Field Notes

Besserer Sprachoutput, Wissensassistent ohne RAG-Ops, interaktive Charts direkt im Chat

Heute gibt es drei Hebel für deinen Alltag: Stimmen upgraden, Wissen ohne Eigenbetrieb nutzbar machen, Visualisierungen klickbar machen.

Wichtige KI-Nachrichten

Amazon Polly hebt die Sprachqualität ohne Codeänderung an Die generative Polly-Engine liefert natürlichere Stimmen mit geringerer Latenz. 14 neue Stimmen in 9 Sprachräumen sind hinzugekommen, darunter Hindi und Finnisch erstmals generell verfügbar. Insgesamt stehen 57 generative Stimmen über 11 Sprachen und 25 Locale bereit. Der Wechsel ist ein Drop-in ohne neue APIs, Preis bleibt laut Anbieter unverändert, und GovCloud US-West ist jetzt dabei. Wenn du ein Contact-Center oder Voice-Agenten betreibst, bekommst du präzisere Zahl-, Adress- und Code-Ansagen ohne Deployment-Aufwand. Anbieterangaben.1

SharePoint-Wissen ohne eigene RAG-Infrastruktur: IskayPet setzt auf Bedrock Managed Knowledge Bases IskayPet hat einen mehrsprachigen internen Assistenten über Amazon Bedrock Managed Knowledge Bases gebaut. Die Lösung zieht Inhalte direkt aus bestehendem SharePoint per nativer Anbindung ein, nutzt hybride Suche mit BM25 und semantischer Suche, ordnet per Reranking und zitiert Quellen. Zugriffsrechte werden auf Dokumentebene durchgereicht, so dass Nutzer nur sehen, was sie ohnehin lesen dürfen. Gebaut wurde mit Kiro und Claude Haiku 4.5, betrieben in Produktion über vier Sprachen. Wenn du verstreutes SharePoint-Wissen konsolidieren willst, ersparst du dir damit Vektorstore, Embeddings und eigene Ingestion-Jobs.2

Flint-interactive: klickbare Visualisierungen aus dem Chat und im Canvas Flint-interactive ist eine Sprache auf Basis von Flint, die Interaktionen wie Zoomen, Filtern, „Linked Brushing“ und Cross-Chart-Aktionen deklarativ beschreibt. Ein Compiler übersetzt Nutzeraktionen in semantische Ereignisse und aktualisiert Visualisierungen über Operatoren. Du kannst es im Chat über Flint-MCP nutzen oder als Canvas in Apps einbetten und damit Text, Tabellen und Widgets verbinden. Maßgeschneiderte Interaktionen definierst du per API, ohne renderer-spezifische Mark-Manipulation. Aussagen zur höheren Zuverlässigkeit und geringerem Debug-Aufwand stammen vom Anbieter.3

Rescale baut einen Triage-Agenten mit AI-DLC in Tagen statt Monaten Rescale automatisiert die Klassifikation und Weiterleitung nächtlicher End-to-End-Testfehler. Der Agent läuft als Schritt in Argo Workflows auf EKS, wird bei Playwright-Fehlschlägen getriggert, klassifiziert mit Claude Opus 4.8, zieht Muster aus einer Wissensbasis, liest Logs per MCP und erzeugt einen strukturierten Remediation-Report für die Teams. Menschen prüfen und entscheiden. Laut Fallstudie entstand ein Staging-System in fünf Tagen und ging wenige Wochen später live. Nützlich, wenn du Test-Triage als Flaschenhals im Release-Prozess hast.4

Highlights für deinen Arbeitsalltag

  • Du nutzt schon Amazon Polly. Dann bekommst du mit dem Upgrade hörbar natürlichere Stimmen ohne eine Zeile Code zu ändern. Teste Ansagen mit Bestellnummern und Adressen, bevor du sie in IVR-Flows ausrollst. Der Preis bleibt laut AWS gleich.1

  • Du suchst Verfahren, Menschen und Länder getrennt zu halten. Bedrock Managed Knowledge Bases ziehen SharePoint-Inhalte ein, werten hybride Suche aus und respektieren Berechtigungen. Starte mit einem Bereich, etwa Onboarding, und arbeite dich dann zu Einkauf und Filialbetrieb vor.2

