Neo4j erklärt: Wie Graphdatenbanken die Datenwelt verändern

Knoten, Kanten, Cypher: wie die Graphdatenbank Neo4j arbeitet und für welche Aufgaben sie sich eignet
Aktualisiert:
Abstract
- #Neo4j
- #Graphdatenbank
- #Datenbank
- #Graphen
- #Datenmodellierung
- #Cypher
- #NoSQL
- #Wissensgraph
Wenn die Beziehungen zwischen Daten wichtiger sind als die Daten selbst
Ein Versicherer prüft eine Schadensmeldung. Für sich genommen ist sie unauffällig. Auffällig wird sie erst, wenn man sieht, dass der Geschädigte dieselbe Telefonnummer angegeben hat wie ein Zeuge aus einem anderen Fall, dessen Werkstatt wiederum in drei weiteren Fällen auftaucht. Solche Muster stecken nicht in den einzelnen Datensätzen, sondern in den Verbindungen zwischen ihnen. Genau für diese Art von Fragen sind Graphdatenbanken gebaut, und Neo4j ist die bekannteste von ihnen.
Graphdatenbanken haben keine bestehende Datenbanktechnik abgelöst. Sie haben sich aber einen festen Platz erarbeitet: bei Betrugserkennung, Empfehlungen, Netzwerk- und Lieferkettenanalysen und zuletzt verstärkt als Wissensspeicher für KI-Anwendungen. Wie Neo4j funktioniert, wie die Abfragesprache Cypher aussieht und wann sich der Einsatz lohnt, erklären die folgenden Abschnitte.
Was ist Neo4j?
Neo4j ist eine Graphdatenbank: Sie speichert Daten nicht in Tabellen, sondern als Netz aus Knoten und Beziehungen. Hinter Neo4j steht das gleichnamige Unternehmen, das unter anderem von Emil Eifrem gegründet wurde und seinen Ursprung in Schweden hat. Als Open-Source-Software erschien Neo4j erstmals 2007, Version 1.0 folgte 2010; Neo4j ist in Java geschrieben und läuft auf der Java Virtual Machine.
Neo4j unterstützt Transaktionen mit ACID-Eigenschaften. Das bedeutet, dass Änderungen ganz oder gar nicht ausgeführt werden, die Daten konsistent bleiben, parallele Transaktionen sich nicht in die Quere kommen und bestätigte Änderungen einen Absturz überstehen. Für geschäftskritische Daten ist das eine wichtige Eigenschaft, die nicht alle NoSQL-Systeme in dieser Form bieten. Wie sich Graphdatenbanken in die übrige NoSQL-Familie einordnen, zeigt der Beitrag NoSQL-Datenbanken: Flexibilität und Skalierbarkeit für moderne Anwendungen.
Das Property-Graph-Modell
Neo4j arbeitet mit dem sogenannten Property-Graph-Modell, das das Unternehmen maßgeblich geprägt hat. Es besteht aus drei Bausteinen:
- Knoten stehen für Dinge, etwa eine Person, ein Produkt oder eine Rechnung. Jeder Knoten trägt ein oder mehrere Labels wie
KundeoderProdukt. - Beziehungen verbinden zwei Knoten. Sie haben immer eine Richtung und einen Typ, zum Beispiel
KAUFTEoderARBEITET_BEI. - Eigenschaften sind Schlüssel-Wert-Paare an Knoten und Beziehungen, etwa ein Name, ein Preis oder das Datum eines Kaufs.
Der Vorteil zeigt sich am Whiteboard. Angenommen, ein Team skizziert, wie Kunden, Bestellungen und Produkte in einem Webshop zusammenhängen. Es malt Kreise für die Dinge und Pfeile für die Verbindungen. In einer relationalen Datenbank muss diese Skizze in Tabellen, Fremdschlüssel und Verknüpfungstabellen übersetzt werden. In Neo4j lässt sie sich nahezu eins zu eins übernehmen. Fachabteilung und Entwicklung reden dadurch leichter über dasselbe Modell.
Was anders ist als in relationalen Datenbanken
Relationale Datenbanken speichern Beziehungen indirekt. Ob Kunde A Produkt B gekauft hat, ergibt sich erst, wenn die Datenbank zur Abfragezeit Tabellen per Join zusammenführt und dabei Indizes durchsucht. Bei einer oder zwei Verknüpfungen ist das kein Problem. Fragt man aber über viele Stufen hinweg – Freunde von Freunden von Freunden, Lieferanten von Lieferanten, Bauteile in Baugruppen in Maschinen –, wachsen Abfragen und Rechenaufwand stark an.
Neo4j speichert Beziehungen dagegen als eigene Datensätze, die direkt auf ihre Knoten verweisen. Der Hersteller nennt das „index-free adjacency“: Um von einem Knoten zum Nachbarn zu gelangen, folgt die Datenbank einem Zeiger, statt einen Index zu durchsuchen. Der Aufwand einer Abfrage hängt deshalb vor allem davon ab, wie viel des Graphen sie tatsächlich durchläuft, und weniger davon, wie groß die Datenbank insgesamt ist.
