Einführung in die native Vektorsuche mit HCL Informix® VectorBlade

HCL Informix® VectorBlade ist da

Ich habe es dir doch gesagt: HCL Informix® noch nicht am Ende ist. Heute ist es kostenlos, es wird ausgeliefert und es gehört euch.

Vor einigen Monaten habe ich geschrieben, dass man für KI keine weitere Datenbank braucht. Man muss die, die man bereits hat, besser nutzen.

Dank der beeindruckenden Arbeit des HCL Informix®-Entwicklerteams kann ich heute endlich aufhören, „in Kürze“ zu sagen.

HCL Informix VectorBlade ist ab sofort verfügbar – kostenlos für HCL Informix 15.0.1.9 und höher. Es muss kein Sidecar bereitgestellt werden. Es muss kein zweites System gesichert werden. Auf der Rechnung erscheint keine neue Lizenzposition. Sie schalten es einfach ein, und schon versteht Ihre Datenbank Vektoren.

Das erhalten Sie tatsächlich:

• Vektoren mit vollständigen Lese- und Schreibzugriffen. Einfügen, Aktualisieren und Löschen von Embeddings wie bei jeder anderen Spalte.
• HNSW- und IVF-Indizierung, Versand erfolgt heute. Keine vorzeitige Vorschau. Kein Punkt auf einer Roadmap. Heute.
• Ähnlichkeitssuche in der Ihnen bereits vertrauten SQL. Möchten Sie einen Centroid pro Mandant? SELECT tenant_id, AVG(embedding) FROM docs GROUP BY tenant_id. Das war’s schon. Keine neue abfragen . Keine umständlichen Nutzer Funktionen.
• ACID bei Vektoren. Ihre Einbettungen sind genauso konsistent wie die Transaktion, durch die sie geschrieben wurden.
• Replikation, backup, Wiederherstellung. All das funktioniert vom ersten Tag an mit Vektoren.
• RAG ohne die „Rohrleitungen“. Einbettungen befinden sich direkt neben den Zeilen, die sie beschreiben. Eine Transaktion. Ein Sicherheitsmodell. Nichts muss synchronisiert werden. Nichts kann abweichen.

Was lässt sich dadurch also erreichen?

Produktsuche wird intelligenter, ohne den Katalog zu verlassen. Ein Käufer kann nach einem „bequemen Headset für lange Arbeitsgespräche“ fragen und die richtige Artikelnummer finden, selbst wenn in der Produktbeschreibung „Over-Ear-Kopfhörer mit aktiver Geräuschunterdrückung“ steht. Die Einbettung erfolgt neben Preis, Lagerbestand und Verfügbarkeit, sodass die semantische Suche weiterhin mit den relevanten Fakten verknüpft werden kann.

Industrielle Betriebsabläufe können nicht nur anhand von Schwellenwerten, sondern auch anhand von Mustern suchen. einbetten Fenster mit Sensorwerten, Alarmtexten oder Wartungsnotizen einbetten , und Sie können abfragen, ob die heutige Schwingungssignatur dem Lagerausfall ähnelt, den Sie im vergangenen März beobachtet haben. Zeitreihen und Ähnlichkeitssuche werden in derselben Engine vereint.

Support-Teamkann müssen nicht mehr dasselbe Problem auf fünf verschiedene Arten lösen. Ein neues Ticket kann mit älteren Tickets abgeglichen werden, in denen dasselbe Problem in einer anderen Sprache beschrieben wurde, an das Team weitergeleitet werden, das es zuvor gelöst hat, und auf Lösungen zurückgreifen, die tatsächlich funktioniert haben.

Regulierte Datensätze lassen sich nach ihrer Bedeutung durchsuchen, während sie weiterhin denselben Kontrollen unterliegen. Klinische Notizen, Abrechnungen, Verträge, KYC-Dateien, AML-Aufzeichnungen und Fallgeschichten können semantisch durchsucht werden, ohne dass die sensibelsten Daten des Unternehmens an einen zweiten Ort übertragen werden.

Telekommunikationsteams können Alarme, Protokolle, Verbindungsdaten und Betrugsmuster mit früheren Vorfällen abgleichen. Regeln erfassen das, was Sie bereits beschreiben können. Die Ähnlichkeitssuche hilft dabei, Varianten zu erkennen, die zwar bekannt vorkommen, aber nicht genau der Regel entsprechen.

Unterschiedliche Branchen, dasselbe Muster: Der Mehrwert entsteht, wenn Vektoren direkt neben den Betriebsdaten stehen, die sie beschreiben. Produktdatensätze neben Bestandsdaten. Sensorsignaturen neben Zeitreihen. Tickets neben Lösungsvorschlägen. Regulierungsdokumente neben den entsprechenden Richtlinien. Netzwerkereignisse neben den Systemen, die darauf reagieren.

Genau das ist der Punkt: Vektoren sind kein wissenschaftliches Nebenprojekt. Sie gehören in die operative Datenbank, direkt neben die Zeilen, Transaktionen, Richtlinien und den Verlauf, die sie beschreiben.

Und das ist das, was mir besonders gefällt: Es gibt keine Engine-Gabelung, keine Kopie außerhalb der Datenbank. Ihre Vektoren durchlaufen denselben Pufferpool, dieselben Sperren und dieselben Protokolle wie jede andere Zeile im System. Das ist keine Folie. Das ist die Informix-Architektur, die wir so schätzen.

Für HCL Informix ist all dies kein Neuland. Bereits Ende der 1990er Jahre extrahierte das Excalibur Image DataBlade mithilfe neuronaler Netze Merkmalsvektoren aus Bildern und ordnete die Ergebnisse nach ihrem Vektorabstand innerhalb einer relationalen Datenbank, noch bevor jemand auf die Idee kam, dies als „Vektordatenbank“ zu bezeichnen. Nein, das VectorBlade ist also keine gewagte neue Richtung. Es ist vielmehr die Rückkehr von Informix zu seinen Wurzeln.

Man sagt, man könne einem alten Hund keine neuen Tricks beibringen. Die haben diesen hier wohl noch nicht kennengelernt (und da ich selbst ältere Hunde habe, kann ich euch versichern: Doch, das geht!)

Informix ist eine Marke der IBM Corporation in mindestens einer Gerichtsbarkeit und wird unter Lizenz verwendet.

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 zu Themen von der 4GL-Modernisierung bis hin zum Nachweis, dass Informix nicht nur für Legacy-Anwendungen geeignet ist, referiert 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.