Amazon Quick erklärt: AWS-Agentenarbeitsbereich für Teams

Mit Amazon Quick setzt AWS einen neuen Fokus in seiner Agenten-Strategie: Statt Entwicklern Infrastruktur für maßgeschneiderte Agentensysteme bereitzustellen, bietet der neue Dienst einen sofort einsatzbereiten Arbeitsbereich für Teams.

Die Lösung verbindet bestehende Unternehmenswerkzeuge wie Slack, Microsoft Teams, Outlook oder CRM-Systeme mit einem zentralen KI-Assistenten, der Abfragen, Automatisierungen und Aktionen über mehrere Anwendungen hinweg koordiniert. Seit dem 28. April 2026 steht Quick im Rahmen der AWS-Veranstaltung What’s Next with AWS als Vorschauversion zur Verfügung und richtet sich explizit an Arbeitsgruppen – nicht an Einzelpersonen.

Ein zentraler KI-Assistent für die gesamte Teamarbeit

Amazon Quick fungiert als intelligenter Mittler zwischen Benutzern und Unternehmensdaten. Im Gegensatz zu generischen KI-Modellen, die auf Trainingsdaten basieren, greifen Quick-Agenten auf die tatsächlichen Geschäftsunterlagen und -systeme eines Teams zu. Das ermöglicht präzise Antworten, die auf Echtzeitdaten aus Datenbanken, Dateien oder anderen Quellen beruhen.

Die Plattform ist auf AWS IAM und VPC aufgebaut und profitiert somit von der gleichen Sicherheits- und Compliance-Architektur wie andere AWS-Workloads. Eine Besonderheit: Teams müssen keine eigenen Orchestrierungscodes entwickeln. Stattdessen können sie bestehende Tools nahtlos einbinden und nutzen.

Die fünf Kernkomponenten von Amazon Quick

Quick besteht aus fünf modularen Bausteinen, die sich zu einem leistungsstarken Arbeitsbereich kombinieren lassen. Jede Komponente erfüllt eine spezifische Funktion:

• Spaces: Gemeinsame Arbeitsbereiche, in denen Teams Dateien, Dashboards und Datenquellen zentral ablegen. Agenten in einem Space greifen ausschließlich auf die dort hinterlegten Daten zu.
• Agents: Individuell konfigurierbare Agenten, die auf bestimmte Aufgaben oder Datensätze spezialisiert sind. Ein Teammitglied kann einen Agenten erstellen, der anschließend von allen genutzt wird.
• Research: Eine Recherchefunktion, die Informationen aus internen Datenquellen, dem öffentlichen Web und Drittanbieter-Datensätzen zusammenführt. Die Ergebnisse werden in strukturierten Berichten aufbereitet.
• Visualize (Quick Sight): Ein integriertes Business-Intelligence-Modul, das den Zugriff auf Dashboards, Diagramme und Prognosen per Konversation ermöglicht – ohne separate BI-Software.
• Automate (Quick Flows): Automatisierungs-Workflows, die einfache Routineaufgaben bis hin zu komplexen, app-übergreifenden Prozessen abdecken.

Die Plattform ist über eine Web-App, mobile Endgeräte sowie als native Desktop-Anwendung (aktuell in Vorschau für macOS und Windows) nutzbar. Letztere kann lokale Dateien und Kalenderdaten auslesen, ohne auf einen Browser angewiesen zu sein.

Positionierung im AWS-Agenten-Ökosystem

AWS verfolgt mit seinen Agenten-Technologien zwei parallele Ansätze: Während AgentCore die technische Infrastruktur für Entwickler bietet – darunter Laufzeitumgebungen, Speicherlösungen und Observability-Tools – positioniert sich Amazon Quick als nutzerfreundliche Schicht für Teams.

Für Ingenieure bedeutet dies: Sie können AgentCore nutzen, um individuelle Automatisierungslösungen zu bauen, während Quick als Schnittstelle dient, über die nicht-technische Teammitglieder mit den erstellten Agenten interagieren. Die Kombination beider Ebenen ermöglicht es Unternehmen, maßgeschneiderte Agenten zu entwickeln und gleichzeitig deren Nutzung zu vereinfachen.

