Von Daten zu Entscheidungen: Konversationelle Supply-Chain-Intelligenz mit Amazon Quick und Amazon Bedrock AgentCore

Gibt Supply-Chain-Teams direkten Zugriff auf die Systeme hinter ihren Entscheidungen.

Jede Lieferkette erzeugt ständig Signale: Aufträge in Genehmigung, schwankende Vorlaufzeiten, sich verlangsamende Häfen, driftende Preise, Störungen. Das Problem sind nicht fehlende Daten. Es ist die Distanz zwischen den Daten und dem Entscheidungsträger.

Die Beantwortung der Frage „welche Umsatz-stärksten SKUs sind von der aktuellen Hafensperrung betroffen und was wird es kosten?“ bedeutete früher zu wissen, welches System jedes einzelne Datum enthielt, und diese von Hand zusammenzufügen, während der Fachexperte wartete.

Könnte dieser Manager stattdessen in einfacher Sprache fragen und in Sekunden eine umsetzbare, systemübergreifende Antwort erhalten? Amazon Bedrock AgentCore ist die Intelligenzschicht, die unternehmensweite Model Context Protocol (MCP)-Server als komponierbare Toolschicht verfügbar macht. Amazon Quick verwandelt das ohne Einrichtung in Aktion für Personas. Antworten stammen aus Live-Systemen of Record und fundierten Dokumenten, nicht aus dem Modellgedächtnis, und jede Änderung wartet auf eine namentlich genannte Person. In diesem Beitrag führen wir dieses Muster vollständig durch, von einer konversationellen Demonstration in Amazon Quick bis zur AgentCore-Toolschicht dahinter, und zeigen Ihnen, wie Sie es selbst bereitstellen.

Das Problem: Datenreich, einstellungsarm

Abbildung 1: Fachexpertise liegt bei den Nutzern, während operative Daten über ERP, Monitoring, Beschaffung und E-Mail fragmentiert sind

Jede Frage benötigt ihr eigenes Tool: Bestandsdaten aus dem Enterprise-Resource-Planning-System (ERP), Störungen aus E-Mail oder Nachrichten, eine Angebotsanforderung (RFQ) aus der Beschaffung und Compliance aus einer Checkliste. Die Verknüpfung erfolgt manuell.

Ein Tag im Leben

Der Morgen eines Managers umfasst traditionell das ERP (Bestandsausnahmen), das Monitoring-Tool (Warnungen), die Beschaffung (Alternativen), E-Mail (RFQ) und einen Tracker: 45–60 Minuten über fünf Systeme mit über einem Dutzend Kontextwechsel.

Konversationell sind es drei Eingaben in einem Tool: „Gibt es kritische Störungen, die meine umsatzstärksten SKUs betreffen?“ → „Bewerte den TechComp-Stillstand und stelle eine Notfall-RFQ an genehmigte Alternativen“ → „Sieht gut aus. Sende sie.“, in Minuten.

Abbildung 2: Traditioneller Multi-Tool-Ablauf im Vergleich zu einem einzelnen konversationellen Thread, der von AgentCore orchestriert wird

Deep Dive: Durchgang durch das Supply-Chain-Szenario

Die folgenden fünf Schritte verfolgen eine Störung von der Erkennung bis zu einer genehmigten Notfall-RFQ, alles in einem einzigen Amazon-Quick-Gespräch.

Schritt 1: Entdeckung – „Welche Tools habe ich?“

Der Nutzer fragt „Welche Supply-Chain-Tools habe ich?“ und Amazon Quick listet die in der AWS Agent Registry veröffentlichten Supply-Chain-MCP-Server auf. Da ein Administrator die Registry-Integration aktiviert hat, erscheinen die vier geschäftlichen MCP-Server bereits als Connector-Karten, mit vorab ausgefüllten Verbindungsdetails und ohne manuell einzugebende URLs. Der Orchestrierungs-Agent wird als eigener MCP-Connector hinzugefügt.

Schritt 2: Abfragen – „Zeig mir aktive Störungen“

„Prüfe aktive Supply-Chain-Störungen“ ruft das Disruption Alerts MCP auf (assess_disruption_impact): drei Störungen mit Schweregrad, Region und SKU-Anzahl. Wie wir es lösen: Quick leitet die Anfrage über AgentCore an den MCP-Server weiter, der Backend-Monitoring abfragt und ein strukturiertes Ergebnis zurückgibt – ohne Dashboard oder Export.

