Neo4j kündigt die native Integration seiner Graph Data Science Lösung in die Snowflake AI Data Cloud an. Ziel der Integration ist es, Komplexität und administrative Hürden zu reduzieren und für Kunden von Snowflake den Einsatz von Graphtechnologie zu vereinfachen. Gerade für KI/ML, prädiktive Analysen und GenAI-Anwendungen ist dieser einfache Einstieg entscheidend.
Unternehmen können ihre sicheren, verwalteten Daten nativ in Snowflake nutzen, skalieren und sie mit den Graph-Analytics-Funktionen von Neo4j erweitern. Die neuen Funktionen von Neo4j Graph Data Science in Snowflake Data Cloud sind ab sofort als Preview und über Early Access-Zugang verfügbar. Die allgemeine Verfügbarkeit folgt im Laufe des Jahres über den Snowpark Marketplace.
- Out-of-the-box Graph-Algorithmen
Anwender können in der Snowflake Data Cloud die Programmiersprache SQL verwenden, um Knowledge Graphen zu generieren und mehr als 65 vorkonfigurierte Graph-Algorithmen auszuführen – darunter einfach zu bedienende Tools für Maschinelles Lernen (ML). Die Neo4j Library ist als nativer Service in Snowflake integriert.
Da die Graph-Algorithmen als SQL-Funktion zur Verfügung stehen, können Nutzer ML-Pipelines um Graph-Features erweitern (z. B. Influencer Score, Community-Identifier, Page Rank) und die Genauigkeit ihrer MLs verbessern. So lassen sich zum Beispiel Anomalien im Rahmen der Betrugsaufdeckung und des Supply Chain Managements aufdecken und Recommendation Engines für den Kundenservice optimieren. - Zero ETL (Extrahieren, Transformieren, Laden)
Zero ETL vereinfacht Sicherheit, Daten-Workflows und reduziert den Overhead. Anwender können die Neo4j Library einschließlich Graph-Algorithmen direkt nutzen, ohne ihre Daten zuvor extrahieren, transformieren und in eine andere Datenbank laden zu müssen. Eine Freigabe durch das IT-Procurement und die IT-Sicherheit für den Datentransfer zu einem anderen SaaS-Anbieter ist ebenfalls nicht mehr nötig. - Gewohnte Snowflake Umgebung, Tools und Sprachen
Mit der Integration werden die Graph Data Science-Funktionalitäten von Neo4j Teil des ganzheitlichen Toolsets der Snowflake-Plattform. Data Scientists und Entwickler können weiterhin Snowflake SQL für ihre Arbeitsabläufe verwenden, eine agile Entwicklung sicherstellen und schnell und einfach mehr Nutzen aus ihren Daten ziehen. Neo4j arbeitet mit den neuen, auf dem Snowflake Data Cloud Summit vorgestellten Snowpark Container Services (SPCS). - Teil des GenAI Stacks
Mit der Neo4j Graphdatenbank lassen sich Knowledge Graphen und Vektoren generieren, die auf strukturierten und unstrukturierten Daten sowie den Beziehungen zwischen den Daten basieren. Diese Fähigkeit ist Teil des umfassenden GenAI-Stacks in Snowflake, der sowohl die Vektorsuche als auch die Snowflake Arctic LLM-Modelle umfasst. Daten lassen sich damit auf eine Art und Weise repräsentieren, die Antworten von GenAI-Anwendungen verständlicher, erklärbarer und nachvollziehbarer macht. - Cloud-nativ und flexibel
Anwender können Graph Data Science-Umgebungen nahtlos aus Snowflake SQL heraus erstellen und zahlen mit Snowflake Credits für die während der Laufzeit der Algorithmen genutzten Snowflake Ressourcen. Die temporären Umgebungen sind so konzipiert, dass sich Aufgaben der Nutzer an die spezifischen Anforderungen anpassen, was eine effiziente Ressourcenzuweisung und niedrige Kosten garantiert. Graph Analytics-Ergebnisse lassen sich ebenfalls nahtlos in Snowflake integrieren, was die Interaktion mit anderen Data Warehouse-Tabellen vereinfacht.
„Die Integration der Graph Data Science-Funktionen von Neo4j in die Snowflake AI Data Cloud ist für unsere gemeinsamen Kunden ein großer Schritt nach vorn“, erklärt Jeff Hollan, Head of Applications and Developer Platform bei Snowflake. „Gemeinsam statten wir Unternehmen mit den Tools aus, die sie benötigen, um tiefere Einblicke in ihre Daten zu gewinnen, Innovationen schneller voranzutreiben und neue Standards für intelligente Entscheidungen zu setzen.“
„Die Kombination der Graph Analytics Power von Neo4j und der Skalierbarkeit und Leistung von Snowflake holt Anwender in ihrer gewohnten SQL-Benutzeroberfläche ab und führt sie auf einfachen und direkten Weg zu den Möglichkeiten von Graphtechnologie“, so Sudhir Hasbe, Chief Product Officer bei Neo4j. „Die native Integration in die Snowflake-Plattform bietet Unternehmen damit das volle Potential, um die nächsten Schritte in Richtung KI/ML, Predictive Analytics und Generative AI effektiv zu gehen.“
Neo4j Graph Data Science ist eine Lösung für Analytik und maschinelles Lernen (ML), die verborgene Beziehungen in Milliarden von Datenpunkten identifiziert und in ihrem Kontext analysiert. Die Neo4j Library enthält Graph-Algorithmen und ML-Modellierung, mit denen Anwender ihre Vorhersagen verbessern und neue Erkenntnisse gewinnen können.
Knowledge Graphen erfassen Beziehungen zwischen Entitäten, verankern LLMs innerhalb von Fakten und liefern damit die für GenAI-Anwendungen notwendige Erklärbarkeit, Aktualität, Genauigkeit sowie Kontext für relevante Antworten. Zu den Kunden von Neo4j Graph Data Science gehören u.a. Boston Scientific, Novo Nordisk, OrbitMI.
Gartner prognostiziert, dass Graphtechnologie bis 2025 in 80 Prozent der Daten- und Analyseinnovationen zum Einsatz kommt. 2021 gingen die Analysten noch von 10 Prozent aus*. Entscheidend sei das Zusammenspiel zwischen der Performance großer Sprachmodelle (LLMs) und der „Robustheit“ von Knowledge Graphen, um fehlertolerante KI-Anwendungen zu entwickeln.