KI-Modelle und Plattformen
Redis erweitert Iris um Agenten-Routing, Beobachtbarkeit und Nachrichtenübermittlung
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Redis gab am 4. November 2026 bekannt, dass seine Echtzeit-Kontext-Engine Iris nun sechs kombinierbare Funktionen für KI-Agenten bietet, von denen vier allgemein verfügbar und zwei in der Betaphase sind. Die Erweiterung ergänzt ein Produkt, das sich bislang vor allem auf Kontext und Gedächtnis konzentrierte, um Anfragenrouting, wiederverwendbare Verfahren, Beobachtbarkeit und ausfallsichere Nachrichtenübermittlung.
Kunden können die Funktionen gemeinsam, unabhängig voneinander oder in beliebiger Kombination innerhalb einer einzigen Laufzeitumgebung nutzen. Rowan Trollope begründet dies damit, dass Entwickler nicht mehrere separate Infrastrukturprodukte zusammenstellen müssen sollten, um Agenten mit Gedächtnis, relevantem Kontext, Live-Datenzugriff, Routing und Kommunikationsmöglichkeiten auszustatten. Das Einstiegsangebot von Redis umfasst 5.000 kostenlose Nachrichten.
Ein begleitender ausführlicher technischer Einblick von Simba Khadder, dem Director of Software Engineering bei Redis, beschreibt die Probleme im Produktivbetrieb, denen dieses Design begegnen soll: Agenten, die ohne bisherigen Verlauf starten, sensible Details behalten und dabei nützliche Präferenzen vergessen, mit unvollständigen Informationen arbeiten und den Kontext für Anfragen, die sie bereits bearbeitet haben, wiederholt neu aufbauen. Diese Fehlermuster verbinden die ansonsten getrennten Funktionen der Veröffentlichung rund um Kontinuität, Wiederverwendung und Kontrolle.
Vier Funktionen sind allgemein verfügbar
Intent Router ordnet Anfragen anhand ihrer Bedeutung statt ihres genauen Wortlauts ein und leitet sie dann an eine gespeicherte FAQ, eine Agenten-Fähigkeit, einen Menschen oder ein LLM weiter. Außerdem unterstützt die Funktion das Routing von Agenten und Modellen, Schutzmechanismen und unscharfe bedingte Entscheidungen. Dadurch können unterschiedlich formulierte Varianten derselben Anfrage als dasselbe zugrunde liegende Problem behandelt werden.
Agent Playbooks trennt stabile, wiederverwendbare Antworten von Anfragen, für die aktuelle Daten und die erneute Ausführung eines bekannten Verfahrens erforderlich sind. Redis zufolge werden die Playbooks durch wiederholte Nutzung umfassender und genauer, wodurch sich die Lösungszeiten und der Tokenverbrauch verringern. Damit ergänzt Playbooks Intent Router als Gegenstück für die Wiederverwendung: Die eine Funktion erkennt die Art der Anfrage, die andere entscheidet, ob eine vorhandene Antwort oder ein bestehendes Verfahren sie erfüllen kann.
Agent Memory nutzt MemoryETL, um aus Nutzeraktionen, Dokumenten, Wissensdatenbanken und anderen semistrukturierten Daten Erinnerungen zu erstellen. Die Erinnerungen werden hierarchisch organisiert, um eine feinere Kontrolle zu ermöglichen. Zudem bietet die Funktion Möglichkeiten zur Prüfung, Protokollierung und Herkunftsverfolgung, damit Teams nachvollziehen können, woher die einzelnen Erinnerungen stammen. Sie kann auch Informationen verwerfen, die nicht gespeichert werden sollten, darunter personenbezogene Daten.
