View a markdown version of this page

Abrufen von Daten und Generieren von KI-Antworten mit Wissensdatenbanken für Amazon Bedrock - Amazon Bedrock

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Abrufen von Daten und Generieren von KI-Antworten mit Wissensdatenbanken für Amazon Bedrock

Die Basismodelle verfügen zwar über allgemeines Wissen, aber Sie können ihre Antworten mit Retrieval Augmented Generation (RAG) weiter verbessern. RAG ist eine Technik, bei der Informationen aus Datenquellen verwendet werden, um die Relevanz und Genauigkeit der generierten Antworten zu verbessern. Mit Wissensdatenbanken für Amazon Bedrock können Sie proprietäre Informationen in Ihre Anwendungen für generative KI integrieren. Wenn eine Abfrage gestellt wird, durchsucht eine Wissensdatenbank Ihre Daten nach relevanten Informationen zur Beantwortung der Abfrage. Die abgerufenen Informationen können dann verwendet werden, um die generierten Antworten zu verbessern. Amazon Bedrock Knowledge Bases hilft bei der Entwicklung sicherer, agentischer KI-Anwendungen für Unternehmen, indem es den sicheren Abruf großer Datenmengen nutzt.

Wichtig

Für eine optimierte Abrufgenauigkeit und eine verwaltete Benutzererfahrung empfehlen wir Amazon Bedrock Managed Knowledge Base.

Amazon Bedrock Knowledge Bases bietet zwei Arten von Wissensdatenbanken:

  • Verwaltete Wissensdatenbank — Amazon Bedrock verwaltet die zugrunde liegende Infrastruktur für Datenaufnahme, Indexierung, Speicherung und Abruf, sodass Sie sich auf Ihre Anwendungs- und Agentenlogik konzentrieren können. Managed Knowledge Base bietet erweiterte Funktionen wie die Erfassung multimodaler Daten, automatische Speicherskalierung, Agentenabruf für Multi-Hop-Argumentation und mehr. Gleichzeitig bietet sie weiterhin wichtige Anpassungen, sodass Sie Agenten auf Ihren Anwendungsfall zuschneiden können. Sie verbinden Ihre Datenquellen und Amazon Bedrock verwaltet standardmäßig das Einbetten, das Re-Ranking und die Argumentation mit service-verwalteten Modellen (mit der Option, Ihre eigenen Modelle auszuwählen). Managed Knowledge Base lässt sich nativ in AgentCore Gateway integrieren, sodass jedes MCP-compatible Agenten-Framework Ihre Knowledge Base als Tool ohne benutzerdefinierten Code erkennen und aufrufen kann. Managed Knowledge bietet Konnektoren für Amazon S3 SharePoint, Confluence, Google Drive OneDrive, Web Crawler sowie eine Rechtefilterung auf Dokumentebene mithilfe von Zugriffskontrolllisten (außer Web Crawler) beim Abruf. Die Smart-Parsing-Funktion wählt automatisch die Analysestrategie für jeden Dokumenttyp aus, einschließlich PDFs, PPTX, DOCX, Dokumenten mit eingebetteten Grafiken, Audio, Video und gescannten Dokumenten. Agentic Retrieval unterstützt Multi-Hop-Argumentation, zerlegt komplexe Abfragen in Unterabfragen, ruft iterativ mehrere Wissensdatenbanken ab und bewertet, ob ausreichend Antworten vorliegen. Die native Integration mit AgentCore Observability bietet integrierte Überwachungs-, Abrufs- und Agentendaten sowie Kennzahlen für einzelne Wissensdatenbanken.

  • Customer-managed Knowledge Base — Auf diese Weise können Sie Ihre eigene RAG-Pipeline, einschließlich des Vector Store (wie Amazon OpenSearch Serverless, Amazon Aurora und Amazon Neptune), einrichten und verwalten und die volle Kontrolle über Datenaufnahme, Analyse, Indizierung und Speicherkonfigurationen haben. Sie müssen die zugehörige Infrastruktur und Konfigurationen wie das Parsen multimodaler Daten einrichten und verwalten. Beachten Sie, dass verschiedene Funktionen wie Konnektoren von Drittanbietern, Berechtigungen auf Dokumentenebene und native AgentCore Gateway-Integration nur für Managed Knowledge Bases verfügbar sind.

Mit Wissensdatenbanken für Amazon Bedrock haben Sie folgende Möglichkeiten:

  • Beantworten Sie Benutzerabfragen, indem Sie relevante Informationen aus Datenquellen zurückgeben.

  • Verwenden Sie abgerufene Informationen aus Datenquellen, um eine genaue und relevante Antwort auf Benutzerabfragen zu generieren.

  • Erweitern Sie Ihre eigenen Prompts, indem Sie die zurückgegebenen relevanten Informationen in den Prompt eingeben.

  • Nehmen Sie Zitate in die generierte Antwort auf, sodass auf die ursprüngliche Datenquelle verwiesen und die Richtigkeit überprüft werden kann.

  • Fügen Sie Dokumente mit zahlreichen visuellen Ressourcen hinzu, aus denen Bilder extrahiert und als Antworten auf Abfragen abgerufen werden können. Wenn Sie auf der Grundlage der abgerufenen Daten eine Antwort generieren, kann das Modell auf der Grundlage dieser Bilder zusätzliche Erkenntnisse liefern.

  • Suchen Sie anhand von Bildern als Abfragen, um visuell ähnliche Inhalte zu finden, oder kombinieren Sie Text und Bilder in Abfragen, um genauere Ergebnisse mithilfe multimodaler Einbettungsmodelle zu erzielen.

  • Verwenden Sie Reranking-Modelle, um die Ergebnisse zu beeinflussen, die aus Ihrer Datenquelle abgerufen werden.

Themen