Wood Mackenzie baut gemeinsame Agenten-Plattform auf Amazon Bedrock AgentCore auf

Wood Mackenzie hat eine gemeinsame agentische KI-Plattform namens APEX auf Amazon Bedrock AgentCore aufgebaut und gibt Teams damit eine gemeinsame Grundlage für die Bereitstellung produktiver Agenten, statt Laufzeiten, Identitätskontrollen, Beobachtbarkeit und Schutzmechanismen für jede Anwendung neu zu entwickeln.

Der von AWS veröffentlichte Account des Unternehmens beschreibt, dass APEX drei Anwendungen unterstützt: Woody, Lens AI und die ST Trading App. Die Architektur ist darauf ausgelegt, Produktteams verschiedene Agenten-Frameworks und Modelle wählen zu lassen, während sie sich auf eine standardisierte Betriebsschicht stützen. Damit wird ein zentrales Problem der Unternehmens-KI adressiert: Prototypen lassen sich schnell bauen, aber nicht-deterministische Systeme sicher über Nutzer, Tools und Daten hinweg zu betreiben, ist deutlich schwieriger.

Der gleiche AWS-Blog-Cluster dokumentiert auch, wie Abnormal AI den AgentCore Code Interpreter in seinen E-Mail-Sicherheitssystemen nutzt. Zusammen zeigen die Beispiele, dass AWS AgentCore nicht nur als Entwicklungsdienst positioniert, sondern als Infrastruktur für Agenten, die in Live-Workflows Isolation, Richtliniendurchsetzung und kontrollierten Zugriff auf Rechenleistung benötigen.

Eine gemeinsame Grundlage für die Agenten von Wood Mackenzie

Vor APEX, so Wood Mackenzie, entwickelten Woody, Lens AI und die ST Trading App jeweils ihre eigenen Agenten-Stacks. Dieser Ansatz hätte separate Implementierungen von Authentifizierung, Skalierung, Tracing, Modellzugriff und Leitplanken erfordert. Außerdem wäre es dadurch schwieriger geworden, Tools, Gedächtnis und Evaluierungspraktiken zwischen den Teams zu teilen.

APEX zentralisiert diese Fähigkeiten. Das Backend nutzt Amazon Bedrock AgentCore Runtime, Identity, Gateway, Memory und Observability sowie einen Orchestrator, Abruffrastruktur, Modellzugriff über den Amazon-Bedrock-Modellkatalog und Amazon Bedrock Guardrails. Ein Frontend-Software-Development-Kit verbindet die Plattform mit nutzerseitigen Anwendungen.

Das Design verlangt nicht, dass jedes Team dasselbe Agenten-Framework verwendet. Wood Mackenzie sagt, die Umgebung könne Strands Agents, LangGraph, CrewAI, n8n, Vertex und OpenAIs Agent-Tooling unterstützen. AgentCore unterstützt außerdem das Model Context Protocol, kurz MCP, sowie das Agent-to-Agent-Protokoll, sodass externe Systeme und Agenten über standardisierte Schnittstellen statt über Einzelintegrationen verbunden werden können.

Diese Flexibilität ist ein wesentlicher Teil der Attraktivität der Plattform. Laut Wood Mackenzie können Teams Modelle wechseln, ohne Anwendungslogik neu zu schreiben, ein Modell für die Planung und ein anderes für die Ausführung verwenden oder Preis und Leistung verschiedener Anbieter vergleichen. Das Unternehmen nennt Claude, GPT-4.1, Amazon Nova, Mistral und Llama als über die Plattform zugänglich, auch wenn der Beitrag keine unabhängigen Messungen zur Modellqualität oder zu Wechselkosten liefert.

Identität und Betrieb wandern in die Plattformschicht

APEX behandelt Autorisierung als Eigenschaft jeder einzelnen Agentenaufrufung und nicht nur als Prüfung beim Eintritt eines Nutzers in eine Anwendung. Wood Mackenzie sagt, dass AgentCore Identity die Berechtigungen eines Nutzers durch nachgelagerte Tool- und Datenaufrufe trägt, sodass Agenten im Namen eines Nutzers oder unter separat definierten Zugriffskontrollen handeln können. Das Unternehmen verwendet Okta als seine Quelle der Wahrheit für den Identitätsanbieter.

Die Plattform umfasst außerdem ein Woodmac Agent Registry, in dem Teams Agenten, Tools und Skills unter Governance- und Genehmigungs-Workflows entdecken und wiederverwenden können. Dieses Register soll verhindern, dass Teams Code kopieren, wenn eine vorhandene Fähigkeit geteilt werden könnte.

