Verwenden von generative KI mit DynamoDB - Amazon DynamoDB
Anwendungsfälle für die Nutzung generativer KI in DynamoDBGenerative KI-Blogs für DynamoDB

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Verwenden von generative KI mit DynamoDB

Amazon DynamoDB ist eine serverlose, vollständig verwaltete, verteilte NoSQL-Datenbank mit einer Leistung im einstelligen Millisekundenbereich in jeder Größenordnung. DynamoDB ist für Workloads mit hohem Durchsatz optimiert, wobei die Funktionen durch die Integration generativer KI-Modelle erweitert werden können. Mithilfe generativer KI-Modelle können Sie in Echtzeit mit Daten arbeiten, die in DynamoDB-Tabellen gespeichert sind, und Anwendungen erstellen, die kontextsensitiv und hochgradig personalisiert sind. Sie können auch die Erfahrung der Endbenutzer verbessern, indem Sie Ihre Geschäfts-, Benutzer- und Anwendungsdaten optimal nutzen, um Ihre generativen KI-Lösungen individuell anzupassen.

Weitere Informationen über Gen AI und die Lösungen, die für die Entwicklung von Gen-KI-Anwendungen AWS bereitgestellt werden, finden Sie unter Transformieren Sie Ihr Unternehmen mit generativer KI.

Themen

Anwendungsfälle für die Nutzung generativer KI in DynamoDB

DynamoDB kommt häufig in KI-gestützten Konversationsanwendungen wie Chatbots und Call-Centern zum Einsatz, die auf einem Basismodell (FM) basieren. Sie können FMs über Amazon Bedrock, Amazon SageMaker AI oder andere Modellanbieter darauf zugreifen. In solchen wird DynamoDB häufig eingesetzt, um die Personalisierung zu erhöhen und die Benutzererfahrung anhand von drei Datenmustern zu verbessern: Anwendungsdaten, Geschäftsdaten und Benutzerdaten. Im Folgenden einige Beispiele für diese Datenmuster:

  • Speicherung von Anwendungsdaten, wie z. B. dem Verlauf von Chat-Nachrichten, durch Integrationen mit LangChainLlamaIndex, oder durch einen benutzerdefinierten Code. Dieser Kontext verbessert die Benutzererfahrung, da das Modell mit dem Benutzer in beide Richtungen kommunizieren kann.

  • Schaffung eines maßgeschneiderten Benutzererlebnisses durch Nutzung von Geschäftsdaten wie Inventar, Preisgestaltung und Dokumentation.

  • Verwendung von Benutzerdaten wie Webverlauf, vergangenen Bestellungen und Benutzereinstellungen, um personalisierte Antworten zu geben.

Beispielsweise kann ein Versicherungsunternehmen mithilfe von DynamoDB einen Chatbot erstellen, um seinem auf Retrieval-Augmented Generation (RAG) basierenden generativen KI-Modell Zugriff auf Daten nahezu in Echtzeit zu gewähren. Beispiele für solche Daten sind Hypothekenzinsen in Echtzeit, Produktpreise, compliant/standard Vertragskopie, Benutzerverlauf und Benutzereinstellungen. Durch die Kombination von DynamoDB mit RAG werden detaillierte und aktuelle Informationen zu Versicherungsprodukten und Benutzerdaten hinzugefügt. Dadurch werden die Eingabeaufforderungen und Antworten erweitert, sodass Endbenutzer ein genaues, personalisiertes Erlebnis nahezu in Echtzeit erhalten.

In ähnlicher Weise verwenden Kunden aus der Finanzdienstleistungsbranche DynamoDB, Amazon Bedrock Knowledge Bases und Amazon Bedrock-Agents, um RAG-basierte generative KI-Anwendungen zu entwickeln. Solche Anwendungen können Open-Source-Gewinnberichte und -Anrufprotokolle verwenden. Sie können auch die benutzerspezifische Portfolio- und Transaktionshistorie verwenden, um auf Abruf eine Zusammenfassung des Portfolios einschließlich eines Ausblicks für die Zukunft zu erstellen.

Generative KI-Blogs für DynamoDB

Die folgenden Artikel bieten detaillierte Anwendungsfälle, bewährte Methoden und step-by-step Anleitungen, die Ihnen helfen, die Funktionen von DynamoDB bei der Entwicklung fortschrittlicher KI-gestützter Anwendungen zu nutzen.