Von räumlichen Daten zu Vektoren: Wie HCL Informix® Ihre vorhandenen Daten mit KI ausstattet

Die Datenbank, die sich ständig weiterentwickelt

Das ist eine Geschichte, die ich nicht oft erzähle. Durch die Arbeit mit Datenbanken im Studium habe ich sie zu hassen gelernt.

Und dann tat das Karma, was Karma eben so tut: Bei einem meiner ersten Jobs ging es um Informix. Das ist fast 30 Jahre her, und der Rest ist Geschichte. Was mich dabei gehalten hat, war nicht nur die Leistung oder die Zuverlässigkeit: Es war die Tatsache, dass Informix nie stillstand. Jedes Mal, wenn die Branche sagte: „Dafür brauchst du ein neues Tool“, antwortete Informix: „Oder du bringst es mir einfach bei.“

Heute behauptet die Branche, man brauche eine spezielle Vektordatenbank für KI. Pinecone. Milvus. Weaviate. Eine ganz neue Kategorie von Infrastruktur, die bereitgestellt, gesichert und gewartet werden muss. Und wozu? Nur um Einbettungen neben den Daten zu speichern, die man ohnehin schon verwalten.

Ich möchte Ihnen sagen: Sie brauchen keine weitere Datenbank. Sie müssen mit der, die Sie bereits haben, mehr erreichen. Und genau das geschieht gerade. HCL Informix® 15 erhält native Vektorunterstützung – ab Sommer 2026. Und Actian macht dies möglich.

Seien Sie unter den Ersten, die das Vector Blade in HCL Informix 15 ausprobieren. Tragen Sie sich in die Warteliste ein

Warum Vektor für Ihr Unternehmen wichtig ist

Bevor wir uns mit dem „Wie“ befassen, wollen wir zunächst über das „Warum“ sprechen. Bei der Vektorsuche werden unstrukturierte Daten (Text, Bilder, Sensorwerte, Dokumente) in numerische Darstellungen umgewandelt, die als „Embeddings“ bezeichnet werden. Diese Embeddings können dann auf Ähnlichkeit hin verglichen werden. Das ist die Grundlage für die semantische Suche, Empfehlungsmaschinen und die „Retrieval-Augmented Generation“ (RAG). Dies entspricht dem aktuellen Stand der Technik im Bereich der KI. 

Das ist weder abstrakt noch futuristisch. Es geschieht gerade jetzt in all den Branchen, in denen Informix seit Jahrzehnten ein bewährtes Arbeitstier ist.  

Einzelhandel: Produktempfehlungen und visuelle Suche, die nicht nur Schlüsselwörter, sondern auch die Absicht hinter der Suche verstehen. 

Fertigung:Anomalie anhand von Sensor-Einbettungen, um Fehler zu erkennen, bevor sie zu Rückrufaktionen führen. 

Finanzdienstleistungen: Erkennung von Betrugsmustern und Dokumentähnlichkeiten bei Millionen von Transaktionen. 

IoT: Ähnlichkeitsbasierte Warnmeldungen zu Zeitreihenmustern – eine nahtlose ErweiterungFähigkeiten bestehenden, erstklassigenFähigkeiten von Informix. 

Gastgewerbe: Eine Hotelkette speichert Gästeprofile in Informix, darunter Buchungshistorie, Zimmerpräferenzen, Essenswünsche und Spa-Nutzung. Mithilfe von Vektor-Einbettungen findet eine Ähnlichkeitssuche beim Check-in Gäste mit den ähnlichsten Geschmacksprofilen und zeigt an, was ihnen gefallen hat: das Dachrestaurant, der späte Check-out, das Spa-Paket oder die Bourbon-Auswahl an der Bar (sie fangen an, mich wirklich gut zu kennen). Nicht, weil eine Regel dies vorschreibt, sondern weil ähnliche Gäste es geliebt haben. Und da HCL Informix Lese-/Schreibvektoren unterstützt, wird die Einbettung des Gastes bei jedem Aufenthalt, jeder Mahlzeit und jeder Bewertung aktualisiert – und dies geschieht innerhalb derselben ACID-Transaktion, die die Buchung erfasst. Kein Batch-Job. Keine veralteten Empfehlungen. 

