Mobile-Menu

Daten in KI-Intelligenz umwandeln MongoDB integriert Modelle von Voyage AI in Datenbankdienste

Quelle: Pressemitteilung 2 min Lesedauer

Anbieter zum Thema

Board Deutschland GmbH
Disy Informationssysteme GmbH
Fivetran Germany GmbH

MongoDB bindet Embedding- und Reranking-Modelle von Voyage AI direkt in seine Datenbankdienste ein. Die Integration soll semantische Abfragen und Retrieval-Workloads vereinfachen, ohne operative Daten aus der Plattform auszulagern.

MongoDB integriert Embedding- und Reranking-Modelle von Voyage AI direkt in die Datenbank, um semantische Abfragen und Retrieval-Workloads ohne externe Vektorspeicher zu ermöglichen.(Bild: Voyage AI)
MongoDB integriert Embedding- und Reranking-Modelle von Voyage AI direkt in die Datenbank, um semantische Abfragen und Retrieval-Workloads ohne externe Vektorspeicher zu ermöglichen.
(Bild: Voyage AI)

MongoDB hat sein KI-Angebot um Embedding- und Reranking-Modelle von Voyage AI erweitert. Die Modelle sind direkt in ausgewählte Datenbankdienste integriert und sollen Funktionen für semantische Suche und kontextbasierte Abfragen bereitstellen. Ziel ist es, operative Datenhaltung und KI-gestützte Retrieval-Funktionen enger zusammenzuführen, ohne Daten zwischen externen Systemen zu verschieben oder zu duplizieren.

Nach Angaben des Unternehmens stehen mehrere Modelle von Voyage AI innerhalb der MongoDB-Umgebung zur Verfügung, darunter Embedding-Modelle für die Vector Search sowie Reranking-Funktionen über Programmierschnittstellen. Ergänzend dazu wurden neue Funktionen für Entwicklungswerkzeuge wie MongoDB Compass und den Atlas Data Explorer eingeführt. Die Modelle können innerhalb der Plattform genutzt werden, bleiben jedoch auch separat verfügbar.

MongoDB adressiert damit ein bekanntes Problem vieler KI-Projekte im Produktivbetrieb. In der Praxis kommen häufig getrennte Systeme für operative Daten, Vektorspeicherung und Modellanbindung zum Einsatz. Diese Aufteilung kann zusätzliche Latenzen, Synchronisationsaufwand und operative Komplexität verursachen. Durch die Integration von Retrieval- und Embedding-Funktionen in die Datenbank sollen solche Architekturen vereinfacht werden.

Ein Bestandteil der Erweiterung ist die Unterstützung der Voyage-4-Modellreihe, die mehrere Varianten für unterschiedliche Anforderungen umfasst. Dazu zählen Modelle mit Fokus auf Suchgenauigkeit, geringere Latenz oder reduzierte Rechenkosten sowie ein offen verfügbares Modell für lokale Tests und Entwicklungszwecke.

Darüber hinaus wurde ein multimodales Embedding-Modell eingeführt, das neben Text und Bildern auch Videoinhalte verarbeiten kann. Die Vektorisierung soll semantische Informationen aus unterschiedlichen Datenformaten erfassen, etwa aus Dokumenten, Präsentationen oder visuellen Inhalten.

Eine weitere Neuerung ist eine Auto-Embedding-Funktion für die MongoDB Vector Search. Dabei werden Embeddings automatisch erzeugt und aktualisiert, wenn Daten gespeichert oder verändert werden. Die Verarbeitung erfolgt innerhalb der Datenbank, externe Pipelines sind nach Unternehmensangaben nicht erforderlich. Die Funktion befindet sich derzeit in einer öffentlichen Vorschau und unterstützt mehrere Programmiersprachen sowie ausgewählte KI-Frameworks. Eine Verfügbarkeit in MongoDB Atlas ist angekündigt, aber noch nicht umgesetzt.

(ID:50690186)

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte