Â鶹ԭ´´

Künstliche Intelligenz hat sich längst als treibende Kraft etabliert, die ganze Branchen umwälzt. Doch in den IT-Landschaften von Unternehmen mangelt es in vielen Fällen nach wie vor an einheitlichen KI-Prozessen: Manche Dienste nutzen Vektorsuchen, einige verwenden relationale Datenbanken und wieder andere arbeiten mit Wissensgraphen. Mit jeder zusätzlichen Komponente erhöhen sich die Komplexität, Latenz und Kosten.

Genau deshalb ist es an der Zeit, sich die Frage zu stellen, wie eine moderne KI-fähige Datenbank aussehen sollte.

Und Â鶹ԭ´´ HANA Cloud bietet darauf eine Antwort: eine einheitliche Multi-Modell-Plattform, die Vektor-, Diagramm-, Text-, Geo- und relationale Daten zusammenführt. Dieser Ansatz ermöglicht es Entwicklern, auf Basis operativer Daten intelligentere KI-Lösungen mit noch mehr Kontextbezug zu schaffen.

Einheitliche Datenbank für alle Modelle ermöglicht komplexe KI-Workloads

Â鶹ԭ´´ HANA Cloud bietet Folgendes:

• Vektordaten für semantische Suchen und Ähnlichkeitssuchen
• Diagrammdaten für die Darstellung von eindeutigen Verbindungen und Wissensdiagramme
• Text- und Geodaten für praktischen Kontext
• Relationale Daten für strukturierte Abläufe und Analysen

Anstatt Daten über verschiedene Services hinweg zu übermitteln, können alle Daten an einer Stelle gespeichert und verarbeitet werden. Das ermöglicht eine schnellere Wertschöpfung und reduziert gleichzeitig das Risiko von Abweichungen.

Auf diese Weise lässt sich der Multi-Modell-Ansatz ideal umsetzen und das Fundament für leistungsstarke, skalierbare KI-Workloads legen.

Semantik und Ähnlichkeit: Vektorsuchen mit Wissensgraphen kombinieren

Traditionelle semantische Suchmaschinen können angeben, welche Dokumente ähnlich sind, aber sie können nicht begründen, warum dies so ist. Wissensgraphen wiederum können eindeutige Verbindungen zwar detailliert darstellen, doch die Informationen lassen sich oft nicht leicht abrufen.

Mit Â鶹ԭ´´ HANA Cloud müssen sich Kunden nicht für eine der beiden Möglichkeiten entscheiden, sondern können von den Vorteilen beider profitieren. Das Zusammenspiel der Vektor-Engine und der Knowledge Graph Engine in Â鶹ԭ´´ HANA Cloud ermöglicht es Entwicklern, kontextbezogene, intelligente Abfragen zu erstellen, die bei Weitem nicht nur Suchbegriffe abgleichen.

Nehmen wir an, ein Nutzer stellt die folgende Anfrage: „Finde das nächstgelegene Lager (in einem Umkreis von ~50 km um Frankfurt) von Lieferanten in Deutschland, die nach ISO 9001 zertifiziert sind, deren CO₂-Steuersätze niedrig sind und für die kein Verzollungsverzug gemeldet ¾±²õ³Ù.“

Es ist möglich, eine Abfrage mit mehreren Modellen durchzuführen, um die Lager zu finden, die den oben genannten Kriterien entsprechen.

Hierzu wird eine SPARQL-Tabelle in der Knowledge Graph Engine von Â鶹ԭ´´ HANA eingesetzt, um die Lieferanten zu ermitteln, die die folgenden Bedingungen erfüllen: ISO-9001-zertifiziert, niedrige CO₂-Steuersätze, keine Meldungen bezüglich Verzögerungen bei der Verzollung.