Schritt 3: Detailanalyse – „Bewerte die kritische“

Der Nutzer öffnet die TechComp Production Halt. assess_disruption_impact(disruption_id="DISR-002") korreliert Auftrags-, Kunden- und Bestandsdaten: $750K gefährdet, 23 Aufträge, drei Tage Vorrat. Wie wir es lösen: ein einzelner MCP-Toolaufruf verteilt sich über die Systeme of Record, sodass der Manager eine konsolidierte Auswirkungseinschätzung erhält, ohne das ERP anzufassen.

Schritt 4: Aktion – „Hol Vorschläge zur Minderung“

Der Nutzer bittet um Minderung. recommend_mitigation(disruption_id="DISR-002") verkettet das Governance MCP (genehmigte Alternativen prüfen) und das Quoting MCP (vertragskonformes Angebot) zu einem Ablauf aus einer Anfrage. Wie wir es lösen: der Agent plant und sequenziert die Aufrufe, sodass eine einzige Anfrage Störung, Governance und Angebot abdeckt – ohne manuelle Übergaben.

Schritt 5: Automatisierte Nachverfolgung

Der Nutzer richtet anschließend proaktives Monitoring ein („Warne mich jeden Morgen, wenn es eine neue kritische Störung gibt“). Derselbe Ablauf kann unbeaufsichtigt aus einer eingehenden Lieferanten-E-Mail laufen. So lösen wir es: Derselbe Agent mit denselben Tools läuft nach einem Zeitplan oder E-Mail-Trigger und veröffentlicht prüfungsbereite Karten im Activity Feed, die von einer Person freigegeben werden müssen.

Zusammengenommen sind diese fünf Schritte eine einzige Runtime-Sequenz:

Abbildung 3: Runtime-Sequenz für die Demonstration, bei der jedes Ergebnis zur Freigabe an Amazon Quick zurückgegeben wird

Lösungsarchitektur

Das ist die Erfahrung. So ist sie aufgebaut: Das Muster trennt die Intelligence-Schicht von der Interface-Schicht, sodass sich beide unabhängig weiterentwickeln können – mit Amazon Quick als Interface und AgentCore als Intelligence.

Abbildung 4: End-to-End-Architektur von Amazon Quick über AgentCore (Gateways, Runtime, Identity, Policy) bis zu den Backends, mit AWS Agent Registry daneben

Amazon Bedrock AgentCore: Die Intelligence-Schicht

Amazon Bedrock AgentCore ist eine modulare agentenbasierte Plattform zum sicheren Erstellen, Bereitstellen und Betreiben von Agents im großen Maßstab. Sie bietet mehr, als wir hier verwenden. Vier ihrer Dienste sind für dieses Muster relevant:

• Runtime – Serverloses Hosting für MCP-Server und Agents, mit Session-Isolation und integrierter Identitätsverwaltung.
• Gateway – Verwandelt APIs, AWS-Lambda-Funktionen und Dienste in MCP-kompatible Tools hinter einem sicheren, verwalteten Endpunkt und standardisiert den Tool-Zugriff. Das Reasoning liegt beim aufrufenden Agent.
• Identity – Authentifizierung und Verwaltung von Anmeldeinformationen, kompatibel mit bestehenden Identity-Providern.
• Policy – Deterministische Autorisierungsregeln, verfasst in natürlicher Sprache oder Cedar, die jeden Tool-Aufruf vor der Ausführung abfangen und einen Agenten bei Beschaffungs- und Finanzdaten in seiner Bahn halten.

Das MCP-Protokoll: Wie Tools kommunizieren

MCP ist ein offener Standard dafür, wie KI-Modelle mit externen Tools interagieren. Jeder Server stellt Tools mit typisierten Parametern bereit:

{
  "server_name": "sc-disruption-alert-gateway",
  "tools": [{
    "name": "assess_disruption_impact",
    "parameters": {
      "disruption_id": {"type": "string"},
      "context": {"type": "object"} // order, inventory, revenue data
    }
  }] // plus classify_severity, recommend_mitigation, get_escalation_chain
}

Das bedeutet:

• KI-Clients (Quick, benutzerdefinierte Agents, andere MCP-Anwendungen) können dieselben Server nutzen.
• Backends (SAP, Oracle, benutzerdefinierte Microservices) können als MCP-Server gekapselt werden.
• Die Tool-Erkennung erfolgt automatisch. Clients fragen die Schemas zur Laufzeit bei der Registry ab.

