Amazon Kendra ist ein intelligenter Suchservice für Unternehmen, der auf Machine Learning (ML) basiert. Amazon Kendra stellt die Unternehmenssuche für Ihre Websites und Anwendungen neu vor, damit Ihre Mitarbeiter und Kunden die gewünschten Inhalte finden können, auch wenn diese über mehrere Standorte und Inhaltsspeicher in Ihrem Unternehmen verstreut sind.
Schaffen Sie sichere, generative KI-gestützte Konversationserlebnisse für Ihre Benutzer zusätzlich zu Ihren Unternehmensinhalten. Amazon Kendra bietet eine optimierte Kendra-Retriever-API, mit der Sie den hochpräzisen semantischen Ranker von Amazon Kendra als Enterprise Retriever für Ihren Retrieval Augmented Generation (RAG)-Workflow verwenden können. Die Kendra-Retriever-API findet und ruft Passagen aus Ihren Unternehmensinhalten ab, die für die Frage des Benutzers semantisch am relevantesten sind und eine optimierte Granularität aufweisen, um die Qualität Ihrer RAG-Nutzdaten zu maximieren - ohne dass Sie über Fachwissen zur genauen semantischen Abfrage verfügen müssen. Diese optimierten Passagen können dann zusammen mit der Frage des Benutzers an ein LLM gesendet werden, um eine generative Antwort zu erhalten. Die Kendra-Retriever-API umfasst auch Kendra-Features wie ACL-basierte Filterung, Relevanzoptimierung, metadatenbasierte Filterung und mehr.
Die Verwendung von Amazon Kendra und der neuen Retriever-API bietet die folgenden Vorteile für die Erstellung Ihrer Gen-KI-Erlebnisse:
Um mit der Kendra Retriever API zu beginnen, lesen Sie die Dokumentation hier und diesen Blogbeitrag mit Tipps, bewährten Methoden und Codevorlagen für den Einstieg
Amazon Kendra nutzt ML, um relevantere Antworten aus unstrukturierten Daten zu liefern. Suchen Sie nach allgemeinen Stichwörtern wie „Gesundheitsleistungen“ oder stellen Sie Fragen in natürlicher Sprache wie „Wie lange dauert der Mutterschaftsurlaub?“ und Amazon Kendra wird das Leseverständnis nutzen, um spezifische Antworten wie „14 Wochen“ zu geben. Für allgemeinere Fragen wie „Wie konfiguriere ich mein VPN?“ Amazon Kendra gibt anschauliche Antworten, indem sie die relevanteste Textstelle herausgreift.
Amazon Kendra unterstützt auch den FAQ-Abgleich und extrahiert Antworten aus kuratierten FAQs mithilfe eines speziellen Modells, das die nächstgelegene Frage ermittelt und die entsprechende Antwort zurückgibt.
Amazon Kendra kann sogar Antworten in Tabellen finden, die in HTML-Seiten eingebettet sind. Sie können Fragen stellen wie „Welche ist die Kreditkarte mit den niedrigsten Jahresgebühren?“, wenn die Antwort in einer Kreditkarten-Vergleichstabelle auf einer Marketing-Webseite zu finden ist.
Um die oben beschriebenen intelligenten Suchfunktionen zu ergänzen, verwendet Amazon Kendra ein semantisches Deep-Learning-Suchmodell für ein genaues Dokumenten-Ranking. Insgesamt bietet dies eine reichhaltigere Sucherfahrung, die dem Benutzer sowohl spezifische Antworten als auch verwandte Inhalte präsentiert, die er erkunden kann, falls er weitere Informationen benötigt.