Der Druck seitens der Unternehmensleitung ist real: „KI integrieren“, ohne den betrieblichen Aufwand zu erhöhen. Doch es gibt eine subtilere Herausforderung, die die meisten KI-Initiativen zum Scheitern bringt: der Weg in die Produktion. Ein Proof of Concept ist einfach. Aber die Sicherheitsprüfung, die Compliance-Zertifizierung, die Bereitstellung der Infrastruktur, backup und die operative Freigabe zu bewältigen? Genau hier geraten Projekte ins Stocken (oder sterben mehr oder weniger still). Die Vector-Unterstützung innerhalb Ihrer bestehenden Datenbank verkürzt diesen Weg erheblich. Das Sicherheitsmodell ist bereits genehmigt. Die backup sind bereits vorhanden. Das Betriebsteam kennt die Engine bereits. Sie verlangen von niemandem, eine neue Infrastruktur einzuführen. Sie bitten sie lediglich, mit dem, was sie bereits kennen und dem sie vertrauen, mehr zu erreichen. 

Nichts geht über Informix bei der Vektorverarbeitung

Ja, es gibt Vektordatenbanken. Ja, PostgreSQL verfügt über pgvector. Aber keine davon ist Informix. 

Das neue HCL Informix Vector Blade führt einen nativen Vektordatentyp ein, der auf derselben Erweiterbarkeitsarchitektur basiert, die Informix zu einem führenden Anbieter für räumliche Daten, Zeitreihen und JSON-Daten gemacht hat. Vektoren sind weder angehängt noch eingeschränkt – sie sind vollwertige Bestandteile, die wie jeder andere Datentyp in der Engine repliziert, gesichert, indiziert und verwaltet werden. 

Auch andere Datenbanken bieten mittlerweile Vektorunterstützung an, doch der Umfang der Implementierung variiert. PostgreSQL mit pgvector ist die beliebteste Open-Source-Option, doch die Skalierung für Unternehmensanwendungen erfordert eine sorgfältige Optimierung, und in puncto Sicherheit und Governance ist man auf sich allein gestellt. Oracle AI Vector Search ist technisch ausgereift, bringt jedoch den umfangreichen Oracle-Stack, Lizenzkosten und Komplexität mit sich. Und eigenständige Vektordatenbanken wie Pinecone oder Milvus? Sie lösen ein Problem, schaffen aber gleichzeitig ein neues: ein neues System, das bereitgestellt, gesichert, synchronisiert und bezahlt werden muss. 

HCL Informix verfolgt einen anderen Ansatz. Das Vektor-Blade behandelt Vektoren innerhalb der Engine als native Typen, mit derselben operativen Reife, die Sie von jedem anderen von Informix verarbeiteten Datentyp erwarten. Einbettungen können wie jede andere Spalte eingefügt, aktualisiert und gelöscht werden. Dies ermöglicht dynamische RAG-Workflows, Echtzeit-Aktualisierungen und operative KI (also eindeutig nicht nur Batch-Analysen). 

Folgendes macht HCL Informix in diesem Bereich einzigartig: 

Echtes Multi-Modell von Grund auf. SQL + NoSQL + JSON + Zeitreihen + räumliche Daten + Vektordaten – alles in einer Engine. Nicht nachträglich angefügt, sondern architektonisch nativ integriert.  

Bewährt im großen Maßstab. Über 2 Millionen Transaktionen pro Sekunde, Hochverfügbarkeit auf Unternehmensniveau, minimaler Verwaltungsaufwand. Ihre Vektoren werden genauso behandelt wie Ihre Transaktionsdaten. 

