Graphdatenbanken sind in der heutigen Geschäftswelt, in der Kunden schnelle und genaue Einblicke erwarten, unverzichtbar. Diese Datenbanken sind in einzigartiger Weise in der Lage, komplexe Beziehungen zwischen Datenpunkten effizient zu speichern und abzurufen.

Die Herausforderung ist, dass wir heute sowohl grosse Datenmengen (“Big Data”) als auch sehr komplexe Daten (“complex data”) haben. Viele klassische Datenbanken können mit diesen komplexen Daten nicht umgehen, da alle Daten in ein gegebenes Schema gepresst werden muss. Hier kommen Graphdatenbanken ins Spiel. Das Graphmodell (“Label Property Graph”) erlaubt die Speicherung beliebiger Daten.

PRODYNA ist der beste Lösungsanbieter für die Implementierung von Graphdatenbanken, die es Unternehmen ermöglichen, komplexe Datenstrukturen effizient zu verwalten und zu nutzen, um wertvolle Erkenntnisse zu gewinnen.

Anwendungen

PRODYNA hat für viele Kunden Lösungen auf der Basis von Neo4j gebaut, die dem Kunden strategische Vorteile gibt, da der Kunde schnell an die notwendigen Informationen gelangt.

Betrugserkennung

Die Grundlage für die Betrugserkennung ist ein Wissengraph, der alle Kunden, alle Verträge und alle Versicherungsansprüche kennt. Durch Graphalgorithmen können Anomalien im Graph als Betrugsversuch automatisiert erkannt werden. Beispielsweise haben zwei gleiche Personen zwei mal einen PKW-Unfall gemeldet, hier könnte es sich um einen versuchten Versicherungsbetrug. Solche Anomalien lassen sich im Graphen schnell erkennen. Für Kunden im Versicherungsbereich haben wir diverse Lösungen entwickelt.

Stückliste

Für diverse Kunden haben wir Lösungen entwickelt, die alle Produkte mit allen ihren Bestandteilen und möglichen Zulieferern kennt. Bei Lieferengpässen kann man sofort erkennen, welche Produkte betroffen sind und welche alternativen Zulieferer existieren. Unsere Kunden mit solchen Lösungen kommen effektiver durch die aktuellen Corona-bedingten Lieferengpässe.

Produktmanagement

Viele Produkte und viele Märkte mit besonderen Anforderungen und eigenen Produktvarianten sind eine Herausforderung. Die Lösung ist ein Wissensgraph der genau diese Details kennt und dem Unternehmen hilft Märkte zu harmonisieren.

Unternehmenswissen

Mitarbeiter verlassen Unternehmen und nehmen ihr Wissen mit. Ein Wissenssystem, welches alle Mitarbeiter, alle Projekte, alle Produkte und z.B. Forschungsberichte kennt, hilft in diesem Fall die Mitarbeiter zu vernetzen, die sich gegenseitig unterstützen können. Unsere Kunden mit so einem Wissenssystem haben entscheidende Vorteile gegenüber Mitbewerbern.

Knowledge Graph

Eigentlich ist das Prinzip sehr einfach: Graphdatenbanken kennen nur Knoten und Kanten. Beide haben Typen und Eigenschaften. Dieses Modell nennt sich “Label Property Graph” (LPG). Dieses Model ist geeignet beliebige Informationen zu speichern, da alle Datenbankmodelle Spezialfälle von Graphen sind, so auch das relationale Modell, welches von den meisen Datenbanken verwendet wird.

Quellen

Die Quellen für die Daten sind die vorhandenen IT-Systemen und ihre Datenbanken. Bei vielen Unternehmen finden wir sogenannte “Silos”, d.h. mehr oder weniger gut integrierte Systeme, die jeweils ein Teil der Informationen enthalten.

Verknüpfungen

Nach dem Import der Daten in die Graphdatenbank werden die einzelnen Graphen zu einem grossen Graph verbunden. Diese Verbindung erfolgt über bekannte Identifier (z.B. Kundennummer), manchmal ist es aber auch notwendig komplexere Algorithmen zu verwenden.

Zusammenhänge

Im Wissensgraphen lassen sich über übergreifende Zusammenhänge erkennen. Insbesondere die Möglichkeit von Graphdatenbanken Pfade zu finden ergibt sehr mächtige Möglichkeiten.

Neo4j

Neo4j ist der Marktführer im Bereich Graphdatenbanken. PRODYNA hat das Potenzial von Graphen und Graphdatenbanken früh erkannt und ist seit vielen Jahren Partner von Neo4j. So haben wir zahlreiche Lösungen auf Basis von Neo4j implementiert.

Beziehungen

Die Information in den Daten liegt nicht nur in den Daten selbst, sondern insbesondere in den Beziehungen zwischen den einzelnen Daten.

Graphalgorithmen

Graphdatenbanken können diverse Graphalgorithmen auf den Graphen anwenden. Ein simpler aber häufig verwendet Algorithmus ist das Pfade finden, d.h. alle möglichen bzw. kürzesten Wege zwischen zwei Knoten werden automatisch gefunden. Ein anderer nennenswerter Algorithmus ist Centrality, der Knoten mit vielen Verbindungen identifiziert

Darko Križić

Kontakt

Du möchtest noch mehr über uns wissen? Dann freue ich mich auf deine Kontaktaufnahme.

Darko Križić

CTO
Frankfurt a. M.
Anfrage
schwarzer Pfeil rechtsgrüner Pfeil rechts

Lust auf ein tolles Team?

Wir bieten viel Platz für Bewerber mit Ideen, Neugier, Engagement und dem Anspruch bei gemeinsamen Projekten und Events auf Augenhöhe zu sein.

Zu den offenen Stellen
neo4J, Graphdatenbanken, Big Data, Wissenssystem, Unternehmenswissen, Wissensgraph, Label Property Graph, LPG, Silos, Graphalgorithmen, neo4j Graphdatenbank, neo4j graph databases, neo4j azure, neo4j kubernetes, Anwendungsfälle für Graphdatenbanken, neo4j aws, Graphdatenbank neo4j, neo4j Anwendungen, neo4jsolutions, neo4j services
Dies ist ein "Zurück zum Anfang" Button