München, Starnberg, 23. Juni 2023 - Einbindung generativer KI-Funktionen mit MongoDB Atlas Vector Search; weitere Skalierungs- und Effizienzverbesserungen angekündigt…

Zur Ankündigung: MongoDB, Inc. Hat fünf neue Funktionen für seine Entwickler-Datenplattform Atlas vorgestellt. Diese sollen es ermöglichen, mit MongoDB Atlas eine Vielzahl moderner Anwendungen für alle Branchen entwickeln zu können. Dazu zählen die Einbindung generativer KI-Funktionen mit MongoDB Atlas Vector Search sowie die Bereitstellung datenbankunabhängiger, dedizierter Ressourcen für Search Workloads mit MongoDB Atlas Search Nodes. MongoDB Atlas Stream Processing soll das Arbeiten mit Streaming-Daten in Echtzeit für ereignisgesteuerte Anwendungen vereinfachen. Deutliche Skalierungs- und Effizienzverbesserungen gibt es laut Entwickler bei den MongoDB Time Series Collections. Nicht zuletzt könnten Nutzer auch von neuen Funktionen für die Abfrage von Daten und die Isolierung von Workloads auf Microsoft Azure profitieren. Nachfolgend eine detaillierte Übersicht zu den Neuerungen mit Anwendungsbeispielen.

1. Einbindung von generativer KI und semantischer Suche in Applikationen:

MongoDB Atlas Vector Search ermöglicht die Suche mit generativer KI in Anwendungen. Generative KI bedeutet einen Paradigmenwechel in der Nutzerinteraktion. Ihre Integration ist jedoch oft noch eine Herausforderung, denn viele bestehende Datenlösungen sind nicht flexibel genug, um verschiedene Datentypen zu speichern und zu verarbeiten. Auf generativer KI basierende Technologien wie Large Language Models arbeiten mit Vektoren, die in speziellen Datenbanken gespeichert werden. Solche „Nischendatenbanken“ für einzelne Anwendungsfälle müssen Unternehmen häufig mit hohem Aufwand in die bestehende Datenarchitektur integrieren. Das flexible und skalierbare Dokumentenmodell von MongoDB unterstützt dagegen praktisch alle Datentypen. Vector Search beschleunigt die Entwicklung, indem Workloads wie Text- und Bildsuche, Bildvergleiche oder personalisierte Produktempfehlungen auf einer einheitlichen Plattform ausgeführt werden können. Ebenso können Kunden die Fähigkeiten von vortrainierten generativen KI-Modellen einfach und sicher mit ihren eigenen Daten erweitern. Vector Search unterstützt so kontextbezogenes Lernen für genauere und relevantere Ergebnisse, ohne dass unternehmenseigene Daten mit Anbietern geteilt werden müssen.

2. Isolieren und Skalieren von Search Workloads auf MongoDB Atlas:

Aktuell nutzen Kunden MongoDB Atlas Search, um Suchfunktionen wie z.B. personalisierte Empfehlungen, Produktkatalog- oder Inhaltssuchen, Multimedia-Management und Geodatenanwendungen unkompliziert in Anwendungen zu integrieren. Kunden, die ihre Suchanforderungen mit MongoDB Atlas Search skaliert haben, baten jedoch zusätzlich um die Möglichkeit diese unabhängig von der verwendeten Datenbank ausführen zu können. MongoDB Atlas Search Nodes trägt diesem Wunsch Rechnung. Zusätzlich wird die Isolierung von Workloads, die Optimierung von Ressourcen und eine bessere Leistung bei der Skalierung ermöglicht. Dank größerer Flexibilität und Kontrolle wird Endnutzern eine hervorragende, relevanzbasierte und KI-gestützte Sucherfahrung geboten.

3. Komplexe Streaming-Daten in Echtzeit verarbeiten:

Echtzeit-Streaming-Daten, wie sie z.B. von IoT-Geräten gesammelt werden, sind für moderne Anwendungen von entscheidender Bedeutung. Unternehmen können so auf Veränderungen im Nutzerverhalten reagieren oder Abläufe optimieren, wenn sich Bedingungen ändern. Um Streaming-Daten in Anwendungen einzubinden, müssen viele Entwicklerteams heute jedoch spezielle Programmiersprachen, Bibliotheken, APIs und Treiber verwenden. Das führt zu einem komplexen und fragmentierten Entwicklungsprozess, längeren Entwicklungszyklen, höheren Kosten und kann in letzter Konsequenz Innovations- und Wettbewerbsfähigkeit gefährden. Mit MongoDB Atlas Stream Processing steht Kunden jetzt eine einheitliche Schnittstelle für die Verarbeitung von Streaming-Daten zur Verfügung. MongoDB Atlas Stream Processing ermöglicht die Echtzeitanalyse jeder Art von Daten. Hoch personalisierte Werbeangebote, Bestandsmanagement in Echtzeit oder Betrugsprävention sind nur einige der möglichen Anwendungsfälle. Das flexible Datenmodell von MongoDB lässt sich leicht an geänderte Anforderungen anpassen.
 

Bildquelle MongoDB Atlas: Multi-Cloud-Plattform für Entwicklerdaten. Integrierte Suite von Cloud-Datenbanken und -Datendiensten zur Beschleunigung und Vereinfachung der Entwicklung mit Daten. Kommentarauszug Dev Ittycheria, Chief Executive Officer bei MongoDB: „Mit den neuen Funktionen unterstützen wir Kunden, die die größten, anspruchsvollsten und geschäftskritischsten Workloads ausführen und dafür ständig wachsende Skalierbarkeit und Flexibilität benötigen. So können sie das Potenzial von Software und Daten mit hochmodernen Applikationen erschließen…“

4. Flexibel skalieren mit Time Series Collections:

Zeitreihen-Workloads können schnell wachsen, wenn Millionen von Geräten Daten zur Verarbeitung an eine Datenbank senden. Sind die Daten eingelesen, lassen Zeitreihendatenbanken in der Regel keine Änderungen an diesen Daten mehr zu – fehlerhafte Daten führen folglich auch zu fehlerhaften Analysen. Die MongoDB Time Series Collections warten nicht nur mit hoher Skalierbarkeit auf, sondern ermöglichen auch Aktualisierungen und Löschungen von Zeitreihendaten. Diese neuen Funktionen sorgen für mehr Effizienz bei der Verarbeitung von Zeitreihen-Workloads und helfen Kunden gleichzeitig, strenge Data-Governance-Anforderungen zu erfüllen.

5. Daten auf Microsoft Azure Blob Storage abfragen:

MongoDB Atlas Data Federation kann jetzt auch in Microsoft Azure gehostet werden und auf in Microsoft Azure Blob Storage gespeicherte Daten zugreifen. Kunden nutzen Atlas Data Federation bislang für den Zugriff auf Daten an unterschiedlichen Speicherorten oder die Abfrage, Transformation und Aggregation von Daten aus einer oder mehreren MongoDB Atlas Datenbanken und Cloud-Storage wie Amazon S3.

Nutzer wünschten sich laut Entwickler jedoch vielfach, Daten aus noch mehr Quellen abfragen oder ihre Workloads bei ihrem bevorzugten Cloud-Anbieter isoliert halten zu können. Durch die Unterstützung von Microsoft Azure und Microsoft Azure Blob Storage reduziert MongoDB Atlas Data Federation jetzt den Zeit- und Arbeitsaufwand für die Erstellung präzisierter Datensätze, die Echtzeitanwendungen unterstützen und nachgelagerte Analysen unter Verwendung einer größeren Anzahl von Datenquellen ermöglichen.

Daten-Power für die KI-getriebenen Anwendungen der Zukunft: Generative KI und darauf basierende Technologien wie Large Language Models haben eine Innovationswelle ausgelöst, die neue Möglichkeiten für die Nutzung von Software und Daten eröffnet. Unternehmen wollen und müssen diese Technologien nutzen, um innovations- und wettbewerbsfähig zu bleiben. Um ihr Potenzial zu erschließen, ist die richtige Datenarchitektur entscheidend.
Mit seiner Datenplattform für Entwickler trägt MongoDB dem Kundenwunsch nach einer einheitlichen, vollständig verwalteten Lösung Rechnung. Mit MongoDB Atlas können Kunden schneller, effizienter und kostengünstiger Anwendungen für praktisch jeden Anwendungsfall bereitstellen und skalieren. Die Neuerungen, Aktualisierungen und Funktionserweiterungen greifen Kunden- und Entwicklerwünsche auf, die diese an MongoDB herantragen, und berücksichtigen die wachsenden Anforderungen von Unternehmen und Nutzern.

Positive Resonanz von Kunden und Partnern: Beamable, Pureinsights, Anywhere Real Estate und Hootsuite gehören zu den Kunden und Partnern, die Anwendungen der nächsten Generation mit den neuen MongoDB Atlas-Funktionen entwickeln.

• Beamable bietet eine umfassende Plattform an, die es Spieleentwicklern ermöglicht, Live-Spiele zu erstellen und zu betreiben. Derzeit sind 32 Spiele live und Dutzende weitere in der Entwicklung. Ali El Rhermoul, CTO bei Beamable: „Wir haben die Vektorsuchfunktionen von MongoDB Atlas in Verbindung mit OpenAI Embeddings für den Einsatz in generativen KI-Anwendungen evaluiert und waren beeindruckt, wie einfach die Einrichtung und Nutzung war. Das bedeutet, dass wir und unsere Spieleentwickler-Community neuartige, KI-gestützte Erfahrungen auf Beamable aufbauen können – mit vertrauter Technologie und ohne zusätzliche Tools.“

• Pureinsights ist ein unabhängiges Unternehmen für Suchdienstleistungen, das mit MongoDB zusammenarbeitet, um Kunden bei der Bereitstellung von suchbasierten Anwendungen auf MongoDB Atlas zu unterstützen. „Kamran Khan, CEO von Pureinsights: „Die Möglichkeit, Vektoren innerhalb der MongoDB-Atlas-Plattform zu speichern und zu nutzen, unterstützt neue Workloads und spannende, KI-getriebene Erfahrungen wie die semantische Suche oder generative Antworten, die von Nutzern stark nachgefragt werden.

• Anywhere ist die Muttergesellschaft einiger weltweit führender Immobilienmakler und Dienstleistungsunternehmen. „Unsere Entwicklungsteams haben zu viel Zeit mit der Verwaltung unserer vorherigen Suchlösung verbracht. Daher führen wir derzeit unsere neue Lösung auf Basis von MongoDB Atlas und Atlas Search für unser Markenportfolio ein, zu dem Better Homes and Gardens Real Estate, CENTURY 21, Coldwell Banker, Corcoran, ERA und Sotheby's International Realty gehören“, sagt Damian Ng, Senior Vice President of Technology bei Anywhere Real Estate. „Atlas Search ermöglicht es uns, Daten aus hunderten von Multiple Listing-Services Quellen zu übernehmen, sie zu aggregieren und unseren Kunden eine hoch effiziente Suchlösung anzubieten, die genaue und aktuelle Informationen liefert. Seit der Implementierung von Atlas Search haben wir eine Verbesserung der Reaktionszeit bei Suchergebnissen um 60 Prozent beobachtet…“

• Hootsuite ist ein weltweit marktführendes Unternehmen im Bereich Social Media Management für Marken und Unternehmen vom Kleinbetrieb bis zum Konzern. „Durch den Einsatz von Time Series Collections mit MongoDB Atlas konnten wir eine neue Funktion entwickeln, die eine große Menge an Streaming-Daten verarbeitet und speichert, ohne unsere Speicherkosten in die Höhe zu treiben“, sagt Chris Martin, Senior Software Developer bei Hootsuite. „Das ersparte uns die Bereitstellung und Wartung einer separaten Datenbank für diesen speziellen Zweck“.

Querverweis:

Unser Beitrag > Lohnt sich der Einsatz von KI in DevOps?

Unser Beitrag > Conrad Electronic realisiert Online-Marketplace mit MongoDB und Google Cloud