Public Preview empfiehlt sich eine isolierte Testumgebung. So kannst Du neue Funktionen ausprobieren, ohne produktive Anwendungen zu beeinflussen.
Schritt 2: Grok 4.6 im Modellkatalog suchen
Öffne den Modellkatalog und suche nach Grok 4.6.
Kontrolliere in der Modellbeschreibung die für Deinen Tenant verfügbaren Bereitstellungsoptionen, Regionen, Nutzungsbedingungen und aktuellen Kosten.
Schritt 3: Reale Testaufgaben vorbereiten
Verwende nicht nur einfache Fragen wie „Erkläre mir Windows 11“. Solche Tests zeigen kaum, wo die Stärken eines für lange Workflows optimierten Modells liegen.
Besser sind typische Aufgaben aus Deiner Umgebung. Du könntest beispielsweise ein anonymisiertes Fehlerprotokoll analysieren oder einen längeren PowerShell-Code prüfen lassen.
Grundlagen und aktuelle Installationsmöglichkeiten findest Du in unserem Beitrag zum PowerShell Download und PowerShell Update.
Schritt 4: Ergebnisse mit anderen Modellen vergleichen
Lasse identische Aufgaben von mehreren Modellen bearbeiten.
Bewerte dabei nicht nur die sprachliche Qualität. Interessant sind vor allem Fehlerquote, Vollständigkeit, Bearbeitungsdauer, benötigte Tokens und die Fähigkeit, Anweisungen über mehrere Schritte hinweg zuverlässig einzuhalten.
Schritt 5: Einen kontrollierten Pilotbetrieb starten
Wenn Grok 4.6 bei Deinen Tests überzeugt, solltest Du zunächst einen kleinen Pilotbetrieb aufbauen.
Definiere vorher genau, welche Daten das Modell verarbeiten darf und welche Anwendungen darauf zugreifen können.
Praktische Einsatzmöglichkeiten für Windows Administratoren
Für Windows-Administratoren ergeben sich zahlreiche interessante Testszenarien.
Ein Modell könnte beispielsweise PowerShell-Skripte erklären, Konfigurationsunterschiede zusammenfassen, technische Dokumentationen vorbereiten oder umfangreiche Logdateien strukturieren.
Auch bei Linux- und Windows-Mischumgebungen kann KI hilfreich sein. Ein praktisches Beispiel für solche Umgebungen ist die Nutzung von Azure Linux 4.0 unter WSL.
Generierten Code solltest Du trotzdem niemals ungeprüft auf produktiven Systemen ausführen. Eine plausibel klingende PowerShell-Zeile kann falsche Parameter enthalten oder unerwünschte Änderungen verursachen.
Datenschutz und Governance bleiben entscheidend
Ein großes Kontextfenster verleitet schnell dazu, umfangreiche Dokumente oder Protokolle vollständig an ein KI-Modell zu übergeben.
Genau hier sollten Unternehmen klare Regeln aufstellen.
Passwörter, API-Schlüssel, personenbezogene Daten, vertrauliche Kundendaten oder interne Sicherheitsinformationen gehören nicht ungeprüft in einen KI-Prompt.
Die grundsätzlichen Risiken solcher Systeme haben wir bereits in unserem Beitrag über die Gefahren von KI-basierten Tools bei der PC-Nutzung erläutert.
Unternehmen müssen außerdem rechtliche Vorgaben berücksichtigen. Seit August 2026 spielen dabei auch neue Transparenzpflichten eine größere Rolle. Weitere Informationen findest Du in unserem Beitrag zum Kennzeichnen von KI-Inhalten nach dem EU AI Act.
Besonders bei Kundenkommunikation und personenbezogenen Informationen ist zusätzlich eine saubere Compliance-Strategie notwendig. Das gilt beispielsweise auch bei KI-gestützter Contact-Center-Software.
