LONDON (IT BOLTWISE) – AWS stellt mit AgentCore eine Referenzarchitektur für den produktiven Betrieb autonomer KI-Agenten in Großunternehmen vor. Die Architektur ordnet Identitäts- und Richtlinienlogik, eine mehrstufige Ausführungsumgebung sowie Wissens- und Kontrollfunktionen in klar getrennte Schichten. Parallel dazu nennt der Cloud-Anbieter messbare Effekte: schnellere Sitzstarts bis zu 15-mal, Micro-VM-Isolation und Effizienzgewinne bis 68 Prozent. Entscheidend für die Praxis bleibt aber die belegte Lücke zwischen Texte- und Faktenpräzision, die kontinuierliches Evaluieren erforderlich macht.
AWS will KI-Agenten nicht nur als Demo, sondern als dauerhaft betreibbares System in Unternehmen adressieren. Dafür liefert der Cloud-Anbieter eine Referenzarchitektur namens AgentCore, die sich an der Frage orientiert, wie sich „autonome“ Abläufe mit messbaren Qualitäts- und Sicherheitsmechanismen in Betrieb nehmen lassen. Im Modell werden Agentensysteme in mehrere Schichten gegliedert: Ein API-Gateway übernimmt Identität und Richtliniendurchsetzung, danach folgt eine Ausführungsumgebung mit einem fünfstufigen Zyklus aus Verstehen, Planen, Abrufen, Schlussfolgern und Handeln. Ergänzt wird das durch Ebenen für Wissens- und Zustandsspeicherung, Plattformdienste sowie ein Kontroll- und Vertrauensframework.
Technisch setzt AWS dabei stark auf das, was in der Praxis oft der Engpass ist: Nachvollziehbarkeit und Grenzziehung im Agentenlauf. Als Grundlage dient die unternehmenseigene Generative AI Lens aus dem Well-Architected-Programm, ergänzt um Leitprinzipien wie Zero Trust, Tiefenstaffelung, funktionale Trennung, standardmäßige Nachvollziehbarkeit und ausfallsichere Voreinstellungen. Für jeden Handlungsschritt sollen Messdaten zu Latenzen, Token-Verbräuchen und Tool-Status emittiert werden. Damit wird der Agentenprozess nicht zur „Blackbox“, sondern zur beobachtbaren Pipeline, die sich gezielt testen und optimieren lässt.
Der zweite zentrale Baustein ist der Agent Development Lifecycle, den AWS parallel zur Referenzarchitektur beschreibt. Der Zyklus umfasst sechs Aktivitäten: Definition, Erstellung, Evaluierung, Bereitstellung, Überwachung und Rückkopplung. Auffällig ist, dass AWS die Evaluierung nicht als einmaligen Endtest betrachtet, sondern als laufenden Bestandteil des Entwicklungsmodells. Denn die systemspezifischen Besonderheiten erfordern zusätzliche Tests: Inhärenter Nicht-Determinismus, Prompts als versionierter Quellcode und eigenständig veränderliche Abhängigkeiten. Genau diese Kombination erklärt, warum „prompt tuning“ allein nicht genügt, wenn Faktengehalt und Wissensabdeckung variieren.
Ein dokumentiertes Messbeispiel für einen Assistenten im Personalwesen macht das sehr konkret. Bei drei Testfragen erreicht das Modell auf Textebene eine Präzision von 1,00, faktisch liegen die Werte jedoch bei 0,59, 0,53 und 0,09; bei der dritten Frage beträgt die Abdeckung relevanter Informationen 0,00. Nach Anpassungen am Prompt verbessert sich die faktische Verankerung der ersten Frage von 0,83 auf 0,87, während sie bei der dritten Frage von 0,39 auf 0,31 fällt. Der Befund unterstreicht damit: Evaluation muss sowohl die Formulierungsqualität als auch die tatsächliche Nutzung relevanter Informationen erfassen – sonst optimiert man am Ende womöglich nur stilistische Passung.
