Field Notes

Agenten robuster betreiben, Entscheidungen automatisieren: neue AWS-Funktionen, Gemini Decision, Evaluierung

Heute bekommst du Bausteine für belastbare Agenten, schnellere Entscheidungen und sicherere Policies.

Wichtige KI-Nachrichten

AWS: Günstigere Modelle, stabilere Agenten, JSON ohne Nacharbeit

AWS bündelt die Oktober-Neuerungen: günstigere Modelle, reifere Agent-Werkzeuge und strukturierte Ausgaben. Laut Anthropic kostet Claude Haiku 5.5 für viele Aufgaben rund 75 Prozent weniger als Haiku 4.5. OpenAI GPT-6.1 Terra ist jetzt auf Bedrock allgemein verfügbar. Laut OpenAI-Benchmarks liegt es nahe an GPT-6 Astra, arbeitet teils über dreimal schneller als GPT-6 Astra und GPT-6.1 Sol und hat mindestens 50 Prozent niedrigere Tokenpreise als GPT-6.1 Sol und GPT-5.6 Terra. Neu sind auch Nova 2.5 Sonic für Sprache, GLM 5.3 für Coding und TwelveLabs Pegasus 1.5 für Video. In GovCloud kommen weitere Modelle hinzu. Für den Betrieb wichtig: AgentCore CLI v1.0, Gateway mit Bedrock-Invoke-APIs und Modell-Fallback, Step Functions als Tools und strukturierte Ausgaben für alle Claude-Modelle auf Bedrock. Zahlen zu Preisen und Qualität stammen von den Anbietern. Für dich heißt das: Du kannst Fallbacks definieren, bestehende Workflows als Tools anbinden und JSON direkt weiterverarbeiten.1

Google startet Gemini Decision 1

Google bringt mit Gemini Decision 1 ein Entscheidungsmodell, das Text, Bilder, Audio, Video und PDFs verarbeitet. Es unterstützt Ja/Nein, Auswahl und Rubrik-Bewertung. Preis laut Quelle: 0,10 US-Dollar pro eine Million Input-Tokens, Output gratis. Jev bleibt günstiger (0,042 US-Dollar), ist aber textbasiert. In Tests lieferte Gemini Wahrscheinlichkeiten statt harter 0/1-Werte. Du kannst damit Prüfentscheide standardisieren, etwa Moderation, Sichtprüfungen oder Ticket-Routing über Medienformate hinweg.2

23 wiederverwendbare GenAI-Assets von AWS

AWS stellt einen kuratierten Katalog mit 23 produktionsreifen Bausteinen bereit, etwa RAG-Module, Agent-Schablonen und Evaluierungen. Fallbeispiele nennen deutliche Effekte: DoorDashs Sprach-Kontaktcenter mit 2,5 Sekunden Latenz und 50-facher Testkapazität, Ricohs Dokumentenlösung mit siebenfachem Durchsatz und über 90 Prozent weniger Engineering-Stunden pro Deployment. Diese Zahlen stammen aus AWS-Fallstudien. Vorteil für dich: Du startest mit geprüften Bausteinen statt bei Null und sparst Härtung und Sicherheitsprüfungen.3

Einheitliche Evaluierung für Agenten: UAEF

Das Universal Agent Evaluation Framework (UAEF) bewertet Agenten framework-agnostisch. Adapter normalisieren Traces aus LangGraph, LangChain, Strands Agents und Bedrock AgentCore in ein gemeinsames Format. 36 integrierte Metriken decken sieben Qualitätsdimensionen ab, Ergebnisse landen in DynamoDB und S3. Zwölf Organisationen nutzten es bereits für Versionstests vor Releases. Wenn du Agenten baust, bekommst du damit konsistente Metriken und erkennst Regressionen früh.4

Richtlinien semantisch vergleichen statt textuell diffen

Ein offener Ansatz zeigt, wie du formale Policies semantisch vergleichst. Kern ist Anti-Unifikation, also das Finden des spezifischsten gemeinsamen Musters zweier Ausdrücke. Ein e-Graph hält bekannte Gleichheiten fest. So siehst du gemeinsame Teile einmal und nur echte Abweichungen doppelt, etwa bei Cedar, Dogwood, OpenShell oder CEL. Für Autoformalization hilft das bei divergierenden LLM-Übersetzungen; optional liefern SMT-Solver Gegenbeispiele. Du reduzierst so Review-Risiko bei Richtlinienänderungen.5

