Tradeshift, eine globale Plattform für Kreditorenbuchhaltung und E-Invoicing, hat sein proprietäres Business-Intelligence-Tool durch die agentische KI-Lösung Amazon Quick von AWS ersetzt.
Das alte System stieß bei wachsenden Datenvolumen an Grenzen: maximale Abfragen von 10.000 Zeilen, Berichtsobergrenzen von 25 MB und eine Datenhistorie von nur sechs Monaten. Die Wartung band erhebliche interne Ressourcen.
Die agentische Transformation
Amazon Quick verbindet Anwendungen, Tools und Daten in einer KI-gestützten Arbeitsumgebung. Kernfunktionen umfassen einen Chat-Agenten für natürliche Sprachabfragen, Flows zur Automatisierung mehrstufiger Workflows sowie Research-Funktionen für umfassende Analyseberichte.
Agentic AI ermöglicht es KI-Agenten, autonom Ziele zu setzen, zu argumentieren, Entscheidungen zu treffen und sich an veränderte Bedingungen anzupassen – ohne ständige menschliche Überwachung.
Die Implementierung erfolgte schrittweise: Beginnend mit einem Proof of Concept Anfang 2024, über ein MVP für Embedded Analytics bis hin zur vollständigen Reporting- und Analyse-App.
Technische Architektur
Tradeshift integrierte 16 eingebettete Amazon QuickSight-Dashboards, die über sichere iFrames bereitgestellt werden. Diese verarbeiten zwischen einer Million und einhundert Millionen Transaktionsdatensätze und liefern Ergebnisse in unter drei Sekunden – im Vergleich zu 45–90 Sekunden beim Altsystem.
Die In-Memory-Engine SPICE verlagert Abfragen von Produktionsdatenbanken und senkt Infrastrukturkosten. Sicherheit wird durch Okta SSO, Custom Namespaces, signierte URLs und etwa 14.000 Row-Level-Security-Regeln gewährleistet.
Tradeshift integrierte als Pionier einen MCP-Server (Model Context Protocol) mit Amazon Quick. Dieser offene Standard erlaubt generativen KI-Agenten das sichere Lesen von Metadaten und die Interpretation von Schemata.
Messbare Auswirkungen
Interne Teams und externe Nutzer sparen signifikante Zeit bei der Berichterstellung und Datenmanipulation. Die Zeit zur Identifikation operativer Engpässe sank von Tagen auf Sekunden.
Die Gesamtbetriebskosten (TCO) wurden reduziert. Embedded Analytics wurde zu einem umsatzgenerierenden Produkt mit höherer Kundenbindung. Die interne Akzeptanz erreichte 98 Prozent.
Ein AP Auditor Chat-Agent ermöglicht Self-Service-Zugriff auf Dokumentendaten per natürlicher Sprache. Komplexe BI-Workloads und Marktanalysen werden durch Quick Research und automatisierte Flows deutlich beschleunigt.
Quelle: AWS AI Blog
FAQ
Welche Kernprobleme hatte das alte BI-Tool von Tradeshift? Das proprietäre Tool konnte wachsende Datenmengen nicht skalieren, war auf 10.000 Zeilen pro Abfrage begrenzt, erlaubte nur 25 MB große geplante Berichte, speicherte lediglich sechs Monate Historie und band erhebliche Wartungsressourcen.
Was versteht man unter agentischer KI im Kontext von Amazon Quick? Agentic AI befähigt KI-Agenten, autonom Ziele zu verfolgen, zu argumentieren, Entscheidungen zu treffen und Workflows ohne ständige menschliche Aufsicht auszuführen – etwa durch Chat, Flows und Research-Funktionen.
Welche Sicherheitsmechanismen wurden bei der Implementierung eingesetzt? Die Architektur nutzt Okta Single Sign-On, Amazon Quick Custom Namespaces zur Mandantenisolierung, signierte URLs und Row-Level Security mit rund 14.000 Regeln für präzise datenbezogene Zugriffssteuerung.