In diesem Beitrag untersuchen wir, wie die Zero-ETL-Integration funktioniert, welche wesentlichen Vorteile sie für datengesteuerte Teams bietet und wie sie sich in die umfassendere Zero-ETL-Strategie in AWS-Diensten einfügt. Sie erfahren, wie diese Integration Ihre Datenworkflows verbessern kann, egal ob Sie prädiktive Modelle erstellen, interaktive SQL-Abfragen eingeben oder Geschäftstrends visualisieren. Durch die Eliminierung traditioneller Extract, Transform und Load (ETL)-Prozesse ermöglicht diese Lösung Echtzeit-Intelligence sicher und in großem Umfang, um Ihnen zu helfen, schnellere, datengestützte Entscheidungen zu treffen.

In diesem Beitrag untersuchen wir, wie Unternehmen ihre Oracle-Datenbankumgebungen transformieren können, indem sie die bewährte Migrationsexpertise von Accenture mit den innovativen Fähigkeiten von Oracle Database@AWS kombinieren, um eine schnellere Modernisierung, verbesserte Leistung und nahtlose Integration mit AWS-Diensten zu erreichen.

Die Vektor-Suche für Amazon ElastiCache ist jetzt allgemein verfügbar. Sie können jetzt ElastiCache verwenden, um Milliarden von hochdimensionalen Vektor-Einbettungen von beliebten Anbietern wie Amazon Bedrock, Amazon SageMaker, Anthropic und OpenAI zu indizieren, zu durchsuchen und zu aktualisieren – mit Latenzen von bis zu Mikrosekunden und einer Trefferquote von bis zu 99 %.

AWS bietet eine breite Palette von Überwachungslösungen für Ihre Amazon RDS- und Amazon Aurora-Instanzen, wie z. B. Amazon CloudWatch, Amazon CloudWatch Database Insights und AWS CloudTrail. Amazon RDS Event-Monitoring-Pipelines machen die Fehlerbehebung bei operativen Ereignissen wie Neustarts, Fehlern und Failovers effizienter. In diesem Beitrag stellen wir eine Lösung vor, um die Fehlerbehebung zu beschleunigen, indem nach einem Neustart oder Failover eine E-Mail mit den wichtigsten CloudWatch-Metriken der letzten 10 Minuten, den Top-Abfragen und den zugehörigen API-Aufrufen, die auf der Instanz ausgeführt wurden, gesendet wird.

In diesem Beitrag untersuchen wir, wie Elliptic Amazon DynamoDB verwendet, um eine Krypto-Intelligence-Plattform aufzubauen, die auf über 10 Milliarden Wallets weltweit skaliert und eine Echtzeit-Risikoerkennung im sich schnell entwickelnden Ökosystem digitaler Vermögenswerte unterstützt. Wir erörtern das Datenmodelldesign, die Indizierungsstrategien und das Betriebssetup, das Elliptic verwendet, um Echtzeit-Risikoanalysen und komplexe Untersuchungen in großem Umfang zu ermöglichen.

Das Timestream for InfluxDB Metrics Dashboard erweitert die Möglichkeiten zur Trendanalyse, zur Gewinnung umsetzbarer Erkenntnisse, zur Einrichtung von Benachrichtigungen und zur Automatisierung von Berichten. Sie können das Timestream for InfluxDB Metrics Dashboard an Ihre geschäftlichen Anforderungen anpassen und einen robusten und optimierten Zeitreihen-Workflow aufbauen. In diesem Beitrag führen wir Sie durch die Bereitstellung des Timestream for InfluxDB Metrics Dashboards, um mit der Überwachung der Leistung Ihrer Timestream for InfluxDB-Datenbankflotte zu beginnen.

In diesem Beitrag betrachten wir die Kosten, Vorteile und Nachteile des Ersatzes von Diensten für agentielle KI durch direkten Datenbankzugriff. Dazu gehören solche, die gut funktionieren und sich in der Produktion bewährt haben, sowie neue Dienste, die noch entwickelt werden müssen. Werfen wir einen genaueren Blick auf die Anatomie einer agentiellen KI-Anwendung und was bei solchen Entscheidungen eine Rolle spielen würde.

In diesem Beitrag zeige ich Ihnen, wie Sie eine serverlose Workflow-Orchestrierungs-Engine erstellen, die Amazon DynamoDB und AWS Lambda verwendet. Die vollständige Implementierung ist in einem GitHub-Repository verfügbar, das zwei voll funktionsfähige Beispiele enthält, die Sie sofort bereitstellen und ausführen können, um die Orchestrierungs-Engine in Aktion zu sehen.

