Was sind Graphdatenbanken?

Graphdatenbanken speichern Daten als Knoten (Entitäten) und Kanten (Beziehungen), anstatt sie in Tabellen mit Zeilen und Spalten abzulegen. Dadurch lassen sich stark vernetzte Daten und komplexe Beziehungen effizient abbilden und abfragen. Bekannte Beispiele sind Neo4j oder Amazon Neptune.

Warum ist das wichtig?

Geschäftsprozesse bestehen aus vielfältigen, miteinander verknüpften Objekten wie Aufträgen, Rechnungen und Kunden. Graphdatenbanken bilden diese Realität natürlicher ab als relationale Modelle und sind die technologische Grundlage für moderne Ansätze wie Event Knowledge Graphs und Causal Process Mining.

Wie sieht das konkret aus?

Die Frage „welche Lieferanten hängen an Bestellungen, deren Rechnung länger als 30 Tage offen ist?" braucht relational mehrere Joins über Bestell-, Rechnungs- und Lieferantentabellen. In einer Graphdatenbank ist sie ein Pfad entlang bestehender Kanten — die Beziehung ist gespeichert, nicht zur Abfragezeit errechnet. Der Unterschied wächst mit jeder weiteren Ebene.

Nicht zu verwechseln mit

Nicht mit einem Knowledge Graph gleichzusetzen: der ist ein Datenmodell, die Graphdatenbank die Technologie, die ihn speichert und abfragbar macht. Und nicht mit einer relationalen Datenbank samt Fremdschlüsseln: dort sind Beziehungen implizit über Schlüsselwerte, im Graph explizit als eigene Objekte mit eigenen Eigenschaften.