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.
Muster 5: KI-Workflow für Bodenständige Agenten
Große Sprachmodelle (LLMs) sind leistungsstark, aber sie sind standardmäßig unbegrenzt. Ihnen fehlt das Wissen über firmeneigene Daten, Geschäftsregeln oder betriebliche Einschränkungen, was sie für die direkte Interaktion mit Benutzern oder Systemen riskant macht.
Unternehmen stehen vor den folgenden gemeinsamen Herausforderungen:
-
LLMs halluzinieren, wenn sie die Antwort nicht kennen, was das Vertrauen und die Einhaltung gesetzlicher Vorschriften gefährdet.
-
Antworten basieren nicht auf domänenspezifischen Fakten, Richtlinien oder dem Status in Echtzeit (z. B. Bestellungen, Konten und Berechtigungen).
-
Bei der dynamischen Automatisierung von Aufgaben (z. B. bei der Auftragssuche, bei der Auswahl von Supportanfragen und bei IT-Vorgängen) müssen häufig echte AND-Tools aufgerufen werden APIs und nicht nur Text generiert werden.
-
Der Aufbau herkömmlicher Intent-Router, Dialogmanager und regelbasierter Abläufe ist kostspielig, langwierig und nicht skalierbar.
Um diesen Herausforderungen zu begegnen, benötigen Unternehmen Agenten, die intelligent denken, autonom handeln und auf dem Boden der Tatsachen bleiben.
Der KI-Workflow für fundierte Agenten: Autonome Intelligenz mit Vertrauen und Kontext
Das KI-Workflow-Muster für Grounded Agents verwendet Amazon Bedrock Agents, um semantisches Denken, den Aufruf von Tools und das Knowledge Grounding zu orchestrieren. Die Agenten ermöglichen es KI-Assistenten, Benutzereingaben entgegenzunehmen, die Absicht zu verstehen und mehrstufige Aufgaben mithilfe von Unternehmensdaten und Dokumenten zu erledigen. APIs
Im Gegensatz zu einfachen Chatbots oder statischen LLM-Eingabeaufforderungen bieten Amazon Bedrock-Agenten:
-
Interpretieren Sie Ziele in natürlicher Sprache.
-
Wählen Sie Tools dynamisch aus und rufen Sie sie (mithilfe von AWS Lambda Funktionen) auf.
-
Suchen Sie nach Wissensdatenbanken oder fragen Sie sie ab, um stets auf dem neuesten Stand der Unternehmensdaten zu bleiben.
-
Geben Sie kontextbezogene, mehrstufige Antworten mit Rückverfolgbarkeit und Umsetzbarkeit zurück.
Die Referenzarchitektur implementiert jede Ebene wie folgt:
-
Ereignisauslöser — Verwendet Amazon API Gateway, Chatbot-UI oder Support-Portal, um Agenteninteraktionen über Amazon Bedrock auszulösen
-
Verarbeitung — Implementiert Lambda, um Eingaben zu formatieren, Sicherheitskontext (z. B. Benutzerrollen oder Berechtigungen) anzuwenden und Metadaten anzureichern
-
Inferenz — Verwendet den Amazon Bedrock-Agenten, um die Aufforderung zu empfangen, Lambda-Tools aufzurufen (z. B.
getOrderStatus), das Grounding anhand einer Wissensdatenbank durchzuführen und eine endgültige Antwort zusammenzustellen -
Nachbearbeitung — Nutzt Lambda, um die Ergebnisse der Mitarbeiter zu überprüfen (z. B. eskaliert, wenn eine Bestellung verloren gegangen ist, und benachrichtigt das Support-Team)
-
Ausgabe — Sendet die Antwort des Agenten an die Benutzeroberfläche zurück oder protokolliert sie für Audits, Schulungen oder Analysen bei Amazon Simple Storage OpenSearch Service (Amazon S3) oder Amazon Service
Anwendungsfall: Kundendienstmitarbeiter im Einzelhandel
Ein weltweit tätiger Einzelhändler möchte Antworten auf häufig gestellte Kundenanfragen wie: „Wo ist meine Bestellung?“ automatisieren , „Ich möchte diese Schuhe zurückgeben. „und „Muss ich für die Rücksendung bezahlen?“
Die Antworten hängen von Faktoren wie den Bestelldaten des Kunden in Echtzeit, den Voraussetzungen und Fristen für Rücksendungen sowie von regionsspezifischen Richtlinien ab.
