Mit mit Serverless-Analyse auf neuen Wegen Neo4j bietet Graph-Analyse ohne Infrastruktur-Anforderungen

Anbieter zum Thema

neo4j

Kentix GmbH

Data Center Group – Büro Köln

DeRZ - Deutsche Rechenzentren GmbH

Neo4j hat eine Anwendung für Graph Analytics vorgestellt, die ohne eigene Infrastruktur und ETL-Prozesse auskommen soll. Unternehmen sollen damit komplexe Datenanalysen direkt auf bestehenden Plattformen durchführen können – und das ohne Vorkenntnisse in Graphtechnologie.

Mit der Einführung von „Aura Graph Analytics“ will Neo4j die Hürden für den Einsatz von Graph Analytics deutlich senken. Die neue Lösung funktioniere serverlos, benötige keine eigene Infrastruktur und verzichte vollständig auf klassische ETL-Prozesse. Unternehmen sollen damit direkt auf ihren bestehenden Datenplattformen arbeiten können – von relationalen Datenbanken bis hin zu Cloud-Warehouses und Data Lakes.

Laut Anbieter lässt sich Aura Graph Analytics mit Datenbanken wie „Oracle“ und „Microsoft SQL Server“ sowie mit Plattformen wie „Databricks“, „Snowflake“, „Bigquery“ und „Microsoft Onelake“ verbinden. Die Anwendung basiert auf einem Pay-as-you-use-Modell und skaliere automatisch je nach Rechen- und Speicherbedarf.

80 Prozent mehr Genauigkeit durch Graph Embeddings

Nach Angaben von Neo4j könne die Lösung die Modellgenauigkeit um bis zu 80 Prozent steigern, indem sie Graphstrukturen in so genannte Graph Embeddings überführt. Diese lassen sich für Machine-Learning-Anwendungen nutzen, um tiefere Muster in vernetzten Daten sichtbar zu machen. Anders als klassische Modelle beziehen Graphalgorithmen dabei die Beziehungen zwischen Datenpunkten ein – ein Ansatz, der sich etwa für Betrugserkennung, Customer-360-Analysen, Supply-Chain-Monitoring oder Empfehlungssysteme eigne.

Integriert sind laut Neo4j mehr als 65 Algorithmen, darunter Verfahren wie Community Detection, Link Prediction, Centrality und Pathfinding. Anwender sollen diese ohne eigene Modellierung einsetzen können.

In-Memory und parallel: Schneller zu Erkenntnissen

Durch die parallele In-Memory-Verarbeitung von Analyse-Aufträgen sollen Auswertungen laut Anbieter doppelt so schnell abgeschlossen werden wie mit gängigen Open-Source-Alternativen. Möglich wird das durch die gleichzeitige Ausführung mehrerer DMSL-Instanzen für Data Science und Machine Learning.

Ein weiterer Vorteil laut Neo4j: Die Lösung reduziere den nötigen Code-Aufwand um rund 75 Prozent. Analysten könnten direkt mit vertrauten Werkzeugen wie „Pandas„ in Python arbeiten. Auch das Projizieren von Subgraphen und das Ausführen von Algorithmen sei innerhalb gängiger Data-Science-Umgebungen möglich./Für später im Jahr ist zudem die Unterstützung weiterer Programmiersprachen geplant.

Technische Integration mit Snowflake geplant

Eine enge Integration mit „Snowflake“ ist für das dritte Quartal 2025 vorgesehen. Bereits im Vorjahr hatte Neo4j seine bestehende Graph-Data-Science-Lösung in die „Snowflake AI Data Cloud“ eingebettet. Die neue Serverless-Offerte soll diese Anbindung weiter vertiefen. Im „Snowflake Marketplace“ ist Neo4j bereits gelistet.

Graph Analytics im KI-Zeitalter

Graphtechnologie gilt als Schlüssel, um unvollständige oder heterogene Daten besser miteinander zu verknüpfen. Laut einer Analyse von Gartner erschweren fehlende Verbindungen und fragmentierte Datenquellen oft die Entscheidungsfindung. Graph Analytics soll diese Lücken schließen können, da sie Datenbeziehungen stärker gewichte als die Daten selbst. Die Angebot von Neo4j könnte in diesem Kontext eine breitere Nutzung ermöglichen – insbesondere vor dem Hintergrund wachsender KI-Initiativen in Unternehmen.

(ID:50411662)