Graph-Intelligence-Plattform: Neo4j Context Engine für zuverlässige KI

Die neue Komponente schafft ein gemeinsames Verständnis von Geschäftsdaten über verschiedene Systeme hinweg

Screenshot Neo4j Conntext Engine

München – 21. Oktober 2026 – Neo4j (https://neo4j.com/), Anbieter der gleichnamigen Graph-Intelligence-Plattform, stellt die Neo4j Context Engine vor. Sie ermöglicht Unternehmen den schnellen Aufbau einer Knowledge Layer – eine zentral verfügbare Wissensschicht für Agentic AI. KI-Agenten können Unternehmenswissen unmittelbar erfassen, verknüpfen und für Schlussfolgerungen heranziehen. Das verbessert Kontextverständnis, Reichweite und Gedächtnis und damit die Zuverlässigkeit von KI-Ergebnissen.

Die Neo4j Context Engine vereint Tools und Technologien für den Aufbau einer Knowledge Layer. Dazu gehören:

– Geschäftsontologie
Ein vordefiniertes sechsschichtiges Modell verknüpft verschiedene Ontologien und Wissensbereiche eines Unternehmens in einer Neo4j Graphdatenbank – darunter Organisation, Geschäftsprozesse, Daten und KI-Ressourcen.

Das Modell wurde auf Grundlage von Best Practices aus Hunderten Implementierungen bei Unternehmenskunden entwickelt. Es verknüpft physische Datenquellen direkt mit der Geschäftslogik, sodass KI und andere Systeme kontextbezogene Entscheidungen treffen können. Zudem unterstützt es sowohl die anfängliche Architekturentwicklung in der Designphase als auch die aktive Ausführung im laufenden Betrieb.

– Aufbau und Betrieb
Unternehmen können die Geschäftsontologie aus bestehenden Datenquellen wie Databricks oder Snowflake aufbauen und sie anschließend für KI-Anwendungen im laufenden Betrieb bereitstellen.

KI-Orchestrierungsschichten können auf die Geschäftsontologie zugreifen und so prozessgesteuerte Agenten oder Agenten für dialogbasierte Analysen mit dem erforderlichen Geschäftskontext versorgen. Die semantische Schicht lässt sich dabei über Headless-Ausführung, Kommandozeilen-Tools oder Python-Pakete erstellen und betreiben und mit bestehenden Datenplattformen, Datenkatalogen und Speichersystemen verbinden. Integriertes Änderungsmanagement und anpassbare Frameworks unterstützen komplexe Unternehmensanforderungen. GraphRAG-Retriever greifen gezielt auf die semantische Schicht zu, um schnell präzisen Kontext für KI-Anwendungen bereitzustellen.

– Context Studio
Eine zentrale Oberfläche ermöglicht die Verwaltung und Governance der Geschäftsontologie. Teams können Ontologien und darauf aufbauende Workflows visuell definieren sowie die gesamte Umgebung zentral verwalten und überwachen. Zudem vereinfacht sie die Konfiguration von KI-Agenten, MCP-Servern (Model Context Protocol) und Entwicklerwerkzeugen.

– Context Memory
Eine graphnative Memory Layer stellt KI-Agenten ein Gedächtnis zur Verfügung und ermöglicht ein kontinuierlich verbessertes Lernen auf Basis früherer Entscheidungen. Sie unterstützt Kurzzeit- und Langzeitgedächtnis ebenso wie die Speicherung von Schlussfolgerungen und die Verdichtung erlernter Fähigkeiten.

Entscheidungen, Begründungen und Prozesspfade von Agenten werden protokolliert und bilden so eine dauerhafte Wissensbasis aus bisherigen Erfahrungen. Graphalgorithmen analysieren vergangene Interaktionen und verdichten wiederkehrende Muster zu wiederverwendbarem Wissen. Die daraus gewonnenen Erkenntnisse fließen zurück in das System und verbessern schrittweise die Qualität künftiger Schlussfolgerungen und Ergebnisse.

Für KI-Agenten ist der Zugriff auf den Geschäftskontext bzw. Unternehmenswissen entscheidend. Sie haben das Potenzial, Unternehmensabläufe durch Automatisierung erheblich zu beschleunigen. Allerdings verstehen sie nicht von sich aus, was „Kunde“, „Konto“, „Lieferant“, „Risiko“ oder Tausende weitere Beziehungen und Konzepte innerhalb eines bestimmten Unternehmens bedeuten. Die dafür notwendigen Informationen sind häufig über Datenbanken, Anwendungen, Dokumentationen und einzelne KI-Implementierungen verteilt. Der KI fehlen damit der klare Kontext und die Anweisungen, die ein Unternehmen bereitstellen muss, damit die richtigen Daten zur richtigen Zeit in der richtigen Struktur zur Verfügung stehen.