AWS Agent Registry: Die Discovery-Schicht

Die Registry ist die governete Discovery-Schicht: Ein Publisher reicht einen Datensatz ein, ein Kurator genehmigt ihn, und erst dann ist er über hybride Suche, Browsing oder den MCP-Endpunkt der Registry auffindbar. Eine Realität im Hinblick auf Skalierung ist erwähnenswert: Da Schemas zur Laufzeit entdeckt werden, behandeln Sie jedes Schema als Vertrag und versionieren Sie bei Breaking Changes neue Schemas parallel zu alten.

Abbildung 5: Veröffentlichung eines MCP-Server-Datensatzes in AWS Agent Registry, Genehmigung durch einen Kurator, Verknüpfung mit Quick durch einen Administrator und genehmigte Datensätze, die zu Connector-Karten werden

Mehrstufige Orchestrierung

Die Reasoning-Schicht ist ein Agent auf AgentCore Runtime, ein Agent-Datensatz an seiner direkten Aufruf-URL über einen Custom-MCP-Connector, ohne Lambda oder Gateway. Hier ist es der Order Fulfillment Agent. Bei einer einzelnen Anfrage plant er, welche Tools er in welcher Reihenfolge aufruft:

User: "A supplier just went down. Find alternatives, verify compliance, issue an emergency RFQ."
Disruption Alerts MCP -> identify the disruption
Governance MCP -> approved alternatives + compliance + budget authority
Quoting MCP -> contract-aligned quote
-> one consolidated recommendation

Sicherheits- und Governance-Architektur

Jeder Tool-Aufruf durchläuft denselben AgentCore-Kontrollsatz, bevor er ein Backend erreicht.

Abbildung 6: Der einheitliche AgentCore-Kontrollsatz vor dem Backend (IAM-Authentifizierung, Autorisierung pro Tool, Eingabevalidierung, Policy-Auswertung, Rate Limiting, Durchsetzung von Datengrenzen, Audit-Protokollierung)

Die MCP-Server in diesem Muster

Amazon Quick: Der KI-Assistent für Unternehmen

Amazon Quick stellt Geschäftsanwendern AgentCore-Tools über Chat, Agents, den Activity Feed und automatisierte Workflows zur Verfügung – ohne technisches Setup.

Verwendete Schlüsselkomponenten

Automatisierter Activity Feed und proaktives Monitoring

Der Activity Feed ist die proaktive Oberfläche von Amazon Quick, ein einheitlicher Posteingang, in dem Agenten Ergebnisse, Warnungen und Empfehlungen veröffentlichen. Feed-Einträge sind:

• Umsetzbar, jeder enthält Kontext und nächste Schritte.
• KI-vorsortiert, mit Prioritätsindikatoren (Antwort erforderlich, Nachfassen, Frist).
• Übergreifend über Quellen hinweg, einschließlich E-Mail, Terminplänen, Agentenläufen und externen Systemen.
• Human-in-the-loop, wobei Agenten vorschlagen und Menschen entscheiden.

Wie automatisches Monitoring funktioniert

AgentCore-Tools plus die proaktiven Fähigkeiten von Amazon Quick bieten zwei Wege, einen zeitbasierten und einen E-Mail-gesteuerten, durch eine gemeinsame Trigger → Agent → Ausgabe-Pipeline.

Abbildung 7: Dreistufige Pipeline vom Trigger (Zeitplan oder E-Mail) zum autonomen Agenten (assess_disruption_impact, check_supplier_approval, apply_approval_rules, validate_quote) zur prüfungsbereiten Karte

Anwendungsfall: Lieferantenantworten aus E-Mails validieren

Lieferanten antworten per E-Mail mit Preisen auf eine Notanfrage (RFQ). Der Agent prüft jede Antwort (zugelassener Lieferant? innerhalb der Richtlinien?) und legt das Ergebnis zur weiteren Verarbeitung ab. Er verfasst kein Angebot, wählt keinen Gewinner und stellt keine Bestellung (PO) aus.

