Oracle AI Vector Search
Integrieren Sie die KI-gestützte Ähnlichkeitssuche ganz einfach in Ihre Geschäftsdaten, ohne mehrere Datenbanken verwalten und integrieren zu müssen oder Kompromisse bei Funktionalität, Sicherheit und Konsistenz einzugehen. AI Vector Search ermöglicht die Suche in strukturierten und unstrukturierten Daten nach Semantik oder Bedeutung sowie nach Werten und ermöglicht so hochentwickelte KI-Suchanwendungen. Mithilfe nativer KI-Vektorsuchfunktionen können auch große Sprachmodelle (LLMs) genauere und kontextrelevante Ergebnisse für Unternehmensanwendungsfälle liefern, indem sie Retrieval-Augmented Generation (RAG) auf Ihre Geschäftsdaten anwenden.
-
Sphere Holdings: Vom Start-up zum führenden Anbieter von Unternehmens-KI mit Oracle AI Database 26ai
Sehen Sie, wie dieses KI-Start-up mithilfe von Oracle Autonomous AI Database 26ai in Rekordzeit vom Konzept zu einem robusten KI-Angebot gelangte.
-
Outline Global ermöglicht KI-gestützte Geodatenkartierung mit Oracle AI Database 26ai
Oracle AI Database 26ai mit AI Vector Search half dem in Australien ansässigen Unternehmen dabei, schnellere und zuverlässigere Daten- und Analyseservices bereitzustellen und seinen Umsatz um 30 % zu steigern.
Warum gerade Oracle AI Vector Search?
-
Die Einfachheit einer einzigen konvergenten Datenbank
Kombinieren Sie Ähnlichkeitssuchen ganz einfach mit relationalen, Text-, JSON-, Geo- und Diagramm-Datentypen, um Ihre Anwendungen zu verbessern – alles in einer einzigen Datenbank. Bringen Sie KI zu Ihren Daten – und nicht Ihre Daten zur KI.
-
Unterhalten Sie sich in natürlicher Sprache mit Ihren Unternehmensdaten
Ermöglichen Sie die Suche in natürlicher Sprache in Ihren privaten Geschäftsdaten mithilfe von RAG, um das LLM Ihrer Wahl zu verbessern und Halluzinationen zu vermeiden.
-
Entwicklung von KI-Apps nach Ihren Vorstellungen
Verwenden Sie Ihre bevorzugten Entwicklungstools, KI-Frameworks, KI-Modelle und Programmiersprachen, um KI-Apps nach Ihren Wünschen zu erstellen.
-
KI speziell für Unternehmen entwickelt
Erstellen Sie ganz einfach unternehmenskritisch KI-Apps. Nutzen Sie die Industrie-Funktionen, um Skalierbarkeit, Leistung, Hochverfügbarkeit und Sicherheit zu erreichen.
-
Vollständige generative KI-Pipeline-Funktionen auf Knopfdruck
Die Funktionen der Oracle AI Vector Search umfassen das Laden, die Umwandlung, das Chunking, das Einbetten und die Ähnlichkeitssuche von Dokumenten sowie RAG mit LLMs, die nativ oder über APIs in der Datenbank verfügbar sind.
KI in Ihre Geschäftsdaten integrieren: Ähnlichkeitssuche leicht gemacht
-
Die Leistungsfähigkeit der Vektorsuche in Oracle AI Database 26ai entdecken
Schauen Sie sich an, wie KI-generierte Vektoreinbettungen blitzschnelle Ähnlichkeitssuchen anhand der Daten des US National Parks Service ermöglichen.
-
KI für die Datenrevolution
Oracle AI Database integriert KI in den gesamten Daten- und Entwicklungsstack und unterstützt Unternehmen dabei, vertrauenswürdige, KI-gestützte Einblicke, Innovationen und Produktivität für alle ihre Daten und überall bereitzustellen.
