Amazon Bedrock führt speicherbewusste Suche für mandantenfähige KI-Agenten ein
AWS integriert AgentCore-Speicher mit Managed Knowledge Bases, um personalisierte, kontextbewusste RAG zu ermöglichen und gleichzeitig strenge Dokumentzugriffskontrollen durchzusetzen.
Automatisch aus dem englischen Original übersetzt.
Amazon Web Services hat eine neue Integration zwischen Amazon Bedrock Managed Knowledge Base und dem Amazon Bedrock AgentCore-Speicher vorgestellt. Dieses Update ermöglicht es Entwicklern, KI-Agenten zu erstellen, die benutzerspezifische Kontexte über Sitzungen hinweg behalten, während sie sich strikt an Dokumentzugriffskontrollen halten. Die Funktion wurde am 16. November 2026 angekündigt und richtet sich an Ingenieure, die mandantenfähige Enterprise-Assistenten entwickeln.
Was ist passiert?
Bisher erforderte der Aufbau einer wissensbasierten Anwendung von Entwicklern die manuelle Verwaltung des Gesprächsverlaufs, das Extrahieren dauerhafter Fakten aus vergangenen Interaktionen und das Einfügen dieser Fakten in Suchabfragen. Dieser Prozess war komplex, insbesondere wenn sichergestellt werden musste, dass jeder Benutzer in einer mandantenfähigen Umgebung nur auf Dokumente zugreifen konnte, für die er autorisiert war. Entwickler mussten eigene Infrastruktur aufbauen, um Gespräche zu speichern, Daten pro Benutzer zu isolieren und die Synchronisation zwischen Benutzerkontext und Dokumentabruf aufrechtzuerhalten.
Die neue Integration automatisiert diese Schritte, indem sie dem AgentCore-Speicher erlaubt, neben der Wissensbasis als Suchquelle zu fungieren. Durch Hinzufügen einer memoryConfiguration zur AgenticRetrieveStream-Anfrage stellt der Dienst automatisch den Gesprächsverlauf wieder her, extrahiert relevante Langzeitfakten und nutzt diese, um Suchabfragen zu verfeinern. Das System übernimmt die Wiederherstellung der Sitzung, die Speichersuche und die Persistenz, während die Wissensbasis weiterhin für die Aufnahme, Indexierung und Rangfolge zuständig bleibt.
Dieser Ansatz stellt sicher, dass jede Antwort sowohl im historischen Kontext des Benutzers als auch in den Dokumenten fundiert ist, auf die er Zugriff hat. Die Integration ist opt-in und abwärtskompatibel, was bedeutet, dass bestehende Anwendungen sie ohne Breaking Changes übernehmen können. Die Anwendung ist nur noch für die Authentifizierung des Benutzers und die Übergabe seiner Identität verantwortlich, während AWS die komplexe Orchestrierung von Speicher und Abruf verwaltet.
Wie es funktioniert
Der Mechanismus basiert auf der Zuordnung der Benutzeridentität zu zwei unterschiedlichen Ansprüchen (Claims) aus einem Authentifizierungstoken, wie z. B. einem von Amazon Cognito ausgestellten Token. Die E-Mail-Adresse des Benutzers wird verwendet, um Dokumente über Access Control Lists (ACLs) in der Wissensbasis zu filtern, sodass er nur zulässige Inhalte sieht. Gleichzeitig dient eine stabile Benutzer-ID, wie die Cognito-sub, als actorId für die Speicherisolierung. Diese Trennung verhindert Probleme, bei denen eine Änderung der E-Mail-Adresse versehentlich einem neuen Benutzer Zugriff auf den Gesprächsverlauf einer anderen Person gewähren könnte.
Wenn ein Benutzer eine Abfrage sendet, übergibt die Anwendung den userContext und die memoryConfiguration an die AgenticRetrieveStream-API. Der Dienst stellt zunächst das Kurzzeitgedächtnis für die aktuelle Sitzung wieder her und durchsucht optional das Langzeitgedächtnis nach relevanten Fakten, wie Benutzerpräferenzen oder zuvor erwähnten Details. Eine Planungskomponente entscheidet, ob diese Erinnerungen für die aktuelle Frage nützlich sind, und integriert sie in die Unterabfragen, die an die Wissensbasis gesendet werden. Nach der Generierung einer Antwort speichert das System die Interaktion asynchron im Gedächtnis.