Phase 1: Einrichtung (einmalig, etwa 5 Minuten)

1. Outlook verbinden: wählen Sie in Amazon Quick Einstellungen → Verbindungen → Outlook hinzufügen.
2. Activity Feed konfigurieren: aktivieren Sie das E-Mail-Monitoring in den Feed-Einstellungen.
3. SC Agent erstellen: bauen Sie einen Agenten mit diesen Anweisungen:

Supply chain procurement assistant. On a supplier RFQ reply with pricing: 1) extract SKU(s), quantities, pricing; 2) validate approved vendor (Governance MCP); 3) check pricing within guidelines (Quoting MCP); 4) post a review-ready card (approved-supplier, within-guidelines); do NOT draft a PO or select a supplier.

1. Zeitplan erstellen: „Alle 2 Stunden während der Geschäftszeiten auf neue Lieferantenantworten prüfen und diese validieren.“

Phase 2: Laufzeit (vollautomatisch)

Schedule -> email from "TechSupply Co" (MCU-7200, 10,000 units @ $2.45/unit) -> Governance MCP: approved? | Quoting MCP: within guidelines? -> "Supplier Response - Ready for Review" card

Die Feed-Karte enthält die Validierungsergebnisse und entscheidungsrelevanten Fakten:

Phase 3: Human-in-the-loop

Der Prüfer vergleicht die validierten Antworten und wählt entweder einen Lieferanten aus und stellt die Bestellung aus, oder lehnt mit einem protokollierten Grund ab. Auswahl und Bestellung bleiben bei einer Person.

Anwendungsfall: Proaktive Störungsüberwachung

Zeitplan-gesteuert gilt dasselbe Muster: ein Agent prüft täglich um 8:30 AM auf neue kritische oder hochgradige Störungen, bewertet die Auswirkungen, kennzeichnet alles mit weniger als sieben Tagen Vorrat als URGENT und veröffentlicht eine Warnkarte mit der Aktion Issue Emergency RFQ.

Einordnung neben traditioneller BI

Das ist kein „Alles ersetzen“-Argument. Dashboards bleiben überlegen für die Visualisierung von Trends, kollaborative Analyse, regulatorische Berichterstattung und explorative Analyse. Nutzen Sie Konversations-KI für Echtzeit-Entscheidungen im operativen Geschäft und BI für strategische Analysen. Sie ergänzen sich, statt zu konkurrieren.

Personas und Anwendungsfälle

One Quick Agent bedient alle drei Personas: der Manager sorgt für Kontinuität, der Einkäufer beschafft mit Compliance-Bewusstsein, der Analyst korreliert Signale. Die Persona begrenzt zudem die Reichweite, durch Zeilen-/Spaltenebene-Sicherheit und per-Persona-MCP-Tool-Scoping, sodass der Einkäufer keine Finanzdaten sieht.

Einstieg

Die Bereitstellung des Patterns umfasst drei Phasen: Bereitstellung der Infrastruktur, Anbindung von Amazon Quick an Ihre Daten und die Registry sowie Aktivierung des Monitorings.

Voraussetzungen

Bevor Sie beginnen:

• Ein AWS-Konto mit Amazon Bedrock AgentCore und AWS Agent Registry.
• AWS Command Line Interface (AWS CLI) v2, AWS Serverless Application Model (AWS SAM) CLI und Docker (der Agent läuft als arm64-Container).
• Python 3.12 oder höher, mit Boto3 1.43.94 oder höher für den Registry-Schritt.
• Aktive Anmeldedaten mit AWS Identity and Access Management (IAM)-Berechtigungen zum Bereitstellen und Registrieren (aws sts get-caller-identity liefert das Zielkonto zurück).
• Datenschicht: eine Datenbank (Snowflake, PostgreSQL/RDS oder eine SQLAlchemy-Engine), ein Amazon S3-Bucket, optional eine Salesforce-Organisation.
• Amazon Quick ist für Ihre Organisation eingerichtet.
• (Optional) Ein Outlook-Konto für die E-Mail-Automatisierung.

Das Setup verwendet zwei Oberflächen, daher nennt jeder der folgenden Schritte, wo er stattfindet: die Amazon Quick Web-Konsole im Browser (Amazon Quick Sight-Berechtigungen, Agent Registry-Verknüpfung, Konnektoren und Agent-Einstellungen) und die Quick Desktop App (Anbindung von Outlook für die E-Mail-Automatisierung). Das Konversationserlebnis in der Desktop App kommt zuletzt, sobald das Setup abgeschlossen ist.

