Die neue verteilte Grapharchitektur unterstützt transaktionale (OLTP) und analytische (OLAP) Workloads in einem einzigen System bei 100-TB+ Skalierung. Der Graph wird dabei nicht fragmentiert und es entsteht keine doppelte Infrastruktur, bei gleichbleibend hoher Performance. Infinigraph eröffnet damit neue Anwendungsgebiete in einer Phase, in der GenAI-Deployments eine bisher nicht erreichte Datenskalierung erfordern.
Die neue Architektur löst ein zentrales Datenproblem von Unternehmen, die aufgrund von Datensilos mit voneinander getrennten transaktionalen Systemen und analytischen Tools arbeiten müssen. Diese Trennung erschwert den Einsatz von KI-Anwendungen, verlangsamt Entscheidungen in Echtzeit und treibt die Kosten durch komplexe Integrationen in die Höhe.
Stattdessen sehen sich Unternehmen gezwungen, zwei Datenbanken zusammenzuführen, mehrere getrennte Systeme zu synchronisieren oder eine einzelne Engine über ihre Grenzen hinaus zu belasten. Infinigraph löst dieses Problem direkt. In der neuen Architektur wird Sharding eingesetzt, wodurch die Property-Daten des Graphen über verschiedene Cluster-Mitglieder verteilt werden.
Der Graph bleibt dabei logisch vollständig, Abfragen verhalten sich wie erwartet und Anwendungen lassen sich ohne Codeänderungen oder manuelle Workarounds skalieren. So können Teams beide Workload-Typen im selben System und in sehr großem Umfang ausführen – ohne ETL-Pipelines, Synchronisationsverzögerungen oder redundante Infrastruktur.
Autonome KI-Agenten, Compliance-Systeme und transaktionale Anwendungen lassen sich auf einer konsistenten, vernetzten Datenbasis betreiben. Unternehmen können so zum Beispiel im selben Datensatz Betrugsversuche erkennen und Netzwerke analysieren. Sie können in Echtzeit Kundenempfehlungen generieren und gleichzeitig jahrzehntelange Kundendaten und Verhaltenstrends auswerten.
Leistung und Features von Infinigraph im Überblick:
- 100TB+ horizontale Skalierung ohne Anpassungen von Anwendungen
- Einbettung von Milliarden Vektoren direkt im Graphen
- Hohe Performance auch bei sehr großen transaktionalen und analytischen Workloads
- Hohe Verfügbarkeit über mehrere Rechenzentren hinweg durch autonomes Clustering, das Ausfälle automatisch erkennt und behebt
- Keine ETL-Pipelines, keine Synchronisationsverzögerungen und kein doppelter Speicher
- Erhalt der Graphstruktur für Traversals in Echtzeit, auch bei hoher Skalierung
- Volle ACID-Compliance für konsistente Enterprise-Datenintegrität
- Preismodell für Skalierung: Compute und Storage werden separat abgerechnet – für mehr Kontrolle über Kosten und flexible Deployments
Mit Infinigraph stellt Neo4j Anwendern das gesamte Spektrum an Scale-Architekturen bereit. Teams können replizierte Graphen für High Availability und Read Scalability einsetzen, föderierte Graphen mit Neo4j Fabric für Abfragen über getrennte Graphen nutzen oder geshardete Graphen mit Infinigraph für nahtlose Skalierbarkeit. Die Kombination dieser Architekturen deckt unterschiedliche Anwendungsfälle im gesamten Unternehmen ab.
Die neue verteilte Grapharchitektur markiert einen weiteren Meilenstein von Neo4j. Der Anbieter brachte als Erster Graph-Analytics für beliebige Datenplattformen auf den Markt, führte native Vektorsuche für Graph-basiertes GenAI-Retrieval ein, machte sein gesamtes Cloud-Portfolio KI-tauglich und entwickelte Enterprise-level Graph Data Science (inkl. Graph-Algorithmen-Bibliothek).
Damit positioniert Neo4j seine Graphdatenbank als zentralen Graph-Layer für intelligente Anwendungen. Bereits heute wird die native Grapharchitektur von mehr als der Hälfte der Fortune-500-Unternehmen eingesetzt und kommt in 84 der Fortune-100-Unternehmen zum Einsatz (u. a. Adobe, BT Group, Novo Nordisk, Uber, UBS).