Das heißt nicht, dass Neo4j generell schneller ist. Für Summen über Millionen von Zeilen, klassische Berichte oder einfache Nachschlagezugriffe sind relationale oder spaltenorientierte Systeme meist im Vorteil. Die Stärke von Graphdatenbanken liegt in Abfragen, die Beziehungen über mehrere Stufen verfolgen.
Cypher: Abfragen, die wie Skizzen aussehen
Neo4j wird über Cypher angesprochen, eine deklarative Abfragesprache. Deklarativ heißt: Sie beschreiben, welches Muster Sie suchen, und die Datenbank entscheidet, wie sie es findet. Die Syntax ist an ASCII-Zeichnungen angelehnt. Knoten stehen in runden Klammern, Beziehungen in eckigen Klammern mit Pfeil, Eigenschaften in geschweiften Klammern.
Ein vereinfachtes soziales Netzwerk lässt sich so anlegen:
// Zwei Nutzer anlegen (falls noch nicht vorhanden) und eine Folge-Beziehung erstellen
MERGE (bob:User {username: 'bob'})
MERGE (alice:User {username: 'alice'})
MERGE (bob)-[:FOLLOWS {seit: date('2026-10-01')}]->(alice);
MERGE legt Knoten und Beziehungen nur an, wenn sie noch nicht existieren. Damit Benutzernamen eindeutig bleiben, definiert man eine Constraint. Die Syntax hat sich mit Neo4j 5 geändert; die frühere Form mit ON … ASSERT funktioniert nicht mehr:
// Eindeutige Benutzernamen erzwingen (Syntax ab Neo4j 5)
CREATE CONSTRAINT user_username_unique IF NOT EXISTS
FOR (u:User) REQUIRE u.username IS UNIQUE;
Die Constraint legt zugleich einen Index an, sodass Suchen nach dem Benutzernamen schnell bleiben. Interessant wird Cypher bei Abfragen über mehrere Stufen. Die folgende Abfrage liefert die Beiträge der letzten 24 Stunden von allen Nutzern, denen Bob folgt, und lässt stummgeschaltete Konten aus:
// Timeline: Beiträge gefolgter Nutzer aus den letzten 24 Stunden
MATCH (me:User {username: 'bob'})-[:FOLLOWS]->(author:User)-[:POSTED]->(p:Post)
WHERE p.createdAt > datetime() - duration('P1D')
AND NOT (me)-[:MUTED]->(author)
RETURN author.username, p.text, p.createdAt
ORDER BY p.createdAt DESC
LIMIT 50;
In SQL wäre dafür eine Abfrage mit mehreren Joins und einer Unterabfrage nötig. Machbar ist das, aber die Absicht ist in Cypher deutlich besser zu lesen. Noch größer wird der Unterschied bei variablen Pfadlängen, etwa der Frage, über wie viele Ecken zwei Personen miteinander verbunden sind.
Cypher, openCypher und der ISO-Standard GQL
Lange war Cypher eine Sprache eines einzelnen Herstellers. 2015 öffnete Neo4j sie im Projekt openCypher, sodass auch andere Graphdatenbanken sie übernehmen konnten. Den nächsten Schritt machte die Normung: 2024 veröffentlichte die ISO mit GQL (Graph Query Language) erstmals eine standardisierte Abfragesprache für Property-Graphen. GQL baut stark auf Cypher auf. Bereits 2023 hatte der SQL-Standard mit SQL/PGQ eine Erweiterung erhalten, mit der sich Graphmuster auch in relationalen Datenbanken abfragen lassen.
Für Teams ist das eine gute Nachricht. Wissen über Cypher veraltet nicht, und die Gefahr, sich mit einer Graphdatenbank an eine proprietäre Sprache zu binden, sinkt. Wie weit einzelne Produkte GQL bereits unterstützen, ist allerdings unterschiedlich und sollte im Einzelfall geprüft werden.
Wofür Unternehmen Graphdatenbanken einsetzen
Graphdatenbanken lohnen sich überall dort, wo die Fragen „Wer hängt mit wem zusammen?“ und „Über welchen Weg?“ im Mittelpunkt stehen:
- Betrugserkennung: Ringe aus Konten, Adressen, Geräten und Telefonnummern werden sichtbar, wenn man die gemeinsamen Verbindungen betrachtet, wie im Beispiel des Versicherers oben.
- Empfehlungen: „Kunden, die dieses Produkt gekauft haben, kauften auch …“ ist im Kern eine Graphabfrage über Kunden, Käufe und Produkte.
- Netzwerke und Abhängigkeiten: IT-Infrastruktur, Stromnetze oder Lieferketten lassen sich als Graph modellieren. Fällt ein Bauteil oder Lieferant aus, zeigt eine Abfrage, was alles betroffen ist.
