Wie KI-Agenten das Firmenwissen ihrer Organisation teilen

AWS Context, vorgestellt auf dem AWS Summit New York im Juni 2026, baut aus den Daten einer Organisation automatisch einen gemeinsamen Wissens-Graph auf und stellt ihn allen KI-Agenten des Unternehmens gleichzeitig zur Verfügung. Das löst ein grundlegendes Problem: Bisher kennen KI-Agenten meistens nur den Kontext, den man ihnen in einem Gespräch oder einem Prompt mitgibt. AWS Context erweitert diesen individuellen Kontext zu einem geteilten, unternehmensweiten Gedächtnis, das dauerhaft aktuell bleibt.

Warum scheitern KI-Agenten so oft an mangelndem Firmenwissen?

Ein KI-Agent, der eine Kundenanfrage bearbeiten soll, braucht viele Informationen gleichzeitig: Zu welchem Kundenkonto gehört diese E-Mail-Adresse? Welche Produkte hat dieser Kunde bereits? Welche internen Regelwerke gelten für diese Anfrage? In den meisten Unternehmen stecken diese Informationen in verschiedenen Systemen: CRM, ERP, Dokumentenmanagement, E-Mail-Archiv, interne Wikis. Ein KI-Agent, der nur auf eines dieser Systeme zugreift, gibt zwangsläufig unvollständige Antworten oder trifft Entscheidungen, die dem tatsächlichen Kontext nicht gerecht werden.

Genau hier liegt die Schwachstelle vieler früher KI-Projekte. Die Technologie selbst funktioniert, aber die Antwortqualität leidet, weil dem Agenten das Unternehmenswissen fehlt, das ein erfahrener Mitarbeiter längst verinnerlicht hat. Das Ergebnis sind Agenten, die technisch laufen, aber operativ enttäuschen.

Wie baut AWS Context einen geteilten Wissens-Graph auf?

AWS Context verbindet sich mit den Datenquellen, die eine Organisation bereits nutzt: Datenbanken, Dokumente, E-Mails, Chat-Verläufe und Ablagesysteme wie SharePoint, Confluence, Google Drive oder Amazon S3. Das System liest diese Quellen nicht nur, sondern leitet aus ihnen automatisch Beziehungen ab. Es erkennt beispielsweise, welche Datenbank zu welchem Kunden gehört, welche Projektdokumente miteinander verknüpft sind und welche Geschäftsregeln für bestimmte Vorgänge gelten.

Diese Beziehungen werden als Graph gespeichert — einem Netz aus Datenpunkten und Verbindungen, das dem Wissensstand einer erfahrenen Fachkraft im Unternehmen ähnelt. Das technische Fundament baut auf der Grundlage auf, die Amazon zuvor für seinen eigenen internen Assistenten Amazon Q entwickelt hat. Die Metadaten der verbundenen Quellen werden in einem offenen Tabellenformat in AWS-Speicher abgelegt, sodass Unternehmen bestehende Systeme nicht austauschen müssen.

Jeder KI-Agent, der über AWS Bedrock AgentCore eingebunden ist, kann dann direkt auf diesen gemeinsamen Graph zugreifen. Ändert sich ein Kundendatensatz oder eine interne Regel, sehen alle Agenten diese Änderung sofort.

Was bedeutet das für KI-Agenten im Arbeitsalltag?

Statt jedem Agenten immer wieder denselben Unternehmenskontext zu erklären, steht dieser Kontext dauerhaft und zentral bereit. Ein KI-Agent für die Auftragsbearbeitung, ein zweiter für Kundenkommunikation und ein dritter für die Buchhaltung greifen alle auf dasselbe, aktuelle Firmenwissen zu. Das vermeidet Inkonsistenzen und reduziert den Aufwand, jeden neuen Agenten von Grund auf einzurichten.

Amazon hat bei der Vorstellung von AWS Context drei Unternehmen als frühe Anwender genannt, die diese Logik bereits im großen Maßstab einsetzen: Nasdaq, Visa und Experian. Das sind Branchen, in denen Datengenauigkeit und stets aktuelle Informationen über Tausende von Prozessen hinweg entscheidend sind.

Auf demselben Summit hat Amazon auch AWS Continuum vorgestellt, einen KI-gestützten Dienst zur Sicherheitsverwaltung. Continuum erkennt Schwachstellen im Code automatisch, priorisiert sie nach Geschäftsbezug, testet die tatsächliche Ausnutzbarkeit in isolierten Umgebungen und schlägt konkrete Gegenmaßnahmen vor. Auch hier folgt das System demselben Muster: erst im Lernmodus mit menschlicher Freigabe, dann schrittweise mit mehr Eigenständigkeit.

Warum ist ein gemeinsamer Kontext-Layer das Fundament einer KI-Belegschaft?

Was AWS Context auf Infrastrukturebene illustriert, gilt für jeden ernsthaften Einsatz von KI-Agenten im Unternehmen: Einzelne Agenten, die isoliert voneinander arbeiten und kein gemeinsames Firmenwissen teilen, bleiben weit hinter ihrem Potenzial. Eine KI-Belegschaft entfaltet erst dann echten Mehrwert, wenn alle beteiligten KI-Mitarbeiter auf dieselbe Informationsbasis zugreifen, Änderungen sofort weitergegeben werden und die Geschäftsregeln des Unternehmens zentral verwaltet sind.

Diese Anforderung bildet den Kern eines AI Backbone Systems: eine zentrale Schicht, die Daten, Regeln und Prozesse verbindet und allen KI-Agenten zugänglich macht. Ob die technische Umsetzung über AWS Context, einen anderen Anbieter oder eine eigene Lösung läuft, ist sekundär. Entscheidend ist, dass dieser gemeinsame Kontext-Layer existiert und gepflegt wird, bevor man einzelne Agenten auf die Belegschaft loslässt.