In diesem Beitrag zeigen wir, wie Sie mit nativen AWS-Diensten und Slack-Integration ein effizientes, serverloses Überwachungssystem für Amazon RDS für SQL Server erstellen.

Smartsheet ist eine führende kollaborative Arbeitsmanagementplattform auf SaaS-Basis, der Unternehmen weltweit vertrauen, um Projekte zu verwalten, Arbeitsabläufe zu automatisieren und die Zusammenarbeit im großen Maßstab zu fördern. In diesem Beitrag beschreiben wir den Smartsheet Knowledge Graph, der in Partnerschaft zwischen Smartsheet und AWS entwickelt wurde. Der Smartsheet Knowledge Graph ist ein einheitliches Datenmodell, das Personen, Inhalte und Arbeit in Smartsheet miteinander verbindet und darstellt, wie Benutzer mit Assets, Inhalten und ihren Mitarbeitern interagieren.

In diesem Beitrag untersuchen wir die Herausforderungen der OID-Erschöpfung in PostgreSQL, konzentrieren uns auf ihre Auswirkungen auf TOAST-Tabellen und wie dies zu Leistungsproblemen führt. Wir werden behandeln, wie das Problem durch Überprüfung von Warteereignissen, Sitzungsaktivitäten und Tabellennutzung identifiziert werden kann. Darüber hinaus diskutieren wir praktische Lösungen, von der Bereinigung von Daten bis hin zu fortgeschritteneren Strategien wie Partitionierung.

In dieser dreiteiligen Serie untersuchen wir Ansätze zur Implementierung erweiterter ereignisgesteuerter Muster für DynamoDB-gestützte Anwendungen. In dieser Serie haben wir verschiedene Strategien für die Datenverwaltung in DynamoDB untersucht. Dieser Beitrag verlagert den Fokus auf ein ereignisgesteuertes Muster, das zukünftige nachgelagerte Aktionen mithilfe von EventBridge Scheduler zuverlässig plant.

In dieser dreiteiligen Serie untersuchen wir Ansätze zur Implementierung erweiterter ereignisgesteuerter Muster für DynamoDB-gestützte Anwendungen. In diesem Beitrag (Teil 2) untersuchen wir eine weitere Methode, die globale sekundäre Indizes (GSIs) verwendet, um feingranulare Time-to-Live (TTL)-Anforderungen zu erfüllen.

In dieser dreiteiligen Serie untersuchen wir Ansätze zur Implementierung erweiterter ereignisgesteuerter Muster für DynamoDB-basierte Anwendungen. In diesem Beitrag (Teil 1) konzentrieren wir uns auf die Verbesserung der nativen TTL-Funktionalität von DynamoDB durch die Implementierung einer nahezu Echtzeit-Datenbereinigung mit EventBridge Scheduler, wodurch die typische Zeit für das Löschen abgelaufener Elemente von mehreren Tagen auf weniger als eine Minute reduziert wird.

Im April 2025 haben wir das Amazon DynamoDB-Datenmodellierungstool für den Model Context Protocol (MCP)-Server eingeführt. Das Tool führt Sie durch ein Gespräch, sammelt Ihre Anforderungen und erstellt ein Datenmodell, das Tabellen, Indizes und Kostenüberlegungen enthält. In diesem Beitrag zeigen wir Ihnen, wie wir dieses automatisierte Bewertungsframework aufgebaut haben und wie es uns geholfen hat, zuverlässige DynamoDB-Datenmodellierungsanleitungen in großem Maßstab bereitzustellen.

In diesem Beitrag zeigen wir Ihnen, wie Sie eine automatisierte Lösung zur Archivierung von Amazon RDS-Ereignissen in Amazon Simple Storage Service (Amazon S3) implementieren. Wir erörtern auch, wie Sie die Ereignisse mit Amazon Athena analysieren können, was ein proaktives Datenbankmanagement ermöglicht, die Sicherheit und Compliance aufrechterhält und wertvolle Einblicke für die Kapazitätsplanung und Fehlerbehebung liefert.

In diesem Beitrag zeigen wir Ihnen, wie Sie die Volltextsuche in Microsoft SQL Server zu Amazon Aurora PostgreSQL migrieren, indem Sie die Textsuchdatentypen tsvector und tsquery verwenden. Wir zeigen Ihnen auch, wie Sie FTS mit den Erweiterungen pg_trgm und pg_bigm implementieren.