Context Gateway bietet einen zentralen, kontrollierten Zugangspunkt zu angebundenen Kontextquellen. Kunden können eigene MCP-Server einbinden, zwischenspeichern, welche Tools bestimmte Probleme lösen, und wiederverwendbare Ergebnisse erstellen, um die Konsistenz über mehrere Sitzungen hinweg zu gewährleisten. Redis stellt das Zwischenspeichern von Tools als Möglichkeit zur Verringerung des Tokenverbrauchs dar. Damit wird der Schwerpunkt der Veröffentlichung darauf, wiederholte Arbeit des Modells zu vermeiden, von Antworten und Verfahren auf den Datenzugriff ausgeweitet.
Betaversionen decken Prüfungen und Verbindungsabbrüche ab
Lens verfolgt den Ursprung eines Agentenergebnisses bis zu der dafür verwendeten Fähigkeit, Route oder FAQ, der genutzten Erinnerung und der ursprünglichen Sitzung zurück. Außerdem zeigt die Funktion den Aufgabenerfolg, die Anzahl der Tokens pro Aufgabe und die Latenz an und verbindet so einen Prüfpfad mit Betriebskennzahlen. Dadurch soll das Verhalten von Agenten abfragbar werden, wenn Teams eine falsche Antwort diagnostizieren, den Tokenverbrauch untersuchen oder nachvollziehen müssen, warum eine Aktion ausgeführt wurde.
Agent Mesh begegnet Kommunikationsunterbrechungen. Agenten kommunizieren über kurzlebige Streams, wobei bei Verbindungsabbrüchen automatisch zwischengespeichert und die Verbindung wiederhergestellt wird. Dauerhafte SSE-Streams sollen dafür sorgen, dass Antworten auch bei Unterbrechungen weiterlaufen, während A2A Comms einen Kanal für die Delegation von Aufgaben an andere Agenten und die Übergabe von Aufgaben bereitstellt. Lens und Mesh decken damit unterschiedliche Risiken im Produktivbetrieb ab: die Rekonstruktion einer Entscheidung und die Aufrechterhaltung eines Gesprächs.
Vom Start im Mai bis zum Einsatz bei Kunden
Redis stellte Iris am 18. Mai 2026 vor – als Kontext- und Gedächtnisebene zwischen einem Agenten und den Daten, die er benötigt. Zum Start gehörten Context Retriever, Agent Memory, Redis Data Integration, LangCache und Redis Search; Context Retriever und Agent Memory befanden sich damals in der Vorschau. Agent Memory ist inzwischen allgemein verfügbar. Das neue Angebot erweitert den ursprünglichen Schwerpunkt auf Abruf und Gedächtnis um Routing, wiederholbare Verfahren, die Nachverfolgung von Entscheidungen und die Wiederherstellung von Datenströmen.
Nick Thompson, Senior Software Developer bei Safe in Home, beschrieb auf der Produktseite von Redis Iris einen konkreten Einsatz: „Redis Agent Memory hilft uns, Kontext in Echtzeit über unsere Programmieragenten hinweg zu speichern und wiederzuverwenden.“ Sein Team nutzt die Funktion, um technische Entscheidungen, Fehlerdetails und Entwicklungskontext während der Arbeit der Agenten festzuhalten. So bleiben die Informationen dem gesamten Team zugänglich, statt zwischen Sitzungen oder Tools verloren zu gehen. Ein Dienst liest außerdem aus diesem Gedächtnis und schreibt hinein, während er die API des Unternehmens überwacht. Anschließend legt er in Echtzeit Fehlerberichte im Ticketsystem an.
Die Veröffentlichung erweitert damit Iris’ Rolle: Das Produkt liefert nicht mehr nur Kontext, sondern koordiniert auch, wie ein Agent eine Anfrage bearbeitet, frühere Arbeit wiederverwendet, ausgewählte Informationen speichert und auf kontrollierte Daten zugreift. Der Reifegrad ist jedoch uneinheitlich: Diese betrieblichen Grundlagen sind allgemein verfügbar, während die Ebenen für die Prüfung von Entscheidungen und die Wiederherstellung von Verbindungen weiterhin in der Betaphase sind.