Darüber hinaus kann die Funktion SPARQL_EXECUTE in der Knowledge Graph Engine von Â鶹ԭ´´ HANA mit einem vektorbasierten, semantischen Filter und räumlichen Einschränkungen kombiniert werden, um Lieferanten zu identifizieren, die sich „im Umkreis von etwa 50 km um Frankfurt“ befinden und für die „kein Verzollungsverzug“ gemeldet wurde. Diese hybride Abfrage nutzt die Vektor-Engine, die Knowledge Graph Engine sowie die Spatial Engine von Â鶹ԭ´´ HANA Cloud, um Lieferanten im Umkreis nicht nur in Bezug auf deren Entfernung, sondern auch auf Grundlage ihrer Verlässlichkeit und Leistung zu bewerten.

Nach der Ausführung dieser Abfragen liefert das System die folgenden Konsignationslager als beste Treffer:

Dies verdeutlicht die Leistungsstärke dieser Kombination aus Semantik und Struktur, die zentraler Bestandteil von Â鶹ԭ´´ HANA Cloud ist.

Einheitliche Abfragen: SQL, SPARQL und Vektorsuche

Entwickler müssen oft mehrere Tools und Sprachen miteinander verbinden: die Datenbanksprache SQL für relationale Daten, die Abfragesprache SPARQL für RDF (Ressource Description Framework, eine Methodik zur Formulierung von Metadaten im Internet) und separate Programmierschnittstellen (APIs) für Vektorspeicher.

Mit Â鶹ԭ´´ HANA Cloud wird diese Komplexität beseitigt. Nutzer können eine einzelne SQL-Abfrage erstellen, die relationale Daten, semantische Argumentation mithilfe von SPARQL (integriert in SQL) und Vektor-Ähnlichkeitssuchen mit integrierten SQL-Funktionen zusammenführt. Das Ergebnis: Eine einheitliche In-Memory-Engine, sodass kein ETL-Prozess (Extraktion, Transformation, Laden) und keine separate Infrastruktur benötigt werden.

Dieser Ansatz beschleunigt nicht nur den Entwicklungsprozess, sondern ermöglicht neue Arten von KI-Anwendungen, die in voneinander abgeschotteten Umgebungen bisher nicht praktikabel waren.

Für generative KI und RAG konzipiert: GraphRAG, VectorRAG, HybridRAG

Große Sprachmodelle (Large Language Models, LLMs) sind nur so gut wie die Daten, auf die sie zurückgreifen können. Deshalb hat sich Retrieval-Augmented Generation (RAG) als wichtiger Bestandteil generativer Unternehmens-KI erwiesen.

Â鶹ԭ´´ HANA Cloud wartet mit neuen Funktionen auf, etwa für das Trainieren von Sprachmodellen mit unstrukturiertem Text (VectorRAG), strukturierten Wissensgraphen (GraphRAG) oder einer Kombination aus VectorRAG und GraphRAG.

Â鶹ԭ´´ HANA Cloud gewährleistet Transparenz, Rückverfolgbarkeit und Leistungsstärke bei allen Aspekten generativer KI und bietet darüber hinaus alle Vorteile des Datenbankmanagements. Nutzer erhalten erklärbare Antworten und haben vollständige Kontrolle über das Abrufen, die Einstufung und die Zusammenstellung von Informationen, was in regulierten Branchen besonders wichtig ist.

Auswirkungen in der Praxis

Unternehmen aus allen Branchen nutzen bereits die Multi-Modell-Funktionen von Â鶹ԭ´´ HANA Cloud, um bessere Ergebnisse zu erzielen:

• Lieferantenvergleich und Bewertung im Hinblick auf die Themen Umwelt, Gesellschaft und Governance (ESG): Zusammenführen strukturierter Lieferantendaten mit Informationen zur Ähnlichkeit von Dokumenten und zu Verbindungen, um passende Partner zu ermitteln
• °ä´Ç³¾±è±ô¾±²¹²Ô³¦±ð-Ãœ²ú±ð°ù·É²¹³¦³ó³Ü²Ô²µ: Einbinden und Abfragen von Richtlinien, Vorschriften und Audit-Trails über natürliche, semantische Eingaben
• Betrugserkennung: Analyse von Transaktionsdaten, Verhaltensmustern und bekannten Betrugsmustern in Echtzeit
• Forschung im Bereich Life Sciences: Integration von klinischen Studien, Veröffentlichungen und Behandlungsergebnissen mithilfe hybrider semantischer und strukturierter Abfragen

Hierbei handelt es sich um Anwendungsfälle, bei denen die Relevanz bei Formaten, Systemen und Verbindungen liegt.