Data Masking ist eine wichtige Technik in der Cybersicherheit, die es Unternehmen ermöglicht, personenbezogene Daten (PII) und andere vertrauliche Daten zu schützen und gleichzeitig ihren Nutzen für Entwicklungs-, Test- und Analysezwecke zu erhalten. Data Masking beinhaltet das Ersetzen von ursprünglichen sensiblen Daten durch falsche, aber realistische Informationen. Dieser Prozess trägt dazu bei, dass die maskierte Version das Format und die Eigenschaften beibehält […]

In diesem Beitrag führen wir Sie durch den Prozess des Klonens einer Amazon RDS Custom for Oracle-Datenbank auf eine EC2-Instance unter Verwendung von Multi-Volume Amazon Elastic Block Store (Amazon EBS)-Snapshots für die Speicherreplikation. Dieser Ansatz ist nützlich für die Einrichtung einer Disaster-Recovery (DR)-Umgebung in einer Region, in der RDS Custom noch nicht verfügbar ist.

In diesem Beitrag zeigen wir Ihnen einen einfachen Ansatz, um mit SSL in Java eine Verbindung zu einer Db2-Datenbank herzustellen, ohne einen Truststore zu benötigen oder Keytool aufzurufen.

Die Entwicklung von Anwendungen auf der Amazon Neptune-Datenbank erforderte in der Vergangenheit, dass Benutzer den Zugriff auf die VPC einrichten, in der sie gehostet wird, und entweder Treiber von Drittanbietern oder direkte HTTP-Anfragen verwenden. In diesem Beitrag erörtern wir, wie zwei Schlüsselfunktionen, öffentliche Endpunkte und die Neptune Data API, diese häufigen Herausforderungen bei der Entwicklung von Amazon Neptune-Anwendungen lösen. Öffentliche Endpunkte […]

Oracle Database@AWS (ODB@AWS) ist ein Angebot, mit dem Sie auf Oracle Exadata-Infrastruktur zugreifen können, die von Oracle Cloud Infrastructure (OCI) innerhalb der Amazon Web Services (AWS)-Rechenzentren verwaltet wird. Sie können ODB@AWS verwenden, um Ihre Oracle Exadata-Workloads zu AWS zu migrieren und dabei die gleiche Leistung und die gleichen Funktionen wie bei Ihren lokalen Oracle Exadata-Bereitstellungen beizubehalten. Sie profitieren von […]

In diesem Beitrag befassen wir uns eingehend mit AWS Database Migration Service Data Resync, einer Funktion, die in DMS Version 3.6.1 eingeführt wurde, um Dateninkonsistenzen während Datenbankmigrationen zu erkennen und zu beheben, wodurch manuelle Eingriffe überflüssig werden.

In diesem Beitrag zeigen wir, wie Sie AWS CloudFormation und Terraform verwenden können, um die Bereitstellung und den Abbau einer Timestream für InfluxDB-Instanz zu automatisieren.

In diesem Beitrag zeigen wir, wie man Daten von DynamoDB zu Amazon S3 Tables streamt, um Analysefunktionen auf Ihren Betriebsdaten zu ermöglichen.

In diesem Beitrag untersuchen wir verschiedene Ansätze zur Automatisierung der Generierung von Vektor-Einbettungen in Amazon Aurora PostgreSQL-kompatibler Edition, wenn Daten in die Datenbank eingefügt oder geändert werden. Jeder Ansatz bietet unterschiedliche Kompromisse in Bezug auf Komplexität, Latenz, Zuverlässigkeit und Skalierbarkeit, so dass Sie die beste Lösung für Ihre spezifischen Anwendungsanforderungen auswählen können.

AWS DMS unterstützt eine breite Palette von Quell- und Zieldaten-Repositories, wie z. B. relationale Datenbanken, Data Warehouses und NoSQL-Datenbanken. Eine angemessene Vorbereitung und Gestaltung sind für einen erfolgreichen Migrationsprozess unerlässlich, insbesondere wenn es darum geht, die Leistung zu optimieren und potenzielle Verzögerungsprobleme zu beheben. In diesem Blogbeitrag geben wir Hinweise zur Erkennung potenzieller Ursachen für vollständige Lade- und CDC-Verzögerungen frühzeitig im Prozess und geben Vorschläge zur optimalen Clustering von Tabellen, um die beste Leistung für eine AWS DMS-Aufgabe zu erzielen.

