Ein einziges WhatsApp-Business-Nummer wird zum vollständigen Bestellkanal – textbasiert, per Sprachnachricht und per Sprachanruf.

AWS hat eine Referenzarchitektur veröffentlicht, die zeigt, wie ein multimodaler Bestellassistent für Quick-Service-Restaurants mit Amazon Bedrock AgentCore und den Amazon-Nova-2-Modellen deployt werden kann.

Kernprinzipien der Lösung

Die Architektur trennt strikt drei Schichten: den WhatsApp-Eingang (Meta WhatsApp Business Platform), drei dedizierte Agent-Runtimes auf Amazon Bedrock AgentCore und das unveränderte Restaurant-Backend. Alle Kanäle teilen sich eine einheitliche AgentCore-Memory, die über einen gehashten customer_id arbeitet. Dadurch erkennt das System einen Kunden unabhängig davon, ob er heute schreibt oder morgen anruft.

Amazon Nova 2 Lite verarbeitet Text über die Bedrock Converse API. Amazon Nova 2 Sonic übernimmt Echtzeit-Speech-to-Speech für Sprachnachrichten und Anrufe – ohne Zwischenschritt einer Transkription.

Technische Umsetzung

• Ein einzelner HTTPS-Webhook (API Gateway) empfängt alle Ereignisse von Meta, bestätigt diese sofort mit HTTP 200 und leitet sie asynchron über Amazon SQS an einen Worker weiter.
• Drei isolierte Agent-Container (ARM64) auf AgentCore Runtime handhaben jeweils einen Kanal (Chat, Voice Note, Voice Call).
• Die Verbindung zum Backend erfolgt ausschließlich über den Model Context Protocol (MCP) mittels des verwalteten AgentCore Gateway. Die Tools (GetMenu, AddToCart, PlaceOrder etc.) bleiben kanalunabhängig.
• Persistenz erfolgt in Amazon DynamoDB (Kundenprofile, Warenkörbe, Bestellungen, Menüs, Standorte). Amazon Location Service übernimmt Geocoding und Standortsuche.

Die gesamte Infrastruktur wird deklarativ mit dem AWS Cloud Development Kit (CDK) als abhängige Stacks bereitgestellt. Ein GitHub-Repository mit fertigen Skripten und Containern steht zur Verfügung.

Quelle: AWS AI Blog

FAQ

Welche Modelle werden für Text und Sprache eingesetzt?
Amazon Nova 2 Lite für textbasierte Gespräche über die Converse API und Amazon Nova 2 Sonic für Echtzeit-Speech-to-Speech bei Sprachnachrichten und Anrufen.

Muss das bestehende Restaurant-Backend angepasst werden?
Nein. Die Trennung von Kanal-Logik und Bestelllogik bleibt erhalten. Neue Kanäle können hinzugefügt werden, ohne das Backend zu verändern.

Wie wird die Kontinuität über verschiedene Kanäle sichergestellt?
Durch eine gemeinsame AgentCore Memory, die mit einem pseudonymisierten, gehashten Kunden-Identifier arbeitet. Jeder Runtime liest und schreibt in denselben Speicher.

Ist die Lösung nur für Restaurants geeignet?
Die Kernbausteine – einheitliche Business-Nummer, multimodale Kanäle, geteilte Memory und MCP-Tools – lassen sich auf weitere Branchen wie Retail-Support, Healthcare oder Field Service übertragen.