Amazon Kendra nutzt ML zur kontinuierlichen Optimierung der Suchergebnisse auf Basis von Suchmustern und Feedback der Endbenutzer. Wenn Benutzer beispielsweise nach „Wie ändere ich meine Gesundheitsleistungen?“ suchen, wird die an oberster Stelle angezeigte Antwort unter mehreren Dokumenten zu den Themen „Personalwesen“(HR) und „Leistungen“ ermittelt. Um das relevanteste Dokument für diese Frage zu bestimmen, lernt Amazon Kendra aus den Anwenderinteraktionen und dem Feedback, um bevorzugte Dokumente an die Spitze der Liste zu befördern. Es wendet inkrementelle Lerntechniken automatisch an, ohne dass Fachwissen über ML erforderlich ist.
Sie können die Suchergebnisse optimieren und bestimmte Antworten und Dokumente in den Ergebnissen basierend auf bestimmten Geschäftszielen hervorheben. Mit der Optimierung der Relevanz können Sie beispielsweise die Ergebnisse auf der Grundlage maßgeblicherer Datenquellen, Autoren oder der Aktualität von Dokumenten verbessern. Erfahren Sie mehr in unserem Blogbeitrag zur Optimierung der Relevanz.
Um das Verständnis von Amazon Kendra für Ihr spezifisches Geschäftsvokabular zu erweitern, können Sie Ihre eigenen Synonyme bereitstellen. Amazon Kendra verwendet diese, um Abfragen automatisch um Inhalte und Antworten zu erweitern, die dem erweiterten Vokabular entsprechen. Wenn ein Benutzer zum Beispiel die Frage stellt: „Was ist ein HSA?“ würde Amazon Kendra Dokumente zurückgeben, die auf "Health Savings Account“ oder „HSA“ verweisen.
Die Verwendung von Connectors mit Amazon Kendra ist schneller und einfacher. Sie fügen Ihrem Amazon-Kendra-Index lediglich Datenquellen hinzu und wählen den Connectortyp aus. Connectors kann so verwaltet werden, dass Ihr Index automatisch mit Ihrer Datenquelle synchronisiert wird, so dass Sie immer sicher die aktuellsten Inhalte durchsuchen können. Amazon Kendra bietet native Connectors für beliebte Datenquellen wie Amazon Simple Storage Service (S3), Microsoft SharePoint, Salesforce, ServiceNow, Google Drive, Confluence und viele mehr. Für den Fall, dass ein nativer Konnektor nicht verfügbar ist, bietet Amazon Kendra einen benutzerdefinierten Datenquellenkonnektor sowie eine Vielzahl von durch Partner unterstützte Connectors. Weitere Informationen zur Verfügbarkeit von Amazon-Kendra-Anschlüssen finden Sie in der Amazon-Kendra-Connector-Bibliothek.
Für Amazon Kendra werden Deep-Learning-Modelle genutzt, um Abfragen in natürlicher Sprache und Dokumentinhalte und -strukturen für viele verschiedene interne Anwendungsfälle verstehen zu können, z. B. in den Bereichen Personalwesen, Betrieb, Support und Forschung und Entwicklung. Darüber hinaus ist Amazon Kendra auch für das Verständnis komplexer Sprache in den folgenden Bereichen optimiert: IT, Finanzdienstleistungen, Versicherungen, Pharmazeutika, industrielle Fertigung, Öl und Gas, Rechtswesen, Medien und Unterhaltung, Tourismus und Hotellerie, Gesundheitswesen, Nachrichtenwesen, Telekommunikation, Bergbau, Nahrungsmittel und Getränke und Automobilindustrie. Wenn ein Benutzer beispielsweise nach Antworten zu Fragen im Bereich des Personalwesens sucht und „Termin für Abgabe des HSA-Formulars“ eingibt, sucht Amazon Kendra auch nach „Termin für Abgabe des Health-Savings-Account-Formulars“, um eine höhere Abdeckung zu erzielen und die bestmögliche Antwort bereitstellen zu können.
