Führen Sie ONNX- und TensorFlow-Modelle direkt in der Datenbank aus. Die Modelle werden in der Datenbank ausgeführt. Die Daten bleiben an Ort und Stelle. Abfragen werden innerhalb von Millisekunden beantwortet.

Nativer Vektortyp mit integrierten Einbettungsmodellen, approximativer Nearest-Neighbor-Indizierung und Ähnlichkeitssuche.

Kombiniert die Ähnlichkeitssuche mit der Filterung nach Schlüsselwörtern, um präzise und relevante Kontextinformationen für RAG-Anwendungen abzurufen.

Sichern Sie Nutzer Funktionen in Python, Skala oder JavaScript, um Ihre Arbeitsabläufe direkt mit Sprachmodellen beliebiger Größe zu verknüpfen.

Verbinden Sie KI-Agenten direkt über den MCP-Server.

SQL-basierte Datenvorverarbeitung mit integrierten ML-Vorverarbeitungsfunktionen und temporären Tabellen. Die Online-Merkmalsberechnung erfolgt in der Datenbank, in der sich die Daten bereits befinden.

Vollständiges On-Premises-Deployment auf beliebiger Hardware. Läuft vollständig auf Ihrer Hardware, in Ihrem Netzwerk und in Ihrer Umgebung.

Lesen Sie Iceberg- und Delta-Formate nativ ein – inklusive Verwaltung der Anmeldedaten und Caching externer Objekte. Ihre Daten bleiben in offenen Formaten auf einer Infrastruktur, die Sie selbst kontrollieren.

Volle Kontrolle über die Endpunkte von KI-Modellen und die Inferenz innerhalb der Datenbank. Sie wählen die Modelle aus, sind für die Deployments verantwortlich und überprüfen die Entscheidungen.

Benutzerdefinierte Funktionen in Python, Skala und JavaScript werden innerhalb des Sicherheitsbereichs der Datenbank ausgeführt.

Verschlüsselung im Ruhezustand und während der Übertragung, mit dynamischer Datenmaskierung und Anonymisierung auf Spaltenebene. Entwickelt für regulierte, air-gapped und hochgradig konforme Umgebungen.

Verarbeitet Chargen von Spaltenwerten in einem einzigen CPU-Befehl. Der Durchsatz analytischer Abfragen skaliert mit der Hardware, nicht mit der Konfiguration.

Die Ausführung der Abfragen erfolgt über den CPU-Cache statt über den Arbeitsspeicher. Bei typischen OLAP-Workloads hat sich dies als schneller erwiesen als herkömmliche In-Memory-Datenbanken.

Verteilt die Abfrageverarbeitung mithilfe von automatischer Partitionierung und automatischen Speicherindizes auf alle verfügbaren Kerne. Abfragen greifen nur auf die Daten zu, die sie benötigen.

Nutzt eine patentierte „Positional Delta Tree“-Architektur, um Echtzeit-Aktualisierungen und Ergänzungen für riesige Datensätze zu ermöglichen, ohne dabei jemals Abstriche bei der blitzschnellen Performance mit niedriger Latenz zu machen, die von Analytic Workloads verlangt wird.

Getrennte Speicher- und Rechenressourcen mit Laufzeit-Speicherkonfiguration und Support für mehrstufige Speicherstrukturen. Skalieren Sie die Ebene, die unter Last steht, ohne den Rest zu beeinträchtigen.

Importieren Sie Live-Daten über DataConnect und führen Sie eine Abfrage dieser Daten zusammen mit historischen Daten mit einer Latenz von weniger als einer Sekunde durch. Ein System für Streaming und Batch-Verarbeitung.