MongoDB ist der Ansicht, dass eine verbesserte Datenabfrage und nicht nur größere KI-Modelle entscheidend für den Aufbau vertrauenswürdiger KI-Systeme in Unternehmen ist. Da agentische Systeme und Retrieval-Augmented Generation (RAG) in die Produktion übergehen, hat der Datenbankanbieter die Qualität der Abfrage als eine wesentliche Schwäche identifiziert, die sich negativ auf Genauigkeit, Kosten und das Vertrauen der Benutzer auswirken kann, selbst wenn die zugrunde liegenden Modelle stark sind.

Um dem entgegenzuwirken, hat MongoDB vier neue Versionen seiner Einbettungs- und Reranking-Modelle unter dem Dach von "Voyage 4" auf den Markt gebracht. Diese Modelle sollen die Effizienz und Genauigkeit der Datenabfrage in KI-Systemen verbessern. Voyage 4 ist in vier Modi verfügbar: voyage-4 embedding, voyage-4-large, voyage-4-lite und voyage-4-nano.

Laut MongoDB dient voyage-4 embedding als Allzweckmodell, während Voyage-4-large als Flaggschiffmodell gilt. Voyage-4-lite ist für Aufgaben optimiert, die eine geringe Latenz und reduzierte Kosten erfordern. Voyage-4-nano ist für lokale Entwicklungs- und Testumgebungen sowie für die Datenabfrage auf Geräten vorgesehen. Insbesondere ist voyage-4-nano das erste Open-Weight-Modell von MongoDB.

Alle vier Modelle sind über eine API und auf der Atlas-Plattform von MongoDB zugänglich. Das Unternehmen behauptet, dass diese Modelle ähnliche, derzeit verfügbare Modelle übertreffen.

Der Fokus auf die Qualität der Abfrage unterstreicht eine wachsende Besorgnis in der KI-Branche. Während große Sprachmodelle (LLMs) große Aufmerksamkeit erregt haben, ist die Fähigkeit, relevante Informationen effektiv aus Datenbanken und Wissensdatenbanken abzurufen, für den Aufbau zuverlässiger und genauer KI-Anwendungen unerlässlich. Insbesondere RAG-Systeme sind auf eine genaue Abfrage angewiesen, um das Wissen von LLMs mit externen Daten zu erweitern.

Die Auswirkungen einer schlechten Abfragequalität gehen über bloße Ungenauigkeiten hinaus. Eine ungenaue oder ineffiziente Abfrage kann zu erhöhten Kosten aufgrund verschwendeter Rechenressourcen führen und das Vertrauen der Benutzer in KI-Systeme untergraben. Da KI immer stärker in kritische Geschäftsprozesse integriert wird, ist die Gewährleistung der Zuverlässigkeit der Datenabfrage von größter Bedeutung.

Der Schwerpunkt von MongoDB auf die Qualität der Abfrage deutet auf eine Verlagerung des Fokus innerhalb der KI-Community hin. Anstatt sich ausschließlich auf größere und komplexere Modelle zu konzentrieren, beginnen Unternehmen, die Bedeutung der Optimierung der gesamten KI-Pipeline, einschließlich der Datenabfrage, zu erkennen. Dieser ganzheitliche Ansatz ist unerlässlich, um KI-Systeme zu entwickeln, die nicht nur leistungsstark, sondern auch vertrauenswürdig und kosteneffektiv sind.

Die Verfügbarkeit der Voyage 4-Modelle von MongoDB stellt einen Schritt zur Bewältigung der Herausforderungen der Abfragequalität in der Unternehmens-KI dar. Das Unternehmen plant, seine Modelle kontinuierlich weiterzuentwickeln und zu verfeinern, um den sich ändernden Anforderungen der KI-Branche gerecht zu werden.