Entwicklungsprozesse leicht gemacht

Â鶹ԭ´´ HANA Cloud bietet Entwicklern folgenden Nutzen:

• Einheitliche Plattform für alle Datenmodelle: Strukturierte, unstrukturierte und semantische Daten können kombiniert werden, ohne dass mehrere Systeme wie ein Flickwerk zusammengefügt werden müssen.
• Integrierter Support für moderne KI-Workloads: Anwendungsfälle wie RAG sind auch ohne externe Vektorspeicher oder Pipelines möglich.
• Enge Integration mit Â鶹ԭ´´ und offenen Partnernetzen: Die Â鶹ԭ´´ Business Technology Platform und beliebte Open-Source-Tools können mit minimalem Aufwand eingerichtet und genutzt werden.
• Fokus auf Innovation statt auf Infrastruktur: Es ist nicht mehr notwendig, separate Triplestore-Datenbanken, Suchmaschinen oder Vektordatenbanken zu verwalten und zu pflegen.

Unternehmen können so schneller Prototypen erstellen und profitieren von einer saubereren Architektur und weniger komplexen betrieblichen Abläufen.

Neue Ansätze für Datenbanken

In Unternehmen, die ihren Fokus auf KI legen, sind Daten nicht nur ein Thema, das hinter den Kulissen eine wichtige Rolle spielt, sondern auch ein wichtiger Innovationstreiber. Und um Innovationen voranzutreiben, benötigen sie eine flexible, intelligente und einheitliche Infrastruktur.

Â鶹ԭ´´ HANA Cloud stellt Bausteine bereit, mit denen eine leicht zugängliche Infrastruktur für KI-Apps erstellt werden kann. Das erleichtert nicht nur KI-Workloads, sondern beschleunigt diese auch – und zwar mit einer einzigen Plattform, die Semantik, die Erkennung von Ähnlichkeit und Struktur in Echtzeit zusammenführt.

Eine KI benötigt mehr als nur Zugriff auf Daten, und Â鶹ԭ´´ HANA Cloud erfüllt diese Anforderung bestens.

Wichtigste Erkenntnisse

• Einheitlicher Multi-Modell-Ansatz: Vektor-, Diagramm-, Geo-, Text- und relationale Daten auf einer Plattform
• Intelligente Abfragen: Erstellung intelligenter Abfragen mithilfe von SQL, SPARQL und Vektorsuchen
• Generative KI: Unterstützung von GraphRAG, VectorRAG und HybridRAG mit vollständiger Erklärbarkeit
• Weniger Komplexität: Keine Notwendigkeit mehr für separate Vektorspeicher oder Knowledge Graph Engines

Weitere Informationen

• Möchten Sie Â鶹ԭ´´ HANA Cloud in Aktion erleben? Im Â鶹ԭ´´ Discovery Center erfahren Sie, wie Sie mit Â鶹ԭ´´ HANA Cloud Ihre KI-Architektur vereinheitlichen und verbessern können:
• Hören Sie sich den Podcast an.
• Erfahren Sie mehr über die und den .

---

Philipp Herzig ist CTO und Chief AI Officer sowie Mitglied des erweiterten Vorstands der Â鶹ԭ´´ SE.
Stefan Bäuerle ist Senior Vice President und Head of Â鶹ԭ´´ BTP/Â鶹ԭ´´ HANA & Persistency bei der Â鶹ԭ´´.