Confluence + Bedrock KnowledgeBase + OpenSearch Serverless: Console & CDK
Zusammenfassung
Kurz
Der vollständige Bericht beschreibt die Einrichtung einer Bedrock-Knowledge-Base für Confluence über die Konsole und mit CDK, einschließlich Zugangsdaten, OpenSearch Serverless, Synchronisierung, Filtern und Codebeispielen. Der Autor nennt OpenSearch Serverless als teure, laut Bericht einzige unterstützte Vektorspeicheroption für Confluence und warnt, dass CDK-Erstellungen durch verzögerte OpenSearch-Bereitstellung scheitern können.
Mittel
Der vollständige Bericht erklärt die Einrichtung einer Amazon-Bedrock-Knowledge-Base mit Confluence als Quelle, über die Confluence-Inhalte laut Autor synchronisiert, gefiltert und für Abfragen genutzt werden können. Für Basic-Authentifizierung werden ein Atlassian-API-Token, die Admin-E-Mail-Adresse und die Confluence-Cloud-Adresse benötigt; die Zugangsdaten kommen in AWS Secrets Manager. Alternativ beschreibt der Artikel OAuth 2.0. In der Bedrock-Konsole wählt man ein Embedding-Modell und OpenSearch Serverless als Vektorspeicher. Laut Bericht ist dies der einzige für Confluence unterstützte Vektorspeicher und eine teure Option. Die erste Synchronisierung kann dauern; nicht unterstützte Confluence-Formate werden dabei als solche ausgewiesen. Inhalte lassen sich optional etwa nach Space oder Objekttyp filtern und in der Konsole testen. Für Anwendungen nennt der Autor Retrieve- und RetrieveAndGenerate-Aufrufe sowie LangChain.
Der CDK-Teil zeigt Code für Secrets, IAM, OpenSearch-Richtlinien und -Index, Knowledge Base, Datenquelle und eine benutzerdefinierte Ressource zum Starten der ersten Synchronisierung. Der Autor empfiehlt CDK nur eingeschränkt: Verzögerungen bei der Verteilung von OpenSearch-Änderungen könnten beim Erstellen zu einem Fehler wegen eines noch nicht verfügbaren Index führen. Außerdem seien Serverless-Berechtigungen (`aoss:*`) nötig. Der Artikel erläutert RAG nicht grundlegend und enthält keine systematische Prüfung von Kosten, Suchqualität oder Laufzeiten.
Ausführlich lesen
Der vollständige Bericht beschreibt, wie sich eine Amazon-Bedrock-Knowledge-Base mit Confluence als Datenquelle einrichten lässt. Der Autor will damit Confluence-Inhalte durchsuchbar machen und nennt als mögliche Funktionen die automatische Erkennung wichtiger Dokumentfelder, Filter zum Ein- und Ausschließen von Inhalten sowie inkrementelle Synchronisierungen für neue, geänderte oder gelöschte Inhalte. Laut Bericht sind Basic-Authentifizierung mit API-Token und OAuth 2.0 möglich. Das Thema Knowledge Bases und Retrieval-Augmented Generation (RAG) selbst erklärt der Artikel ausdrücklich nicht näher.
Für die Einrichtung werden zunächst ein Confluence-API-Token, die E-Mail-Adresse des Atlassian-Administratorkontos und die Confluence-Cloud-Adresse benötigt. Das Token wird im gezeigten Basic-Authentifizierungsweg zusammen mit der E-Mail-Adresse als Secret in AWS Secrets Manager gespeichert. Für OAuth 2.0 nennt der Bericht stattdessen App-Schlüssel und -Geheimnis sowie Zugriffs- und Aktualisierungstoken. Anschließend wird in der Bedrock-Konsole eine Knowledge Base mit Confluence als Datenquelle angelegt: Dazu gehören die Cloud-Adresse, der Verweis auf das Secret, ein verfügbares Embedding-Modell und ein Vektorspeicher.
Der Bericht hebt eine Einschränkung hervor: Für eine Confluence-Datenquelle werde nur Amazon OpenSearch Serverless als Vektordatenbank unterstützt; der Autor bezeichnet diese Option als teuer. Nach dem Anlegen lässt sich die Datenquelle synchronisieren. Der erste Lauf könne abhängig von der Datenmenge längere Zeit beanspruchen. Ein im Beispiel angezeigter Wert von 51 steht laut Autor für Confluence-Inhalte in Formaten, die Bedrock Knowledge Bases nicht unterstützen. Optional lassen sich die einzulesenden Inhalte nach Typ und Metadaten filtern, etwa auf einen bestimmten Space. Die eingerichtete Knowledge Base kann in der Konsole mit einem Chat-Modell und eigenen Eingaben ausprobiert werden. Für Anwendungen nennt der Artikel die APIs Retrieve und RetrieveAndGenerate sowie die Integration über Frameworks wie LangChain.
Der zweite Teil zeigt eine CDK-Umsetzung mit TypeScript-Beispielen und einem Rust-Lambda-Handler für eine benutzerdefinierte CloudFormation-Ressource. Die Beispiele umfassen Secret, IAM-Rolle, OpenSearch-Serverless-Sammlung samt Verschlüsselungs-, Netzwerk- und Datenzugriffsrichtlinien, Vektorindex, Knowledge Base und Confluence-Datenquelle. Der Autor rät eher von CDK ab, weil OpenSearch Serverless Änderungen nicht immer sofort über alle Knoten verteilt und dadurch beim Anlegen ein Fehler wegen eines noch fehlenden Index auftreten könne. Außerdem weist er darauf hin, dass die CDK-Ausführungsrolle möglicherweise Rechte für OpenSearch Serverless (`aoss:*`) braucht; Rechte für den OpenSearch-Dienst (`es:*`) reichten laut Bericht nicht aus. Abhängigkeiten zwischen Richtlinien, Sammlung, Index und Knowledge Base sollen die Erstellungsreihenfolge absichern. Eine benutzerdefinierte Ressource kann nach dem Anlegen eine erste Datensynchronisierung starten.
Der Artikel ist eine Einrichtungsanleitung mit Konsolenablauf und Codebeispielen, kein Vergleich von Vektorspeichern oder Kostenrechnung. Er liefert keine systematische Messung zu Suchqualität, Laufzeiten oder Kosten. Seine Aussagen zu unterstützten Funktionen und AWS-Verhalten sind die Darstellung des Autors; der Bericht belegt sie nicht durch eigene Vergleichstests.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Beide Zusammenfassungen von Luna geben den Bericht weitgehend treu wieder. Bei SF-H3 und SF-A1 weicht die Einordnung deutlich von Lunas Stufen ab, weil der Bericht zu diesen Fragen wenig hergibt.
Im Bericht, aber nicht in der Zusammenfassung
- Inkrementelle Synchronisierung für hinzugefügte, geänderte und gelöschte Inhalte
- Hinweis, dass der Autor ursprünglich S3 Vectors nutzen wollte
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 100 %kein Bezug
- Luna 30 %gleiches Oberthema, hilft nicht
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Vertrauen in Modelle
- SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 50 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 76 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Agenten und vernetzte Systeme
- SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- clef 100 %kein Bezug
- Luna 40 %einzelne zitierbare Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung nur am Rande erwähnt
Modelle teilen und schützen
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 54 %einzelne zitierbare Belege
- JEV 22 %einzelne zitierbare Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
Beteiligung und Gemeinwohl
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 46 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung einzelne zitierbare Belege
Weitere Berichte zu diesen Fragen
- Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
- Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- Alle Berichte im Archiv