Keine Datenduplizierung und kein Datenverschieben. Ihre Betriebsdaten und Ihre KI-fähigen Einbettungen existieren nebeneinander, unterliegen denselben Sicherheitsvorschriften und werden durch dieselben Prozesse gesichert. Kein ETL in einen Sidecar-Vektorspeicher. 

SQL, das Sie bereits kennen. Ähnlichkeitssuche mittels Standard-SQL unter Verwendung von Vektorabstandsmetriken. Keine neue abfragen , keine neue API. Wenn Ihr Team SQL beherrscht (und das tut es, ich habe es gesehen), wird die Einführung schnell vonstattengehen. 

ACID bei Vektoren. Transaktionen, die neben relationalen Aktualisierungen auch Vektoroperationen mit voller Beständigkeit umfassen. Probieren Sie das mit Pinecone aus. 

Framework vonKI Framework . Entwickler können HCL Informix als Vektorspeicher für RAG-Anwendungen nutzen und eine direkte Verbindung zu KI-Frameworks herstellen. 

Kostenlos für HCL Informix-Kunden. Keine zusätzlichen Lizenzen. Keine versteckten Kosten. Wenn Sie HCL Informix nutzen, erhalten Sie Fähigkeiten. 

Und so war es keine Überraschung, dass mir mein Freund Pradeep „M“ Muthalpuredathe, Vice President of Engineering für Datenbanklösungen bei Actian, bei unserem Gespräch ganz offen sagte:

Führungskräften in Unternehmen wird immer wieder gesagt, sie bräuchten eine neue Datenbank für ihre KI-Lösungen. Dem stimme ich nicht zu. Was sie brauchen, ist eine Datenbank, der sie bereits vertrauen und die sich kontinuierlich weiterentwickelt und ihren Anforderungen gerecht wird. Genau das hat Informix schon immer getan. Geodaten? Kein Problem. Zeitreihen? Haben wir. JSON? Auch. Jetzt auch Vektoren. HNSW-Indizierung. Semantische Suche. Produktionsreife RAG. Sie sehen, wohin das führt. Alles innerhalb der Engine, die unsere Kunden lieben und auf die sie sich seit Jahrzehnten verlassen. HCL Informix verlangt nicht, dass Sie von vorne anfangen. Es wächst mit Ihnen und Ihren geschäftlichen Anforderungen. Das ist kein Marketing: Das sind über 30 Jahre technische Überzeugung.

Informix im Actian-KI-Ökosystem

DasHCLVectorBlade ist kein isolation. Actian baut ein KI-fähiges Ökosystem rund um HCL Informix auf :

Der neue MCP-Server für HCL Informix, ebenfalls exklusiv bei Actian und nicht für IBM Informix verfügbar, stellt Fähigkeiten – darunter die Vektorsuche – als Tools bereit, auf die KI-Agenten direkt zugreifen können. Ihre Informix-Daten stehen agentische KI ohne eigene Integration zur Verfügung.

In Kombination mit der Actian Data Intelligence Platform für Governance und Discovery Actian DataBeobachtbarkeit zur Überwachung der Datenqualität sowie Actian AI Analyst (ehemals Wobby) für Konversationsanalysen auf Basis einer geregelten semantischen Ebene – Vektordaten in Informix versorgen ein Ökosystem, in dem Geschäftsanwender Fragen in natürlicher Sprache stellen und zuverlässige Antworten aus den Daten erhalten können, die Sie bereits verwalten. Dies ist kein Silo-Ansatz. Hier geht es darum, Ihren gesamten Daten-Stack von der Speicherung bis Erkenntnis KI-fähig zu machen. 

Und lassen Sie mich ganz offen sein: Sowohl das Vector Blade als auch der MCP Server sind Innovationen von HCL Informix, die von Actian erforscht und entwickelt wurden. Sie werden in IBM Informix nicht verfügbar sein. So sieht aktive Investition in Forschung und Entwicklung aus.  

Ihre Datenbank – jetzt KI-bereit

Sie brauchen keine weitere Datenbank. Sie müssen aus der vorhandenen mehr herausholen. 