AWS beschreibt AgentCore Runtime als eine serverlose, sitzungsisolierte Umgebung, die von null auf Tausende gleichzeitiger Aufrufe skalieren kann, mit Ausführungsfenstern von bis zu acht Stunden. AWS sagt außerdem, dass AgentCore-Dienste Fähigkeiten wie Amazon Virtual Private Cloud, AWS PrivateLink, CloudFormation und Ressourcen-Tagging unterstützen, nach der allgemeinen Verfügbarkeit im Oktober 2025.

Für das Kostenmanagement nutzt der Dienst verbrauchsbasierte Preisgestaltung ohne genannte Vorabverpflichtung oder Mindestgebühr. AWS sagt, die Runtime-Abrechnung basiere auf dem pro Sekunde aktiven CPU- und Speicherverbrauch, wobei CPU-Gebühren während Eingabe-/Ausgabe-Wartezeiten ausgeschlossen seien. Das Unternehmen weist darauf hin, dass Agenten-Workflows 30 % bis 70 % ihrer Zeit mit Warten auf Modellantworten, Tools oder Datenbanken verbringen können, wodurch dieses Abrechnungsmodell für Workloads relevant wird, die andernfalls bereitgestellte Rechenleistung ungenutzt ließen.

Die Evidenz ist detailliert, aber vom Anbieter kontrolliert

Die stärksten Behauptungen in der Geschichte stammen von AWS und Wood Mackenzie, nicht von unabhängigen Audits. Wood Mackenzie berichtet intern, dass 88 % seiner KI-Proof-of-Concepts nicht in einen breiten Rollout übergehen. Der Beitrag zitiert außerdem Branchenumfragen und Forrester-Forschung, um zu argumentieren, dass Evaluierung, Beobachtbarkeit, Governance und Identität große Hürden für die Skalierung von Agenten sind, liefert jedoch im Artikel nicht genügend Quellenangaben, um diese breiteren Statistiken unabhängig zu bewerten.

Die Architektur selbst wird in praktischen Begriffen beschrieben, einschließlich des Request-Pfads von der Authentifizierung über Orchestrierung, Runtime, Modellzugriff und Tool-Aufrufe. Der Beitrag nennt jedoch weder den Produktions-Traffic von APEX, noch die Anzahl der Agenten, Latenzen, Fehlerraten, Betriebskosten oder messbare Geschäftsergebnisse. Käufer sollten den Bericht daher als Implementierungsreferenz und vom Anbieter gestützte Fallstudie betrachten, nicht als Beweis dafür, dass AgentCore in einem anderen Unternehmen dieselben Ergebnisse liefern wird.

Das Abnormal-AI-Beispiel liefert eine separate Skalierungsbehauptung. AWS sagt, Abnormal AI nutze AgentCore Code Interpreter für Agenten, die an der Echtzeit-Erkennung von E-Mail-Bedrohungen über Milliarden von Nachrichten beteiligt sind, während das breitere Erkennungssystem nur bei schwierigeren Fällen zunehmend kostspieligere Analysen anwendet. AWS berichtet außerdem, dass mehr als 25 % der Fortune 500 Abnormal AI verwenden und dass 80 % der Codeänderungen des Unternehmens in irgendeiner Weise einen Agenten einbeziehen. Das sind vom Unternehmen oder Anbieter gemeldete Zahlen, und der Beitrag bietet keine unabhängige Verifikation.

Code Interpreter bringt eine andere Fähigkeit in die AgentCore-Erzählung ein. Er stellt temporäre MicroVM-Sandboxes bereit, in denen Agenten Python- oder Node.js-Code ausführen, Dateien verarbeiten, Berechnungen durchführen, Ausgaben erzeugen und generierte Arbeit überprüfen können. AWS sagt, dass Sitzungen 15 Minuten bis acht Stunden dauern können, öffentlichen Netzwerkzugang oder VPC-Modus unterstützen und Protokolle über CloudWatch und CloudTrail bereitstellen. Der Anwendungsfall von Abnormal AI zeigt, warum Agenten eine kontrollierte Ausführungsumgebung benötigen können, statt sich allein auf das Schlussfolgern eines Sprachmodells zu verlassen.

