AWS Bedrock AgentCore Optimization in der Vorschau: automatisierte Schleife von Produktions-Traces bis A/B-Tests via OpenTelemetry

AWS stellte am 4. Mai 2026 auf seinem Machine-Learning-Blog AgentCore Optimization als neue Vorschaufunktion innerhalb von Amazon Bedrock vor. Ziel des Systems ist es, Produktionsagenten ohne manuelles Prompt-Bearbeiten und -Raten zu verbessern, was bisher die Standardmethode der Optimierung war.

Was automatisiert das System konkret?

AgentCore Optimization bietet drei Schlüsselkomponenten:

1. Empfehlungen — analysieren Produktions-Traces und Evaluierungsergebnisse und schlagen konkrete Änderungen am System-Prompt oder den Tool-Beschreibungen vor. Der Ingenieur schreibt den Vorschlag nicht; das System generiert ihn aus realen Daten.
2. Batch-Evaluierung — testet Empfehlungen gegen ein vordefiniertes Testset, um zu prüfen, ob Änderungen im allgemeinen Fall Verbesserungen darstellen und nicht nur für das Beispiel, das die Empfehlung ausgelöst hat.
3. A/B-Testing — kontrolliertes Experiment zwischen alter und neuer Agent-Version mit Daten zur statistischen Signifikanz, um übereilte subjektive Deployments zu vermeiden.

Wie erfasst das System Produktionsdaten?

Die End-to-End-Rückverfolgbarkeit in AgentCore zeichnet jeden Modellaufruf, Tool-Aufruf und Schlussfolgerungsschritt als OpenTelemetry-kompatiblen Trace auf (OpenTelemetry ist ein offener Standard für verteiltes System-Monitoring). Unternehmen, die bereits OTEL in ihrem Stack nutzen, können bestehende Infrastruktur ohne zusätzliche Instrumentierung importieren.

Das Ergebnis ist, dass AgentCore Optimization auf realen Produktionsbeispielen arbeitet, nicht auf synthetischen Tests, die Ingenieure manuell zusammengestellt haben. Das System sieht, welche Prompts der Agent unter realen Bedingungen erhält, wo er scheitert und wie sich Fehler durch Tool-Aufrufe ausbreiten.

Was ändert das im operativen Agenten-Management?

Die meisten Enterprise-Agenten stagnieren 2026 in der Phase zwischen Proof-of-Concept und vollständiger Produktion. Der Grund: Teams haben keine systematische Möglichkeit zu messen, wie Prompt-Änderungen das Verhalten beeinflussen. AgentCore Optimization adressiert genau diese Lücke: Das System wird zu einem Gerät, das aus Produktionsdaten lernt und Änderungen mit messbarer Wirkung vorschlägt.

AWS verwendet im Blogbeitrag das Beispiel eines Market-Trends-Agenten für Anlageberater, nennt aber keine konkreten Benchmark-Zahlen. Das bedeutet, dass die Vorschauphase auf die Demonstration der Architektur ausgerichtet ist.

Preise wurden nicht öffentlich bekannt gegeben. Die Vorschau ist für Amazon-Bedrock-Nutzer in Regionen verfügbar, in denen AgentCore bereits verfügbar ist.