10 Nachrichten — 🔴 2 kritisch , 🟡 4 wichtig , 🟢 4 interessant
Amazon hat eine Preview von AWS Agent Registry veröffentlicht, einem zentralen Katalog für KI-Agenten, Werkzeuge und Agent Skills für Enterprise-Organisationen. Das System indiziert Agenten unabhängig davon, wo sie gehostet werden (AWS, andere Clouds, On-Premises), und nutzt eine Kombination aus Keyword- und semantischer Suche sowie IAM-basierte Zugriffskontrolle.
Amazon hat Bedrock AgentCore Runtime um drei neue MCP-Fähigkeiten erweitert — Elicitation (Anforderung strukturierter Eingaben vom Nutzer), Sampling (Anforderung von LLM-Completions vom Client) und Progress Notifications. Stateful-Sessions können nun bis zu 8 Stunden in isolierten microVMs laufen und ermöglichen eine bidirektionale Kommunikation zwischen Agent und Client.
Amazon hat die BrowserLiveView-Komponente für React-Anwendungen vorgestellt, die in Echtzeit anzeigt, was ein KI-Agent in einer Browser-Session tut. Das Streaming läuft direkt von AWS in den Browser des Nutzers über das Amazon-DCV-Protokoll und umgeht den Application-Server, um die Latenz zu minimieren.
Amazon hat einen offiziellen Leitfaden zur Verwaltung des Lebenszyklus von Foundation-Modellen in Bedrock veröffentlicht. Modelle haben nun drei klar definierte Phasen (Active, Legacy, End-of-Life) mit 6-monatigen Benachrichtigungen vor der Abkündigung und — ab Februar 2026 — einer Extended-Access-Periode von mindestens 3 Monaten in der Legacy-Phase.
Die fünfte jährliche Future-of-Work-Studie von Microsoft Research zeigt, dass KI die Zusammenarbeit am Arbeitsplatz grundlegend verändert, jedoch mit ungleich verteilten Vorteilen: Die Beschäftigung junger Menschen (22-25 Jahre) in stark KI-exponierten Berufen ist um 16 % gesunken, während 40 % der US-Beschäftigten 'Workslop' erhalten — geschliffene, aber ungenaue KI-Inhalte.
Google Research hat ConvApparel veröffentlicht — einen neuen Datensatz mit über 4.000 mehrstufigen Dialogen im Kontext des Bekleidungskaufs, der messen soll, wie realistisch LLM-basierte User-Simulatoren tatsächlich sind. Die Studie zeigt, dass SFT- und ICL-Ansätze einfaches Prompting deutlich übertreffen und eine 'bemerkenswerte Out-of-Distribution-Generalisierung' aufweisen.