In diesem Beitrag zeigen wir Ihnen, wie Sie Kosten bei Amazon ElastiCache sparen können, indem Sie Ihre Cluster-Engine auf ElastiCache für Valkey umstellen. Wenn Sie derzeit ElastiCache für Redis OSS verwenden, können Sie durch die Umstellung auf Valkey bis zu 60 % Kosten einsparen.

In diesem Beitrag untersuchen wir die Unterstützung von AWS Bare Metal Instances auf Amazon EC2 Bare Metal Instances für Amazon RDS für Oracle und RDS Custom für Oracle.

In diesem Beitrag zeigen wir, wie Sie Amazon Timestream für InfluxDB-Lese-Replikate verwenden können, um Ihre Lesevorgänge zu skalieren, indem Sie zusätzliche Lese-Replikate hinzufügen und gleichzeitig einen einzigen Schreibendpunkt beibehalten. Unser Lese-Replikat-Add-on, das in Zusammenarbeit mit InfluxData entwickelt wurde, bietet Kunden von InfluxDB Open Source die Möglichkeit, ihre Lesekapazität horizontal zu skalieren.

In diesem Beitrag erläutern wir eine Lösung, die die Benachrichtigung über Amazon RDS- und Aurora-Empfehlungen automatisiert und diese per E-Mail über AWS Lambda, Amazon EventBridge und Amazon Simple Email Service (Amazon SES) versendet.

AWS hat kürzlich den virtuellen Zielmodus in AWS Database Migration Service (AWS DMS) Schema-Konvertierung angekündigt. Diese Funktion hilft Ihnen, die Migrationsplanung zu starten, ohne Ziel-Datenbanken bereitzustellen. In diesem Beitrag zeigen wir Ihnen, wie Sie den virtuellen Zielmodus in AWS DMS Schema-Konvertierung verwenden können.

In diesem Beitrag kündigen wir die Stärkung der Partnerschaft zwischen AWS und InfluxData an, da Timestream InfluxDB als primäre, speziell entwickelte Zeitreihendatenbank einsetzt.

Amazon DynamoDB bietet konsistente Leistung im einstelligen Millisekundenbereich, unabhängig von der Skalierung, was es ideal für unternehmenskritische Workloads macht. Wie bei jedem verteilten System kann jedoch ein kleiner Prozentsatz der Anfragen deutlich längere Antwortzeiten als der Durchschnitt aufweisen. Dieses Phänomen, bekannt als Tail Latency (Endverzögerung), bezieht sich auf diese langsameren Ausreißer, die durch die Betrachtung von Metriken wie dem 99. oder 99,9. Perzentil der Antwortzeiten sichtbar werden. In diesem Beitrag untersuchen wir, wie Global Payments Inc. (GPN) ihre Endverzögerung um 30 % durch Request Hedging (Anfrage-Absicherung) reduzierte. Wir gehen auf die technischen Details und Herausforderungen ein, mit denen sie konfrontiert waren, und geben Einblicke, wie Sie Ihre eigenen latenzempfindlichen Anwendungen optimieren können. In einem nächsten Beitrag werden wir detaillierte Implementierungsbeispiele teilen.

Amazon Neptune Version 1.4.5 bringt Verbesserungen der Engine und Unterstützung für Instanzen vom Typ r8g, die auf AWS Graviton basieren. In diesem Beitrag zeigen wir Ihnen, wie diese Updates die Leistung Ihrer Graphdatenbank verbessern und Kosten senken können. Wir führen Sie durch die Benchmark-Ergebnisse für Gremlin und openCypher, die Neptune v1.4.5 auf r8g-Instanzen mit früheren Versionen vergleichen. Sie werden Leistungssteigerungen von bis zu 4,7x für den Schreibdurchsatz und 3,7x für den Lesedurchsatz sowie die damit verbundenen Kostenauswirkungen sehen.

In diesem Beitrag zeigen wir, wie Sie fehlgeschlagene Stream-Ereignisse für spätere Analyse oder Wiedergabe mithilfe von Amazon S3 als zuverlässigem Ziel speichern und aufbewahren können. Wir vergleichen diesen Ansatz mit dem traditionellen Muster der toten Briefe-Warteschlange (DLQ) von Amazon SQS und erklären, wann und warum Amazon S3 die bevorzugte Option ist.

