Ein Knowledge Graph speichert Informationen als Netzwerk aus Entitäten und Beziehungen statt in Tabellen. Das ermöglicht KI-Systemen, nicht nur Fakten abzurufen, sondern komplexe Verbindungen zu verstehen.
Drei Kernkomponenten:
| Element | Definition |
|---|---|
| Entitäten | Objekte, Personen, Orte, Konzepte — die Knoten im Netzwerk |
| Beziehungen | Verbindungen zwischen Knoten (z. B. „gehört zu”, „beauftragt”, „steuert”) |
| Eigenschaften | Attribute der Entitäten (z. B. Datum, Status, Betrag) |
Knowledge Graph vs. relationale Datenbank
| Aspekt | Relationale Datenbank | Knowledge Graph |
|---|---|---|
| Struktur | Tabellen mit Zeilen/Spalten | Knoten und Kanten |
| Beziehungen | Über Fremdschlüssel, komplex | Direkt modelliert, traversierbar |
| Stärke | Strukturierte einheitliche Daten | Komplexe vernetzte Beziehungen |
| KI-Einsatz | Begrenzt | Ideal für GraphRAG und KI-Agenten |
Aufbau in vier Schritten
1. Entitäten definieren: Relevante Objekte identifizieren — Kunden, Projekte, Standorte, Mitarbeiter, Verträge.
2. Beziehungen modellieren: Verbindungen abbilden — „Kunde A beauftragt Projekt B”, „Projekt B hat Deadline C”.
3. Daten einpflegen: Extraktion aus ERP, CRM, E-Mails, Dokumenten — automatisiert oder manuell.
4. KI anbinden: Graph als Wissensbasis für KI-Agenten oder RAG-Systeme nutzen.
Ein Knowledge Graph ist nie fertig — er wächst mit dem Unternehmenswissen.
Praxisanwendungen
Projektmanagement: Projekte, Aufgaben, Verantwortlichkeiten, Fristen, Abhängigkeiten; KI beantwortet: „Welche Projekte stocken wegen Ressourcenengpässen?”
Kundenbeziehungen: Kunden, Kontakte, Verträge, Kommunikationshistorie vernetzt; KI identifiziert Cross-Selling-Potenziale und gefährdete Accounts.
E-Mails & Dokumente: Entitäten aus E-Mails und Dokumenten extrahieren, im Graph speichern — Grundlage für intelligente Wissensassistenten.
Häufige Fragen
Brauche ich eine Graph-Datenbank wie Neo4j? Nicht zwingend. Einfache Graphen funktionieren in Notion, Airtable oder JSON. Größere Systeme profitieren von spezialisierten Lösungen wie Neo4j.
Unterschied zwischen Knowledge Graph und GraphRAG? Der Knowledge Graph ist die Datenstruktur (Wissensbasis). GraphRAG ist die Methode: ein LLM nutzt einen Graph statt Vektordatenbanken.
Wie schwierig ist der Aufbau? Hängt von Datenmenge und Komplexität ab. Einfache, fokussierte Graphen sind in wenigen Wochen aufgebaut. IDEAL-X startet üblicherweise mit einem definierten Pilotbereich.
Kann KI den Graph automatisch befüllen? Ja — KI-Agenten extrahieren Entitäten und Beziehungen aus E-Mails, Dokumenten und Datenbanken und aktualisieren den Graph kontinuierlich.