von Simeon-Lukas Hennigs am 30.04.2025
Automatisierte Prozesse wie Azure Logic Apps sind heute aus modernen CRM-Lösungen nicht mehr wegzudenken. Doch sobald es in die Tiefe geht – etwa bei der Analyse einzelner Ausführungen oder der Fehlersuche – stoßen viele Unternehmen an Grenzen. Genau hier setzt Azure Log Analytics mit der Kusto Query Language (KQL) an.
In diesem Beitrag zeigen wir, wie Du mit wenigen Abfragen gezielt bestimmte Logic-App-Ausführungen sichtbar machst – und wie Du durch diese Transparenz langfristig Deine Prozesse verbesserst.
Warum überhaupt Log Analytics und KQL?
In modernen Cloud-Umgebungen laufen viele Prozesse parallel, oft verteilt über mehrere Systeme. Gerade bei der Automatisierung mit Logic Apps ist es entscheidend, den Überblick zu behalten: Welche Ausführungen laufen wie geplant? Wo treten Fehler auf? Welche Details lassen sich über einzelne Ausführungen nachvollziehen?
Azure Log Analytics bietet dafür eine zentrale Lösung: Es sammelt Diagnosedaten aus Deinen Azure-Ressourcen – darunter Logic Apps – und macht sie über die Kusto Query Language (KQL) gezielt durchsuchbar.
Die Vorteile im Überblick:
- Schnelle Fehlersuche: Finde mit wenigen Klicks die betroffene Ausführung.
- Zielgerichtete Filterung: Suche nach bestimmten Inhalten, Triggern oder Zeiträumen.
- Visualisierung & Reporting: Erstelle Dashboards, Charts und Alerts – direkt aus der Abfrage.
- Automatisierte Reaktionen: Löse Folgeaktionen aus, wenn bestimmte Bedingungen erfüllt sind.
Log Analytics Oberfläche (Bildquelle: infinitas GmbH)
Was ist KQL?
KQL steht für Kusto Query Language und ist das Herzstück von Log Analytics. Die Sprache ist leicht erlernbar, erinnert an SQL und bietet die Möglichkeit zur Analyse von Zeitreihen und strukturierten Logs.
Ein typisches Beispiel:
AzureDiagnostics
| where Resource == "MeineLogicApp"
and Status_s == "Failed"
| project TimeGenerated, WorkflowRunId_g, Status_s, ResultDescription_s
| order by TimeGenerated desc
Mit nur wenigen Zeilen erhältst Du eine Liste aller fehlgeschlagenen Ausführungen inklusive Fehlerbeschreibung.
Log Analytics Abfrage (Bildquelle: infinitas GmbH)
Use Case: Ausführungen in Logic Apps analysieren
Stell Dir vor, Deine Logic App versendet regelmäßig E-Mails oder verarbeitet Bestellungen. Nun möchtest Du gezielt Ausführungen finden, in denen eine bestimmte ID enthalten ist – etwa eine Bestellnummer oder Kundennummer.
Mit KQL kein Problem:
AzureDiagnostics
| where Resource == "MeineLogicApp"
and tostring(Properties_s) has "Bestellnummer123"
| project TimeGenerated, WorkflowRunId_g, Properties_s
So filterst Du in Sekunden genau die Ausführungen heraus, die Dich interessieren – ganz ohne manuelles Durchklicken in der Logic App-Oberfläche.
Best Practices: So holst Du mehr aus KQL heraus
- Verwende project, um nur die wichtigsten Informationen in der Ergebnistabelle anzuzeigen.
- Mit summarize und Zeitfunktionen wie bin() lassen sich Trends über Stunden oder Tage hinweg erkennen.
- Nutze timeGenerated, um gezielt nur den Zeitraum zu analysieren, der für Deinen Anwendungsfall relevant ist.
- Kombiniere KQL mit Azure Workbooks, um interaktive Dashboards zu erstellen.
- Definiere Alerts, um bei bestimmten Abweichungen automatisch benachrichtigt zu werden.
Fazit: Mehr Transparenz und Kontrolle für Deine Logic Apps
Mit Azure Log Analytics gewinnst Du wertvolle Einblicke in Deine automatisierten Prozesse – über das hinaus, was das Standard-Interface der Logic Apps bietet. Ob gezielte Fehleranalyse, Filterung nach bestimmten Ausführungen oder die Auswertung ganzer Laufzeithistorien: Log Analytics liefert die Datenbasis, um fundierte Entscheidungen zu treffen und Deine Prozesse kontinuierlich zu optimieren.
Die Kusto Query Language (KQL) ist dabei das Analysewerkzeug, das diese Auswertungen flexibel und präzise ermöglicht – ohne aufwändige Konfiguration.
Du suchst technische Unterstützung für Deine Microsoft- oder CRM-Projekte? Ob Weiterentwicklung, Support oder Integration – unser Team hilft Dir dabei, das volle Potenzial von Microsoft Dynamics 365 und der Azure-Plattform zu nutzen.