Highlights für deinen Arbeitsalltag

  • Agenten hochverfügbar halten. Definiere im AgentCore Gateway eine Fallback-Kette über mehrere Modelle oder Provider. Binde bestehende Step-Functions-Workflows als Tools an, damit Prozesse wie Rückerstattungen kontrolliert ablaufen. Strukturierte Ausgaben von Claude sparst du dir als Nachbearbeitung.1
  • Entscheidungen skalieren. Nutze Gemini Decision 1 für Ja/Nein-Checks, Auswahlen und Rubrik-Scores über Text, Bilder oder Videos. Nimm Jev, wenn dir Text genügt und Kosten im Vordergrund stehen. Plane die Antwortform als JSON von Beginn an.2
  • Nicht neu erfinden. Durchsuche die 23 AWS-Assets nach Kontaktcenter, Dokumentenverarbeitung oder Evaluierung. Starte mit Demo-Deploy laut Guide und miss einen Zielwert, etwa Latenz oder Feldgenauigkeit. Beachte: Leistungsangaben stammen aus Anbietercase-Studies.3

Tools und Updates

  • AWS Emulator: Offizieller lokaler Emulator von AWS für Tests ohne bezahlte Keys. Eignet sich für CI und Entwicklertests gegen AWS-APIs. Voraussetzung: Docker auf macOS oder Windows.6
  • n8n 3.2.0: Hebt den Standard-Assistant auf Claude Opus 5.5 und bringt Microsoft Work IQ OAuth2. Für Teams mit Automations-Workflows relevant. Update auf 3.2.0 nötig.7
  • Aq TUI für Claude Code: Terminaloberfläche, um mehrere Claude-Code-Sitzungen parallel zu steuern, inkl. Review-Schleifen und „Attention Queue“. Setzt tmux und Hooks zu Claude Code voraus.8
  • BotPsy On-Device-Assistent: Persönlicher Assistent mit kleinem Sprachmodell direkt auf dem Gerät. Nützlich für private Notizen und Aufgaben ohne Internet. Prüfe Geräte-Support vorab.9

In fünf Minuten ausprobieren

1) Definiere Entscheidungen. Nimm drei Beispiel-Supportmails und schreibe eine kurze Rubrik mit drei Kriterien von 0–2 Punkten. Lege zwei weitere Ausgaben fest: escalate (Ja/Nein) und team (Auswahl).2 2) Bitte dein bestehendes KI-Chat-Tool, die drei Mails nach der Rubrik zu bewerten und ein JSON je Mail zurückzugeben. Schema: {"rubric": {k1, k2, k3}, "score": 0–6, "escalate": true/false, "team": "Billing|Tech|Ops"}. Tipp: Verlange strikt gültiges JSON. Strukturierte Ausgaben sind auf Bedrock mit Claude auch API-seitig verfügbar.1 3) Prüfe Nutzen. Zählt das Modell konsistent, passt die Eskalationslogik zum Score-Schwellenwert, und ist das JSON ohne Nachbearbeitung einlesbar? Wenn ja, kannst du die Felder in dein Ticketsystem mappen.2

Ein guter Fund

Beep Locator: Ein pragmatisches Projekt, das die Quelle eines nervigen Pieptons per Triangulation mit mehreren Geräten findet. Erkenntnisse: Du kannst mit Alltagsgeräten messen, mit einem einfachen FFT-Detektor Ereignisse erkennen und per Referenz-Chirp Aufnahmen ausrichten. Eine Klatsch-Testfunktion baute Vertrauen auf. Nutze die Idee für Alarme in Lager, Serverraum oder Büro.10

Quellen

  1. ICYMI: What landed for AI builders in October 2026 (aws.amazon.com)
  2. Gemini Decisions API (simonwillison.net)
  3. Accelerating generative AI delivery with reusable assets (aws.amazon.com)
  4. UAEF: A framework-agnostic system for closed-loop evaluation of AI agents (aws.amazon.com)
  5. Semantic diffing of formal policies with anti-unification (aws.amazon.com)
  6. aws-emulator (simonwillison.net)
  7. n8n@3.2.0 (github.com)
  8. Show HN: Aq – an attention queue TUI for Claude Code (news.ycombinator.com)
  9. BotPsy: On-Device Personal Assistant with a Sub-Billion-Parameter Agentic Language Model (huggingface.co)
  10. Locating the source of a mysterious beep with Claude (simonwillison.net)