Dokumente verlässlich auslesen, Tabellen beantworten, Workflows bauen: drei starke Updates
Du bekommst prüfbare Felder aus PDFs, Antworten aus Excel und wiederholbare Team-Abläufe ohne Code.
Die wichtigsten KI-Nachrichten der Woche
- Amazon Textract Insights ist allgemein verfügbar. Du beschreibst Felder in natürlicher Sprache und bekommst strukturierte Werte mit Confidence-Score und Seitenbezug zurück. Auch gemischte PDF-Pakete mit bis zu 3.000 Seiten werden logisch gesplittet und passenden Vorlagen zugeordnet. Basis sind sogenannte Blueprints, ein JSON-Schema mit Feldbeschreibungen und Inferenztyp je Feld (Blueprint: eine strukturierte Feldliste als JSON Schema). Es gibt öffentliche Blueprints für W-2, 1040, 1098, Pass und mehr, eigene Blueprints sind möglich. Textract Core wurde zudem beim Lesen verbessert, inklusive dichter Tabellen, Handschrift und 40 Sprachen in DetectDocumentText und AnalyzeDocument.1
- Amazon Bedrock Managed Knowledge Base kann jetzt Tabellensuche. Fragen, die Daten aus CSV oder Excel brauchen, laufen als Code in einer isolierten Sandbox über die ganze Tabelle, nicht nur über ein paar gefundene Passagen. Der Agent verbindet so Rechenwerte aus Tabellen mit Fakten aus Dokumenten und zitiert beides, die Trace nennt die gelesene Arbeitsmappe (Tabellensuche: der Agent liest die ganze Tabelle und rechnet darüber). Es funktioniert über bestehende Connectoren wie S3, SharePoint oder Confluence und nutzt dieselbe AgenticRetrieveStream-Anfrage. Antworten dauern länger als Text-Only und ersetzen keine BI-Berichte, schließen aber Lücken bei Schwellen, Summen und Lookups.2
- AWS Quick erhält neue Flows, eine aktualisierte Web-App und Multi-Agent-Orchestrierung. Du beschreibst Prozesse im Chat, Quick baut einen Flow mit deterministischen Schritten und kann länger laufende Workflows mit großen Datenmengen handhaben. Die Web-App zeigt ein tägliches Briefing, hält Arbeit weiter am Laufen und bringt Skills ins Web. Neue Quellen: Meta Ads und Amplitude. Dazu konfigurierbare Safety- und Sensitive-Controls sowie Sprachsupport u. a. für Deutsch. Die genannte Zeitersparnis eines Kunden stammt aus Anbieterangaben.3
- Für selbst gehostete LLMs stellt AWS ein Agent-Skill für verteiltes KV-Caching vor. Geteilte KV-Caches vermeiden erneute Prefills langer Kontexte nach Routing-Wechseln. Laut AWS sind bis zu 40 Prozent Kostenersparnis und 80 Prozent schnellere Time-to-First-Token möglich. Das Skill führt durch Eignungscheck, Größenkalkulation mit KVTrace, Setup mit vLLM oder SGLang und Prüfläufe. Achte auf Tenant-Isolation, wenn Antwortzeiten Rückschlüsse erlauben könnten. Die Zahlen stammen vom Anbieter.4
- Standard Bank automatisiert die Risiko-Prüfung für GenAI-Use-Cases. Intake per Well-Architected Tool, Orchestrierung via Step Functions, Auswertung mit einem LLM-Richter auf Bedrock. Der Pipeline-Lauf prüft Dokumentation, Code und Live-Aufrufe, fügt Jailbreak-Prompts hinzu und testet Bedeutungs-Konsistenz über mehrfach umformulierte Anfragen. Alles läuft im eigenen AWS-Account, Ergebnisse landen standardisiert für das Gremium. Gut, wenn dein Freigabeprozess bremst.5
- Apify startet Server Actors. Agenten bekommen Echtzeit-Antworten mit niedriger Latenz, die Plattform skaliert Server dynamisch. Für große Batches bleibt die klassische Input-Variante günstiger. Der Hinweis kommt aus einem Partner-Post.6
- Der Trend zur formalen Verifikation nimmt Fahrt auf. Anbieter wie Harmonic, Theorem, Axiom Math und &Truth kombinieren KI mit Beweisassistenten wie Lean. Ein praktischer Fokus ist Memory-Safety-Prüfung für C-Code, bei der Lean jeden Schritt kontrolliert. Für Teams mit viel generiertem Code kann das Slop-Risiko sinken.7