Was die Plattform für Entwickler und Unternehmen bedeutet

Für KI-Entwickler liegt die wichtigste Veränderung in einer Verschiebung dessen, worauf der Entwicklungsaufwand entfällt. Teams können sich auf Domänen-Workflows, Abrufqualität, Tool-Design und Evaluierung konzentrieren, während eine gemeinsame Plattform wiederkehrende Infrastrukturthemen übernimmt. Das kann den Weg von einer erfolgreichen Demo zu einem Dienst verkürzen, der mehrere Nutzer und gleichzeitige Sitzungen unterstützt.

Der Nachteil ist eine architektonische Abhängigkeit von einem zentralen Plattformteam. Ein gemeinsames Register, eine gemeinsame Richtlinienschicht und standardisierte Beobachtbarkeit können Duplikate reduzieren, aber sie können auch zu Engpässen werden, wenn Onboarding, Genehmigungen oder Framework-Unterstützung langsam sind. Wood Mackenzies Entscheidung, Framework- und Modellwahl zu erhalten, verringert dieses Risiko, beseitigt aber nicht die Notwendigkeit eines sorgfältigen Schnittstellendesigns und einer guten Plattform-Governance.

Für Unternehmen sind Identitätsweitergabe und Sitzungsisolierung wichtiger als eine lange Liste unterstützter Modelle. Ein Agent, der interne Tools aufrufen kann, benötigt Berechtigungen, die während eines Workflows nachvollziehbar und widerrufbar bleiben. AgentCore Identity, Gateway-Richtlinien und Cedar-basierte Regeln sollen diese Anforderung erfüllen, aber Organisationen müssen das Richtlinienverhalten weiterhin unter ungewöhnlichen Prompts, verketteten Tool-Aufrufen und Teilausfällen testen.

Die Abnormal-AI-Bereitstellung unterstreicht außerdem ein gestuftes Kostenmodell für Agentensysteme. Leichtgewichtige Regeln und Klassifikatoren können Fälle mit hohem Volumen behandeln, während teurere Agenten und Codeausführung für unsichere oder komplexe Fälle reserviert bleiben. Dieses Muster kann praktischer sein, als jede Aufgabe an ein großes Modell zu senden, besonders dort, wo Latenz und Kosten pro Operation wichtig sind.

Worauf als Nächstes zu achten ist

Die nächsten aussagekräftigen Signale werden operativ und nicht werblich sein. APEX von Wood Mackenzie wäre besser beurteilbar mit veröffentlichten Daten zur Nutzung über die Anwendungen hinweg, zu Agentenausfällen, Evaluierungsabdeckung, Latenz, Richtlinienverstößen und Kosten pro Workflow.

Entwickler sollten auch beobachten, ob AgentCores Framework- und Modell-Agnostizismus praktisch bleibt, wenn Teams von isolierten Experimenten zu gemeinsamen Tools und Multi-Agenten-Workflows übergehen. Die Unterstützung für MCP und Agent-to-Agent-Verbindungen könnte die Wiederverwendung erhöhen, aber auch die Zahl der Vertrauensgrenzen vergrößern, die Plattformteams überwachen müssen.

Für Unternehmenskäufer sind unabhängige Kundenreferenzen, klarere Preise bei anhaltender Parallelität, Kontrollen für das Incident-Response-Management und der Nachweis wichtig, dass Agenten deaktiviert oder zurückgesetzt werden können, ohne verbundene Anwendungen zu stören. Code-Interpreter-Bereitstellungen verdienen zusätzliche Prüfung hinsichtlich Datenaufbewahrung, Netzwerkzugriff, Paketkontrolle und Isolierung generierten Codes.

Creati.ai-Perspektive

APEX von Wood Mackenzie ist weniger deshalb bemerkenswert, weil es eine weitere Agentenanwendung einführt, sondern weil es die fehlende Produktionsschicht als wiederverwendbares Produkt behandelt. Der Bericht des Unternehmens deutet darauf hin, dass sich Unternehmen zunehmend internen Agentenplattformen zuwenden, die Identität, Laufzeitverhalten, Beobachtbarkeit und Richtlinien standardisieren, während den Fachbereichen Raum bleibt, ihre eigenen Modelle und Frameworks zu wählen.

Die Evidenz bleibt vom Anbieter kontrolliert, und es gibt keine offengelegten Leistungs- oder Finanzdaten, die APEX als bewährte Blaupause belegen würden. Dennoch zeigt die Architektur eine praktische Richtung für Unternehmens-KI auf: Die Einführung von Agenten wird sich wahrscheinlich weniger daran entscheiden, noch einen beeindruckenden Prototypen zu bauen, sondern vielmehr daran, Berechtigungen, Evaluierung, Isolation und Kosten so sichtbar zu machen, dass der tägliche Betrieb möglich ist.