KI-Modelle und Plattformen
AWS ergänzt Bedrock um Single-Shot-RAG und einen reinen Abrufmodus
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Amazon Web Services gab am 9. November 2026 bekannt, dass Amazon Bedrock Managed Knowledge Base nun Retrieval-Augmented Generation (RAG) mit einem einzigen Abruf sowie reine Passagenabfragen unterstützt – über AgenticRetrieveStream. Ein erweiterter Bereich von 0–5 für maxAgentIteration ermöglicht Anwendungen die Auswahl zwischen dem Abruf von Quellen, einer Antwort nach einer einzigen Suche oder dem bestehenden mehrstufigen agentischen Abruf des Dienstes.
Mit dem Update wird das grundlegende RAG-Muster – ein Abruf, auf den eine generierte Antwort folgt – in dieselbe Streaming-API integriert, die auch für komplexe Suchen verwendet wird. Single-Shot-RAG benötigt für die Generierung einen Aufruf des Foundation-Modells, während reine Abrufanfragen keinen erfordern. AWS zufolge kann der Single-Shot-Betrieb im Vergleich zum agentischen Abruf Latenz und Modellnutzung verringern; die Ankündigung enthält jedoch keinen gemessenen Vergleich von Latenz oder Kosten.
Ein Parameter legt den Abrufmodus fest
Der Wert 0 gibt passende Passagen zurück, ohne eine Antwort zu generieren; bei 1 erfolgt ein einmaliger Abruf und eine Antwortgenerierung mit generateResponse=true; die Werte 2 bis 5 behalten das bestehende agentische Verhalten bei. Jeder Modus unterstützt mehrere Wissensdatenbanken. Single-Shot bezieht sich daher auf einen einmaligen Abruf und bedeutet nicht, dass nur eine Wissensdatenbank verwendet werden kann.
Eine Iteration entspricht einem Aufruf des Foundation-Modells. Wenn die Generierung aktiviert ist, reserviert ein Limit von n den letzten Aufruf für die Antwortgenerierung und ermöglicht bis zu n Planungsrunden, also eine weniger als das Limit. In jeder Planungsrunde wird eine Anfrage umformuliert und anschließend ein Abruf durchgeführt. Der anfängliche spekulative Abruf erfolgt vor der Planung und wird nie auf das Limit angerechnet.
Bei 0 muss die Antwortgenerierung deaktiviert sein. Wird sie aktiviert, führt dies zu einem 4xx-Fehler, da für eine Antwort ein Modellaufruf erforderlich ist. Bei 1 umfasst der Stream einen Abruf und eine fundierte Antwort, aber keine Ereignisse zum Ablauf der Planung. Bestehende Anfragen mit den Werten 2 bis 5 bleiben unverändert.
Streaming-Verhalten und Betriebsgrenzen
Die API-Referenz zu AgenticRetrieveStream führt messages, retrieversund agenticRetrieveConfiguration als erforderliche Anfrageparameter auf, während generateResponse optional ist. Antwortabschnitte werden nur ausgegeben, wenn die Generierung aktiviert ist. Das Endergebnis kann abgerufene Elemente, eine zusammengefasste Antwort und Zitate enthalten, die Textstellen der Antwort mit den unterstützenden Ergebnissen verknüpfen.
Der reine Abrufmodus entspricht einem direkten Aufruf von Retrieve ; das Antwortformat unterscheidet sich jedoch: Die Passagen erscheinen im result -Ereignis des Streams, jedoch nicht in den Feldern score oder location . Anwendungen, die bereits AgenticRetrieveStream verwenden, können dadurch Retrieve-ähnliches Verhalten erzielen, indem sie einen Parameter ändern, statt eine separate API einzubinden.
Für komplexe Fragen beschreibt der Amazon-Bedrock-Benutzerleitfaden einen Ablauf, bei dem Anfragen in Teilanfragen zerlegt, die abgerufenen Belege auf ihre Ausreichendheit geprüft und zusätzliche Suchen durchgeführt werden; dabei kann auch ein vollständiges Dokument abgerufen werden. Agentischer Abruf wird nur für vollständig verwaltete Bedrock-Wissensdatenbanken unterstützt und erlaubt bis zu fünf Retriever pro Anfrage. Wird die Iterationsobergrenze gesenkt, kann der Agent früher stoppen, was bei komplexen Anfragen die Genauigkeit beeinträchtigen kann.
Anwendungsteams wählen den Modus aus und testen ihn
AWS veranschaulicht die Einstellungen anhand eines fiktiven internen Richtlinienassistenten einer Bank, nicht anhand einer Kundenimplementierung. Für eine Dokumentationsfrage zu Einzelunternehmen wird maxAgentIteration=1verwendet; für einen Vergleich der Anforderungen an Einzelunternehmen und LLCs, bei dem auch die Vorschriften für nicht in den USA ansässige Eigentümer geprüft werden, kommt dagegen der Wert 4 zum Einsatz, der bis zu drei Planungsrunden ermöglicht. Eine Anfrage zur Prüfung des Wortlauts einer Richtlinie verwendet den Wert 0 und gibt Quellpassagen ohne Zusammenfassung zurück.
Die Anwendung muss den Modus auswählen; maxAgentIteration leitet Anfragen nicht automatisch weiter. Der Beispielassistent unterstützt die Suche und den Vergleich von Richtlinien, genehmigt aber weder Konten noch ersetzt er die Prüfung und Autorisierung durch die Bank.
Für die Einführung empfiehlt AWS, Single-Shot-RAG mit der bestehenden agentischen Konfiguration in derselben Wissensdatenbank anhand repräsentativer Fragen und erwarteter Antworten zu vergleichen. Bei der Bewertung sollten Latenz und Kosten pro Anfrage gemessen, die Richtigkeit und die Belegbarkeit durch abgerufene Passagen überprüft sowie Fragen berücksichtigt werden, die mehrere Dokumente betreffen oder nicht beantwortet werden können. Anhand der Ergebnisse lässt sich die niedrigste Iterationsgrenze ermitteln, die den Qualitätsanforderungen des jeweiligen Arbeitsablaufs genügt.
Durch die Änderung wird die Abruftiefe zu einer expliziten Infrastrukturentscheidung pro Anfrage. Direkte Abfragen können Planungsschritte vermeiden, während bei komplexen Anfragen weiterhin iterativ Belege gesammelt werden. Für Unternehmen besteht der zentrale Zielkonflikt darin, ob sich die Modellnutzung verringern lässt, ohne dass dadurch vollständige und durch eigene Dokumente belegte Antworten verloren gehen – statt einfach davon auszugehen, dass eine höhere Iterationsgrenze immer besser ist.
