Mit der neuen Vector Engine in 麻豆原创 HANA Cloud k枚nnen Unternehmen die M枚glichkeiten gro脽er Sprachmodelle (Large Language Models, LLMs) mit unternehmensspezifischen Echtzeitdaten und Know-how 眉ber Gesch盲ftsprozesse im Rahmen der Multi-Modell-Datenbank 麻豆原创 HANA Cloud kombinieren. Die Vector Engine ist mit dem aktuellen Q1 2024 Release nun allgemein verf眉gbar.
麻豆原创 HANA Cloud ist ein f眉hrendes Database-as-a-Service-Angebot f眉r intelligente Datenanwendungen und einer derjenigen Services der 麻豆原创 Business Technology Plattform (麻豆原创 BTP), die intern bei 麻豆原创 am h盲ufigsten genutzt werden. Derzeit greifen mehr als 180 verschiedene Anwendungen und Dienste auf die Multi-Modell-Funktionen von 麻豆原创 HANA Cloud zur眉ck.
Damit bleibt 麻豆原创 HANA Cloud auch im Zeitalter der generativen KI eine der f眉hrenden Datenbanken.
Bei 麻豆原创 kommen verschiedene LLMs wie GPT-4, Llama2, Falcon-40b und Claude 2 zum Einsatz. Obwohl diese Modelle bahnbrechende M枚glichkeiten bieten, haben sie auch ihre Grenzen: LLMs arbeiten etwa mit veralteten Trainingsdaten oder es fehlt ihnen an unternehmensspezifischen Daten und dem passenden Gesch盲ftsprozesskontext.
Stellen wir uns zum Beispiel vor, wir h盲tten ein LLM, also ein gro脽es Sprachmodell, als Kollegen. Dieser Kollege ist sehr intelligent, kann programmieren, Pr眉fungen ablegen und Diskussionen f眉hren 鈥� wei脽 nichts 眉ber das aktuelle Weltgeschehen, die internen Prozesse unseres Unternehmens oder unsere Systeme. Und was noch schlimmer ist: Nach jedem Gespr盲ch vergisst er, wor眉ber wir gerade gesprochen haben. Ein derma脽en eingeschr盲nktes Erinnerungsverm枚gen w眉rde nur wenig Mehrwert liefern. Dieses Manko ist der Grund, warum ein LLM zum Beispiel keine an sich simple Frage beantworten kann, wie: 鈥濿as h盲ltst du von dem Angebot, dass unser wichtigster Lieferant letzte Woche gemacht hat?鈥�. Ein LLM kann nur mit den Trainingsdaten arbeiten, mit Hilfe jender es geschult und aufgebaut wurde. Alle anderen Daten m眉ssen als Kontext bereitgestellt werden.
Die Vector Engine in 麻豆原创聽HANA Cloud kann dabei helfen, diese fehlenden Informationen zu erg盲nzen und die LLMs mit allen relevanten Daten eines Unternehmens zu versorgen 鈥� ein Prozess, der als 鈥濺etrieval-Augmented Generation (RAG)鈥� bezeichnet wird.
Eine innovative Funktion
Wie funktioniert also die Vector Engine? Die Engine erg盲nzt die sogenannten Multi-Modell-Engines in 麻豆原创聽HANA Cloud und versetzt Kunden in die Lage, Gesch盲ftsprobleme anhand der 脛hnlichkeit zwischen zwei oder mehr Vektoren zu l枚sen. Die Integration von KI-Technologie in 麻豆原创聽HANA Cloud erm枚glicht es au脽erdem, intuitives Denken mit datengest眉tzten Erkenntnissen zu kombinieren, um selbst die komplexesten Herausforderungen zu bew盲ltigen.