Mit Amazon Kendra können Sie jetzt ohne Programmier- oder ML-Erfahrung eine voll funktionsfähige und anpassbare Suchumgebung mit wenigen Schritten bereitstellen. Experience Builder bietet einen intuitiven visuellen Workflow zum sicheren schnellen Erstellen, Anpassen und Starten Ihrer Suchanwendung in der Cloud. Sie können mit der gebrauchsfertigen Vorlage für die Suchumgebung im Builder beginnen, die durch Ziehen und Ablegen der gewünschten Komponenten, wie Filter oder Sortierung, angepasst werden kann. Sie können andere zur Zusammenarbeit einladen oder Ihre Suchanwendung testen, um Feedback zu erhalten, und dann das Projekt für alle Benutzer freigeben, wenn Sie bereit sind, die Umgebung bereitzustellen. Amazon Kendra Experience Builder lässt sich in AWS IAM Identity Center (Nachfolger von AWS Single Sign-On) integrieren, das gängige Identitätsanbieter wie Azure AD und Okta unterstützt und eine sichere Single Sign-On-Authentifizierung für Endbenutzer beim Zugriff auf das Sucherlebnis bietet. Weitere Informationen zu Amazon Kendra Experience Builder finden Sie in der Dokumentation.
Das Amazon Kendra Search Analytics Dashboard hilft Ihnen, die Qualitäts- und Benutzerfreundlichkeitsmetriken Ihrer Suchanwendungen besser zu verstehen. Mithilfe des Dashboard können Administratoren und Inhaltserstellern ermitteln, wie leicht die Endbenutzer relevante Suchergebnisse finden, und erhalten Informationen zur Qualität der Suchergebnisse und Lücken in den Inhalten. Es bietet einen Snapshot, wie Ihre Benutzer mit Ihrer Suchanwendung interagieren und wie effektiv Ihre Suchergebnisse sind. Die Analysedaten können in einem visuellen Dashboard in der Konsole angezeigt werden oder Sie können Ihre eigenen Dashboards erstellen, indem Sie über eine API auf die Daten zugreifen. Sie können Ihnen einen tiefen Einblick in Suchtrends und Benutzerverhalten ermöglichen, um Erkenntnisse zu gewinnen und hilft auch, Klarheit über potenzielle Verbesserungsbereiche zu schaffen. Weitere Informationen zu Amazon Kendra Search Analytics Dashboard finden Sie in der Dokumentation.
Mit den Funktionen von Amazon Kendra Custom Document Enrichment können Sie eine benutzerdefinierte Erfassungspipeline erstellen, mit der Dokumente vor der Indizierung in Amazon Kendra vorverarbeitet werden können. Beim Erfassen von Inhalten aus einem Repository wie SharePoint mithilfe unserer Konnektoren können Sie beispielsweise Dokumente mit zusätzlichen Metadaten anreichern, gescannte Dokumente in Text umwandeln, Dokumente klassifizieren, Entitäten extrahieren und das Dokument mithilfe benutzerdefinierter ETL-Prozesse weiter umwandeln. Die Anreicherung erfolgt durch Regeln, die in der Konsole konfiguriert werden können, oder durch den Aufruf von Funktionen von AWS Lambda. Diese Funktionen können optional andere AWS-KI-Services wie Amazon Comprehend, Amazon Transcribe oder Amazon Textract aufrufen. Weitere Informationen zu Amazon Kendra Custom Document Enrichment finden Sie in der Dokumentation.
Amazon Kendra verfügt über eine Funktion zum automatischen Vervollständigen der Suchabfragen von Endbenutzern. Mit der automatischen Vervollständigung von Suchabfragen sparen Sie nicht nur ca. 25 % des Eingabeaufwands, sondern er leitet Sie auch zu präziseren und häufig gestellten Fragen. Diese Fragen führen in der Regel zu Antworten, die relevanter und nützlicher sind. Wenn Sie im Suchfeld beispielsweise mit der Eingabe von „Wo ist“ beginnen, können von Amazon Kendra Optionen wie „Wo ist der IT-Helpdesk?“ oder „Wo ist die Cafeteria?“ sowie andere häufig gestellte Fragen dieser Art vorgeschlagen werden, um die Suchabfrage zu vervollständigen.