Im von Kjell Carlsson, Afraz Jaffri, Christopher Long und Radu Miclaus verfassten Gartner® Market Overview for AI Context Platforms vom August 2026 heißt es: „Gartner definiert KI-Kontextplattformen als Software, die es Daten- und KI-Engineering-Teams ermöglicht, semantisch strukturiertes Wissen für KI-Agenten sowie andere KI-Anwendungen und -Dienste aufzubauen, zu verwalten und bereitzustellen. Indem diese Plattformen Kontext als eigenständige Unternehmensressource sehen und nicht als individuelle Konfiguration für jeden einzelnen Agenten, entkoppeln sie den Lebenszyklus des Unternehmenswissens von dem einzelner Agenten. Dadurch können Unternehmen ihre KI-Agenten über verschiedene Geschäftsbereiche hinweg besser skalieren und steuern.“*

„Kontext ist die Grundlage für zuverlässige und vertrauenswürdige KI im Unternehmen“, so Sanjeev Mohan, Principal bei SanjMo. „Dabei geht es nicht nur um mehr Daten, sondern vielmehr um Beziehungen – also, nicht nur darum, dass zwei Dinge miteinander verbunden sind, sondern auch darum, warum und wie diese Verbindung besteht. Genau das bilden Graphen naturgemäß ab. Je komplexer agentenbasierte Anwendungsfälle werden, desto weniger reicht es aus, diese Beziehungen lediglich abzuleiten. Unternehmen müssen Beziehungen explizit abbilden, statt nur Vermutungen darüber anzustellen. Richtig umgesetzt, entsteht so die Kontext-Layer, auf der KI im Unternehmen aufbaut.“

„Für den richtigen Kontext von KI ist es entscheidend, Beziehungen präzise abzubilden und nachvollziehbar zu machen, wie und warum sie bestehen“, erläutert Sudhir Hasbe, President of Technology und CPO bei Neo4j. „Alle anderen Konzepte sind lediglich Behelfslösungen, die an ihre Grenzen stoßen, sobald KI-Agenten komplexer werden und Zugriff auf weitere Systeme benötigen. Neo4j verfügt über jahrzehntelange Erfahrung darin, komplexe geschäftliche Herausforderungen mithilfe von Graphen und Ontologien zu lösen. Mit der Neo4j Context Engine steht Unternehmen diese gesamte Expertise nun zur Verfügung.“

Die Neo4j Context Engine steht ausgewählten Nutzerinnen und Nutzern ab sofort als Vorabversion zur Verfügung. Kontaktieren Sie uns (https://neo4j.com/product/context-engine?utm_source=chatgpt.com), um Designpartner zu werden. Weitere Informationen finden Sie im Blogpost (https://neo4j.com/blog/news/neo4j-context-engine/) oder auf der Website (https://neo4j.com/) des Graphtechnologie-Anbieters.

*Gartner, Market Overview for AI Context Platforms, By Kjell Carlsson, Afraz Jaffri, etc., 13 August 2026.

*GARTNER is a registered trademark and service mark of Gartner, Inc. and/or its affiliates in the U.S. and internationally and is used herein with permission. All rights reserved.

Über Neo4j
Neo4j ist die Graph-Intelligence-Plattform, die Daten in Wissen verwandelt – als Grundlage für intelligente Anwendungen und KI-Systeme der nächsten Generation. Die Plattform unterstützt Anwender, enterprise-fähige Knowledge Graphen für präzise, nachvollziehbare und kontrollierbare KI zu erstellen. Zudem liefert Neo4j umfassende, vertrauenswürdige und integrierte Graph-Funktionen, die sich unabhängig von Architektur oder Datenquelle einsetzen lassen. Die Graph-Plattform ist Teil eines einzigartigen Ökosystems, dem 84 der Fortune-100-Unternehmen vertrauen und das von der weltweit größten Graph-Community getragen wird. Erfahren Sie mehr auf www.neo4j.com.

©2026 Neo4j, Inc., Neo Technology®, Neo4j®, Cypher®, Neo4j Bloom™, Neo4j Graph Data Science Library™, Neo4j® Aura™, and Neo4j® AuraDB™ are registered trademarks or a trademark of Neo4j, Inc. All other marks are owned by their respective companies.

Firmenkontakt
Neo4j
Neo4j Media Hotline
. .
. .
.
http://neo4j.com/pr

Pressekontakt
Lucy Turpin Communications
Sabine Listl / Anja Rother
Prinzregentenstr. 89
81675 München
+49 89 417761-16 / -28
http://lucyturpin.de