- Berechtigungen und Identitäten: Wer über welche Gruppen und Rollen indirekt auf welche Daten zugreifen darf, ist ebenfalls eine Pfadfrage.
- Wissensgraphen und KI: Begriffe, Dokumente, Personen und Produkte werden mit ihren Beziehungen erfasst. In Verbindung mit großen Sprachmodellen spricht man von GraphRAG: Das Modell erhält nicht nur ähnliche Textstellen, sondern auch strukturierte Zusammenhänge als Kontext. Neo4j bietet dafür inzwischen auch einen Vektorindex für semantische Suche an.
Für die Analyse ganzer Graphen, etwa um Gemeinschaften zu erkennen oder besonders zentrale Knoten zu finden, stellt Neo4j zusätzlich eine Bibliothek mit Graphalgorithmen bereit.
Betrieb, Editionen und Alternativen
Neo4j gibt es in mehreren Varianten. Die Community Edition ist quelloffen unter der GPLv3 und für Entwicklung und kleinere Anwendungen geeignet. Die Enterprise Edition ist kommerziell und bringt unter anderem Clusterbetrieb, Online-Backups und feinere Rechteverwaltung mit. Als Clouddienst bietet der Hersteller Neo4j Aura an, inklusive einer kostenlosen Einstiegsstufe zum Ausprobieren. Für den lokalen Start eignet sich das offizielle Docker-Image oder die Desktop-Anwendung.
Neo4j ist nicht die einzige Option. Amazon Neptune ist ein verwalteter Graphdienst in AWS, Memgraph setzt auf In-Memory-Verarbeitung und spricht ebenfalls Cypher. Multi-Model-Datenbanken wie ArangoDB oder SurrealDB kombinieren Dokumente und Graphen. Und wer bereits PostgreSQL betreibt, kann mit der Erweiterung Apache AGE Graphabfragen ergänzen, ohne ein weiteres System einzuführen – ein Ansatz, den der Beitrag PostgreSQL als vollständige Backend-Lösung allgemein beschreibt.
Wann sich Neo4j lohnt – und wann nicht
Graphdatenbanken sind ein Spezialwerkzeug, und das ist keine Abwertung. Für die richtigen Aufgaben machen sie Abfragen möglich, die in relationalen Systemen umständlich oder langsam wären. Für die falschen Aufgaben bringen sie vor allem ein weiteres System, das betrieben, gesichert und verstanden werden muss.
Ein guter Prüfstein: Schreiben Sie die zehn wichtigsten Fragen auf, die Ihre Anwendung an die Daten stellt. Wenn viele davon Beziehungen über mehrere Stufen verfolgen oder Pfade suchen, ist Neo4j einen Versuch wert. Wenn es überwiegend um Listen, Filter und Summen geht, bleiben Sie bei einer relationalen Datenbank oder einem Dokumentenspeicher wie MongoDB.
Überschätzt wird oft der Wunsch, alle Unternehmensdaten in einen großen Graphen zu überführen. In der Praxis bewährt sich eher ein schrittweiser Weg: Neo4j ergänzt die bestehende Datenbank für einen klar umrissenen Anwendungsfall, etwa Betrugsprüfung oder Empfehlungen, und wird aus dem führenden System befüllt. Unterschätzt wird die Datenmodellierung. Welche Dinge Knoten, welche Beziehungen und welche bloß Eigenschaften sind, entscheidet über Lesbarkeit und Geschwindigkeit der Abfragen.
Wenn Sie prüfen möchten, welche Datenbank zu Ihrem Vorhaben passt, oder Ihr Team in Datenmodellierung schulen wollen, finden Sie auf unserer Themenseite Datenbanken – Beratung, Coaching, Seminare und Support die passenden Angebote.
Häufige Fragen zu Neo4j
Ist Neo4j kostenlos?
Die Community Edition ist kostenlos und quelloffen. Für Clusterbetrieb und einige Betriebsfunktionen ist die kommerzielle Enterprise Edition nötig. Neo4j Aura hat eine kostenlose Einstiegsstufe mit begrenzter Größe; produktive Instanzen sind kostenpflichtig.
Muss die bestehende Datenbank ersetzt werden?
Nein. Neo4j wird häufig neben einer relationalen Datenbank betrieben und nur für die Abfragen genutzt, bei denen Beziehungen im Vordergrund stehen. Die Daten werden dazu regelmäßig oder ereignisgesteuert aus dem führenden System übernommen.
Wie schwer ist der Einstieg in Cypher?
Wer SQL kennt, findet sich schnell zurecht, denn viele Schlüsselwörter wie WHERE, ORDER BY oder LIMIT sind vertraut. Ungewohnt ist vor allem das Denken in Mustern statt in Tabellen. Mit kleinen Beispieldaten und der grafischen Darstellung im Neo4j Browser gelingt der Einstieg meist zügig.
Kategorien
Schlagworte