Neo4j kündigt die Zusammenarbeit mit Microsoft an und baut sein Angebot rund um einheitliches Datenmanagement und GenAI weiter aus. Die native Integration der Neo4j Graphdatenbank in Microsoft Fabric und Azure OpenAI Service ermöglicht es, strukturierte und unstrukturierte Daten für die Analyse miteinander zu verknüpfen und verborgene Muster und Beziehungen innerhalb der Daten aufzudecken.
Als All-in-One-Analyselösung deckt Microsoft Fabric zentrale Aufgaben in einer Plattform ab, von der Datenverschiebung über Data Science bis hin zu Real-Time Analytics und Business Intelligence. Azure OpenAI Service bietet darüber hinaus Zugriff auf die leistungsstarken Sprachmodelle von OpenAI und damit einer Vielzahl von vordefinierten und zusammengestellten KI-Modellen, um schnell und effektiv GenAI-Lösungen zu entwickeln.
Mit der Integration der Graphdatenbank in die beiden Microsoft Services profitieren Entwickler nun zukünftig auch von den leistungsstarken Graph-Features im GenAI-Umfeld.
Integration von Neo4j in Azure OpenAI Service:
- Umwandlung von Daten in einen Knowledge Graph: Über Azure OpenAI Service lassen sich unstrukturierte Daten verarbeiten, strukturieren und in einen Knowledge Graphen laden. Dort stehen Anwendern zur weiteren Analyse umfangreiche Neo4j-Tools zur Verfügung, darunter Neo4j Bloom für die Datenvisualisierung oder der Neo4j Connector for Power BI für Business Intelligence (BI).
- GraphRAG für Kontext und Erklärbarkeit: In Kombination mit den GenAI-Funktionen von Neo4j lässt sich Azure OpenAI Service für vollständig integrierte GraphRAG-Anwendungen nutzen. GraphRAG ist eine Form von Retrieval Augmentation Generation (RAG), wobei LLMs mit externen Daten eines Knowledge Graphs (z. B. Unternehmensdaten) ergänzt werden, um Antworten relevanter, aktueller und präziser zu machen. Darüber hinaus können Unternehmen GenAI Orchestration Plattformen wie LangChain und LlamaIndex verwenden.
- Long Term Memory für LLMs durch Vektor-Embeddings: Neo4j unterstützt native Vektor Embeddings, Vektorsuche und Vektorspeicherung und ermöglicht damit Long Term Memory für LLMs. Entwickler können so nativ Azure OpenAI-Einbettungs-APIs verwenden, um Vektor-Embeddings zu generieren und sie in der Neo4j-Datenbank zu speichern, um sie dann später in RAG und anderen Zugriffsstrategien zu nutzen.
Integration von Neo4j in Microsoft Fabric:
- Einheitliche Datenplattform mit Graph-Features: Kunden von Microsoft Fabric erhalten mit der Integration vollen Zugriff auf die Analysefunktionen von Neo4j. Über die Implementierung der Azure Data Factory lassen sich Daten aus dem Microsoft OneLake in die Graphdatenbank integrieren. Die Datenextraktion aus Synapse Data Warehouse erfolgt mithilfe des Neo4j Data Warehouse Connectors. Darüber hinaus können Datenanalysten Graph Data Science-Algorithmen in Synapse Data Science Notebooks ausführen, um Muster und Beziehungen innerhalb der Daten zu analysieren. Power BI lässt sich schließlich nutzen, um interaktive Dashboards auf Basis von Knowledge Graphen zu generieren.
- Graph Analytics als Fabric-Workload: Die Teams von Neo4j und Microsoft Fabric arbeiten daran, Neo4j als nativen Workload für Graph Analytics auf der Microsoft Fabric-Plattform bereitzustellen. Anwender können zukünftig direkt von Fabric aus auf Graph Analytics-Workload zugreifen, Graphmodelle aus OneLake-Daten erstellen, die Quelldaten performant in den Graph importieren, Graphdaten analysieren und visualisieren, Graph-Algorithmen verwenden, um ihre Ergebnisse dank nahtloser End-to-End-Integration schlussendlich wieder in OneLake zurückzuschreiben.
Neo4j AuraDB ist bereits in Microsoft Azure verfügbar. Die Integration der Neo4j-Graphdatenbank in Azure OpenAI Service ist ab sofort verfügbar. Die Integration des Graph Analytics-Workload in Microsoft Fabric folgt in den nächsten Monaten.
„Die Kombination der Graph-Features in Neo4j mit der Skalierbarkeit der Microsoft Azure Infrastruktur, den KI-Modellen von Azure OpenAI Service und der KI-gestützten Analyse-Plattform von Microsoft Fabric vereinfacht den Einstieg in die nächste Phase von GenAI“, erklärt Sudhir Hasbe, Chief Product Officer bei Neo4j.
„Unternehmen können jetzt noch tiefer in ihre Daten eintauchen, innerhalb komplexer Datenbeziehungen navigieren und GenAI-Innovationen in Produktion nehmen. Die Zusammenarbeit zwischen Neo4j und Microsoft definiert neu, was Unternehmen mit ihren Daten im GenAI-Umfeld erreichen können.“