AWS veröffentlicht Architektur für unternehmensweites KI-Agenten-Gedächtnis mit Bedrock, Neptune und Mem0

Das grundlegende Problem von Agenten

Die heutigen KI-Agenten haben eine gemeinsame Schwäche: Sie verlieren den Kontext zwischen Interaktionen. Nach dem Ende einer Sitzung vergisst der Agent, was der Nutzer gesagt hat, welche Projekte er verwaltet und welche Entscheidungen bereits getroffen wurden. In einer Unternehmensumgebung ist das inakzeptabel, da es ein ständiges Wiederholen des Kontexts erfordert.

AWS hat eine Referenzarchitektur veröffentlicht, die dieses Problem durch die Kombination von drei Komponenten löst. Amazon Bedrock stellt die grundlegenden Sprachmodelle (Claude, Llama, Titan) bereit, Amazon Neptune dient als Graphdatenbank für das Langzeitgedächtnis, und das Mem0-Framework verwaltet den Gedächtnis-Lebenszyklus — was zu merken ist, wann abzurufen und wann zu vergessen.

Warum eine Graphdatenbank statt einer Vektordatenbank

Die meisten bestehenden KI-Gedächtnislösungen verwenden Vektordatenbanken (Pinecone, Weaviate), die Text-Embeddings speichern. Dieser Ansatz funktioniert gut für semantische Suche — „ähnliche Gespräche finden” — aber schlecht für strukturierte Beziehungen.

Amazon Neptune bringt einen anderen Ansatz. Entitäten (Mitarbeiter, Projekte, Dokumente, Kunden) werden als Knoten gespeichert, die Beziehungen zwischen ihnen als Kanten. Ein Agent kann Anfragen stellen wie „Welche Dokumente sind mit Projekt Alpha verbunden, das von Anna geleitet wird?” und eine präzise Antwort ohne Halluzinationen erhalten. Das ist entscheidend für Unternehmen, wo Zuverlässigkeit gefordert ist.

Die Rolle des Mem0-Frameworks

Mem0 ist ein Open-Source-Framework, das standardisiert, wie Agenten ihr Gedächtnis verwalten. Es bietet APIs für drei grundlegende Operationen: das Schreiben neuer Fakten, das Abrufen relevanter Informationen im Kontext und das Vergessen veralteter Daten. Ohne Mem0 muss jedes Team diese Logik selbst implementieren.

Die AWS-Architektur zeigt, wie Mem0 mit Bedrock-Modellen und einer Neptune-Datenbank zusammenarbeitet. Wenn ein Agent eine Anfrage erhält, ruft Mem0 zunächst relevante Informationen aus dem Neptune-Graphen ab und fügt sie dann in den Prompt für das Bedrock-Modell ein. Nach der Antwort werden neue Fakten als neue Knoten und Kanten zurück in Neptune gespeichert.

Human-in-the-Loop-Validierung

Ein Schlüsselelement der Architektur ist die Human-in-the-Loop-Validierung. Der Agent speichert nicht automatisch alles, was er lernt — Menschen überprüfen und genehmigen wichtige Fakten, bevor sie Teil des dauerhaften Gedächtnisses werden. Dadurch wird eine Kontamination des Gedächtnisses durch schlechte oder falsche Informationen verhindert.

Dieser Ansatz ist besonders nützlich in regulierten Branchen wie Finanzen und Gesundheitswesen, wo Nachvollziehbarkeit Pflicht ist. Jeder Fakt im Gedächtnis enthält Metadaten darüber, wer ihn validiert hat und wann, was spätere Audits erleichtert.

Was das für Unternehmen bedeutet

Die Kombination aus Bedrock + Neptune + Mem0 ermöglicht den Aufbau von Agenten, die den Kontext über Wochen und Monate hinweg im Gedächtnis behalten. Das ist eine Voraussetzung für echte Produktions-Anwendungsfälle wie die Automatisierung des Kundenservice, Prozessagenten im operativen Betrieb und spezialisierte Agenten für Rechts- und Finanzteams.