AWS Bedrock AgentCore Memory: drei Muster für Langzeitgedächtnis von Agenten auf Namespace-Ebene mit IAM-Zugriffskontrolle

Am 29. April 2026 veröffentlichte AWS Referenz-Architekturmuster zur Organisation des Langzeitgedächtnisses von Agenten im Bedrock AgentCore Memory Service. Der Beitrag, verfasst von Noor Randhawa, Akarsha Sehwag und Piradeep Kandasamy, stellt drei Muster für verschiedene Anwendungsfälle vor und zeigt, wie IAM-Condition-Keys die Zugriffskontrolle auf der Ebene einzelner Namespaces gewährleisten.

Drei Namespace-Muster

1. Actor-Scoped (Semantik und Präferenzen)

Nutzerfakten und -präferenzen akkumulieren sich über mehrere Sitzungen und werden unter einem einzigen Actor-Identifier konsolidiert. Struktur:

/actor/{actorId}/facts/
/actor/{actorId}/preferences/

Typischer Anwendungsfall: Anwendungsnutzereinstellungen, historische Entscheidungen, Profilgedächtnis.

2. Session-Scoped (Zusammenfassungen)

Gesprächszusammenfassungen bleiben an spezifische Interaktionen gebunden. Struktur:

/actor/{actorId}/session/{sessionId}/summary/

Vorteil: Reduziert den Token-Verbrauch für nachfolgende Turns innerhalb derselben Sitzung, ohne den Kontext zwischen unverbundenen Gesprächen zu vermischen.

3. Episodic with Reflection Hierarchy

Episoden erfassen Reasoning-Traces innerhalb einer einzelnen Sitzung; Reflexionen verallgemeinern Erkenntnisse über Sitzungen hinweg auf der übergeordneten Namespace-Ebene. Dies ist das anspruchsvollste Muster für Agenten, die „aus Erfahrung lernen” müssen — über Nutzersitzungen hinweg.

Zwei zentrale API-Methoden

AgentCore Memory unterscheidet:

• RetrieveMemoryRecords — semantische Suche nach kontextuell relevantem Gedächtnis während Agenten-Interaktionen
• ListMemoryRecords — listet Gedächtnis innerhalb eines bestimmten Namespaces für Anzeige, Audit oder Massenoperationen auf

Der Unterschied ist wichtig: Erstere führt eine Vektorsuche durch, Letztere eine einfache Auflistung — nützlich für Audit-Tools, DSGVO-konformes Löschen oder die benutzerverwaltete Gedächtnisverwaltung.

IAM-Zugriffskontrolle auf Namespace-Ebene

Für Unternehmen vielleicht das Wichtigste: IAM-Condition-Keys für strikte Zugriffskontrolle:

• bedrock-agentcore:namespace mit StringEquals — Exact-Match-Zugriff
• bedrock-agentcore:namespacePath mit StringLike — hierarchisches Abrufen

Dynamisches Scoping verwendet Principal-Tags wie ${aws:PrincipalTag/userId} zur Benutzerisolierung — ein Agent, der für einen Nutzer arbeitet, kann nicht versehentlich auf das Gedächtnis eines anderen Nutzers zugreifen.

Warum ist das wichtig?

Gedächtnis ist derzeit das schwächste Glied in produktiven Multi-Agenten-Systemen — entweder zu klein (statischer Prompt-Kontext) oder zu groß (ein ganzer Vektorspeicher, der zwischen Nutzern durchsickert). Die AgentCore-Memory-Namespace-Muster geben AWS-Kunden eine konventionelle Struktur, die auditierbar, IAM-gesteuert und pro Actor konsolidiert werden kann.

Dies baut auf dem AWS-Beitrag vom 29. April über den AgentCore-MCP-Proxy (Governance-Schicht zwischen Agenten und Tools) auf — AWS baut einen Enterprise-Agenten-Stack Schicht für Schicht: Identity, Memory, Tool-Zugriff, Audit.