- Der Mathematiker Levent Alpöge schreibt, er habe mit Claude einen Beweis der Riemann-Hypothese gefunden und in Lean formalisiert. Das ist ein Anspruch, keine geprüfte Tatsache. Für den Arbeitsalltag ergibt sich daraus vorerst nichts.8
Die Woche für dein Unternehmen
- Gemischte PDF-Pakete verlässlich auslesen. Wenn du Hypothekenakten, Schadensfälle oder Onboarding-Mappen hast, teste Textract Insights mit einem öffentlichen Blueprint plus ein bis zwei eigenen Feldern. Du bekommst Werte mit Confidence-Score und Seiten-Koordinaten und kannst Reviews auf niedrige Scores fokussieren. Voraussetzung sind S3 und Zugriff auf Textract.1
- Fragen an Tabellen stellen statt manuell rechnen. Lege eine Knowledge Base mit deiner finalen Excel und der passenden Policy an und stelle eine Frage, die beides braucht. Nenne die Datei im Prompt, damit Retrieval die richtige Tabelle findet. Prüfe Zitate und Trace. Plane etwas mehr Laufzeit ein als bei reinen Textfragen.2
- Einen wiederkehrenden Ablauf als Quick Flow festhalten. Beschreibe den Prozess im Chat, füge feste Berechnungsschritte hinzu und lass mehrere Agenten parallel arbeiten. Aktiviere die neuen Safety-Kontrollen und teile den Flow im Team. So läuft der Monatsbericht weiter, auch wenn du unterwegs bist.3
- Selbst gehostete LLMs beschleunigen. Nutze das KV-Caching-Skill, um mit KVTrace erst den Nutzen zu schätzen und dann eine Test-Cache-Schicht aufzusetzen. Achte auf einheitliche KV-IDs und Datentypen über alle Inferenzserver, sonst gibt es Trefferzähler ohne korrekte Antworten. Plane getrennte Caches für strikt isolierte Tenants.4
- Governance beschleunigen statt stoppen. Orientiere dich am Standard-Bank-Muster: automatisiertes Evidenzsammeln, definierte Kontrollen, Live-Tests mit Red-Team-Prompts und standardisierte Reports. Das Gremium entscheidet weiter, aber auf konsistenter Datengrundlage. Starte mit einem Pilot-Use-Case.5
Nächste Woche ausprobieren
- Richte in Bedrock Managed Knowledge Base eine kleine Sammlung ein: eine Excel oder CSV mit Zahlen sowie zwei kurze PDFs mit der zugehörigen Regel und einem Memo, via S3 oder SharePoint.2
- Stelle eine Frage mit Berechnung, nenne die Arbeitsmappe im Prompt. Öffne Zitate und Trace und prüfe, ob der Agent die richtige Datei las und die Regel korrekt anwandte.2
- Notiere die Laufzeit. Markiere Fragen, die weiter ins BI gehören, weil sie wiederkehren oder mehrere Quellen zusammenführen.2
Ein guter Fund
- Linears COO teilt drei harte Learnings: Miss agentische Nutzung und App-Nutzung getrennt. Steigt nur die Agentenlinie, wirst du zur austauschbaren Datenbank.9
- Support bleibt menschlich verantwortet. KI darf entwerfen, aber ein Mensch entscheidet, was rausgeht. Das senkt das Risiko von peinlichen Antworten.9
- Viele Budgets sind einjährig. Plane für Erneuerungen statt dich auf mehrjährige Verträge zu verlassen. Baue messbare Ergebnisse früh ein.9
Quellen
- Announcing Amazon Textract Insights: Verifiable generative AI for documents (aws.amazon.com)
- Get answers from tables with tabular search in Amazon Bedrock Managed Knowledge Base (aws.amazon.com)
- New in AWS Quick: More capable flows, an updated web experience, and agents that work together (aws.amazon.com)
- Cut self-hosted LLM cost and latency with the distributed KV caching agent skill (aws.amazon.com)
- How Standard Bank Group automates AI risk assessment for generative AI (aws.amazon.com)
- @svpino: There's only one correct way of giving your agents access to real-time web data.
I've used @apify for years now. It's the best way to use live Internet data.
Check out the list o (x.com) 7. The War Against Slop and an Emerging Weapon to Fight it: Formal Verification (latent.space) 8. Quoting Levent Alpöge (simonwillison.net) 9. Scaling Linear’s GTM to $100M ARR — Cristina Cordova, COO (latent.space)