Neo4j stellt Context Engine vor: Unternehmens-KI-Agenten sollen zuverlässiger handeln

Das Wissensproblem der Agenten

Laut Neo4j sind KI-Agenten „eine völlig neue Art von Datenkonsumenten“. Jahrzehntelang nutzten nur Anwendungen und Menschen Unternehmensdaten, und deren Bedeutung steckte im Code und im Gedächtnis der Mitarbeitenden. Das Unternehmen nennt ein Beispiel: Eine Anwendung weiß, dass der Kontostatus „2“ für „gesperrt, Prüfung ausstehend“ steht, weil es im Code festgeschrieben ist, ein Mensch kennt es womöglich aus Erfahrung oder aus einem BI-Tool. Agenten verfügen über dieses Wissen nicht.

Neo4j ergänzt, dass Geschäftsbegriffe von Organisation zu Organisation variieren. „Kunde“ kann im Marketing etwas anderes bedeuten als im Finanzwesen. Fragmentierte Daten verschärfen das Problem, weil Agenten oft keinen Zugriff auf das benötigte Wissen haben. Neo4j nennt das das Wissensproblem der Agenten und bezeichnet es als „den Billionen-Dollar-Engpass der KI“. Diese Einschätzung stammt vom Unternehmen selbst.

Kern: eine Ontologie in sechs Schichten

Context Engine basiert auf einer vernetzten Business-Ontologie mit sechs Schichten. Laut Neo4j können Agenten dadurch Geschäftskonzepte und die Beziehungen zwischen Datenobjekten verstehen, die richtigen Daten über Clouds, Plattformen und Anbieter hinweg finden und aus jeder Entscheidung lernen. Der Graph bildet Beziehungen explizit ab, sodass Agenten über sie hinweg schlussfolgern und zeigen können, wie und warum sie zu einer Antwort gekommen sind.

• Schicht 1 und 2: die Schichten für Geschäftsprozesse und Fachdomäne. Die erste beschreibt die Regeln und Prozesse, die den Betrieb der Organisation bestimmen, die zweite definiert zentrale Begriffe und Konzepte.
• Schicht 3, 4 und 5: die Schichten für Datenprodukte, physische Systeme sowie Tools und Integrationen. Sie legen fest, welche Informationen genutzt werden können, wo sie liegen und wie man darauf zugreift.
• Schicht 6: Laufzeitwissen, mit dem Agenten frühere Entscheidungen und Aktionen speichern und im Zeitverlauf daraus lernen können.

Drei Kernkomponenten

Neo4j zufolge besteht Context Engine aus drei Komponenten, die die Ontologie erstellen und verwalten.

Business Ontology for Agents ist ein Graphmodell, das ein Unternehmen in Neo4j definiert, speichert und durchsetzt. Es erfasst, was Geschäftskonzepte bedeuten, wie Prozesse funktionieren und wie sie zusammenhängen.

Context Build and Runtime ermöglicht Agenten den Zugriff auf Informationen, wo auch immer die Daten liegen. Integrierte Governance soll sicherstellen, dass Agenten nur auf Daten zugreifen, für die sie autorisiert sind. Für die Abfrage kommt GraphRAG zum Einsatz, das Neo4j als genauer und kostengünstiger als reines Vektor-RAG beschreibt.

Memory and Learning verbindet Kurzzeit-, Langzeit- und Reasoning-Gedächtnis im selben Graphen mit der geschäftlichen Bedeutung. Jede Entscheidung eines Agenten und jeder Entscheidungspfad werden erfasst und gespeichert, sodass Agenten aus ihrem Handeln lernen können.

Zum Produkt gehört außerdem Context Studio, eine Oberfläche zur Verwaltung und Steuerung der Business-Ontologie über eine zentrale Kontrollebene. Neo4j zufolge sind die Komponenten so konzipiert, dass sie zusammenarbeiten und Teams weniger Zeit für Aufbau und Pflege fragmentierter Kontextinfrastruktur aufwenden müssen.

Verfügbarkeit und Bedeutung für Teams

Neo4j zufolge können Unternehmen ihr bestehendes LLM und ihr Agent-Framework behalten und gleichzeitig, so das Unternehmen, „das Risiko von Agentenfehlern drastisch verringern“. Das ist eine Aussage des Unternehmens; Leistungszahlen nennt die Ankündigung nicht.

Context Engine befindet sich in der privaten Preview. Neo4j lädt interessierte Unternehmen ein, Design-Partner zu werden, und wer einsteigen möchte, kann sich an das Vertriebsteam wenden. Preise oder ein Termin für die allgemeine Verfügbarkeit wurden nicht genannt.