Informix war schon immer ein Vorreiter bei Innovationen. Von einer der ersten Multi-Modell-Datenbanken bis hin zur nativen Verarbeitung von räumlichen Daten, Zeitreihendaten und JSON-Daten – die Engine hat nie aufgehört, sich weiterzuentwickeln. Der „Vector Blade“ ist das nächste Kapitel, und es wird ausschließlich von Actian geschrieben. 

Was ich mir persönlich für die Zukunft wünsche? Native Unterstützung für Datenverträge und Datenprodukte. Im Rahmen des Bitol-Projekts der Linux Foundation leite ich die Entwicklung offener Standards wie ODCS und ODPS. Stellen Sie sich vor, Informix würde nicht nur Ihre Daten und Vektoren speichern, sondern auch die Verträge, die diese beschreiben, und die Produkte, die sie bereitstellen, nativ verstehen. Keine andere Datenbank kann das. 

Man sagt, man könne einem alten Hund keine neuen Tricks beibringen. Das stimmt nicht. Die haben nur noch nie Informix kennengelernt. 

Die Vector-Blade für HCL Informix wird im Sommer 2026 ausgeliefert. Für Kunden von HCL Informix 15 ist sie kostenlos. 

Tragen Sie sich in die Warteliste ein, um zu den Ersten zu gehören, die KI in ihre Informix-Umgebung integrieren. 

„Informix“ ist in mindestens einem Rechtsgebiet eine Marke der IBM Corporation und wird unter Lizenz verwendet.

Drei Jahrzehnte, in denen ich Informix neue Tricks beigebracht habe

Das Erbe von DataBlade®

Das DataBlade® Architektur, die Mitte der 1990er Jahre mit dem Informix Universal Server entstand, basierte auf einer radikalen Idee: Die Datenbank-Engine sollte in der Lage sein, neue Datentypen zu erlernen, ohne neu kompiliert werden zu müssen. Anstatt darauf zu warten, dass der Anbieter Unterstützung für Ihre Daten hinzufügt, konnten Sie die Engine selbst erweitern. 

Diese Architektur hat sich immer wieder bewährt. Informix war die erste kommerzielle Datenbank, die auf Linux portiert wurde. Geodaten? DataBlade. Zeitreihen? DataBlade. JSON und BSON? Die native Unterstützung basiert auf demselben Framework. Jedes Mal, wenn ein neues Datenparadigma aufkam, integrierte Informix es nativ, anstatt eine separate Engine oder einen nachträglich hinzugefügten Dienst zu erfordern. 

Tatsächlich ist dies nicht einmal Informix’ erste Begegnung mit Vektoren. Das Ende der 1990er Jahre erhältliche Excalibur Image DataBlade extrahierte mithilfe von Techniken neuronaler Netze Merkmalsvektoren aus Bildern, führte eine Ähnlichkeitssuche durch und lieferte auf der Grundlage der Vektorentfernung geordnete Ergebnisse. Das war eine Vektor-Ähnlichkeitssuche innerhalb einer relationalen Datenbank, noch bevor der Begriff „Vektordatenbank“ überhaupt existierte. 

Das „Vector Blade“ ist für Informix keine neue Idee. Es ist eine Rückkehr zu den Wurzeln. 

Actian investiert, Informix entwickelt sich weiter

Das Vector Blade ist eine Innovation von HCL Informix, die von Actian entwickelt wurde. Es wird in IBM Informix nicht verfügbar sein. 

Actian investiert aktiv in die Forschung und Entwicklung von Informix. HCL Informix 15 brachte erhebliche Scalability , externe Smartblobs,Deployment und REST-APIs. Die Rückkehr der 4GL-Verfügbarkeit. Und nun native Vektorunterstützung. 

Dies ist kein Produkt, das nur noch am Tropf hängt. Es handelt sich um eine Datenbank mit einer aktiven Entwicklungsroadmap, einem engagierten Forschungs- und Entwicklungsteam und einem Unternehmen, das seine Zukunft gestaltet und nicht nur an der Vergangenheit festhält. 