Die Sicherheit wird über IAM-Richtlinien durchgesetzt, die an Sitzungsmarkierungen (Session Tags) gebunden sind. Die Anwendung nimmt eine IAM-Rolle an, die mit der ID des Benutzers markiert ist, und IAM-Richtlinien beschränken den Speicherzugriff auf Namensräume, die diese spezifische ID enthalten. Dies stellt sicher, dass selbst bei Fehlern im Anwendungscode die zugrunde liegende Infrastruktur verhindert, dass ein Benutzer auf die Speicherdatensätze oder Dokumente eines anderen Benutzers zugreift.
Wichtige Details
- Die Integration nutzt
AgenticRetrieveStreammit einemmemoryConfiguration-Parameter, um speicherbewusste Suche zu aktivieren. - Die Benutzeridentität wird getrennt: E-Mail-Adressen filtern Dokument-ACLs, während stabile IDs wie
subSpeicher-Namensräume isolieren. - Zwei Speicherstrategien werden unterstützt: die Zusammenfassungsstrategie (Summary Strategy) zum Erfassen gelegentlicher Fakten und die Benutzerpräferenzstrategie (User-Preference Strategy) für strukturierte Einstellungen.
- IAM-Richtlinien verwenden Sitzungsmarkierungen, um die Isolation pro Benutzer für sowohl Speicherdatensätze als auch Dokumentzugriffe durchzusetzen.
- Das System unterstützt die asynchrone Extraktion von Langzeitdatensätzen, wodurch die Antwortlatenz während aktiver Chats gering gehalten wird.
- Bestehende Wissensbasen mit ACL-fähigen Datenquellen, wie Amazon S3 oder SharePoint, funktionieren ohne Modifikationen.
Warum das wichtig ist
Für Software-Ingenieure, die Enterprise-KI-Assistenten entwickeln, reduziert dieses Update den operativen Aufwand für die Wartung zustandsbehafteter Agenten erheblich. Anstatt eigene Datenbanken für den Gesprächsverlauf zu entwerfen und komplexe Logik zum Einfügen von Kontext in Prompts zu schreiben, können Entwickler sich auf einen verwalteten Dienst verlassen. Dieser Wandel ermöglicht es Teams, sich auf die Anwendungslogik und die Benutzererfahrung zu konzentrieren, anstatt auf die Feinheiten des Zustandsmanagements und der Datenisolierung.
Die strenge Trennung von Dokumentzugriff und Speicherkontext adressiert zudem ein kritisches Sicherheitsproblem in mandantenfähigen Umgebungen. Durch die Nutzung von IAM-Bedingungen und ACLs auf Infrastrukturebene können Organisationen die Einhaltung von Data-Governance-Richtlinien sicherstellen. Dies verringert das Risiko versehentlicher Datenlecks, eine häufige Schwachstelle, wenn Entwickler Benutzerkontext und Dokumentabruf manuell in eigenem Code handhaben.
Darüber hinaus verbessert die Fähigkeit, Antworten basierend auf Langzeitgedächtnis zu personalisieren, den Nutzen von KI-Agenten. Benutzer erwarten, dass Assistenten ihre Präferenzen und früheren Diskussionen behalten, ähnlich wie ein menschlicher Kollege. Diese Integration macht es möglich, solche Erfahrungen im großen Maßstab bereitzustellen, ohne Kompromisse bei Sicherheit oder Leistung einzugehen, und ermöglicht natürlichere und effektivere Interaktionen im Kundensupport, internen IT-Helpdesks und anderen Enterprise-Anwendungsfällen.
Was Sie tun können
- Aktualisieren Sie Ihr AWS SDK auf Boto3 1.43.72 oder höher, um auf die neuen
memoryConfiguration-Parameter zuzugreifen. - Überprüfen Sie Ihren Authentifizierungsfluss, um sicherzustellen, dass Sie sowohl eine stabile Benutzer-ID als auch eine verifizierte E-Mail-Adresse von Ihrem Identity Provider extrahieren können.
- Entwerfen Sie Ihre Speicher-Namensräume unter Verwendung des
{actorId}-Platzhalters, um eine automatische Isolation für jeden Benutzer zu gewährleisten. - Konfigurieren Sie IAM-Rollen mit Sitzungsmarkierungen, um strenge Zugriffskontrollen auf Speicherressourcen und Wissensbasis-Abfragen durchzusetzen.
- Testen Sie die Integration mit einer kleinen Gruppe von Benutzern, um zu überprüfen, ob Dokument-ACLs und Speicherabruf wie erwartet funktionieren.
- Erwägen Sie die Aktivierung sowohl der Zusammenfassungs- als auch der Benutzerpräferenz-Speicherstrategien, um ein breiteres Spektrum an kontextuellen Informationen zu erfassen.



