Warum föderierte Wissensgraphen das fehlende Glied in Ihrer KI-Strategie sind

Ein kürzlich erschienener McKinsey-Bericht mit dem Titel "Superagency am Arbeitsplatz: Menschen befähigen, das volle Potenzial von KI zu erschließen "stellt fest, dass 92 Prozent der Unternehmen in den nächsten drei Jahren ihre Investitionen in KI erhöhen wollen". Weiter heißt es, dass die Unternehmen strategisch darüber nachdenken müssen, wie sie KI einbinden. Zwei Bereiche, die hervorgehoben werden, sind "föderierte Governance-Modelle" und "Menschenzentrierung". Hier können Teams KI-Modelle erstellen und verstehen, die für sie funktionieren, während sie über ein zentrales Framework verfügen, um diese Modelle zu überwachen und verwalten . Dies ist der Ort, an dem der föderierte Wissensgraph ins Spiel kommt.

Für Daten- und IT-Verantwortliche, die moderne Unternehmensplattformen entwerfen, ist der föderierte Wissensgraph ein leistungsfähiges Architektur- und Designmuster für das Datenmanagement, das die semantische Integration über verteilte Datenökosysteme hinweg ermöglicht. Bei der Implementierung mit der Actian Data Intelligence Plattformwird ein föderierter Wissensgraph zur Grundlage für kontextbezogene Automatisierung, die Ihr Datengeflecht mit skalierbar und erklärbarer KI verbindet.

Knowledge Graph vs. Federated Knowledge Graph

Ein Wissensgraph stellt Daten als ein Netzwerk von Entitäten (Knoten) und Beziehungen (Kanten) dar, angereichert mit Semantik (Ontologien, Taxonomien, Metadaten). Anstatt Daten nach Zeilen und Spalten zu organisieren, modelliert er, wie Konzepte miteinander in Beziehung stehen.

Ein Beispiel: "Kunde X hat Produkt Y im Geschäft Z am Datum D gekauft."

Ein föderierter Wissensgraph geht noch einen Schritt weiter. Er verbindet unterschiedliche, verteilte Datensätze in Ihrem Unternehmen zu einem virtuellen semantischen Graphen, ohne die zugrunde liegenden Daten aus den Systemen zu verschieben.

Mit anderen Worten:

• Sie brauchen keine a zentralisierten Daten-Lake.
• Sie müssen nicht auf alle Schemata harmonisieren im Voraus zu harmonisieren.
• Sie bauen eine logische Schicht auf die Daten miteinander verbindet mit einer gemeinsamen Bedeutung.

Auf diese Weise können sowohl Menschen als auch Maschinen durch den Graphen navigieren, um Fragen zu beantworten, neues Wissen abzuleiten oder Aktionen zu automatisieren, und das alles auf der Grundlage von Kontext, der sich über mehrere Systeme erstreckt.

Realitätsnahes Beispiel eines föderierten Wissensgraphen in Aktion

Ihre Kundendaten befinden sich in einem Cloud CRM, Auftragsdaten in SAP und Web-Analysen in einem Cloud Data Warehouse. Traditionell bräuchten Sie eine komplexe ETL-Pipeline (Extrahieren, Transformieren und Laden), um diese Datensätze zu verbinden.

Mit einem föderierten Wissensgraphen:

• "Kunde", "Nutzer" und "Auftraggeber" können als eine einheitliche Einheit aufgelöst werden.
• Die Beziehungen zwischen ihren Verhaltensweisen, Käufen und Support-Tickets werden als Kanten modelliert.
• Noch wichtiger ist, dass KI Fragen beantworten kann wie "Welche hochwertigen Kunden haben Reibungsverluste im Support erlebt, die mit einem geringeren Engagement korrelieren?"

Diese Art von Erkenntnis ist der Antrieb für intelligente Automatisierung.

Warum föderierte Wissensgraphen wichtig sind

Wissensgraphen werden derzeit in verschiedenen Anwendungen eingesetzt, insbesondere in Empfehlungsmaschinen. Der föderierte Ansatz befasst sich jedoch mit der bereichsübergreifenden Integration, die besonders in großen Unternehmen wichtig ist.

Föderation bedeutet in diesem Zusammenhang:

• Die Daten bleiben unter lokaler Kontrolle (entscheidend für eine Datengitterstruktur). 
• Eigentum und Verwaltung bleiben dezentralisiert. 
• Der Echtzeit-Zugriff ist ohne Doppelarbeit möglich. 
• Die Semantik wird global geteilt, so dass KI-Systeme bereichsübergreifend funktionieren können. 

Dies macht föderierte Wissensgraphen besonders nützlich in Umgebungen, in denen Daten abteilungsübergreifend, über Cloud und Geschäftsbereiche hinweg verteilt sind.