Vergleichstabelle: Überblick über Vektordatenbanken 

* DB2 12.1.2+ unterstützt INSERT/UPDATE für VECTOR-Spalten, allerdings mit erheblichen betrieblichen Einschränkungen [16]. 

** In der DB2-Dokumentation heißt es: „Logische backup Wiederherstellungsvorgänge unterstützen den Typ VECTOR nicht“ [16]. 

DB2: [9], [10], [16], [17]. pgvector: [15], [18]–[21]. Oracle: [22]–[27]. Pinecone/Milvus: [21], [28]–[30]. LanceDB: [14]. Excalibur-Erbe: [31], [32]. Vergleich basierend auf öffentlich zugänglichen Informationen vom März 2026. 

Literaturverzeichnis

HCL Informix, Produkte und Fähigkeiten

1. Actian. „HCL Informix: High-Performance .“ https://www.actian.com/databases/hcl-informix/
2. Taylor, Emily. „Erleben Sie nahezu unbegrenzte Speicherkapazität mit HCL Informix 15.“ Actian-Blog, August 2025. https://www.actian.com/blog/databases/hcl-informix-15/ 
3. Schulte, Mary.Nutzer externe Smartblobs mithilfe eines Schattenverzeichnisses.“ Actian-Blog, Februar 2025.Nutzer 
4. „Data Wars: Der Aufstieg von HCL Informix.“ Actian-Blog, Februar 2025. Gewidmet Carlton Doe III (in memoriam), Gründungsmitglied der IIUG. https://www.actian.com/blog/databases/data-wars-rise-of-hcl-informix/
5. Johnson, Nick. „Entdecken Sie neue Möglichkeiten mit HCL Informix.“ Actian-Blog, August 2025. https://www.actian.com/blog/databases/imagine-new-possibilities-with-hcl-informix/ 

Actian-KI-Ökosystem

6. Radh, Dee. „Actians Produkteinführung im Winter 2026 löst das Problem des Vertrauens in Agenten und vieles mehr.“ Actian-Blog, Februar 2026. https://www.actian.com/blog/product-launches/winter-2026-launch/
7. Actian Germany GmbH. „Actian stellt Beobachtbarkeit für das Agentische KI vor.“ Pressemitteilung, 24. Februar 2026. ViaBigDATAwire.
8. Actian.Actian Data Intelligence-Plattform.“ https://www.actian.com/data-intelligence/platform/

