Amazon Bedrock Managed Knowledge Base ist ab sofort allgemein verfügbar. Der vollständig verwaltete Dienst abstrahiert die Komplexität beim Aufbau skalierbarer Retrieval-Systeme für Agenten und generative KI-Anwendungen.

Quelle: AWS AI Blog

Simplified Setup

Der Aufbau traditioneller Knowledge Bases erfordert die Integration separater Komponenten: Connectoren, Parser, Vektordatenbanken, Retrieval-Logik und Produktionsabsicherung. Managed Knowledge Base übernimmt diese Schichten vollständig.

Der Dienst bietet sechs native Enterprise-Connectoren (Amazon S3, Microsoft SharePoint, Atlassian Confluence, Google Drive, Microsoft OneDrive und Web Crawler) sowie eine direkte Ingestion-API. Bei Folge-Synchronisationen werden nur geänderte oder neue Dokumente verarbeitet. Echtzeit-ACL-Prüfungen gegen die autoritative Quelle sorgen für aktuelle Zugriffsrechte. Vorab gefilterte Dokumente bleiben transient und sind weder für LLMs noch für Endnutzer sichtbar.

Multimodale Inhalte (PDF, PPTX, DOCX bis 500 MB, Audio bis 2 GB, Video bis 10 GB) werden automatisch mit dem passenden Parsing-Ansatz verarbeitet – inklusive Tabellen, Diagramme und gemischter Layouts. Die Standard-Chunking-Strategie wird vom Dienst gewählt; bei Bedarf sind Fixed-Size-Chunking oder „No Chunking“ konfigurierbar.

Die zugrundeliegende Speicherschicht wird vollständig vom Dienst verwaltet. Hybrid-Suche (Keyword + semantisch) ist standardmäßig aktiv. Skalierung von Gigabytes auf Terabytes erfolgt automatisch. Verschlüsselung erfolgt mit AWS KMS-Schlüsseln.

Die Erstellung einer Managed Knowledge Base erfordert programmatisch lediglich drei API-Aufrufe: create_knowledge_base, create_data_source und start_ingestion_job.

Smarter Retrieval

Managed Knowledge Base stellt zwei Retrieval-APIs bereit:

• Retrieve: Liefert gerankte Chunks mit Relevanz-Scores und Metadaten. Geeignet für direkte Lookups und latenzkritische Anfragen.
• Agentic Retrieval: Zerlegt komplexe Anfragen mittels Foundation Model in Sub-Queries, führt iterative Retrieval-Runden durch (bis zu fünf Iterationen standardmäßig), evaluiert Zwischenergebnisse und dedupliziert die finalen Ergebnisse. Trace-Events ermöglichen vollständige Beobachtbarkeit.

Agentic Retrieval kann zusätzlich eine synthetisierte Antwort generieren.

Production Readiness

Der Dienst integriert nativ mit AgentCore Gateway. Knowledge Bases werden dadurch als MCP-kompatible Tools (Model Context Protocol) automatisch von Frameworks wie Strands, LangChain oder CrewAI entdeckt. Die Gateway-Ebene zentralisiert IAM, Routing und Observability.

Jede Abfrage veröffentlicht Metriken automatisch in Amazon CloudWatch (Namespace AWS/Bedrock/KnowledgeBases). Agentic-Retrieval-Trace-Events werden in Echtzeit gestreamt.

Unternehmen wie Syngenta Group, MRH Trowe, OpenAI und Sony setzen den Dienst für interne Wissenssuche, agentische RAG-Anwendungen und Copiloten ein.

Managed Knowledge Base ist in den Regionen us-east-1, us-west-2, eu-west-1, eu-central-1, ap-southeast-2, eu-west-2, ap-northeast-1 und us-gov-west-1 verfügbar.

FAQ

Welche Connectoren werden nativ unterstützt?
Amazon S3, Microsoft SharePoint, Atlassian Confluence, Google Drive, Microsoft OneDrive sowie ein Web Crawler und eine direkte Ingestion-API.

Unterscheidet sich Managed Knowledge Base von der bestehenden Amazon Bedrock Knowledge Bases?
Ja. Managed Knowledge Base bietet eine höhere Abstraktionsebene mit vollständig verwaltetem Storage, automatischem Parsing multimodaler Dokumente und integrierter AgentCore-Gateway-Unterstützung. Klassische Bedrock Knowledge Bases bleiben für Anwendungsfälle mit eigener Vektordatenbank verfügbar.

Welche Retrieval-Modi stehen zur Verfügung?
Der einfache Retrieve-Modus für direkte, latenzoptimierte Abfragen und der Agentic Retrieval-Modus für komplexe, multi-hop und vergleichende Anfragen mit automatischer Query-Zerlegung und Ergebnisevaluation.

Wie wird die Zugriffskontrolle auf Dokumentenebene realisiert?
Durch Echtzeit-ACL-Prüfungen direkt an der autoritativen Quelle zum Abfragezeitpunkt. Vorab-gefilterte Dokumente sind transient und werden weder dem LLM noch dem Nutzer offengelegt.