Als Entwickler sind Sie darauf trainiert, in Zeilen und Tabellen zu denken. Aber was ist, wenn das genau der Grund dafür ist, dass Sie die mächtigsten Verbindungen in Ihren Daten übersehen? Es gibt ein grundlegendes "Graph-Problem", das sich in fast jeder Anwendung versteckt, und wenn Sie es einmal erkannt haben, werden Sie sich fragen, wie Sie es je übersehen konnten.
In dieser Folge lüften wir dieses "offensichtliche" Geheimnis und zeigen Ihnen, wie Sie es nutzen können, um intelligentere, genauere und kontextbezogene KI zu entwickeln.
In dieser Folge/Video behandeln wir:
- Das "Graphenproblem" erklärt: Warum Sie mehr Probleme mit Graphen haben, als Sie denken.
- Warum einfache RAG nicht ausreichen und wie Graph RAG den Kontext liefert, der Ihrer KI fehlt.
- Wie Sie die verborgenen Beziehungen in Ihren unstrukturierten Daten aufdecken und einen Wissensgraphen erstellen.
- Beispiele aus der realen Welt (von Amazon bis hin zu Ihren eigenen Notizen), die die Graphenstruktur um Sie herum offenbaren.
- Der Hauptgrund für das Scheitern von Knowledge-Graph-Projekten und wie Sie es vermeiden können.
Dieses Gespräch ist für alle Entwickler gedacht, die das Gefühl haben, dass ihre Projekte gegen eine Wand stoßen. Wenn Sie bereit sind für den "Aha!"-Moment, der Ihren Blick auf Daten für immer verändern wird, dann ist diese Folge für Sie.
Zeitstempel:00:00:00 - Einführung00:00:39 - Von unstrukturierten Daten zu einem Wissensgraphen00:02:00 - Das Experiment: Was passiert, wenn man einen Wissensgraphen zerbricht?00:05:41 - Was sind Ontologien in der Graphenwelt?00:07:35 - Das Graphenproblem, von dem Sie nicht wussten, dass Sie es haben00:09:09 - Warum Graphen so gut für den GenAI-Kontext sind00:10:10 - Der beste Weg, um Vektoreinbettungen für Graphen zu erstellen00:12:50 - Mit Graphen extreme Unternehmenskomplexität lösen00:17:14 - Probleme der realen Welt, die eigentlich Graphenprobleme sind00:19:31 - Wie Sie den richtigen Experten in Ihrem Unternehmen finden00:23:33 - Der Aufstieg von föderierten RAG-Agenten00:25:31 - Der Grund Nr. 1 für das Scheitern von Wissensgraphenprojekten00:29:37 - Eine Standardabfragesprache für Graphen (GQL)00:32:53 - Warum Teams von RAG zu Graph RAG wechseln00:34:34 - Sollte Ihr Unternehmen einen eigenen KI-Assistenten entwickeln?00:38:28 - Die "Angst, etwas zu verpassen", die schlechte KI-Projekte antreibt00:40:21 - Die Gefahren von chaotischen vs. laserfokussierten Firmenprioritäten00:44:05 - Warum Gantt-Diagramme für Software nicht funktionieren00:47:08 - Wie Top-Ingenieure tatsächlich neue Technologien lernen
Die Gäste in diesem Podcast äußern ihre eigenen Ansichten und repräsentieren nicht ihre Arbeitgeber.
#GraphDatabase #KnowledgeGraph #SoftwareArchitektur