Actian Zen v17 AI: Ihre Datenbank ist jetzt KI-bereit

Actian Zen v17 AI erweitert die eingebettet , auf die Unternehmen bereits vertrauen, um KI- und Vektorsuchfunktionen.

Ich freue mich, die allgemeine Verfügbarkeit von Actian Zen v17 AIbekannt zu geben. Dies ist eines der umfangreichsten Feature-Updates in der Geschichte von Zen und das erste, das native KI direkt in die eingebettet integriert, auf die unsere Kunden seit Jahrzehnten vertrauen.

Wenn Sie auf Zenentwickelt haben, wissen Sie bereits, was Zen so besonders macht: eine verwaltungsfreie, eingebettet , die überall läuft – vom Raspberry Pi bis zum Unternehmensserver –, ganz ohne DBA. Mit Zen v17 AI erweitern wir dieses Versprechen nun auf KI- und Vektor-Workloads.

Warum wir das entwickelt haben und warum es wichtig ist

Im vergangenen Jahr kam in fast jedem Gespräch, das wir mit ISVs und OEMs geführt haben, die auf Zen aufbauen, immer wieder dieselbe Frage zur Sprache: Wie können wir unsere Anwendung um eine KI-gestützte Such- und Abruffunktion erweitern, ohne eine separate Vektordatenbank nachrüsten zu müssen?

Das ist eine berechtigte Frage, die bisher schwer zu beantworten war. Eigenständige Vektordatenbanken erfordern den Aufbau einer neuen Infrastruktur sowie eine neue Synchronisationspipeline, um die Konsistenz zwischen relationalen und Vektordaten zu gewährleisten. Für Kunden, die On-Premise oder in Air-Gap-Umgebungen arbeiten, kommt dies nicht in Frage, da die meisten Vektordatenbanken Cloud ständige Cloud voraussetzen.

Zen v17 AI löst dieses Problem, indem es KI-Funktionen direkt in die von Ihnen bereits genutzte Engine integriert und nicht daneben. Das bedeutet weniger Infrastruktur, die verwalten, weniger Komplexität bei der Wartung und einen schnelleren Weg zur KI.

Neue Fähigkeiten das Zeitalter der KI

Native Vektorsuche – direkt in SQL. Zen v17 AI führt einen nativen VECTOR-Datentyp ein, der Einbettungen zusammen mit Ihren relationalen Daten speichert. Abfragen zur Kosinus-, euklidischen und Skalarprodukt-Ähnlichkeit werden direkt in Standard-SQL ausgeführt. Speichern Sie von Haus aus bis zu einer Million Vektoren mit Approximate Nearest Neighbor (ANN)-Indizierung für einen schnellen Abruf, auch wenn Ihr Datensatz . Kein separater Vektorspeicher, kein Export-/Importschritt, keine neue abfragen Sie lernen müssen.

KI-gestützte Hybrid-Suche. Hier kommt die native KI besonders stark zum Tragen: Mit Zen v17 AI können Sie relationale Filter, Metadaten, SQL-Joins und vektorbasierte Ähnlichkeitssuche in einer einzigen abfragen kombinieren. Fragen Sie nach „Rechnungen, die diesem Streitfall ähneln, ausschließlich aus dem 3. Quartal“, und Sie erhalten einen einzigen Ergebnissatz – nicht zwei Systeme, die Sie im Anwendungscode miteinander verknüpfen müssen. Eine Engine, eine abfragen, ein Latenzbudget.

Ein integrierter MCP-Server. Zen v17 AI wird mit einem nativen Model Context Protocol (MCP)-Server ausgeliefert, sodass KI-Agenten und LLM-Tools wie Claude, ChatGPT, Gemini oder jeder andere MCP-kompatible Agent die Daten abfragen Anwendung ab dem Tag der Installation von Zen v17 AI abfragen können. OAuth 2.1 und HTTP/SSE werden standardmäßig unterstützt, sodass keine eigene API-Schicht erstellt werden muss und keine Integrationsphase pro KI-Anbieter erforderlich ist.