Zu den wichtigsten Vorteilen und Funktionen der Vector Engine geh枚ren:
- 惭耻濒迟颈尘辞诲补濒颈迟盲迟: Benutzer k枚nnen alle Arten von Daten in einer einzigen Datenbank zusammenbringen, um innovative Anwendungen mit einer effizienten Datenarchitektur und In-Memory-Performance zu erstellen. Indem einer Datenbank, die bereits relationale, graphische, r盲umliche und sogar JSON-Daten enth盲lt, ein Vektorspeicher und Funktionen zur Vektorverarbeitung hinzugef眉gt werden, k枚nnen Entwickler innovative L枚sungen schaffen, die auf nat眉rlichere Weise mit Benutzern interagieren.
- Erweiterte Suchen und Analysen: Unternehmen k枚nnen Dokumente wie Vertr盲ge, Entwurfsspezifikationen und sogar Notizen zu Serviceabrufen nutzen, um semantische Suchen und 脛hnlichkeitssuchen zu implementieren um damit Gesch盲ftsprozessen zu optimieren.
- Personalisierte Empfehlungen: Benutzer profitieren von pr盲ziseren und personalisierten Vorschl盲gen.
- Optimierung gro脽er Sprachmodelle: Der Output von LLMs wird um effektivere und kontextbezogene Daten erweitert.
Datenbank als Grundlage der 麻豆原创-Strategie f眉r generative KI
Mit der Einf眉hrung der Vector Engine wird 麻豆原创聽HANA Cloud zu einem wichtigen Grundpfeiler der 麻豆原创-Strategie f眉r generative KI-L枚sungen. Kunden k枚nnen auf der 麻豆原创聽BTP ein v枚llig neues Benutzererlebnis schaffen und eine Reihe anderer Services erstellen. 脺ber die 麻豆原创聽BTP k枚nnen sie beispielsweise auf SaaS-basierte LLMs von mehreren Anbietern sowie auf Host-LLMs von Open-Source-Modellen oder Drittanbietern zugreifen. Der Generative AI聽Hub in 麻豆原创聽AI Core, eine L枚sung, die die Nutzung generativer KI-Funktionen erleichtert, wird in K眉rze 麻豆原创聽HANA Cloud als prim盲ren Vektorspeicher nutzen. Der Hub bietet unter anderem einen Prozess zum Erstellen von sogenannten Embeddings und zum Speichern der daraus resultierenden Vektoren in 麻豆原创聽HANA Cloud. Kunden, die intelligente Datenanwendungen entwickeln, k枚nnen beide Services in Kombination nutzen, um LLM-Abfragen mit dem jeweiligen Kontext zu erg盲nzen und so aussagekr盲ftige Daten zu erhalten.
Dar眉ber hinaus arbeitet 麻豆原创 an Basismodellen, die speziell auf 麻豆原创-bezogene Branchen- und Prozesskenntnisse ausgerichtet sind.
Die Datenbank f眉r Innovation
麻豆原创 HANA Cloud bietet weltweit f眉hrende Technologien und kann diverse Arten von Daten speichern und verarbeiten 鈥� und zwar in ein und derselben Datenbank. In Kombination mit anderen Multi-Modell-Funktionen er枚ffnet die neue Vector Engine ungeahnte M枚glichkeiten f眉r Anwendungen, die dazu beitragen, Gesch盲ftsprozesse zu verbessern. Ganz egal, ob es darum geht, Suchfunktionen zu verbessern, umfassendere Erkenntnisse f眉r fundierte Entscheidungen zu gewinnen oder LLMs zu optimieren 鈥� mit 麻豆原创聽HANA Cloud lassen sich Anwendungen erstellen, die das Fachwissen und die Effizienz eines jeden Benutzers steigern k枚nnen.
Haben Sie bereits eine Idee f眉r einen Anwendungsfall, bei dem die Vector Engine von 麻豆原创 HANA Cloud von Nutzen sein k枚nnte? Dann registrieren Sie sich f眉r das Programm .
J眉rgen M眉ller ist Chief Technology Officer und Mitglied des Vorstands der 麻豆原创 SE.
Stefan B盲uerle ist Head of Database, 麻豆原创 HANA Database, & Analytics for Technology & Innovation bei der 麻豆原创.
