Offizielle Amazon Bedrock-Codebeispiele für Foundation Models, Agenten und RAG.
Vorgefertigte Jupyter Notebooks zum Erstellen generativer KI-Anwendungen auf AWS Bedrock
Dieses Repository bietet Referenzimplementierungen für die Interaktion mit Amazon Bedrock Foundation Models mithilfe von Jupyter Notebooks. Es eignet sich für Entwickler und KI-Ingenieure, die Produktions-Workloads auf AWS erstellen.
Es enthält modulare Codebeispiele zu Prompt Engineering, generativen KI-Agenten, benutzerdefinierten Modellimporten und multimodaler Datenverarbeitung. Sie erhalten außerdem spezifische Implementierungen für Retrieval-Augmented Generation, Embeddings und Modell-Observability.
Es eignet sich für AWS-Entwickler und Machine-Learning-Ingenieure, die Foundation-Model-Funktionen in Anwendungen implementieren. Es ist nicht geeignet für Teams, die eine schlüsselfertige SaaS-Anwendung suchen oder das AWS-Ökosystem nicht nutzen.
Beispiel-Notebooks für alle verfügbaren Foundation Models auf Bedrock.
Beispiele zur Erstellung generativer KI-Agenten und Funktionsaufrufe.
Anleitungen und Code zur Implementierung von Retrieval-Augmented Generation Workflows.
Wege vom Proof of Concept zu Produktions-Workloads.
Der Repository-Code kann im Rahmen seiner Lizenz kostenlos genutzt werden, aber das Ausführen der Beispiele erfordert ein aktives AWS-Konto, bei dem Sie die standardmäßigen Nutzungsgebühren für Amazon Bedrock Foundation Model-Aufrufe bezahlen.
877 offene Remote-Stellen im KI-Training, aktualisiert am 16. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.
Sie benötigen eine Jupyter-Umgebung wie Amazon SageMaker Notebooks oder ein selbst verwaltetes Notebook sowie Python- und AWS-Anmeldeinformationen.
Ja, Ihre AWS IAM-Identität muss über explizite Berechtigungen zum Aufrufen des Amazon Bedrock-Dienstes verfügen.
Zekai zuerst in Google sehen