AWS veröffentlicht Strands für autonome KI-Agenten
AWS hat mit Strands ein quelloffenes Framework für den Aufbau autonomer KI-Agenten vorgestellt. Ein solches Agent Harness verbindet ein KI-Modell mit Werkzeugen, Kontextverwaltung und Ausführungslogik. Strands soll diese technische Basis sofort einsatzbereit bereitstellen.
Das Framework lässt sich lokal oder in der Cloud betreiben. Modelle und Anbieter können frei gewählt und über Python oder TypeScript angebunden werden. Zusätzlich steht eine Kommandozeilenschnittstelle zur Verfügung.
Sinngemäß erklärt AWS: Sobald ein eigener Agent entwickelt wird, müssen die erforderlichen Bausteine selbst so verbunden werden, dass das System zuverlässig funktioniert.
Strands liefert dafür Standardwerkzeuge für Shell-Zugriffe, Dateien und das Web mit. Eigene Skills, also zusätzliche Fähigkeiten und Integrationen, lassen sich ergänzen. AWS zufolge reicht für eine grundlegende Modellanbindung eine Zeile Python oder TypeScript.
Weniger Tokens durch automatische Kontextverwaltung
Nach Messungen von AWS verbrauchte Strands über sechs Benchmark-Tests hinweg 28 % weniger Tokens als verglichene Konfigurationen mit Claude- oder GPT-Modellen. Tokens sind die Verarbeitungseinheiten, nach denen viele Modellanbieter ihre Nutzung abrechnen. Ein geringerer Verbrauch wirkt sich deshalb unmittelbar auf die laufenden Kosten eines Agenten aus.
| Kennzahl | Angabe von AWS |
|---|---|
| Gemessene Token-Einsparung | 28 % über sechs Tests |
| Grenze für das Kürzen von Tool-Ausgaben | 1.500 Tokens |
| Start der automatischen Kontextkompaktierung | 85 % Auslastung des Kontextfensters |
| Unterstützte Schnittstellen | Python, TypeScript und CLI |
Die Einsparung soll durch mehrere voreingestellte Mechanismen entstehen. Strands nutzt Prompt-Caching, kürzt lange Werkzeugausgaben automatisch und verdichtet den bisherigen Kontext, bevor das Kontextfenster vollständig gefüllt ist. Bei einem Überlauf versucht das Framework zudem, den relevanten Kontext wiederherzustellen.
Diese Optimierungen adressieren einen wichtigen Kostenfaktor agentischer Systeme. Dass sich der Verbrauch auch über intelligentes Modell-Routing und Kontextmanagement deutlich reduzieren lässt, zeigt sich bereits bei anderen produktiven KI-Anwendungen.
Benchmark mit Einschränkungen
AWS meldet für Strands annähernd gleichwertige Ergebnisse zu Claude Code, Codex und weiteren Coding-Agenten. Die Tests liefen mit dem Harbor-Framework auf mehreren EC2-Instanzen. DeepSeek Harness benötigte laut AWS noch weniger Tokens, erreichte in denselben Tests jedoch eine geringere Genauigkeit.
Die Ergebnisse stammen ausschließlich von AWS und wurden bislang nicht unabhängig bestätigt. Auch das angekündigte Research-Paper mit den detaillierten Messwerten liegt noch nicht vor. Belastbare Aussagen zu Testaufbau, Aufgabenverteilung und statistischer Aussagekraft sind daher noch nicht möglich.
Hinzu kommt ein methodisches Problem. AWS positioniert Strands als Mehrzweck-Agenten, verglich das Framework aber hauptsächlich mit spezialisierten Programmier-Agenten wie Claude Code, Codex, oh-my-pi, OpenCode und DeepSeek Harness. Wie Strands gegenüber anderen universellen Agenten-Frameworks abschneidet, bleibt offen.
Alternative zu geschlossenen Agenten-Abos
Für Unternehmen liegt der wichtigste Vorteil nicht allein im gemeldeten Benchmark-Ergebnis. Strands kann auf eigener Infrastruktur und mit selbst gewählten Modellen betrieben werden. Damit lässt sich die Abhängigkeit von proprietären Agenten-Plattformen und deren Abo-Modellen reduzieren.
Für den DACH-Raum ist vor allem die freie Wahl von Hosting und Modell relevant. So können europäische Anbieter oder intern betriebene Modelle eingebunden werden, wenn Datenschutz, Datenstandort oder vertragliche Anforderungen dies verlangen. Konkrete Vorgaben für datenschutzkonforme Bereitstellungen oder DACH-spezifische Anpassungen nennt AWS allerdings nicht.
Strands reiht sich damit in eine wachsende Zahl quelloffener Agenten-Komponenten ein. Ein weiteres Beispiel ist die Open-Source-Inbox Pizza Bot für KI-Agenten. Solche Bausteine erleichtern Eigenentwicklungen, verlagern aber Betrieb, Überwachung und Fehlerbehebung zum jeweiligen Unternehmen.
Sicherheit bleibt Aufgabe des Betreibers
Mit Shell-, Datei- und Webzugriff erhält ein Agent potenziell weitreichende Rechte. Unternehmen müssen deshalb Zugriffsgrenzen, Protokollierung und Freigabeprozesse selbst definieren. Die Diskussion über ein neues Rechtemodell für MCP und KI-Agenten zeigt, dass offene Schnittstellen allein noch kein belastbares Sicherheitskonzept ergeben.
Strands senkt die technische Einstiegshürde für einen eigenen Agenten und bringt sinnvolle Mechanismen gegen unnötigen Token-Verbrauch mit. Ob die versprochenen Einsparungen außerhalb der AWS-Testumgebung Bestand haben, muss sich jedoch erst in unabhängigen Vergleichen und realen Unternehmensprozessen zeigen.