Wie föderierte Wissensgraphen die KI-Automatisierung unterstützen

Die KI-Automatisierung beruht nicht nur auf Daten, sondern auch auf Verständnis. Ein föderierter Wissensgraph liefert dieses Verständnis auf verschiedene Weise:

• Semantische Vereinheitlichung: Behebt Inkonsistenzen in der Benennung, Struktur und Bedeutung von Datensätzen.
• Inferenz und Schlussfolgerungen: KI-Modelle können Graphentraversal und Ontologien nutzen, um neue Erkenntnisse zu gewinnen.
• Erklärbarkeit: In föderierten Wissensgraphen werden die Pfade hinter KI-Entscheidungen gespeichert, was zu mehr Transparenz und Verständnis führt. Dies ist entscheidend für Compliance und Vertrauen.

Für Dateningenieure und IT-Teams bedeutet dies, dass sie weniger Zeit für die Pflege von Pipelines aufwenden müssen und mehr Zeit für die Entwicklung intelligenter Anwendungen haben.

Ergänzung von Data Mesh und Data Fabric

Föderierte Wissensgraphen sind nicht nur eine Ergänzung zu Ihrer modernen Datenarchitektur; sie erweitern deren Funktionen. Zum Beispiel:

• In einer Datengitterarchitekturbehalten die Domänen die Kontrolle über ihre Datenprodukte, aber die Semantik kann fragmentiert werden. Föderierte Wissensgraphen bieten eine globale semantische Ebene, die eine konsistente Bedeutung über diese Domänen hinweg gewährleistet, ohne dass eine zentrale Verwaltung erforderlich ist.
• Bei einem Data-Fabric-Design-Ansatzliegt der Schwerpunkt auf der automatischen Datenintegration, -erkennung und -verwaltung. Föderierte Wissensgraphen dienen als Argumentationsschicht über der Fabric und ermöglichen es KI-Systemen, Beziehungen zu interpretieren und nicht nur auf Rohdaten zuzugreifen.

Sie ergänzen sich nicht nur in einem komplexen architektonischen Aufbau, sondern ermöglichen, wenn sie von einem föderierten Wissensgraphen unterstützt werden, ein skalierbar, intelligentes Datenökosystem.

Eine intelligentere Grundlage für KI

Für technische Führungskräfte geht es bei der KI-Automatisierung darum, den Modellen den Kontext zu geben, in dem sie denken und effektiv handeln können. Ein föderierter Wissensgraph bietet die skalierbar, semantische Grundlage, die KI benötigt, und die Actian Data Intelligence Platform macht sie zur Realität.

Die Actian Data Intelligence Platform basiert auf einem föderierten Wissensgraphen, der Ihre fragmentierte Datenlandschaft in eine vernetzte, KI-fähige Wissensschicht umwandelt und eine leicht zugängliche Implementierungsplattform bietet:

• Datenzugriff ohne Datenverschiebung: Sie können eine Verbindung zu verteilten DatenquellenCloud, On-Premise, Hybrid) herstellen, ohne Daten zu verschieben oder zu duplizieren, was eine semantische Integration ermöglicht.
• Metadaten : Sie können geschäftliche Metadaten und Domänenontologien anwenden, um Entitätsdefinitionen und Beziehungen über Silos hinweg zu vereinheitlichen und eine gemeinsame semantische Ebene für KI-Modelle zu schaffen.
• Governance und Abstammung: Sie können den Ursprung, die Umwandlung und die Verwendung von Daten in Ihrer gesamten Pipeline nachverfolgen und so erklärbare KI und die Einhaltung von Vorschriften unterstützen.
• Wiederverwendbarkeit: Sie können die Deployment mit wiederverwendbaren Datenmodellen beschleunigen und mehrere Anwendungen (z. B. Customer 360 und Predictive Maintenance) mit der gleichen föderierten Wissensschicht betreiben.

Starten Sie mit Actian Data Intelligence

Machen Sie eine Produkttour und erleben Sie Datenintelligenz auf der Basis eines föderierten Wissensgraphen.

Über Actian Corporation

Actian versetzt Unternehmen in die Lage, Daten in großem Umfang sicher zu verwalten und zu steuern. Die Data-Intelligence-Lösungen von Actian helfen beim Optimieren komplexer Datenumgebungen und einer beschleunigten Bereitstellung von KI-fähigen Daten. Actian-Lösungen sind flexibel, lassen sich nahtlos integrieren und arbeiten zuverlässig in On-Premises-, Cloud- und Hybrid-Umgebungen. Erfahren Sie mehr über Actian, die Datenabteilung von HCLSoftware, unter actian.com.