Integration externer Systeme über MCP

Ein zentraler Aspekt von Amazon Quick ist die Verbindung zu externen Tools. Hier setzt AWS auf den Model Context Protocol (MCP) als offenen Standard. MCP ermöglicht es Quick-Agents, mit beliebigen Systemen zu kommunizieren – unabhängig davon, ob diese von AWS stammen oder nicht.

Ablauf einer Tool-Integration mit MCP

Der Prozess beginnt mit der Registrierung eines MCP-Servers, der die verfügbaren Funktionen über die Methode listTools bekannt gibt. Quick erkennt diese Tools automatisch und stellt sie Agenten oder Automatisierungen zur Verfügung. Die Authentifizierung läuft über OAuth 2.0, wobei Dynamic Client Registration (DCR) eine automatische Anmeldung ohne manuelle Konfiguration ermöglicht.

Die folgende Beispielimplementierung zeigt, wie ein einfacher MCP-Server in Python erstellt wird, der zwei Tools für den Zugriff auf Jira-Tickets bereitstellt:

# server.py
from mcp.server import Server
from mcp.server.sse import SseServerTransport
from mcp.types import Tool, TextContent
import httpx
import json
from starlette.applications import Starlette
from starlette.routing import Route

app = Server("jira-quick-integration")
JIRA_BASE_URL = "
JIRA_TOKEN = "Bearer <your-token>"  # In Produktion aus AWS Secrets Manager laden

@app.list_tools()
async def list_tools() -> list[Tool]:
    return [
        Tool(
            name="get_ticket",
            description="Abrufen eines Jira-Tickets anhand der Issue-Key.",
            inputSchema={
                "type": "object",
                "properties": {
                    "issue_key": {
                        "type": "string",
                        "description": "Die Jira Issue-Key, z. B. ENG-1234"
                    }
                },
                "required": ["issue_key"]
            }
        ),
        Tool(
            name="list_open_tickets",
            description="Auflisten offener Jira-Tickets für einen bestimmten Benutzer.",
            inputSchema={
                "type": "object",
                "properties": {
                    "assignee": {
                        "type": "string",
                        "description": "Der Jira-Benutzername oder die E-Mail des Verantwortlichen"
                    }
                },
                "required": ["assignee"]
            }
        )
    ]

@app.call_tool()
async def call_tool(name: str, arguments: dict) -> list[TextContent]:
    headers = {"Authorization": JIRA_TOKEN, "Content-Type": "application/json"}
    async with httpx.AsyncClient() as client:
        if name == "get_ticket":
            key = arguments["issue_key"]
            resp = await client.get(
                f"{JIRA_BASE_URL}/rest/api/3/issue/{key}",
                headers=headers
            )
            resp.raise_for_status()
            data = resp.json()
            summary = data["fields"]["summary"]
            status = data["fields"]["status"]["name"]
            return [TextContent(type="text", text=f"Ticket {key}: {summary} (Status: {status})")]

if __name__ == "__main__":
    import uvicorn
    uvicorn.run(app, host="0.0.0.0", port=8000)

Voraussetzungen für die Nutzung

Um einen MCP-Server zu hosten, sind folgende Schritte erforderlich:

• Installation der benötigten Pakete:

  pip install mcp[server] httpx uvicorn

• Der Server muss die Methoden listTools und callTool implementieren, um Funktionen und deren Ausführung zu definieren.

• Die Authentifizierung erfolgt über Token, die idealerweise aus AWS Secrets Manager bezogen werden, um Sicherheit und Rotationsmechanismen zu gewährleisten.

Ausblick: Agenten-Technologien als Standardwerkzeug

Mit Amazon Quick unterstreicht AWS seinen Anspruch, Agenten-Technologien von der Entwicklerebene auf die Ebene der Teamarbeit zu heben. Die Kombination aus einfacher Bedienbarkeit, tiefgreifender Integration und offener Standards wie MCP könnte den Weg ebnen für eine breitere Akzeptanz von KI-gestützten Arbeitsprozessen.

Für Unternehmen bedeutet dies weniger Aufwand bei der Implementierung und mehr Fokus auf die tatsächliche Nutzung der Technologie. Die Frage ist nicht mehr ob, sondern wie schnell Teams Agenten in ihre tägliche Arbeit integrieren können.