Aus der Administratorpraxis: KI-Modelle mit festen Testfällen vergleichen
Bei neuen KI-Modellen bewährt sich ein reproduzierbarer Testkatalog. Erstelle beispielsweise zehn bis zwanzig typische Aufgaben aus Deinem Arbeitsalltag. Verwende für jedes Modell dieselben Eingaben und definiere vorher, was ein gutes Ergebnis ausmacht.
Bei einem PowerShell-Test könnten Kriterien wie korrekte Syntax, nachvollziehbare Fehlerbehandlung, Sicherheitsprüfung und verständliche Kommentare bewertet werden. Dadurch lässt sich wesentlich besser beurteilen, ob ein neues Modell tatsächlich einen Vorteil bringt.
Praxistipp: Public Preview nicht mit Produktionsfreigabe verwechseln
Grok 4.6 befindet sich in Microsoft Foundry zunächst in der Public Preview. Für Administratoren bedeutet das: testen, vergleichen und Erfahrungen sammeln. Eine automatische unternehmensweite Freigabe sollte daraus noch nicht entstehen.
Prüfe vor einem produktiven Einsatz insbesondere Berechtigungen, Protokollierung, Datenklassifizierung, Kosten und vorhandene Sicherheitsrichtlinien. Auch eine konsequente Absicherung der Benutzerkonten bleibt notwendig. Hinweise dazu findest Du in unserer Anleitung zur Zwei-Faktor-Authentifizierung.
FAQ zu Grok 4.6 in Microsoft Foundry
Was ist Grok 4.6?
Grok 4.6 ist ein KI-Modell von SpaceXAI, das besonders für länger laufende Agentenaufgaben, Coding, Wissensarbeit und komplexe mehrstufige Workflows entwickelt wurde.
Ist Grok 4.6 bereits in Microsoft Foundry verfügbar?
Ja. Microsoft hat Grok 4.6 am 26. August 2026 als Public Preview in Microsoft Foundry bereitgestellt.
Wie groß ist das Kontextfenster von Grok 4.6?
Grok 4.6 unterstützt ein Kontextfenster von bis zu 500.000 Tokens. Dadurch kann das Modell umfangreiche Informationen innerhalb eines Arbeitsablaufs berücksichtigen.
Kann Grok 4.6 Programmcode erstellen?
Ja. Softwareentwicklung und agentengestützte Coding-Aufgaben gehören zu den vorgesehenen Einsatzgebieten. Generierten Code solltest Du vor der Ausführung trotzdem immer kontrollieren.
Ist Grok 4.6 für Unternehmen geeignet?
Microsoft Foundry ermöglicht Unternehmen, Grok 4.6 kontrolliert zu testen, mit anderen Modellen zu vergleichen und über verwaltete Endpunkte in Anwendungen einzubinden. Vor einem produktiven Einsatz sollten Datenschutz, Governance und Kosten geprüft werden.
Sollte ich Grok 4.6 sofort produktiv einsetzen?
Ein breiter produktiver Einsatz ist während einer Public Preview nicht der beste erste Schritt. Sinnvoller ist zunächst ein begrenzter Pilotbetrieb mit realistischen Testfällen und klar definierten Sicherheitsregeln.
Fazit zu Grok 4.6 in Microsoft Foundry
Mit Grok 4.6 erweitert Microsoft Foundry sein Angebot um ein Modell, das speziell bei langen und komplexen Arbeitsabläufen interessant werden könnte. Für Administratoren und Entwickler ist vor allem die Möglichkeit interessant, das Modell innerhalb einer zentral verwalteten Plattform mit realistischen Aufgaben zu vergleichen.
Entscheidend bleibt jedoch nicht allein die Leistungsfähigkeit. Datenschutz, Sicherheit, Kosten und die Zuverlässigkeit bei den eigenen Anwendungsfällen sollten vor jeder produktiven Einführung geprüft werden.
Neueste Kommentare