In diesem Beitrag gehen wir tiefer in die Datenbank-Optimierung für Ihren Amazon Relational Database Service (Amazon RDS) ein, indem wir erkunden, wie Sie Empfehlungen des AWS Compute Optimizers nutzen können, um kostenaufwandsbewusste Ressourcenkonfigurationsentscheidungen für Ihre MySQL- und PostgreSQL-Datenbanken zu treffen.

In diesem Beitrag untersuchen wir, wie Sie Vercels v0 generative UI nutzen können, um Anwendungen mit einer modernen Benutzeroberfläche für AWS' zweckgebundene Datenbanken wie Amazon Aurora, Amazon DynamoDB, Amazon Neptune und Amazon ElastiCache zu erstellen.

Wenn Ihr Netzwerk ausfällt, dauert die Suche nach der Ursache in der Regel Stunden der Untersuchung, wobei korrelierte Alarme durchgegangen werden, die oft zu Symptomen und nicht zum eigentlichen Problem führen. Systeme zur Ursachenanalyse (Root Cause Analysis, RCA) basieren häufig auf fest kodierten Regeln, statischen Schwellenwerten und vordefinierten Mustern, die großartig funktionieren, bis sie es nicht mehr tun. Ob Sie Netzwerk-Ausfälle oder Service-Degradationen beheben, diese starren Regelwerke können sich nicht an kaskadierende Ausfälle und komplexe gegenseitige Abhängigkeiten anpassen. In diesem Beitrag stellen wir Ihnen unsere AWS-Lösungsarchitektur vor, die einen digitalen Zwilling des Netzwerks mithilfe von Graphen und Agentic AI nutzt. Wir teilen außerdem vier Runbook-Designmuster für die Agentic AI-gestützte graphenbasierte RCA auf AWS. Abschließend zeigen wir, wie DOCOMO reale Validierung aus seinen kommerziellen Netzwerken unseres ersten Runbook-Designmusters liefert, was eine drastische Verbesserung der mittleren Erkennungszeit (Mean Time To Detect, MTTD) mit 15 Sekunden für die Fehlerisolierung in Transport- und Funkzugangsnetzen zeigt.

Im Jahr 2023 führte AWS den erweiterten JDBC-Wrapper von AWS ein, der die Fähigkeiten bestehender JDBC-Treiber mit zusätzlichen Funktionen erweitert. Dieser Wrapper ermöglicht die Unterstützung von AWS- und Amazon-Aurora-Funktionen auf Basis eines vorhandenen PostgreSQL-, MySQL- oder MariaDB-JDBC-Treibers Ihrer Wahl. Dieser Wrapper unterstützt eine Vielzahl von Plug-ins, darunter das Aurora-Verbindungs-Tracker-Plug-in, das unbegrenzte Verbindungs-Plug-in und das Read-Write-Splitting-Plug-in. In diesem Beitrag diskutieren wir die Vorteile, Einsatzfälle und Implementierungsdetails für zwei beliebte Plug-ins des erweiterten JDBC-Wrapper-Treibers von AWS: das Aurora-Initial-Verbindungs-Strategie-Plug-in und das Failover-v2-Plug-in.

Heute kündigen wir verbesserte Observability für gedrosselte Anfragen in Amazon DynamoDB an. Diese Verbesserungen bieten Entwicklern erweiterte Fehlermeldungen, detaillierte Amazon CloudWatch-Metriken und einen neuen, kostengünstigeren Modus für CloudWatch Contributor Insights. Zusammen machen diese Verbesserungen es einfach, die Leistung Ihrer DynamoDB-Anwendungen zu verstehen, zu überwachen und zu optimieren. In diesem Beitrag untersuchen wir, wie diese [...]

Sie können einen Amazon Aurora DSQL-Cluster über einen öffentlichen Endpunkt und AWS PrivateLink-Endpunkte zugreifen. In diesem Beitrag zeigen wir, wie Sie den Zugriff auf Ihren Aurora DSQL-Cluster steuern können, indem Sie öffentliche Endpunkte und private VPC-Endpunkte über PrivateLink verwenden, sowohl innerhalb als auch außerhalb von AWS.