Infrastruktur bereitstellen

Alles ist Open Source und skriptbasiert: Klonen Sie das quick-for-supply-chain -Beispiel im Repository aws-samples/sample-amazon-quick-suite-knowledge-hub und folgen Sie dessen README.md, oder richten Sie einen Coding-Agent wie Kiro darauf.

Die README.md umfasst drei Phasen. Phase 1 stellt den AgentCore-Stack bereit: die Identitätsschicht (ein Amazon Cognito User Pool und App Client, OAuth-Autorisierungscode-Flow, plus ein Testbenutzer), vier MCP-Server für Geschäftsregeln (jeweils eine AWS Lambda-Funktion vor einem eigenen AgentCore Gateway, einer Funktion von Amazon Bedrock AgentCore, mit CUSTOM_JWT -Autorisierung), die Gateway-Ziele, die die Tools jeder Lambda-Funktion abbilden, sowie sc-order-fulfillment-agent auf AgentCore Runtime als Container, mit IAM-Rollen mit minimalen Berechtigungen. Phase 2 lädt den synthetischen Datensatz nach Amazon S3 hoch. Phase 3 überprüft, ob Gateways und Runtime den Status Ready haben. Sechs Agent Registry-Einträge werden genehmigt.

Abbildung 8: AWS Agent Registry-Konsole mit sechs genehmigten Einträgen (vier MCP Server, ein Agent, ein Skills)

Amazon Quick Zugriff auf Ihre Daten gewähren

In der Amazon Quick Web-Konsole (Browser): gewähren Sie Amazon Quick auf der Amazon Quick Sight-Admin-Seite (Manage Quick Sight → Security and permissions) Zugriff auf sowohl den S3-Bucket als auch Amazon Athena, da jede Tabelle über eine Athena-Quelle auf einer AWS Glue-Datenbank bereitgestellt wird. Ohne die Athena-Berechtigung schlägt die Erstellung des Datasets fehl.

Abbildung 9: Amazon Quick Sight Security and permissions, mit Amazon Athena neben Amazon S3

Registry verknüpfen und Konnektoren erstellen

Das Verknüpfen der Registry erfolgt einmalig und auf Administratorebene. Das Erstellen eines Konnektors erfolgt pro Benutzer. Beides geschieht in der Amazon Quick-Konsole. Siehe den AWS Agent Registry-Integrationsleitfaden.

Registry verknüpfen (Administrator, einmalig)

Ein Administrator verknüpft eine Agent Registry mit dem Quick-Konto. In der Amazon Quick-Weboberfläche (Admin): gehen Sie zu Manage account → Permissions → AWS Agent Registry und aktivieren Sie die Registry (sc-supply-chain-registry, eine pro Konto). Es erscheinen nur Registries in Ihrem Konto und Ihrer Region, im Namespace agent-registry, mit AWS_IAM-(SigV4-)Autorisierung und dem Status READY. Die von Quick verwaltete Service-Rolle verknüpft sie.

Abbildung 10: Verknüpfen der Registry, wobei nur READY-, AWS_IAM-Registries auswählbar sind

Connector erstellen

Nachdem die Registry verknüpft ist, werden freigegebene MCP-Server-Einträge zu Connector-Karten: die vier Business-MCPs als Karten, der Auftragsabwicklungs-Agent manuell hinzugefügt. Bei großem Umfang föderieren Sie die Connector-Authentifizierung über Ihren Identitätsanbieter und stellen Connectors für Gruppen bereit, wobei der Cognito-Benutzerpool die Nahtstelle bildet.

In der Amazon Quick-Weboberfläche (pro Benutzer): die vier Karten erscheinen auf der Seite Connectors (sc-quoting-mcp, sc-governance-mcp, sc-invoice-processing-mcp, sc-disruption-alert-mcp). Authentifizieren Sie sich über den OAuth-Autorisierungscode-Flow (OAUTH2_AUTHORIZATION_CODE) mit Client-ID, Secret und Token-, Autorisierungs- und Redirect-URLs aus dem Bereitstellungsskript. Melden Sie sich als Testbenutzer an, aktivieren Sie Tools, erstellen und teilen Sie.