Immer noch das Zen, das Sie kennen. Die Fähigkeiten Zen zu dem gemacht haben, was es ist, sind nach wie vor vorhanden: verwaltungsfreier Betrieb, ANSI-SQL- und Btrieve/Btrieve-2-Zugriff, vollständige ACID-Schreibvorgänge, AES-256-Bit-Verschlüsselung sowie Abwärtskompatibilität mit allen früheren PSQL-Versionen. Keine Datenmigration, keine Neuprogrammierung, keine Ausreden, das Upgrade zu überspringen.

Entwickelt für den Ort, an dem sich Ihre Daten tatsächlich befinden

Ein Thema, das wir immer wieder von Zen-Kunden aus den Bereichen Fertigung, Gesundheitswesen und Finanzdienstleistungen hören, ist, dass ihre KI-Strategie nicht von einer Cloud abhängig sein darf. In Fabrikhallen, Krankenhäusern, Handelsräumen und Verteidigungsanlagen ist es häufig nicht möglich, den Datenverkehr über die Cloud zu leiten – doch das sollte nicht bedeuten, dass ihnen der Zugang zu KI verwehrt bleibt.

Da Zen v17 AI den gesamten Stack – Vektorspeicher, ANN-Indizierung, hybride SQL-Suche und den MCP-Server – vollständig offline ausführt, ist es genau für folgende Umgebungen konzipiert:

• Fertigung: semantische Suche in Anlagenhandbüchern, Anomalie anhand von Sensordaten und KI-Agenten, die aus Echtzeit-Wartungsprotokollen Arbeitsaufträge generieren – all dies läuft direkt vor Ort in der Fabrik.
• Gesundheitswesen: RAG-gestützte klinische Wissensdatenbanken und die Suche nach ähnlichen Fällen, bei denen die Patientendaten innerhalb der Einrichtung verbleiben, was HIPAA-konforme Implementierungen ermöglicht.
• Finanzdienstleistungen: Abgleich von Transaktionsähnlichkeiten zur Betrugserkennung semantische Suche in aufsichtsrechtlichen Unterlagen, ohne dass Daten jemals die Sicherheitsgrenze überschreiten.

Für Teams, die bereits über eine Vektor-Anwendungslogik verfügen, stellt Zen v17 AI neben dem SQL-Zugriff auch eine native Vektor-API bereit. Sie können strukturierte relationale Abfragen hinzufügen, ohne bereits ausgelieferten Code neu schreiben zu müssen, oder Ihren SQL-Entwicklern ermöglichen, abfragen , ohne eine neue Schnittstelle erlernen zu müssen. Gleiche Engine, Zugriffsmuster nach Ihrer Wahl.

Beginnen Sie heute

Zen v17 AI ist ab sofort für Enterprise-Server- und Cloud verfügbar. Wenn Sie Zen bereits einsetzen, verläuft das Upgrade wie gewohnt reibungslos. Wenn Sie Zen zum ersten Mal testen möchten, ist jetzt der ideale Zeitpunkt dafür: Sie können KI-gestützte Suchfunktionen und RAG-fähige Anwendungen bereitstellen, ohne auch nur eine einzige neue Infrastrukturkomponente einrichten zu müssen.

Erfahren Sie mehr unter actian.com/databases/zen oder tauchen Sie in unsere Dokumentation unter docs.actian.com/zen ein, um sich mit den technischen Details auseinanderzusetzen.

Über den Autor

Über Tahiya Chowdhury

Tahiya Chowdhury ist Produktmanagerin für Actian Zen und VectorAI DB und leitet dort die Strategie für die branchenweit leistungsstärkste Edge-Datenplattform. Auf der Grundlage ihrer Erfahrungen bei MongoDB und Goldman Sachs hat sich Tahiya auf die Entwicklung von Produkten spezialisiert, die die Schnittstelle zwischen den Anforderungen großer Unternehmen und der Arbeitsgeschwindigkeit moderner Entwickler bilden. Ihr großes Anliegen ist es, die Komplexität der Dateninfrastruktur zu reduzieren und Entwicklungsteams dabei zu unterstützen, schneller vom Prototyp zur Produktion zu gelangen.