-
Demo: Beschleunigen der semantischen Suche mit AI Vector Search
Erfahren Sie, wie AI Vector Search in Oracle AI Database 26ai die semantische Suche in unstrukturierten Daten mit der relationalen Suche in traditionellen Geschäftsdaten kombiniert, um schnellere, relevantere und sicherere Ergebnisse zu erzielen.
„Die Technologie von Oracle hat maßgeblich zur Revolutionierung unseres Prozesses zur Erkennung von Krankheiten beigetragen. Mit Oracle AI Vector Search und Autonomous Database konnten wir die Diagnosezeit erheblich verkürzen, die Genauigkeit verbessern und die Patientenversorgung optimieren.“
Wesentliche Features von Oracle AI Vector Search
Einheitliche hybride Vektorsuche
Kombinieren Sie AI Vector Search mit relationalen, Text-, JSON-, Knowledge Graph- und Raumdatenabfragen, um die Ergebnisse zu verbessern, indem Sie sich beim Abrufen übereinsitmmender Dokumente, Bilder, Videos, Audiodateien und strukturierter Daten auf die vollständige Bedeutung der Suchanfrage eines Benutzers konzentrieren.
Vektordatentyp und flexible Vektorgenerierung
Verwenden Sie den nativen VECTOR-Datentyp, um Vektoren in Oracle AI Database 26ai-Tabellen zu speichern. Generieren Sie die Vektoren mithilfe von Open-Source-Einbettungsmodellen Ihrer Wahl mit dem ONNX-Framework, Datenbank-APIs, um Vektoren von Ihrem bevorzugten Anbieter für Einbettungsmodelle zu generieren, oder importieren Sie Vektoren direkt in die Datenbank.
Hybridvektorindizes
Beschleunigen Sie Ähnlichkeitssuchen mithilfe hochpräziser Näherungssuchindizes (Vektorindizes), wie z. B. dem In-Memory-Nachbarschafts-Graphenindex für maximale Leistung und Nachbarschafts-Partitionsindizes für umfangreiche Datensätze. Verwenden SieHybridvektorindizes, um schnell Kombinationen von Vektor- und Nicht-Vektordaten zu suchen.
Einfaches Standard-SQL für die Abfrage von Vektoren
Verwenden Sie einfache, intuitive SQL, um Ähnlichkeitssuchen in Vektoren durchzuführen und Vektoren mit relationalen, Text-, JSON- und anderen Datentypen innerhalb derselben Abfrage frei zu kombinieren.
Genauigkeitsspezifikation für die einfache Suche
Übernehmen Sie die vollständige Kontrolle über die Suchgenauigkeit, die Ihre Anwendung erfordert, indem Sie die Zielgenauigkeit als einfachen Prozentsatz angeben. Legen Sie die Standardgenauigkeit bei der Indexerstellung fest und überschreiben Sie sie bei Bedarf in Suchanfragen.
Exadata-Optimierungen
Beschleunigen Sie die Erstellung und Suche von Vektorindizes mit Optimierungen von Oracle Exadata System Software 25ai. Profitieren Sie von der hohen Performance, Skalierbarkeit und Verfügbarkeit, die Exadata für Unternehmensdatenbanken bereitstellt.
Oracle AI Vector Search – Anwendungsfälle
Die Ähnlichkeitssuche konzentriert sich darauf, verwandte Daten auf der Grundlage ihrer semantischen Bedeutung zu finden. Unstrukturierte Daten lassen sich nur schwer direkt durchsuchen. Daher geht die Ähnlichkeitssuche über die einfache Stichwortsuche hinaus, indem sie die zugrunde liegenden Text-, Bild-, Audio- oder Videodaten berücksichtigt, anstatt nur die manuell darauf angewendeten Beschriftungen zu durchsuchen.
