de.wedoany.com-Bericht: AWS hat Amazon Bedrock Managed Knowledge Base eingeführt, einen verwalteten Dienst, der die Abrufschicht hinter KI-Anwendungen von Unternehmen automatisch verwaltet und so die kontinuierlichen Betriebslasten für Entwickler bei der Erstellung von Retrieval-Augmented-Generation-Systemen (RAG) reduziert.
Für viele Entwickler liegt die Herausforderung beim Aufbau von KI-Anwendungen nicht mehr hauptsächlich im Modell selbst, sondern darin, das Anwendungswissen aktuell zu halten. Retrieval-Augmented Generation (RAG) ist zu einer gängigen Technik geworden, um KI-Anwendungen in Unternehmensdaten zu verankern, bringt jedoch kontinuierliche Betriebsaufgaben mit sich, darunter die Aktualisierung von Embeddings und Indizes, die Synchronisierung von Datenquellen und die Optimierung der Abrufleistung.
AWS möchte diese Belastungen mit Bedrock Managed Knowledge Base verringern. Daniel Abib, Senior Solutions Architect bei AWS, erklärte in einem Blogbeitrag, dass der Dienst standardmäßig automatisch Embedding-Modelle, Re-Ranking-Modelle und Basismodelle auswählt und verwaltet, sodass Benutzer schnell loslegen können, ohne selbst auswählen oder warten zu müssen. Um die Wartung von Datenpipelines zu unterstützen, ohne benutzerdefinierte Integrationen erstellen und verwalten zu müssen, bietet der Dienst sechs native Konnektoren für Unternehmensdatenquellen, darunter Amazon S3, SharePoint, Confluence, Google Drive, OneDrive und Webinhalte.
Pareekh Jain, Chefanalyst bei Pareekh Consulting, wies darauf hin, dass die Fähigkeit, die Infrastruktur automatisch zu verwalten, die Produktivität von Entwicklungsteams sofort steigern kann. Er sagte, dass Unternehmen viel Zeit damit verbringen, Datenkonnektoren zu erstellen, Dokumentimporte und -indizes zu verwalten, die Abrufqualität zu optimieren, Zugriffskontrollen zu implementieren und Vektordatenbanken zu warten, was die RAG-Infrastruktur oft komplexer macht als die KI-Anwendung selbst. Mit diesem Dienst können sich Entwickler auf den Aufbau von Anwendungen konzentrieren, was die Bereitstellungszeitpläne beschleunigen und die Wartungskosten senken sollte.
Managed Knowledge Base zielt auch darauf ab, die Abrufgenauigkeit zu verbessern. Laut Abib ist der Dienst mit Funktionen wie Smart Parsing und Agentic Retriever ausgestattet, die dazu beitragen sollen, die Genauigkeit bei verschiedenen Inhaltstypen und -quellen zu erhöhen, was häufig ein Problem bei RAG-Pipelines und -Abfragen über mehrere Repositories hinweg darstellt. Jain glaubt, dass eine verbesserte Abrufqualität besonders wichtig für Organisationen sein könnte, die KI-Projekte von der Experimentierphase in die Produktionsphase überführen möchten, da Geschäftsdaten über mehrere Systeme verteilt sind und die Abrufqualität für das Benutzervertrauen entscheidend ist.
AWS positioniert Managed Knowledge Base auch als grundlegende Komponente für Agentenanwendungen. Laut dem Hyperscaler-Cloud-Anbieter ist der Dienst in Bedrock AgentCore integriert, wodurch der Code- und Konfigurationsaufwand für die Verbindung von Unternehmenswissensquellen mit KI-Agenten reduziert wird, während gleichzeitig integrierte Überwachungs-, Bewertungs- und Zugriffsverwaltungsfunktionen bereitgestellt werden.
Jain sagte, dass dieser Integrationsansatz Auswirkungen auf das breitere Ökosystem der RAG-Tools haben könnte, beispielsweise die Notwendigkeit für unabhängige Orchestrierungsframeworks wie LangChain und LlamaIndex sowie benutzerdefinierte Kombinationen von Vektordatenbanken und Importpipelines verringern könnte. Er warnte jedoch, dass die Bequemlichkeit des Integrationsansatzes die Abhängigkeit der Kunden von einem einzigen Cloud-Anbieter erhöhen und die Flexibilität bei der Zusammenstellung und Verwaltung der KI-Infrastruktur einschränken könnte.
Amazon Bedrock Managed Knowledge Base ist derzeit in den Regionen Nord-Virginia, Oregon, Sydney, Tokio, Dublin, Frankfurt, London und AWS GovCloud (US-West) verfügbar. Der Dienst verwendet ein nutzungsbasiertes Preismodell, wobei die Gebühren an die Menge der gespeicherten Indexdaten und die Anzahl der verarbeiteten Abrufanfragen gekoppelt sind.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