Während AWS die Architektur und den Lifecycle beschreibt, adressiert der Anbieter zugleich Performance und Betriebsrisiken in der AgentCore-Laufzeitumgebung. Laut AWS starten Sitzungen bis zu 15-mal schneller und bleiben unabhängig von Image-Größe und Parallelität unter zwei Sekunden. Zudem skaliert die Rechenleistung um das Vierfache auf bis zu acht virtuelle Prozessoren sowie 32 Gigabyte Arbeitsspeicher bei Containergrößen von bis zu zehn Gigabyte; die Effizienz steigt dabei um bis zu 68 Prozent. Für die Isolierung läuft jede Sitzung in einer isolierten Micro-VM auf Firecracker-Basis, inklusive separater Identität, Richtlinienprüfung und Auditprotokollen, während inaktive Instanzen vollständig skalieren. Im Umfeld von Kundendaten nennt AWS außerdem Beschleunigungen bei Kaltstarts von 35 Prozent für Inferenzanfragen, 77 Prozent bei Statusprüfungen und 17 Prozent niedrigere Kosten pro Aufruf; zusätzlich wird ein Beispiel von 35 Prozent weniger Arbeitsspeicherbedarf pro Ausführung für Mission Cloud genannt, während Zuora einen ähnlichen Trend mit rund 60 Prozent reduziertem Arbeitsspeicherbedarf berichtet.
Für die Integration in Unternehmenslandschaften erweitert AWS außerdem den MCP-Server für SAP-Landschaften: Er soll nun auch HR-Daten aus SAP SuccessFactors über einen angepassten Katalog einbinden. Dabei unterstützt die Schnittstelle neben OData V2 auch OData V4, was Navigation über mehrere Dienste hinweg ermöglichen soll und Netzwerkrunden reduziert. Auch im Identitätsbereich setzt AWS auf Standardisierung, etwa mit RFC 8693 für Identitätsweitergabe und der Unterstützung von Microsoft Entra ID. Das passt zu dem breiteren Markttrend, den AWS adressiert: Standardisierte Agentenstrukturen werden zunehmend wichtig, weil Governance sonst schnell vom Pilot zum Risiko kippt. Eine im Auftrag von Microsoft durchgeführte IDC-Studie mit über 5.200 Führungskräften ordnet die Wirkung von KI-Investitionen dabei in eine klare Spannbreite ein: technologisch führende Vorreiter erzielen im Schnitt eine etwa vierfache Rendite gegenüber deutlich langsameren Unternehmen mit einem Faktor von 2,7; gleichzeitig verfügen bisher nur 65 Prozent über formalisierte Governance-Prozesse für Agenten, und lediglich 60 Prozent zeigen sich zuversichtlich beim Umgang mit Sicherheitsrisiken.
Damit rückt AgentCore in eine Rolle, die über einzelne Modelle hinausgeht: Es geht um Architekturdisziplin, standardisierte Evaluation und robuste Laufzeitisolation. Für Unternehmen heißt das, dass sich der nächste Schritt weniger an der Frage „Welches Modell?“ entscheidet, sondern an der Frage „Wie wird der Agent reproduzierbar, testbar und kontrollierbar?“. Wettbewerber treiben Governance ebenfalls, etwa mit automatischen Schwellenwerttests, Abschaltfunktionen und Budgetsperren. Entscheidend wird daher, ob sich die Schichten aus Gateway, Ausführung, Wissens- und Kontrollkomponenten sowie der Lifecycle tatsächlich als gemeinsames Muster in Projektteams durchsetzen lassen – und ob die Messgrößen zu Latenz, Token- und Tool-Status die gleiche Aufmerksamkeit bekommen wie die Antwortqualität selbst.
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "AWS AgentCore: Referenzarchitektur und schnellerer KI-Agent-Betrieb" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "AWS AgentCore: Referenzarchitektur und schnellerer KI-Agent-Betrieb" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »AWS AgentCore: Referenzarchitektur und schnellerer KI-Agent-Betrieb« bei Google Deutschland suchen, bei Bing oder Google News!