Als Antwort auf diesen Anwendungsfall folgt der agentenbasierte Workflow diesen Schritten:
-
Der Benutzer gibt seine Anfrage mithilfe einer App oder eines Chats ein.
-
API Gateway leitet die Anfrage an den Amazon Bedrock-Agenten weiter.
-
Der Agent führt die folgenden Aktionen aus:
-
Analysiert die Absicht („Rücksendeanfrage“)
-
Ruft ein Lambda-Tool auf
lookupOrderStatus -
Führt eine Suche nach Richtlinien in der Wissensdatenbank durch
-
Ruft an
initiateReturn, falls berechtigt -
Verfasst eine vollständige Antwort: „Ihre Rücksendung wurde eingeleitet. Rechnen Sie damit, ein Etikett in einer E-Mail-Nachricht zu erhalten.“
-
Alle Aktionen basieren auf der Grundlage, werden protokolliert und werden innerhalb der Unternehmensleitlinien ausgeführt.
Hauptmerkmale von Amazon Bedrock Agents in diesem Muster
Für das KI-Workflow-Muster „Grounded Agent“ bieten Amazon Bedrock-Agenten die folgenden Hauptfunktionen und Vorteile:
-
Die Werkzeugauswahl ermöglicht es einem Agenten, für jede Aufgabe die richtige Lambda-Funktion (Tool) auszuwählen.
-
Der Arbeitsspeicher und der Sitzungsstatus ermöglichen es den Agenten, den Kontext abwechselnd beizubehalten.
-
Fundierte Antworten rufen verlässliche Daten aus Wissensdatenbanken ab, die in Amazon S3 gespeichert sind.
-
Chain-of-Thought-Argumentation (CoT) ermöglicht es einem Agenten, komplexe Eingabeaufforderungen in Unterziele zu zerlegen und sequentiell zu handeln.
-
Mit dem Sicherheitskontext können Tools mithilfe AWS Identity and Access Management von (IAM) und Kontextparametern nach Mandanten, Benutzern oder Rollen aufgeteilt werden.
Bewährte Methoden für Steuerung und Kontrolle im Rahmen des KI-Workflow-Musters „Grounded Agent“
Um KI-Workflows für Grounded Agents unternehmenstauglich zu machen, sollten Unternehmen die folgenden Kontrollen in Betracht ziehen:
-
Konfigurationen von Agenten zur Versionskontrolle (z. B. Tools, Anweisungen und Wissensdatenbanken).
-
Verwenden Sie strukturierte Logs und Trace, IDs um die Überprüfbarkeit zu gewährleisten.
-
Wenden Sie Richtlinien für Eingabeaufforderungen, Zulassungslisten und Moderationsprüfungen an.
-
Definieren Sie Fallback-Abläufe (z. B. an Mitarbeiter weiterleiten oder zu statischen FAQs weiterleiten).
Diese Kontrollen können mithilfe von Lambda und AWS Step Functionsrund um den EventBridge Agentenkern orchestriert werden.
Geschäftlicher Nutzen des KI-Workflow-Musters „Grounded Agent“
Dieses Muster bietet in den folgenden Bereichen einen Mehrwert:
-
Kundenerlebnis — Ermöglicht Self-Service-Lösungen für 70 bis 80 Prozent der Anfragen ohne Eskalation
-
Betriebliche Effizienz — Reduziert das Volumen der Supporttickets und den Aufwand für die Triage
-
Schnelle Problemlösung — Bietet sofortige Antworten auf der Grundlage realer Daten, ohne auf menschliche Agenten warten zu müssen
-
Skalierbarkeit — Bewältigt Tausende von gleichzeitigen Interaktionen ohne Personalzuwachs
-
Domainübergreifende Wiederverwendung — Wendet dasselbe Muster auf mehrere Bereiche an, z. B. IT-Support, HR-Helpdesk, Fragen und Antworten zu rechtlichen Fragen und mehr
Der KI-Workflow für fundierte Agenten ermöglicht es Unternehmen, über statische Fragen und Antworten hinaus zu einer zielorientierten Automatisierung überzugehen, ohne Abstriche bei der Kontrolle, Einhaltung von Vorschriften oder Genauigkeit machen zu müssen. Durch die Kombination von LLM-Argumentation mit sicherer, serverloser API-Ausführung und Wissensabruf bieten Amazon Bedrock Agents KI-Funktionen, die agieren und nicht nur reagieren.
The Grounded Agent ist die Architektur intelligenter Unternehmensinteraktion, modular, fundiert und skalierbar.
