Entwicklung und Deployment von GenAI-Anwendungen Neo4j bringt GraphRAG-Funktionen in Google Cloud

Anbieter zum Thema

Google Cloud EMEA Ltd

neo4j

Windhoff Group

Die native Integration der Neo4j-Graphdatenbank in Google Cloud soll die Entwicklung und Bereitstellung von GenAI-Anwendungen beschleunigen und bekannte Probleme wie KI-Halluzinationen lösen. Mit GraphRAG komme eine Form von Retrieval Augmentation Generation (RAG) zum Einsatz.

RAG bezeichnet einen Ansatz, bei dem große Sprachmodelle (LLMs) mit externen Daten ergänzt werden, um Antworten relevanter, aktueller, nachvollziehbarer und präziser zu machen. Handelt es sich bei dieser Datenquelle um einen Knowledge-Graphen, spricht man von GraphRAG.

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. Laut dem 2023 veröffentlichten Gartner-Report „AI Design Patterns for Knowledge Graphs and Generative AI“ ist das Zusammenspiel zwischen der Performance großer Sprachmodelle (LLMs) und der „Robustheit“ von Knowledge Graphen entscheidend, um fehlertolerante KI-Anwendungen zu entwickeln.

Dank der Neo4j-Integration in die Google Cloud seien Entwickler in der Lage, GraphRAG nahtlos zu implementieren:

• Schnelles Erstellen von Knowledge Graphen: Mit Google Cloud, dem KI-Modell Gemini, Vertex AI, LangChain und Neo4j könnten Entwickler Knowledge Graphen aus unstrukturierten Daten wie PDFs, Webseiten und Dokumenten erstellen – entweder direkt oder geladen aus Google Cloud Storage Buckets.

• Aufnahme, Verarbeitung und Analyse von Echtzeitdaten: Entwicklern stehen Flex Templates in Dataflow zu Verfügung, um wiederholbare, sichere Datenpipelines aufzubauen und Daten über Google BigQuery, Google Cloud Storage und Neo4j einzulesen, zu verarbeiten und zu analysieren. Darüber hinaus würden die Knowledge Graphen so mit Echtzeitdaten versorgt, um Relevanz, Aktualität und Reaktionsfähigkeit von GenAI-Anwendungen sicherzustellen.

• Graphbasierte GenAI-Anwendungen auf Google Cloud: Dank Gemini for Google Workspace und der Reasoning Engine von Vertex AI sei es möglich, GenAI-Anwendungen und APIs auf Google Cloud Run bereitzustellen, zu überwachen und zu skalieren. Das KI-Modell Gemini sei auf den Daten von Neo4j trainiert worden, um beliebige Sprachcode-Schnipsel automatisch in die Abfragesprache Cypher von Neo4j zu verwandeln. Diese Integration ermögliche eine schnelle, einfache und kollaborative Anwendungsentwicklung. Entwickler könnten Cypher zudem in jeder integrierten Entwicklungsumgebung (IDE) verwenden, die vom KI-Modell Gemini unterstützt wird, wodurch eine effiziente Abfrage und Visualisierung von Graphdaten sichergestellt werde. Neo4js Vektorsuche, GraphRAG und Conversational-Memory-Funktionen seien nahtlos über LangChain und Neo4j AuraDB auf Google Cloud integriert.

(ID:49995418)