Heute hat Amazon DocumentDB (mit MongoDB-Kompatibilität) angekündigt, dass die Amazon DocumentDB-Version 3.6 am 30. März 2026 das Ende ihrer Lebensdauer erreicht. Ab dem 31. März 2026 können Sie Amazon DocumentDB Version 3.6 weiterhin mit Extended Support betreiben. Extended Support bietet Korrekturen für kritische Sicherheitsprobleme und Fehler durch Patch-Releases für drei Jahre über das Ende des Standard-Supports von Amazon DocumentDB Version 3.6 hinaus.

In diesem Beitrag erfahren Sie, wie Sie mit Spaltenfiltern eine Tabelle mit hoher Aktivität während der CDC-Phase in mehrere Aufgaben aufteilen können. Dieser Ansatz kann den Migrationsprozess beschleunigen und die Zielverzögerung reduzieren.

Juspay unterstützt globale Unternehmen, indem es die Zahlungsprozess-Orchestrierung vereinfacht, die Sicherheit verbessert, den Betrug reduziert und nahtlose Kunden Erfahrungen bietet. In diesem Beitrag zeigen wir Ihnen, wie Juspay ihre Zahlungsverarbeitungs-Architektur transformierte, um Spitzenlasten von Transaktionen zu bewältigen. Mit Amazon ElastiCache und Amazon RDS für MySQL baute Juspay ein System, das während Spitzenereignissen 7,6 Millionen Transaktionen pro Stunde verarbeiten kann, eine Latenz von weniger als einer Millisekunde erreicht und die Infrastrukturkosten um 80% im Vergleich zur vorherigen Lösung reduziert.

Wiz, ein führendes Unternehmen für Cloud-Sicherheit, identifiziert und beseitigt Risiken auf großen Cloud-Plattformen. Unser agentenloser Scanner verarbeitet täglich zehn Milliarden Metadateneinträge von Cloud-Ressourcen. Dies erfordert eine leistungsstarke Verarbeitung mit geringer Latenz, was unsere Amazon Aurora PostgreSQL-kompatible Edition-Datenbank, die Hunderte von Microservices in großem Maßstab bedient, zu einer kritischen Komponente unserer Architektur macht. In diesem Beitrag berichten wir, wie wir unsere Aurora PostgreSQL-Datenbank mit Amazon Aurora Blue/Green Deployments von Version 14 auf 16 mit nahezu null Ausfallzeit aktualisiert haben.

Organisationen verlassen sich auf Echtzeit-Analysen, um Einblicke in ihre Kerngeschäftstreiber zu gewinnen, die operative Effizienz zu steigern und sich einen Wettbewerbsvorteil zu verschaffen. Traditionell war dies mit der Verwendung komplexer Extract-Transform-Load (ETL)-Pipelines verbunden. ETL ist der Prozess des Kombinierens, Bereinigens und Normalisierens von Daten aus verschiedenen Quellen, um sie für Analysen, KI und [...] vorzubereiten.

Dieser Beitrag zeigt, wie AWS SCT verwendet werden kann, um die Migration von eingebettetem Oracle-SQL-Code innerhalb von Java-Anwendungen zu PostgreSQL-kompatibler Syntax zu vereinfachen und zu beschleunigen. Die Lösung konzentriert sich auf einen praktischen Anwendungsfall, bei dem eine Quell-Oracle-Datenbank mit einer Beispiel-Java-Anwendung kombiniert wird, die zahlreiche Oracle-spezifische SQL-Anweisungen enthält. Durch die Verwendung von AWS SCT können Entwickler einen großen Teil des Schemakonvertierungs- und SQL-Konvertierungsprozesses automatisieren, was den manuellen Aufwand reduziert und Fehler während der Migration minimiert.

In diesem Beitrag zeigen wir Ihnen, wie Clari seine Datenbankleistung optimiert und die Kosten um 50 % gesenkt hat, indem es auf Amazon Aurora I/O-Optimized umgestiegen ist.

Um Ihnen zu helfen, schneller und mit größerer Sicherheit voranzukommen, stellen wir ein neues Datenmodellierungstool für DynamoDB vor, das als Teil unseres DynamoDB-Modellkontextprotokoll-Servers (MCP) verfügbar ist. Das DynamoDB-MCP-Datenmodellierungstool integriert sich mit KI-Assistenten, die MCP unterstützen, und bietet einen strukturierten, natürlichsprachengesteuerten Arbeitsablauf, um Anwendungsanforderungen in DynamoDB-Datenmodelle zu übersetzen. In diesem Beitrag zeigen wir Ihnen, wie Sie mithilfe dieses neuen Datenmodellierungstools in nur wenigen Minuten ein Datenmodell erstellen können.