Wettbewerbsumfeld und Quellen der Vergleichstabelle

9. IBM. „Vorstellung von IBM Db2 12.1.2: Optimieren Sie Ihre KI- und Cloud .“ Juni 2025.Cloud
10. IBM. „IBM Db2 12.1.3 ist nun allgemein verfügbar.“ November 2025. https://www.ibm.com/new/announcements/ibm-db2-12-1-3-now-generally-available-advancing-ai-for-enterprise-data-management
11. IBM. „Ankündigung der Integration von IBM Db2 Vector Store in LlamaIndex.“ November 2025. https://www.ibm.com/new/announcements/announcing-the-ibm-db2-vector-store-integration-for-llamaindex
12. LangChain. „Integration von IBM DB2 Vector Store und Vector Search.“python
13. SQLServerCentral. „Vektoren in SQL Server 2025.“ März 2026. https://www.sqlservercentral.com/articles/vectors-in-sql-server-2025
14. LanceDB. https://lancedb.com/
15. pgvector. PostgreSQL-Vektor-Erweiterung. GitHub. https://github.com/pgvector/pgvector
16. IBM. „Vektorwerte“. Db2 12.1.x-Dokumentation. Abschnitte: „UPDATE- und INSERT-Operationen mit Vektoren“ (bestätigt Lese-/Schreibzugriff), „Einschränkungen bei Vektoren“ (keine Replikation, keine logische backup, keine Indizes/Primär-/Fremdschlüssel, kein ORDER BY, kein GROUP BY, kein JOIN, kein SELECT DISTINCT). https://www.ibm.com/docs/en/db2/12.1.x?topic=list-vector-values
17. Garcia-Arellano, Christian. „Vektorindizes in DB2 – Ein erster Einblick.“ IDUG, 12. Februar 2026.
18. Instaclustr/NetApp. „pgvector: Wichtigste Funktionen [Leitfaden 2026]“. „Replikation, backup und rollenbasierte Zugriffskontrolle gelten automatisch auch für Vektordaten.“ https://www.instaclustr.com/education/vector-database/pgvector-key-features-tutorial-and-pros-and-cons-2026-guide/
19. Calmops. „PostgreSQL Vector Search: Kompletter Leitfaden 2026.“ „pg_dump und die kontinuierliche Archivierung funktionieren mit Vektorspalten. Die Point-in-Time-Wiederherstellung umfasst auch Vektordaten.“ https://calmops.com/database/postgresql-vector-search-pgvector-2026/ 
20. Microsoft Azure. „Optimierung der Leistung von Vektordaten in Azure Database for PostgreSQL.“ HNSW und IVFFlatindexes, Begrenzung auf 2000 Dimensionen. https://learn.microsoft.com/en-us/azure/postgresql/extensions/how-to-optimize-performance-pgvector 
21. DEV-Community (polliog). „PostgreSQL als Vektordatenbank.“ 2026. ACID-Transaktionen Vektoren + relationale Daten; „Kein ACID – Wie Pinecone, keine allgemeine Datenbank.“ https://dev.to/polliog/postgresql-as-a-vector-database-when-to-use-pgvector-vs-pinecone-vs-weaviate-4kfi
22. Oracle. „Oracle AI Vector Search – Nutzer“. Datentyp VECTOR, INSERT/UPDATE, Ähnlichkeitssuche. https://docs.oracle.com/en/database/oracle/oracle-database/26/vecse/overview-ai-vector-search.html
23. Oracle-Blog. „GoldenGate23ai und Oracle Database 23ai Vectors.“ „Vollständige Replikation von Vektoren.“ https://blogs.oracle.com/dataintegration/goldengate-database-23ai-vectors
24. Oracle-Blog. „GoldenGate23ai-Vektor-Replikation zwischen Oracle und PostgreSQL.“ https://blogs.oracle.com/dataintegration/goldengate-23ai-vector-replication
25. Oracle. „Oracle Database 23ai nutzt die Leistungsfähigkeit der KI.“ Mai 2024. „Alle geschäftskritischen Funktionen arbeiten nun nahtlos mit KI-Vektoren zusammen.“ https://www.oracle.com/news/announcement/oracle-announces-availability-database-23ai-with-ai-vector-search-2024-05-02/
26. Oracle. „Oracle AI Database 26ai – Versionshinweise“. „Die Datenmaskierung wird für den Datentyp VECTOR nicht unterstützt.“ https://docs.oracle.com/en/database/oracle/oracle-database/26/rnrdm/issues-all-platforms-2.html
27. Oracle. „Richtlinien zur Indizierung mit AI Vector Search“ (Juni 2025) und „Verwendung hybrider Vektorindizes“ (Mai 2025). https://www.oracle.com/database/ai-vector-search/
28. Oracle (Wettbewerbsseite). „Was ist Pinecone?“ „Mangelnde SQL-Unterstützung und fehlende erweiterte relationale Abfragefunktionen.“ https://www.oracle.com/database/vector-database/pinecone/
29. Pinecone Docs. „Datenbankbeschränkungen.“ https://docs.pinecone.io/reference/api/database-limits
30. BraincuberTechnologies. „Pinecone vs. pgvector: Vergleichsleitfaden 2025.“ https://www.braincuber.com/blog/pinecone-vs-pgvector-which-vector-db-for-your-project 
31. Oninit. „Excalibur Text Search DataBlade Module“. Zugriffsmethode „etx“, rangbasierte Textsuche. https://www.oninit.com/manual/informix/english/docs/dbdk/is40/dbdktour/xb4.html 
32. IBM. „Excalibur Image DataBlade Module“. Extraktion von Merkmalsvektoren mittels neuronaler Netze, Ähnlichkeitssuche mit sortierten Ergebnissen. https://public.dhe.ibm.com/software/data/informix/pubs/pdfs/excalibur2.pdf 