Abbildung 11: Die vier Business-MCP-Connector-Karten, mit dem manuell hinzugefügten Auftragsabwicklungs-Agent

Aus der Registry stammende Connectors sind Custom-MCP-Connectors (relevant für benutzerdefinierte Berechtigungen). Ein späteres Entfernen der Verknüpfung löscht keine bereits erstellten Connectors.

Abbildung 12: Der Schritt Authenticate mit dem OAuth-Autorisierungscode-Flow (OAUTH2_AUTHORIZATION_CODE)

Den Connector des Auftragsabwicklungs-Agents hinzufügen

In der Amazon Quick-Weboberfläche: da es sich um einen Agent-Eintrag handelt, erstellen Sie seinen Connector manuell (Connectors → Create for your team → Model Context Protocol → Create new): benennen Sie ihn sc-order-fulfillment-agent, verweisen Sie auf die AgentCore-Runtime-URL für direkte Aufrufe aus dem Bereitstellungsskript, schließen Sie dieselbe OAuth-Anmeldung ab und erstellen und teilen Sie.

Abbildung 13: Erstellen des sc-order-fulfillment-agent-Connectors, verwiesen auf die AgentCore-Runtime-Aufruf-URL

Verbinden Sie die Konnektoren mit Ihrem Agenten

Die Bereitstellung erstellt den Supply-Chain-Agenten: einen Quick Space, importierte Datensätze und eine S3-Wissensbasis sowie den Agenten mit Anweisungen, Starter-Prompts und Begrüßungsnachricht. Übrig bleibt das Anbinden der Konnektoren.

In der Amazon Quick-Weboberfläche (Agent-Einstellungen): öffnen Sie den durch die Bereitstellung erstellten Supply-Chain-Agenten (Standard-ID sc-supply-chain-agent) und verbinden Sie alle fünf Konnektoren (vier Geschäfts-MCPs plus sc-order-fulfillment-agent) oder übergeben Sie die fünf Konnektor-IDs an das Setup-Skript.

Proaktives Monitoring einrichten

Um es proaktiv zu machen, führt Quick denselben Agenten nach einem Zeitplan oder bei eingehenden E-Mails aus und veröffentlicht die Ergebnisse im Activity Feed. Beide Pfade verwenden den konfigurierten Agenten und die Tools erneut.

In der Quick Desktop App (Settings → Connections): verbinden Sie Outlook und aktivieren Sie die E-Mail-Überwachung. Erstellen Sie dann in Quick Chat zwei Zeitpläne in natürlicher Sprache, einen zeitbasierten („Jeden Morgen auf neue kritische Störungen prüfen“) und einen E-Mail-gesteuerten („Alle zwei Stunden während der Geschäftszeiten Lieferantenantworten prüfen und validieren“). Der Agent extrahiert Preise, führt die Prüfungen durch und veröffentlicht eine Karte.

In Amazon Quick ausprobieren

Wenn Agent und Konnektoren bereit sind, stellen Sie Ihre Fragen in natürlicher Sprache im Amazon Quick Chat. Jeder Prompt zeigt das Muster Daten-zuerst-dann-Regeln.

Fazit

AgentCore und Amazon Quick sind ein wiederholbares Enterprise-AI-Muster: Intelligenz von der Schnittstelle trennen. AgentCore verwandelt fragmentierte Backends über standardisierte MCP-Schnittstellen in eine komponierbare, reglementierte, KI-zugängliche Schicht. Amazon Quick demokratisiert den Zugriff in natürlicher Sprache.

Der Gewinn ist die verkürzte Entscheidungskette: Erkennen, Recherchieren, Entscheiden, Handeln und Protokollieren erstreckte sich einst über fünf Tools, jetzt ist es ein einziges Gespräch. Die KI recherchiert, korreliert, validiert. Der Mensch entscheidet. Jeder Aufruf wird authentifiziert, autorisiert, richtliniengeprüft und auditiert, und eine Routine von 45-60 Minuten über fünf Systeme kann auf Minuten schrumpfen.

Das ist der Wandel von datenreich, aber einstandsarm zu datenreich und entscheidungsbereit. Beginnen Sie mit einem MCP-Server und einer Persona. Die Registrierung wächst, und das Erlebnis bleibt dasselbe.

Über die Autoren