Die Notwendigkeit, eine Übereinstimmung für ähnliche Daten in großen Datensätzen zu ermitteln, gilt für viele Branchen. Beispiele für die Ähnlichkeitssuche sind:
- Semantische Suche nach Dokumenten
- Semantische Suche nach Bildern
- Empfehlungssysteme
- Mustererkennung
- Erkennung von Anomalien und Betrug
- Unstrukturierte Daten wie Dateien, Dokumente, BLOBS oder CLOBS.
- Verwenden Sie kommerzielle oder Open-Source-Einbettungsmodelle, um Vektoren innerhalb oder außerhalb der Oracle-Datenbank zu erstellen.
- Die Vektoren können neben den Geschäftsdaten gespeichert werden, sodass sich die Vektoren bei einer Änderung der Daten ebenfalls ändern.
- Sie können die gespeicherten Vektoren nach den ähnlichsten Vektoren durchsuchen.
- Die Suche gibt die für Sie relevantesten Daten zurück.
RAG verwendet die Ergebnisse der Ähnlichkeitssuche, um die Genauigkeit und kontextbezogene Relevanz großer Sprachmodellantworten auf Fragen zu Geschäftsdaten zu verbessern. RAG hilft dabei, kontextrelevante private Daten zu identifizieren, auf die das LLM möglicherweise nicht trainiert wurde, und verwendet diese dann, um die Eingabeaufforderungen für Benutzer zu erweitern, damit LLMs mit größerer Genauigkeit reagieren können.
Der Wunsch nach qualitativ hochwertigeren Antworten von LLMs ist universell und erstreckt sich über viele Branchen. Beispiele für die Verwendung von RAG für eine verbesserte Genauigkeit sind:
- Chatbots für interne und externe Nutzer
- Dokumentensuche und Zusammenfassungen
- Sprachsynthese
- Antworten auf Fragen, die spezielles, fachspezifisches Wissen erfordern
RAG unterstützt Organisationen dabei, maßgeschneiderte Antworten auf geschäftliche Fragen zu finden, ohne dass hohe Kosten für die Umschulung oder Feinabstimmung der LLMs anfallen.
- Ein Chatbot ermöglicht einen Dialog mit einem LLM.
- Führen Sie eine Ähnlichkeitssuche für Ihre privaten Geschäftsdaten durch und geben Sie diese Fakten an das LLM weiter.
- Die Ergebnisse werden als Eingabeaufforderung und Kontext für das LLM formatiert.
- Das LMM erhält aktuelle Geschäftsdaten und reduziert damit Halluzinationen.
- Die hochwertigen Antworten werden an den Chatbot zurückgegeben.
„Wir freuen uns, dass AI Vector Search zur Oracle Database hinzugefügt wurde. Und wir wissen es zu schätzen, dass wir AI Vector Search in derselben Oracle Database wie unsere anderen Workloads ausführen können. So sind wir in der Lage, eine zuverlässige und sichere Lösung bereitzustellen.“
Erste Schritte mit Oracle AI Database AI Vector Search
Andy Rivenes, Product Manager, OracleIm Mai 2024 gab Oracle die Verfügbarkeit der Oracle Database 23ai bekannt. Oracle AI Database ergänzt die mehr als 300 neuen Funktionen, die in Oracle Database 23ai verfügbar sind, sodass es viel zu lernen gibt. Dominic Giles stellt einige der wichtigsten Highlights von Oracle AI Database vor – darunter auch Oracle AI Vector Search, eine der spannendsten Innovationen.
Vollständigen Beitrag lesenAusgewählte Blogs zu AI Vector Search
- 24. Juni 2025 Indexierungsrichtlinien mit AI Vector Search
- 28. Mai 2025 Verwendung hybrider Vektorindizes in AI Vector Search
- 13. Mai 2025 Neuer AI Vector Search LiveLabs-Workshop ist jetzt verfügbar
- 2. April 2025 IVF-Vektorindizes in AI Vector Search verwenden
- 18. März 2025 Beschleunigung von AI Vector Search in Oracle Database 23ai mit NVIDIA-GPUs