  • Du erstellst Berichte mit LLM-Unterstützung. Lass dir von Flint-interactive interaktive Charts direkt im Chat generieren und mit Text oder Tabellen verknüpfen. Bitte das System um eine verknüpfte Auswahl zwischen zwei Diagrammen, um Muster schneller zu prüfen.3

Tools und Updates

  • TorchNeuron für Trainium: Open-Source-Backend, das PyTorch-Code mit minimalen Änderungen auf AWS Trainium ausführt. Adaptive-Eager-Modus und Caching verkürzen den Start und steigern Effizienz. Voraussetzung: Zugang zu Trainium-Instanzen.5

  • Sakana Aquarium angekündigt: Plattform für Entscheidungs-Agenten mit Ontologie-Layer, Managed Agents für Workflows und Governance mit Nachvollziehbarkeit. Ankündigung, keine GA-Details. Relevant, wenn du regelkonforme Agenten über bestehende Daten bauen willst.6

  • IBM Granite Time-Series Ensemble: Ensemble-Forecasting für Zeitreihen auf Hugging Face. Für Nachfrage-, Inventar- oder Lastprognosen in Planung und Betrieb. Erfordert Zeitreihen-Setup und Validierung.7

  • n8n-Vorlage: KI-Videos mit konsistentem Charakter aus fünf Fotos. Für Markenauftritte und Produktclips, wenn du in n8n arbeitest.8

In fünf Minuten ausprobieren

Eigene Übungsidee: Zitiertes Antworten wie im IskayPet-Beispiel nachstellen, ohne Infrastruktur

  1. Kopiere diesen Beispieltext in deinen bestehenden KI-Chat: „Rückgaberecht: Kunden können Ware innerhalb von 30 Tagen mit Kassenbon zurückgeben. Ausnahmen: lebende Tiere, Kühlware. Onboarding: Neue Filialmitarbeitende erhalten am ersten Tag Sicherheitsunterweisung und Kassenschulung.“ Stelle die Aufgabe: „Antworte nur aus dem Text. Zitiere wörtlich die relevante Passage in Anführungszeichen. Wenn etwas fehlt, schreibe: Nicht in den Unterlagen.“2

  2. Frage: „Wie lange ist die Rückgabefrist und gelten Ausnahmen?“ Erwarte eine Antwort mit korrektem Zitat und Nennung der Ausnahmen. Dann frage: „Wie beantrage ich Bildungsurlaub?“ Erwarte: „Nicht in den Unterlagen.“2

  3. Wechsle die Sprache: „Responda em português com citação.“ Prüfe, ob Zitate und Aussage gleich bleiben. Nutze das Muster später für deine echten Policy-Texte.2

Ergebnis: Der Chat liefert begründete, zitierte Antworten oder verweigert sauber. Prüfkriterium: Enthält jede Antwort ein korrektes Zitat aus dem Text oder den exakten Satz „Nicht in den Unterlagen“.

Quellen

  1. Amazon Polly delivers a major upgrade to its Generative engine (aws.amazon.com)
  2. How IskayPet unified corporate knowledge with Amazon Bedrock Managed Knowledge Bases (aws.amazon.com)
  3. Flint-interactive: A language for creating interactive data visualizations (microsoft.com)
  4. How Rescale built an AI triage agent with Strands Agents and AI-DLC (aws.amazon.com)
  5. The science behind TorchNeuron, Amazon’s new PyTorch backend for AWS Trainium chips (amazon.science)
  6. @sakanaailabs: 意思決定支援・実行のためのAIエージェントプラットフォーム「Sakana Aquarium」を発表

https://t.co/ZITxgmsV2T

Aquariumは、Sakana AIがこれまでのAI実装の現場で繰り返し直面してきた課題から生まれたプラットフォームです。

AIによる意思決定支援を実務につなげるには、モデルの性能だけでなく 、AIが組織 (x.com) 7. Ensemble forecasting with IBM Granite time-series models (huggingface.co) 8. @n8n_io: Featured template: make AI videos where your character looks the same in every shot. You upload 5 photos and the workflow does the rest. 👀 🔗 Check it out here: https://t.co/mNiQT8 (x.com)