Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com24. Juli 2025 · Q011389

Building Dynamic AI Agents with Graphiti: The Future of Real-Time Knowledge Graphs

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Beitrag stellt Graphiti als quelloffenes Werkzeug vor, das Wissensgraphen mit neuen Informationen aktualisieren und frühere Zustände durch zeitbezogene Suche zugänglich machen soll. Eine Code-Demo zeigt die Ablage und Abfrage von Kendras wechselnden Schuhvorlieben mit Neo4j und OpenAI; die Vorteile gegenüber RAG und mögliche Geschäftsanwendungen sind Behauptungen des Autors, nicht durch unabhängige Tests belegt.

Mittel

Der Beitrag von Code Coup beschreibt Graphiti als quelloffenes Werkzeug, das Informationen in einem Wissensgraphen fortlaufend aktualisieren und zeitbezogen abfragbar machen soll. An Kendras wechselnder Vorliebe von Adidas zu Nike erklärt der Autor, wie Personen und Produkte als Knoten und ihre Beziehung als Kante dargestellt werden. Er behauptet, Graphiti sei für sich rasch ändernde Daten besser geeignet als herkömmliche RAG-Systeme, die eine erneute Verarbeitung benötigen könnten; ein systematischer Vergleich wird jedoch nicht gezeigt.

Eine Schritt-für-Schritt-Demo nennt Python 3.10+, Neo4j 5.26+ und einen KI-Anbieter als Voraussetzungen. Beispielcode verbindet Graphiti mit Neo4j und OpenAI, fügt Adidas- und Nike-Angaben als Episoden hinzu und fragt aktuelle sowie frühere Vorlieben ab. Außerdem wird eine Gemini-Konfiguration gezeigt. Der Text nennt Support-Bots, Produktempfehlungen, Unternehmensdaten und Aufgabenhelfer als mögliche Einsatzfelder. Die Beispiele veranschaulichen die vorgestellte Nutzung, liefern aber keine unabhängigen Tests, Messwerte oder Belege für die behauptete Leistungsfähigkeit im produktiven Einsatz.

Ausführlich lesen

Der Beitrag von Code Coup stellt Graphiti als quelloffenes Werkzeug zum Aufbau und zur laufenden Aktualisierung von Wissensgraphen für KI-Anwendungen vor. Anhand des Beispiels einer Kundin, Kendra, die zunächst Adidas und später Nike bevorzugt, erläutert der Autor den Unterschied zu herkömmlichen RAG-Systemen: Diese seien bei häufig wechselnden Informationen aufwendiger aktuell zu halten, während Graphiti neue Angaben direkt in einen Graphen einfüge und frühere Zustände abfragbar mache. Das sind Aussagen des Beitrags; ein systematischer Leistungsvergleich wird im Text nicht vorgelegt.

Ein Wissensgraph wird als Netz aus Knoten für Dinge oder Personen und Kanten für ihre Beziehungen erklärt. Im Beispiel bilden „Kendra“, „Adidas-Schuhe“ und die Beziehung „liebt“ eine solche Verbindung. Der Beitrag hebt hervor, dass Graphiti laut Autor Informationen zeitlich einordnen, unterschiedliche Suchwege kombinieren und veraltete Angaben behandeln könne. Genannt werden außerdem Zep als Plattform, die Graphiti verwende, sowie mögliche Einsatzfelder wie Support-Bots, Produktempfehlungen, Unternehmensdaten und Aufgabenhelfer.

Der praktische Teil führt durch ein kleines Beispiel: Er nennt Python 3.10 oder neuer, Neo4j 5.26 oder neuer und einen API-Schlüssel für OpenAI als Voraussetzungen. Anschließend zeigt der Autor eine Installation mit `pip`, eine Verbindung zu Neo4j samt OpenAI-Sprachmodell und Einbettungsmodell sowie das Hinzufügen zweier Episoden: einer Textangabe zu Adidas und eines JSON-Eintrags zu Nike mit Datum. Über eine Suche nach den Vorlieben Kendras sollen beide Beziehungen gefunden werden. Eine zeitbezogene Abfrage mit dem Stichtag 25. April 2025 soll laut Beispiel nur die Adidas-Angabe liefern. Ein weiteres Codebeispiel skizziert die Nutzung von Gemini anstelle von OpenAI.

Die Anleitung ist als vereinfachte Demonstration angelegt. Der Text zeigt Beispielcode und erwartete Ausgaben, berichtet aber keine dokumentierten Messungen, unabhängigen Tests oder Ergebnisse einer produktiven Einführung. Die Vorteile gegenüber RAG und die Eignung für die genannten Geschäftsfälle sind daher als Einschätzungen und Behauptungen des Autors zu verstehen. Auch die gezeigten Beispiele belegen für sich allein nicht, wie zuverlässig Graphiti widersprüchliche oder geänderte Angaben in unterschiedlichen Situationen verarbeitet.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Luna hat zwei Zusammenfassungen (kurz und mittel) geliefert; die Prüfung bezieht sich auf beide gemeinsam. Die Teilfragen-Liste ist leer, daher gibt es keine Teilfrage-Bewertung. Lunas Stufen und Anteilsangaben wurden nicht übernommen, die Einordnung erfolgt unabhängig vom Bericht. Die drei Sammelfragen betreffen Modellherkunft, Gemeinwohl und Agenten-Kontrolle, der Bericht ist ein Praxistext zu Graphiti und beantwortet sie daher nicht.

Im Bericht, aber nicht in der Zusammenfassung

  • Zep wird als Plattform genannt, die Graphiti bereits nutzt
  • Die Behauptung, Graphiti korrigiere veraltete Informationen, etwa wenn Kendra nicht mehr Adidas mag, wird nicht erwähnt
  • Die Unterscheidung zwischen Zeitpunkt des Geschehens und Zeitpunkt der Erfassung wird nicht erklärt
  • Die Schritt-für-Schritt-Anleitung mit Installation, Verbindung und Beispielabfragen fehlt weitgehend
  • Der Anekdotenbericht über den Online-Shop des Freundes fehlt

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Unabhängig prüfen
Tempo und Grenzen
Vertrauen in Modelle
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 37 %gleiches Oberthema, hilft nicht
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 42 %einzelne zitierbare Belege
    • JEV 25 %einzelne zitierbare Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 57 %Hintergrund, keine Belege
    • JEV 39 %einzelne zitierbare Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →