Neo4j hat Relate veröffentlicht, eine in Rust entwickelte Graphdatenbank unter Apache-2.0-Lizenz. Sie läuft direkt in Anwendungen und richtet sich an KI-Agenten, Sandboxes sowie Edge-Geräte.
Neo4j hat mit Relate eine Open-Source-Graphdatenbank für KI-Agenten und agentische Systeme veröffentlicht. Laut Unternehmen läuft die Datenbank In-Process, also direkt innerhalb einer Anwendung ohne separaten Datenbankserver, und hält die Daten überwiegend im Arbeitsspeicher. Neo4j gibt an, dass KI-Coding-Agenten innerhalb von Millisekunden eine Datenbankinstanz erstellen und mit der Anwendungsentwicklung beginnen können. Relate ist ab sofort unter relatedb.ai verfügbar.
Neo4j, Anbieter einer Graph-Intelligence-Plattform, stellte das Produkt am 11. November 2026 vor. Relate zielt auf isolierte Agentenumgebungen (Sandboxes), auf Agent Memory sowie auf mobile und Edge-Geräte. Nach Angaben von Neo4j läuft die Datenbank in Jupyter-Notebooks, Webbrowsern und Softwarecontainern.
Das Unternehmen stützt die Veröffentlichung auf eine Gartner-Prognose. In der Studie „Forecast Analysis: Agentic AI in DBMS, Worldwide, 2026“ (Juni 2026) geht Gartner davon aus, dass maschinelle Nutzer bis 2029 einen Anteil von 75 Prozent an den Workloads von Datenbankmanagementsystemen erreichen, nach 10 Prozent im Jahr 2025. Der frühe Unternehmenseinsatz konzentrierte sich auf dialogbasierte Assistenten zum Abrufen und Zusammenfassen von Informationen, so Gartner. Budgets und Workloads verlagerten sich nun zu autonomen Systemen, die mehrstufige Aufgaben planen, ausführen und koordinieren.
KI-Agenten erzeugen 10- bis 100-mal so viele Interaktionen wie menschliche Nutzer, was parallele Zugriffe erhöht und den Verbrauch an Rechen-, Speicher- und Streaming-Ressourcen steigen lässt. Laut Prognose weitet dies die Infrastruktur in Unternehmen aus und erhöht die Gesamtausgaben im DBMS-Markt. Neo4j leitet daraus den Bedarf an Systemen ab, die bei hohem Interaktionsvolumen schnelle Datenzugriffe und eine ressourcenschonende Bereitstellung bieten.
Zur Leistung nennt Neo4j Lesezugriffe im Arbeitsspeicher in weniger als einer Millisekunde, ausgelegt auf die hohe Frequenz von Lese- und Schreibvorgängen agentischer Workloads. Eine einzige Abfrage in der Abfragesprache Cypher kann eine Vektorähnlichkeitssuche mit Graph-Traversierungen kombinieren. Die Transaktionsintegrität gewährleistet eine In-Memory-Engine; für dauerhafte Speicherung steht optional ein durch fsync abgesichertes Write-Ahead-Log zur Verfügung. Anwender können den Datenbankzustand zudem mit integrierten Funktionen auf einen Datenträger sichern.
Mehrere Funktionen berücksichtigen die Arbeitsweise von Agenten in Ausführungsschleifen. Laut Neo4j erkennt Relate Agent Harnesses automatisch, also die Softwareumgebungen, die Agenten ausführen und steuern, und liefert strukturierte Fehlermeldungen samt Kennzeichnung, ob sich ein Vorgang wiederholen lässt. Agenten können fehlgeschlagene Vorgänge so ohne eigens entwickelte Parsing-Logik behandeln. Ein Row Cap begrenzt die Zahl der Datensätze, die eine Abfrage zurückgibt, und eine Markierung in der Antwort zeigt an, wenn Ergebnisse gekürzt wurden. Das soll verhindern, dass Agenten ihr Kontextfenster überlasten, und ihnen unvollständige Ergebnisse anzeigen. Multi-Hop Reasoning und GraphRAG sollen nach Unternehmensangaben die Genauigkeit der Ergebnisse verbessern und Halluzinationen reduzieren.
Relate erscheint unter der Open-Source-Lizenz Apache 2.0 und ist in Rust geschrieben. Neo4j gibt an, die Datenbank sei vollständig openCypher-konform und zu mehr als 97 Prozent GQL-konform, der standardisierten Graphabfragesprache. Zur Anbindung von Agenten gehören ein Server für das Model Context Protocol (MCP) und eine Kommandozeilenschnittstelle. Über Bolt- und HTTP-Query-API-v2-Schnittstellen sollen sich bestehende Graphdatenbanktreiber, Orchestrierungsframeworks und Entwicklerwerkzeuge nutzen lassen.
Sudhir Hasbe, President of Technology und CPO bei Neo4j, beschrieb Relate als schlanken In-Memory-Speicher, der Daten bei Bedarf dauerhaft auf Datenträger sichern kann. Als vorgesehene Einsatzszenarien nannte er den In-Process-Betrieb in Agenten-Sandboxes, als Agent Memory sowie auf mobilen und Edge-Geräten. Er verwies auf die Agentenanbindung über MCP und auf Multi-Hop-Reasoning dank vollständiger Cypher-Unterstützung.
Eine separate Neo4j-Veröffentlichung zu KI-Trends 2027 vom 4. November 2026 behandelt verwandte Themen, erwähnt Relate aber nicht. Sie zitiert eine McKinsey-Studie vom August 2026, nach der 80 Prozent der Befragten individuelle Produktivitätsgewinne durch KI sehen, aber nur 37 Prozent einen positiven EBIT-Beitrag auf Unternehmensebene. Neo4j verweist zudem auf ein „Inferenz-Paradoxon“: Agenten arbeiten in Schleifen und verbrauchen mehr Rechenleistung, sodass die Gesamtkosten trotz sinkender Token-Preise steigen. Agent Memory beschreibt das Unternehmen als Feld, in dem Agenten aus wiederholten Durchläufen lernen und verdichtete Erfahrungen an andere Agenten weitergeben, sofern die Zugriffsrechte es erlauben. Graphen können solche Erfahrungen laut Neo4j mit ihren Quellen und ihrer zeitlichen Relevanz verknüpfen; klare Regeln für Prüfung, Korrektur und Vergessen seien nötig. Das Unternehmen hält außerdem fest, MCP habe sich rasch verbreitet und liege nun unter dem Dach der Linux Foundation, und zitiert eine Gartner-Schätzung, wonach bis 2027 rund 40 Prozent der Unternehmen KI-Agenten wegen Governance-Problemen zurückstufen oder abschalten.

Dr. Jakob Jung ist Chefredakteur Security Storage und Channel Germany. Er ist seit mehr als 20 Jahren im IT-Journalismus tätig. Zu seinen beruflichen Stationen gehören Computer Reseller News, Heise Resale, Informationweek, Techtarget (Storage und Datacenter) sowie ChannelBiz. Darüber hinaus ist er für zahlreiche IT-Publikationen freiberuflich tätig, darunter Computerwoche, Channelpartner, IT-Business, Storage-Insider und ZDnet. Seine Themenschwerpunkte sind Channel, Storage, Security, Datacenter, ERP und CRM.
Kontakt – Contact via Mail: jakob.jung@security-storage-und-channel-germany.de