Graphdatenbank nativ in Google Cloud Platform integriert Neo4j stellt GraphRAG für Google Cloud vor

Von Martin Hensel 2 min Lesedauer

Anbieter zum Thema

Ab sofort bietet Neo4j die native Integration seiner Graphdatenbank in die Google Cloud Platform (GCP) an. Dies soll insbesondere Entwicklung und Deployment von GenAI-Anwendungen beschleunigen. Zusätzlich kommt mit GraphRAG eine Form von Retrieval Augmentation Generation (RAG) zum Einsatz.

So sieht die GenAI-Referenzarchitektur mit Google Cloud, VertexAI, Gemini und Neo4j aus.(Bild:  Neo4j)
So sieht die GenAI-Referenzarchitektur mit Google Cloud, VertexAI, Gemini und Neo4j aus.
(Bild: Neo4j)

Ziel der nativen GCP-Integration ist zudem, bekannte Probleme wie etwa KI-Halluzinationen und steigende Komplexität zu lösen. Mit RAG kommt dabei ein Ansatz zum Einsatz, in dessen Rahmen LLMs („Large Language Models“) mit externen Daten ergänzt werden. Dies soll Antworten relevanter, aktueller, nachvollziehbarer und präziser machen. Handelt es sich bei der externen Quelle um einen Knowledge-Graphen, spricht man von GraphRAG. Knowledge-Graphen erfassen Beziehungen zwischen Entitäten, verankern LLMs innerhalb von Fakten und sollen damit die nötige Erklärbarkeit, Aktualität, Genauigkeit und den Kontext für relevante Antworten.

Funktionsumfang im Überblick

Entwickler können dank der Kombination aus GCP, dem KI-Modell VertexAI, LangChain und Neo4j Knowledge Graphen aus unstrukturierten Daten wie PDFs, Webseiten und Dokumenten erstellen. Dies kann direkt oder geladen aus Google Cloud Storage Buckets erfolgen. Über Flex Templates in Dataflow lassen sich wiederholbare, sichere Datenpipelines aufbauen, um Daten über Google BigQuery, Google Cloud Storage und Neo4j einzulesen, zu verarbeiten und zu analysieren. Knowledge-Graphen lassen sich so in Echtzeit mit Daten versorgen, um Relevanz, Aktualität und Reaktionsfähigkeit von GenAI-Anwendungen zu gewährleisten.

Mittels Gemini for Google Workspace und der Reasoning Engine von Vertext AI lassen sich GenAI-Anwendungen und APIs auf Google Cloud Run bereitstellen, überwachen und skalieren. Das Gemini-KI-Modell wurde auf den Daten von Neo4j trainiert, um beliebige Sprachcode-Schnipsel automatisch in die Neo4j-Abfragesprache Cypher zu verwandeln und eine schnelle, einfache und kollaborative Anwendungsentwicklung zu unterstützen. Cypher lässt sich zudem in jeder integrierten Entwicklungsumgebung (IDE) verwenden, die vom Gemini KI-Modell unterstützt wird. Neo4js Vektorsuche, GraphRAG und Conversational-Memory-Funktionen sind nahtlos über LangChain und Neo4j AuraDB auf Google Cloud integriert.

Verfügbarkeit

Alle neuen Funktionen sind ab sofort in Neo4j für Google Cloud verfügbar. Für Unternehmen, die strenge Datensicherheits- und Compliance-Anforderungen einhalten müssen, wird zudem die Google Distribution Cloud (GDC) Hosted unterstützt. Dabei handelt es sich um eine Air-Gap-Private-Cloud-Infrastruktur und Edge-Umgebung, die speziell für Organisationen im öffentlichen Sektor und in regulierten Branchen entwickelt wurde.

(ID:50020254)

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