Graphdatenbanken eignen sich ideal, um sowohl einzelne Datensätze als auch die Zusammenhänge zwischen den Daten - Menschen, Dokumente, Maschinen etc. - zu visualisieren und stark vernetzte Informationen
abzufragen. Auf diese Weise kann ein Kontext hergestellt und Verbindungen dargestellt werden.
Knowledge Graph ist einer der wichtigsten Use Cases von Graphdatenbanken, denn sie eignen sich ideal, um sowohl einzelne Datensätze als auch die Zusammenhänge zwischen den Daten zu visualisieren und stark vernetzte Informationen abzufragen. Ausschließlich Graphen ermöglichen near real-time Abfragen über bisher isolierte Datensilos hinweg. Je mehr Daten miteinander verknüpft werden, desto mehr Kontext entsteht, den die Graph-Algorithmen abfragen und für Entscheidungen heranziehen können.
Dr. Alexander Jarasch, Head of Data and Knowledge Management beim
Deutschen Zentrum für Diabetesforschung (DZD) erläutert wie Graphdatenbanken in Kombination mit relationalen Datenbanken genutzt werden können.
Ziel der übergeordneten Datenbank, DZDconnect, ist die Entstehung eines Informationskontextes, in dem Wissenschaftler gemeinsam forschen, ohne Tests wiederholen zu müssen. DZDconnect liegt als Layer über den relationalen Datenbanken, um bestehende Systeme und Datensilos im DZD zu verknüpfen. „Die Technologien erleichtern es, medizinische Fragen aus unterschiedlichen Blickwinkeln und indikationsübergreifend zu betrachten“, erklärt Dr. Alexander Jarasch.
[DE]