Informix – Geschichte und Community

33. „Informix.“ Wikipedia. https://en.wikipedia.org/wiki/Informix
34. „Actian.“ Wikipedia. https://en.wikipedia.org/wiki/Actian
35. Internationale Informix-Anwendergruppe (IIUG). https://www.iiug.org
36. IBM. „IBM Informix DataBlade-Module: Versionshinweise.“ https://www.ibm.com/support/pages/ibm-informix-DataBlade-modules-release-notes-documentation-notes-and-machine-notes 
37. „Informix Corporation.“ Wikipedia. https://en.wikipedia.org/wiki/Informix_Corporation

Branchentrends

38. McKinsey & Company. 51 % der Unternehmen, die KI einsetzen, haben negative Folgen erlebt. Zitiert in der Pressemitteilung zu Actian Data Beobachtbarkeit [7]. 
39. Gartner. „Bis 2026 werden 50 % der Unternehmen, die verteilte Datenarchitekturen implementieren, Beobachtbarkeit eingeführt haben.“ Marktleitfaden für Beobachtbarkeit , Juni 2024.
40. Actian Germany GmbH. „Die Governance-Lücke: Warum 60 % der KI-Initiativen scheitern.“ActianBlog. https://www.actian.com/blog/data-governance/the-governance-gap-why-60-percent-of-ai-initiatives-fail/ 

Actian AI Analyst

41. Actian Germany GmbH. „Actian stellt Lösung für die Analyse von Konversationen vor.“ Pressemitteilung, 10. März 2026. https://www.actian.com/company/press-releases/actian-unveils-conversational-analytics-solution-with-intelligently-generated-semantic-foundation-for-trusted-insights/

Über den Autor

Über Jean-Georges Perrin

Jean-Georges Perrin ist seit fast 30 Jahren Teil der Informix-Community. Er wurde 2002 in den Vorstand der International Informix Users Group (IIUG) gewählt, war dort 15 Jahre lang tätig und war der erste Nicht-US-Bürger, der in diesen Vorstand gewählt wurde. Als „Lifetime IBM Champion“ – eine Auszeichnung, die er sich durch 16 aufeinanderfolgende Jahre der Anerkennung seit 2009 verdient hat, als er als erster französischer Staatsbürger diesen Titel erhielt – hat Jean-Georges zwei E-Books über Informix verfasst, auf IIUG-Konferenzen Vorträge zu Themen gehalten, die von der 4GL-Modernisierung bis zum Nachweis reichten, dass Informix nicht nur für Legacy-Anwendungen geeignet ist, und auf drei Kontinenten zur Informix-Community beigetragen. Er ist im CTO-Büro von Actian tätig und konzentriert sich auf Datenstandards und KI-Strategie. Doch wenn HCL Informix etwas tut, worüber es sich zu schreiben lohnt, kommen alte Gewohnheiten zum Vorschein. Er ist Vorsitzender des Bitol-Projekts der Linux Foundation, wo er die Entwicklung offener Standards für Datenverträge (ODCS) und Datenprodukte (ODPS) leitet. Er ist Autor mehrerer Bücher, darunter „Implementing Data Mesh“ (O'Reilly) und „Spark in Action“, 2. Auflage (Manning), und schreibt derzeit „Building Data Products“ für O'Reilly. Die Arbeit mit Datenbanken im Studium brachte ihn dazu, sie zu hassen. Dann führte ihn das Schicksal zu Informix. Er ist nie wieder weggegangen.